Skip to main content
فهرست مقالات

طراحی سامانه انتخاب حسگرها در زیردریایی هوشمند بدون سرنشین با استفاده از شبکه‌های عصبی و الگویتم اجتماع عنکبوت ها

نویسنده:

(11 صفحه - از 19 تا 29)

هدف از این مقاله انتخاب مجموعه‌ای از حسگرها در زیردریایی هوشمند بدون سرنشین به گونه‌ای است که علاوه بر کمینه کردن میزان انرژی مصرفی، بوسیله کم کردن پیچیدگی زمان پردازش اطلاعات نیز کاهش یابد. همواره یک تناظر یک به یک بین قابلیت کاری و منبع انرژی وجود دارد. از جمله چالش‌هایی که زیردریایی‌های هوشمند بدون سرنشین با آن روبرو هستند منابع انرژی محدود آن‌ها می‌باشد. تنها منبع انرژی در زیردریایی‌های هوشمند بدون سرنشین باتری‌ها هستند. با توجه به اینکه شارژ کردن باتری‌ها در اعماق دریا غیرممکن است، ناگزیر به صرفه جویی در مصرف انرژی می‌باشیم. موثرترین راه برای صرفه‌جویی در مصرف انرژی انتخاب هوشمندانه مجموعه‌ای از حسگرها به گونه‌ای می‌باشد که با کمترین تعداد حسگر، بیشترین کارآیی را بدست آوریم. از این رو از شبکه عصبی به عنوان تابع بهینه‌ساز و همچنین از الگوریتم اجتماع عنکبوت‌ها که در پیدا کردن بهینه عمومی و رسیدن به همگرایی بسیار قدرتمند است، استفاده می‌کنیم. خواهیم دید که این الگوریتم با پیدا کردن بهینه‌ عمومی و رسیدن سریع به همگرایی قادر است کمترین تعداد حسگر را در مجموعه حسگر انتخاب ‌کند. در پایان نتایج شبیه‌سازی با الگوریتم مبتنی بر جغرافیای زیستی، الگوریتم مبتنی بر جغرافیای زیستی بهینه شده با نقشه‌های آشفته، الگوریتم ازدحام ذرات، الگوریتم ژنتیک، الگوریتم، الگوریتم کرم شب‌تاب، الگوریتم فاخته ذرات مقایسه می‌شود. نتایج حاصله حاکی از آن است که عملکرد الگوریتم اجتماع عنکبوت‌ها در مقایسه با الگوریتم‌های دیگر و در حالت زیرسطحی کارآیی بهتری دارد و قادر است زمان پردازش را به 8/1 ثانیه برساند. همچنین مصرف انرژی را به میزان 1/7 کیلووات‌ساعت کاهش می‌دهد. این امر سبب می‌شود 5/10) دقیقه به زمان دریانوردی اضافه گردد.

خلاصه ماشینی:

"با توجه به دلایلی که بیان گردید و همچنین این‌که فیلتر کالمن توسعه یافته نیازمند داشتن شرط مشتق‌پذیری است، استنتاج بیزی محاسبات پیچیده‌ای دارد که سبب می‌شود سرعت پردازش کاهش یابد، الگوریتم ژنتیک در صورت کوچک بودن فضای جستجو کند عمل می‌کند و تضمینی برای رسیدن به جواب بهینه ندارد، تئوری فازی تطبیق‌پذیری ضعیفی دارد، یکی از بهترین راه حل‌های ممکن برای انتخاب حسگر، استفاده از الگوریتم‌های فراابتکاری می‌باشد که در این مقاله برای اولین بار از الگوریتم اجتماع عنکبوت‌ها که در پیدا کردن بهینه‌ عمومی بسیار قدرتمند است و همچنین سرعت همگرایی بالایی دارد استفاده شده است. 4-2- روش محاسباتی روش محاسباتی برای الگوریتم پیشنهادی بصورت زیر می‌باشد گام اول: با توجه به N که بعنوان تعداد اعضای مجموعه n بعدی است، تعداد عنکبوت‌های نر N m و عنکبوت‌های ماده N f در کل جمعیت S بصورت زیر تعریف می‌شود: (رجوع شود به تصویر صفحه) در شکل (5) تصویر شبه کد مقدار دهی اولیه آورده شده است. در این مقاله برای تولید داده‌های آموزشی، 180 سناریو مانند آنچه در بالا مشاهده کردید اجرا گردیده و با استفاده از آن‌ها شبکه عصبی آموزش دیده و با استفاده از آن در الگوریتم اجتماع عنکبوت‌ها میزان وزن هر عنکبوت و در نتیجه میزان مطلوبیت هر راه حل تخمین زده می‌شود و بهینه‌ترین پیکربندی حسگرها انتخاب می‌گردد."


برای مشاهده محتوای مقاله لازم است وارد پایگاه شوید. در صورتی که عضو نیستید از قسمت عضویت اقدام فرمایید.