پایان نامه آماده: بررسی و کاربرد الگوریتم بهینه سازی ذرات PSO در شبکه های حسگر بیسیم - 117 صفحه فایل PDF

الگوریتم PSO یک الگوریتم جستجوی اجتماعی است که از روی رفتار اجتماعی دسته‌های پرندگان مدل شده است. PSO روش محبوبی است که برای حل مشکلات مناسب سازی در شبکه های حسگر بی سیم به دلیل آسان بودنش، کیفیت بالای راه حل هایش، همگرایی سریع و ظرفیت، محاسبه ای نامشخص خود مورد استفاده قرار گرفته است. الگوریتم PSO مستلزم مقادیر زیادی حافظه است که ممکن است اجرای آن را برای ایستگاههای اصلی سرشار از منبع کاهش دهد. این متن کاربردهای شبکه حسگر بی سیم موفق فراوانی دارد که فواید PSO را مورد استفاده قرار می دهد. گردآوری اطلاعات نیازمند مناسب سازی توزیع شده مکرر و راه حل های سریع می باشد. بنابراین، PSOبه طور متوسط آن را مناسب می سازد. صف بندی ثابت، موقعیت یابی و خوشه بندی مشکلاتی هستند که فقط یکبار در ایستگاه مرکزی حل شده اند. PSO آنها را بسیار مناسب ساخته است .

فهرست :

فصل اول

معرفی شبکه های بی سیم حسگر

نگاهی به شبکه های بی سیم حسگر

توضیحات اولیه

ساختمان گره

ویژگی های عمومی یک شبکه حسگر

ساختار ارتباطی شبکه های حسگر

ساختار خودکار

ساختار نیمه خودکار

فاکتورهای طراحی

تحمل خرابی

قابلیت گسترش

هزینه تولید

محدودیت‌های سخت افزاری یک گره حسگر

توپولوژی شبکه

محیط کار

مصرف توان

کاربردهای شبکه های بی سیم حسگر

کاربردهای رهایی از سانحه

کنترل محیطی و نگاشت تنوع زیستی

سازه های هوشمند

مدیریت تاسیسات

نظارت ماشین آلات و نگهداری پیشگیرانه

کشاورزی دقیق

پزشکی و بهداشت

حمل و نقل

پردازش راه دور

پشته پروتکلی

انواع منبع­ها و چاهک­ها

شبکه های تک پرشی در مقابل شبکه های چند پرشی

انواع تحرک

پروتکل های مسیریابی برای شبکه های حسگر بی سیم

۱- پروتکل­هایی بر مبنای داده

مسیریابی به روش سیل آسا و خبردهی

پروتکل های حسگر برای اطلاعات از طریق مذاکره

انتشار جهت دار

مسیریابی پخشی

۲- پروتکل های سلسله مراتبی

LEACH

PEGASIS

TEEN and APTEEN

۳- پروتکل های بر مبنای مکان

MECN

GAF

عیب های شبکه حسگر

روش های امنیتی در شبکه‌های بی سیم

تئوری بهینه‌سازی

انواع مسائل بهینه سازی و تقسیم بندی آنها از دیدگاه های مختلف

بهینه سازی با سعی خطا، بهینه سازی با تابع

بهینه سازی تک بعدی و بهینه سازی چند بعدی

بهینه سازی پویا و بهینه سازی ایستا

بهینه سازی مقید و نا مقید

بهینه سازی پیوسته و یا گسسته

بهینه سازی تک معیاره و چند معیاره

برخی دیگر از روش های بهینه سازی

روش مبتنی بر گرادیان

روند کلی بهینه سازی گرادیانی

روش سیمپلکس

الگوریتم ژنتیک

ویژگی‌های الگوریتم ژنتیک

Ant colony

الگوریتم کلونی مورچه ها چیست؟

مزیتهای ACO

کاربردهای ACO

۵- الگوریتم رقابت استعماری

شکل دهی امپراطوری‌های اولیه

سیاست جذب: حرکت مستعمره‌ها به سمت امپریالیست

انقلاب؛ تغییرات ناگهانی در موقعیت یک کشور

جابجایی موقعیت مستعمره و امپریالیست

رقابت استعماری

سقوط امپراطوری‌های ضعیف

شبه کد

کاربردها

فصل سوم

مقدمه

(Particle Swarm Optimitation(PSO

توپولوژی های همسایگی الگوریتم PSO

تاریخچه خوشه بندی

تعریف خوشه بندی

تحلیل خوشه بندی

فرضیه موقعیت تصادفی

فرضیه برچسب تصادفی

فرضیه نمودارتصادفی

مراحل خوشه بندی

فرایندهای خوشه بندی

مطالعه تکنیک های خوشه بندی

کاربرد های ویژه الگوریتم PSO

تعریف کلاسیک خوشه بندی

معیار نزدیک بودن

کاربرد های خوشه بندی

تعداد خوشه ها

داده ها

تعداد ویژگی ها و مشخصات آنها

مقدار دهی اولیه برای Kmeans

Kmeans

Pso و کاربرد آن در خوشه بندی

رمز گذاری فضای سه بعدی در ذرات

کمی کردن کیفیت خوشه بندی

Pso و خوشه بندی(الگوریتم ۱)

Pso و خوشه بندی در ناحیه بندی تصویر

Pso و خوشه بندی(الگوریتم ۲)

ترکیب pso و kmeans برای خوشه بندی (الگوریتم هیبرید)

ترکیب Pso و GA

فصل چهارم

بهینه سازی wsn با استفاده از الگوریتم   بهینه سازی pso

نصب گره ها WSN بهینه

موقعیت یابی گره ثابت

موقعیت یابی گره متحرک

VFCPSO

موقعیت یابی ایستگاه اصلی

تعیین محل گره در WSNها (شبکه های حسگر بی سیم)

تعیین موقعیت های گره های هدف

۱) PSO تکراری

۲) PSO بدون علامت

۳) PSO با چهار علامت

خوشه بندی هشدار انرژی (EAC) در WSNها

خوشه بندی PSO

MST-PSO

جمع آوری اطلاعات در WSNها

تخصیص نیروی انتقال مناسب

تعیین آستانه های مکانی- مناسب

تشکیل حسگر مناسب

نتیجه گیری

مراجع فارسی

ترجمه ی مقاله ی Analog Circuit Sizing via Swarm Intelligence

 اندازه یابی مدار آنالوگ از طریق هوش ازدحامی

چکیده

          هرچه مدارهای الکترونیکی پیچیده تر می شوند، طراحی و فرایند بهینه سازی نیز، باید با دقت بالا و به صورت خودکار انجام شوند. پیشبینی و بهبود کیفیت طراحی، از لحاظ عملکرد، تغییرناپذیری و هزینه، دغدغه ی اصلیِ خودکارسازی طراحی الکترونیکی است. به طورکلی، بهینه سازی، امر بسیاردشوار و زمانبری است و محدوده ی گسترده ای از پارامترهای طراحی و معیارهای متضاد را شامل می شود. بهینه سازی ازدحامی ذرات (PSO) به عنوان روشی کارآمد، برای کاوشِ فضای جستجو و حل مسائل بهینه سازی مقید، معرفی شده است. در این مقاله، PSO، جهتِ انطباق ویژگی های موردنیاز و مشخصه های عملکردی، با در نظر داشتنِ اندازه یابی بهینه ی مدارهای مجتمع آنالوگ، و توانایی بهینه سازی بالا و زمان محاسبات کوتاه، مورد استفاده قرار گرفته است. نتایج طراحی براساس PSO از طریق شبیه سازی های SPICE نیز تأیید و با مطالعات پیشین، مقایسه شده اند. 

 A b s t r a c t

Together with the increase in electronic circuit complexity, the design and optimization processes have to be automated with high accuracy. Predicting and improving the design quality in terms of performance robustness and cost is the central concern of electronic design automation. Generally, optimization is a very difficult and time consuming task including many conflicting criteria and a wide range of design parameters. Particle swarm optimization (PSO) was introduced as an efficient method for exploring the search space and handling constrained optimization problems. In this work, PSO has been utilized for accommodating required functionalities and performance specifications considering optimal sizing of analog integrated circuits with high optimization ability in short computational time. PSO based design results are verified with SPICE simulations and compared to previous studies.
© 2012 Elsevier GmbH. All rights reserved

توضیحات تکمیلی در مورد این اثر:

تعداد صفحات مقاله ی انگلیسی: 10 و تعداد صفحات ترجمه ی فارسی مقاله با کیفیت بسیار خوب: 20

نام ژورنال و سال انتشار: 2012، International Journal of Electronics and Communications

فایل های ضمیمه: اصل مقاله ی انگلیسی + فایل Word ترجمه ی فارسی

منبع: ScienceDirect

دانلود مقاله انگلیسی زمانبندی وظایف در محیط های رایانش ابری به کمک الگوریتم بهینه سازی ازدحام ذرات (PSO)

یکی از کارهای مهمی که باید در سیستم های محاسبات ابری یا رایانش ابری (Cloud Computing) انجام شود زمانبندی وظایف (Task Scheduling) یا زمانبندی کارها (Job Scheduling) ست. زمابندی مناسب کارها میتواند منجر به کاهش زمان پاسخ (Response Time) و زمان بازگشت (Turnaround Time) شود. برای این کار الگوریتم های استاتیک و داینامیک متعددی ارائه شده است.

در این مقاله روش ارائه شده مبتنی بر یک الگوریتم معروف هوش مصنوعی به نام الگوریتم بهینه سازی گروه ذرات یا PSO یا (Particle Swarm Optimization) می باشد که کارایی بالایی دارد. ویژگی خاص این مقاله این است که برای زمانبندی دو معیار مهم هزینه انتقال کار به سرورهای دیگر و همچنین میزان بار کنونی سرور در نظر گرفته شده است. همچنین برای جلوگیری از گیر کردن جستجو در نقاط بهینه محلی و رسیدن به نقاط بهینه سراسری روش جدیدی ارائه شده است. ارزیابی ها نشان داده است که این روش میتواند برای توزان و توزیع بار نتایج خوبی در پی داشته باشد.

این مقاله در سال 2012 در ژورنال Communications in Computer and Information Science  که توسط انتشارات اشپرینگر (springer) منتشر میشود ارائه شده است. 

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، درخواست مقالات و پایان نامه ها و یا ترجمه با آدرس ایمیل:

[e-mail]

شماره تماس ما در نرم افزار واتس آپ:

[phone]

شماره تماس ما در نرم افزار تلگرام:

[phone] 

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.