الگوریتمPSO 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
مراجع انگلیسی