| LEADER |
05700nam a22003497a 4500 |
| 001 |
1488065 |
| 041 |
|
|
|a ara
|
| 100 |
|
|
|9 483574
|a الشديفات، علاء فايز نهار
|e مؤلف
|
| 245 |
|
|
|a Improving the Energy of Wireless Sensor Network Using Genetic Algorithm
|
| 246 |
|
|
|a تحسين اداء الطاقة في شبكة الاستشعار اللاسلكية باستخدام الخوارزمية الجينية
|
| 260 |
|
|
|a المفرق
|c 2018
|
| 300 |
|
|
|a 1 - 89
|
| 336 |
|
|
|a رسائل جامعية
|
| 502 |
|
|
|b رسالة ماجستير
|c جامعة آل البيت
|f كلية الدراسات العليا
|g الاردن
|o 0095
|
| 520 |
|
|
|a أحد أهم القيود في مجالات تطبيق شبكة الاستشعار اللاسلكية هو التهديد المتعلق بمحدودية موارد الطاقة. لذلك يعد تحسين أداء/كفاءة الطاقة قضية حاسمة في شبكات الاستشعار اللاسلكية كما أن أجهزة الاستشعار (العقد) هي مجهزة ببطاريات ذات الاستخدام الواحد وأكثر هذه البطاريات هي منخفضة الطاقة أنواعها. العقد غالبا، تنفق وتستهلك ما يصل إلى 90% من الطاقة الكلية في عملية التراسل. من هنا فإن طاقة البطاريات تحدد عمر الشبكة في شبكة الاستشعار اللاسلكية. الطريقة الأمثل لتوفير الطاقة هي التجميع والتي تساعد العديد من الباحتين إلى تصميم خوارزميات توجيه كفؤة الطاقة مختلفة. ولتجنب التراسل لمسافات بعيدة بين العقد والمحطة الرئيسية يتم تجميع أجهزة الاستشعار، وهذا يحفظ طاقة أجهزة الاستشعار لمدة عمر أطول. وعلاوة على ذلك، في تقنية/أسلوب التجميع تعد عملية انتخاب مسؤولين/رؤساء المجموعات لأفضل توجيه طاقة كفوء بأنها ذات دور مهم من أجل إطالة عمر الشبكة. العديد من طرق الأمثلة بالتجريبيات (Meta- heuristic optimization) تم استخدامها لحل مشاكل الأمثلة. في هذه الأطروحة نقدم خوارزمية تجميع مركزية (Centralized clustering) جديدة تعتمد على خوارزمية جينية (Genetic Algorithm) محسنة لإيجاد حل مقبول أو أقرب أمثله من تشكيلة مسؤولين/رؤساء المجموعات في الشبكة. أولا، التمثيل الحقيقي (Real encoding) تم تطبيقه في الخوارزمية الجينية ليمثل الاختيارات الممكنة لعملية انتخاب رؤساء المجموعات. ثانيا، تم استخدام (fitness scaling function) لتقييم أي اختيار ممكن لعملية انتخاب رئيس المجموعة. أخيرا، تم استخدام طرق تداخل إبدالي (Crossover) بالتزامن مع استخدام التمثيل الحقيقي لتحسين من عملية انتخاب رئيس المجموعة بحيث يوفر من استهلاك الطاقة، وهذه الطرق تسمى (SMX, SNX and DX). هنا، تكوين التجميع (Clustering configuration) لا يتم حسابة في بداية كل دورة (Round). بدلا من ذلك، كل تكوينات المجموعات تحسب بالمحطة الرئيسية بخطوة واحدة (one-step) في بداية الدورة الأولى باستخدام التمثيل الحقيقي على أساس الخوارزمية الجينية (Real Coding-based Genetic Algorithm). هذا يوفر الأمثلة الشاملة (Global optimization) للمحطة الرئيسية من أجل تحسين رؤيتها الشاملة في الحلول ويمكن أن يتيح لها أن تصل لأفضل تجميع (Better clustering). جميع نتائج المحاكي للطريقة المقترحة التي تم تطبيقها باستخدام الماتلاب (MATLAB) تظهر أن طريقة (SNX) تقوم بانتخاب رئيس المجموعة الذي يبقى لأطول عمر مقارنتا مع استخدام (SMX and DX). وبالإضافة لذلك، الطريقة المقترحة تهدف للتعزيز من استهلاك الطاقة وذلك من خلال المحافظة على الرؤساء لأطول عمر مقارنتا مع (LEACH) ومجموعة من الطرق الجديدة المهتمة بإطالة عمر شبكة الاستشعار اللاسلكية.
|
| 653 |
|
|
|a موارد الطاقة
|a شبكة الاستشعار اللاسلكية
|a الخوارزمية الجينية
|a تحسين الأداء
|
| 700 |
|
|
|9 472217
|a الشرفات، وفاء
|e مشرف
|
| 700 |
|
|
|a بطيحة، خالد محمد
|g Batiha, Khaled Mohammad
|e مشرف
|9 483568
|
| 856 |
|
|
|u 9802-005-011-0095-T.pdf
|y صفحة العنوان
|
| 856 |
|
|
|u 9802-005-011-0095-A.pdf
|y المستخلص
|
| 856 |
|
|
|u 9802-005-011-0095-C.pdf
|y قائمة المحتويات
|
| 856 |
|
|
|u 9802-005-011-0095-F.pdf
|y 24 صفحة الأولى
|
| 856 |
|
|
|u 9802-005-011-0095-1.pdf
|y 1 الفصل
|
| 856 |
|
|
|u 9802-005-011-0095-2.pdf
|y 2 الفصل
|
| 856 |
|
|
|u 9802-005-011-0095-3.pdf
|y 3 الفصل
|
| 856 |
|
|
|u 9802-005-011-0095-4.pdf
|y 4 الفصل
|
| 856 |
|
|
|u 9802-005-011-0095-5.pdf
|y 5 الفصل
|
| 856 |
|
|
|u 9802-005-011-0095-O.pdf
|y الخاتمة
|
| 856 |
|
|
|u 9802-005-011-0095-R.pdf
|y المصادر والمراجع
|
| 930 |
|
|
|d y
|
| 995 |
|
|
|a Dissertations
|
| 999 |
|
|
|c 902690
|d 902690
|
