مقاله انگلیسی رایگان در مورد الگوریتم خوشه‌بندی برای شبکه‌های حسگر بی‌سیم با بهره‌وری انرژی – الزویر ۲۰۱۷

مقاله انگلیسی رایگان در مورد الگوریتم خوشه‌بندی برای شبکه‌های حسگر بی‌سیم با بهره‌وری انرژی – الزویر ۲۰۱۷

 

مشخصات مقاله
ترجمه عنوان مقاله الگوریتم خوشه‌بندی برای شبکه‌های حسگر بی‌سیم با بهره‌وری انرژی بر اساس یک روش فراتکاملی بهبود یافته
عنوان انگلیسی مقاله Energy efficient clustering protocol based on improved metaheuristic in wireless sensor networks
انتشار مقاله سال ۲۰۱۷
تعداد صفحات مقاله انگلیسی  ۳۲ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه الزویر
نوع نگارش مقاله
مقاله پژوهشی (Research article)
مقاله بیس این مقاله بیس میباشد
نمایه (index) scopus – master journals – JCR
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۳٫۹۹۱ در سال ۲۰۱۷
شاخص H_index ۶۸ در سال ۲۰۱۸
شاخص SJR ۰٫۷۸۴ در سال ۲۰۱۸
رشته های مرتبط مهندسی کامپیوتر
گرایش های مرتبط الگوریتم و محاسبات – شبکه های کامپیوتری
نوع ارائه مقاله
ژورنال
مجله / کنفرانس  Journal of Network and Computer Applications
دانشگاه Research Scholar, I K Gujral Punjab Technical University, Kapurthala, Punjab 144008, India
کلمات کلیدی خوشه‌بندی با حفظ بهره‌وری انرژی، شبکه‌های حسگر بی‌سیم، فراتکاملی کلونی زنبور عسل مصنوعی
کلمات کلیدی انگلیسی Energy efficient clustering, Wireless sensor networks, improved Artificial bee colony (iABC) metaheuristic
شناسه دیجیتال – doi
https://doi.org/10.1016/j.jnca.2017.01.031
کد محصول E11702
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Outline
Abstract
Keywords
۱٫ Introduction
۲٫ Related work
۳٫ Standard artificial bee colony (ABC) metaheuristic
۴٫ ABC variants
۵٫ Author’s contribution
۶٫ Improved artificial bee colony metaheuristic
۷٫ Beecluster – proposed clustering protocol
۸٫ Simulation results and discussion
۹٫ Conclusions
Acknowledgement
References

بخشی از متن مقاله:

Abstract

Energy efficient clustering is a well accepted NP-hard optimization problem in Wireless sensor networks (WSNs). Diverse paradigm of Computational intelligence (CI) including Evolutionary algorithms (EAs), Reinforcement learning (RL), Artificial immune systems (AIS), and more recently, Artificial bee colony (ABC) metaheuristic have been used for energy efficient clustering in WSNs. Due to ease of use and adaptive nature, ABC arose much interest over other population-based metaheuristics for solving optimization problems in WSNs. However, its search equation, which is comparably poor at exploitation and require storage of certain control parameters, contributes to its insufficiency. Thus, we present an improved Artificial bee colony (iABC) metaheuristic with an improved solution search equation to improve its exploitation capabilities. Additionally, in order to increase the global convergence of the proposed metaheuristic, an improved population sampling technique is introduced through distribution, which require only one control parameter to compute and store, hence increase efficiency of proposed metaheuristic. The proposed metaheuristic maintain a good balance between exploration and exploitation search abilities with least memory requirements, moreover the use of first of its kind compact Student’s distribution, make it suitable for limited hardware requirements of WSNs. Further, an energy efficient clustering protocol based on iABC metaheuristic is introduced, which inherit the capabilities of the proposed metaheuristic to obtain optimal cluster heads (CHs) and improve energy efficiency in WSNs. Simulation results shows that the proposed clustering protocol outperforms other well known protocols on the basis of packet delivery, throughput, energy consumption, network lifetime and latency as performance metric.

ثبت دیدگاه