ترجمه مقاله دو ردیف پروتکل بهینه سازی ازدحام ذرات برای خوشه بندی و مسیریابی در شبکه های حسگر بی سیم

اختصاصی از فی لوو ترجمه مقاله دو ردیف پروتکل بهینه سازی ازدحام ذرات برای خوشه بندی و مسیریابی در شبکه های حسگر بی سیم دانلود با لینک مستقیم و پر سرعت .

این مقاله ترجمه مقاله انگلیسی Two-tierparticleswarmoptimizationprotocolforclustering
and routinginwirelesssensornetwork می باشد ./

سال انتشار : 2015/

تعداد صفحات مقاله انگلیسی : 13/

تعداد صفحات فایل ترجمه : 18/

فرمت فایل ترجمه : Word /

مقاله اصلی را به زبان انگلیسی می توانید رایگان از اینجا دریافت فرمایید /

چکیده:

بسیاری از تکنیک های مسیریابی مبتنی بر خوشه ، برای شبکه های حسگر بی سیم در این مقاله آورده شده است . با این حال، بسیار از پروتکل های پیشنهادی بر انتخاب سرخوشه به چگونگی برگشت اطلاعات جمع آوری شده به ایستگاه پایه توسط سرخوشه ها بی توجهند. علاوه بر این ، آن ها تمایل به استفاده از پارامترها و مفروضات غیرواقعی دارند. که برای مثال شامل استفاده از محدوده ی انتقال بی نهایت و آگاهی از مکان می باشد. آن ها همچنین از یک مدل انرژی استفاده کرده اند که اساسا برای مدل سازی مصرف برق رادیو در شبکه های حسگر ناقص استفاده می شود. در این مقاله ، فرمولاسیون دو برنامه ریزی خطی برای مسائل خوشه بندی و مسیریابی توسط دو الگوریتم پیشنهادی براساس بهینه سازی ازدحام ذرات ، دنبال می شود. الگوریتم خوشه بندی مجموعه ی بهینه ای از سرخوشه ها را پیدا می کند که بهره وری انرژی ، کیفیت خوشه بندی و پوشش شبکه را به حداکثر می رساند. الگوریتم مسیر یابی با یک طرح رمزگذاری ذرات و تابع تناسب به منظور پیدا کردن درخت مسیریابی بهینه توسعه پیدا کرده که این سرخوشه ها را به ایستگاه پایه متصل می کند. این دو الگوریتم در یک پروتکل دولایه ترکیب می شوند تا یک مدل خوشه بندی کامل و عملی آماده کنند.اثر استفاده از یک شبکه و مدل مصرف انرژی واقعی در ارتباطات بر پایه خوشه بندی برای شبکه های حسگر بی سیم ، بررسی خواهد شد. شبیه سازی های گسترده تر بر روی 50 مدل همگن و ناهمگن WSN‌ با پروتکل های حسگر برپایه خوشه بندی شناخته شده مقایسه و ارزیابی شد. نتایج نشان داد که پروتکل پیشنهادی از نظر معیار عملکردهای مختلف همچون مقیاس پذیری، نرخ تحویل بسته (PDR) در سرخوشه هاو تحویل مجموع بسته های داده به BS ، نسبت به آن ها عملکرد بهتری دارد./1008/

پس از خرید از درگاه امن بانکی لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده میشود.

تماس با ما برای راهنمایی آدرس ایمیل:

[e-mail]

شماره جهت ارتباط پیامکی :

09337843121

توجه: اگر کارت بانکی شما رمز دوم ندارد، در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.

مطالعه مقایسه ای بین الگوریتم های خوشه بندی سیستم استنتاج فازی – عصبی تطبیقی (ANFIS) در پیش بینی خشکسالی با شاخص SPI

اختصاصی از فی لوو مطالعه مقایسه ای بین الگوریتم های خوشه بندی سیستم استنتاج فازی – عصبی تطبیقی (ANFIS) در پیش بینی خشکسالی با شاخص SPI دانلود با لینک مستقیم و پر سرعت .

• مقاله با عنوان: مطالعه مقایسه ای بین الگوریتم های خوشه بندی سیستم استنتاج فازی – عصبی تطبیقی (ANFIS) در پیش بینی خشکسالی با شاخص SPI (مطالعه موردی: ایستگاه سینوپتیک ارومیه)  

• نویسندگان: امیر فارسیجانی ، حسین رضایی ، علیرضا مقدم  

• محل انتشار: نهمین کنگره ملی مهندسی عمران - دانشگاه فردوسی مشهد - 21 تا 22 اردیبهشت 95  

• فرمت فایل: PDF و شامل 8 صفحه می باشد.

چکیــــده:

خشکسالی یک تهدید جهانی و مشکل منطقه ای است که از راه های گوناگون خسارات زیادی به بار می آورد. خشکسالی باعث خسارات کلان در کشاورزی شده و تاثیرات منفی بسیاری روی اکوسیستم های طبیعی دارد. در این مقاله داده های بارندگی ماهیانه ایستگاه سینوپتیک ارومیه مورد استفاده قرار گرفت و شاخص بارش استاندارد شده که در مقایسه با سایر شاخص ها، مزیت های بیشتری دارد در مقیاس زمانی سه ماهه به عنوان داده های ورودی به شبکه عصبی - فازی استفاده گردید؛ سپس مطالعه مقایسه ای بین الگوریتم های خوشه بندی کاهشی، c میانگین فازی (FCM) و پارتیشن بندی شبکه ای در سیستم استنتاج فازی - عصبی تطبیقی (ANFIS) به منظور پیش بینی خشکسالی انجام گرفت و نتایج نشان داد روش FCM بهترین عملکرد را در مدل ANFIS جهت پیش بینی خشکسالی با شاخص SPI دارد.

________________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** درخواست مقالات کنفرانس‌ها و همایش‌ها: با ارسال عنوان مقالات درخواستی خود به ایمیل [e-mail] پس از قرار گرفتن مقالات در سایت به راحتی اقدام به خرید و دریافت مقالات مورد نظر خود نمایید. **

کارافرینی طرح پیشنهادی توسعه خوشه صنعتی چای در شرق استان گیلان

اختصاصی از فی لوو کارافرینی طرح پیشنهادی توسعه خوشه صنعتی چای در شرق استان گیلان دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

 

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

 

تعداد صفحه:24

فهرست و توضیحات:
مقدمه

تاریخچه شرکت

اهداف شرکت

کارکنان و متخصصان

تجزیه و تحلیل

محصولات

روش تحقیق

سابقه تحقیق

اصطلاحات و مفاهیم

طرح پیشنهادی توسعه خوشه صنعتی چای در شرق استان گیلان

مقدمه:

کاشت چای در ایران بیشینه ای بیش از ١٠٠ سال دارد. کشت چای از کانون نخستین خود یعنی لاهیجان به سوی شرق و غرب و به ویژه در سواحل جنوبی دریای خزر شهرهای لاهیجان، لنگرود، رودسر، املش، صومعه سرا، فومن، رشت و شفت و حتی قسمتی از استان مازندران گسترش پیدا کرده است. پراکندگی سطح زیر کشت چای به تفکیک شهرستانهای استان های گیلان ، مازندران و همچنین پراکندگی وسعت باغات چای در جداول ١ و ٢ داده شده اند که طبق آخرین داده ها و مستندات سازمان چای کشور می باشد. از جدول ۲ چندین استنباط  می شود که پراکندگی وسعت باغات چای کشور طی سالهای گذشته  (بویژه بعد از اصلاحات ارضی) در جهت خرد شدن بوده است.  

خوشه بندی فازی

اختصاصی از فی لوو خوشه بندی فازی دانلود با لینک مستقیم و پر سرعت .

خوشه بندی فازی

یک رویکرد تکاملی جدید برای مشکل خوشه بندی متعادل بار در شبکه های حسگر بی سیم *

اختصاصی از فی لوو یک رویکرد تکاملی جدید برای مشکل خوشه بندی متعادل بار در شبکه های حسگر بی سیم * دانلود با لینک مستقیم و پر سرعت .

دانلود ترجمه مقاله یک رویکرد تکاملی جدید برای  مشکل خوشه بندی متعادل بار در شبکه های حسگر بی سیم ؛ مقاله ای برای رشته مهندسی برق در آن است که در 13 صفحه برای دانلود شما ترجمه شده است.

 

 

چکیده:

خوشه بندی گره حسگر یک روش موثر کنترل توپولوژی به منظور کاهش مصرف انرژی  گره های حسگر برای به حداکثر رساندن طول عمر شبکه های سنسور  بی سیم (WSNs) است. با این حال، در یک خوشه مبتنی بر WSN، لیدرها (سر خوشه) برخی  بارهای اضافی ناشی از فعالیت های مختلف مانند جمع آوری داده ها، تجمع داده ها  و ارتباطات را ازداده های جمع شده  به ایستگاه پایه حمل میکنند. بنابراین، حفظ تعادل بار  سر خوشه ها یک مسئله چالش برانگیز برای عملیات دراز مدت شبکه های حسگر بی سیم است.  خوشه بندی متعادل بار به عنوان  یک مشکل NP-hard  برای یک شبکه  سنسور بی سیم همراه با بار نابرابر گره های حسگر  شناخته میشود. الگوریتم ژنتیک (GA) یکی از محبوب ترین روش های تکاملی است که می تواند برای پیدا کردن راه حل سریع و کارآمد چنین مشکلی استفاده شود. در این مقاله، ما یک GA جدید مبتنی بر الگوریتم خوشه بندی متعادل بار برای شبکه سنسور بی سیم ارائه میکنیم. نشان داده میشود که الگوریتم پیشنهادی برای هر دو بار برابر و نابرابر از گرههای حسگربه خوبی کار میکند. ما شبیه سازی گسترده از روش ارائه شده انجام داده و نتایج آن را برخی از روش های مبتنی بر تکامل و دیگر الگوریتم های خوشه بندی مرتبط مقایسه میکنیم . نتایج نشان می دهد که الگوریتم پیشنهادی بهتر از همه این الگوریتم ها از نظر معیارهای عملکردی مختلف مانند موازنه بار، زمان اجرا، مصرف انرژی، تعداد گره سنسور فعال، تعداد سر خوشه فعال و نرخ همگرایی عمل می کند.

 مقدمه :

شبکه های حسگر بی سیم (WSNs) نظر بسیاری از محققان را برای استفاده از پتانسیل های خود در زمینه های مختلف از جمله سیستم های هشدار دهنده فاجعه، نظارت بر محیط زیست، مراقبت های بهداشتی، ایمنی، نظارت، تشخیص مزاحم و غیره [۱،۲] به خود جلب کرده اند.شبکه حسگر بی سیم  از تعداد زیادی از گره های حسگر کوچک تشکیل شده است که به صورت تصادفی و یا به صورت دستی در نقطه هدف مستقرشده اند . گرههای حسگر تشکیل شده است ازسنجش، پردازش داده ها، و برقراری ارتباط اجز همراه با یک واحد قدرت .گرههای حسگر منطقه هدف را به منظور جمع آوری اطلاعات محلی، پردازش آنها و ارسال آن به یک ایستگاه پایه از راه دور به نام سینک سنجش می کنند. این سینک برای اطلاع رسانی عمومی ازاین  پدیده هابه اینترنت متصل شده است. تنگنای اصلی شبکه گیرنده بی سیم منابع قدرتی محدود و غیر قابل تعویض گره های سنسور  است بطوریکه آنها روی باتری کوچک راه اندازی (اداره ) می شود. خوشه یکی از کارآمد ترین تکنیک هاست، که به خوبی برای صرفه جویی انرژی در شبکه گیرنده بی سیم مورد تحقیق واقع شده است. در معماری مبتنی بر خوشه (مراجعه شکل ۱)، گره های حسگردر خوشه های مجزا با یک رهبر(لیدر) گروه بندی می شوند، که این لیدر  به عنوان سر خوشه (CH) برای هر گروه شناخته میشود . هر گره حسگر متعلق به تنها یک خوشه است. CHها  داده های محلی از اعضای گره های سنسورخود را جمع آوری و پردازش کرده و آن را مستقیما به سینک یا دیگر ch ها ارسال میکنند