دانلود ترجمه مقاله روش های هوش محاسباتی در شبکه های عملگر و حسگر بیسیم

1. مقدمه 2. مقالات پژوهشی مرتبط 3. روش های هوش محاسباتی 4. شبکه های عملگر و حسگر بیسیم 5. مسائل تحقیقاتی WSAN 6. روش های CI اعمال شده بر مسائل SWAN 7. بحث و بررسی 8. رویه های پژوهشی آینده 9. نتیجه گیری

شبکه های حسگر و عملگر بی سیم (WSAN ها)، شبکه های همگنی هستند که از انواع گره های مختلف که به صورت مشارکتی می توانند محیط را حس کنند، یک اقدام مناسب را مشخص کنند، سپس وضعیت محیط را بعد از اقدام، تغییر دهند. WSAN ها، به عنوان یکی از تعمیم های طبیعی شبکه های حسگر بی سیم (WSNها)، از آنها یک سری از چالش های پژوهشی را به ارث می برند و چالش های جدید بسیاری را بوجود می آورند. این چالش ها به سروکار داشتن با اطلاعات غیردقیق و مبهم، حل مسائل بهینه سازی پیچیده یا گردآوری و پردازش داده ها از چندین منبع، ارتباط دارند. «هوش محاسباتی» (CI) یک اصطلاح گسترده است که بیان کننده یک مجموعه از فنون الهام گرفته از زیست شناسی و زبان شناسی است که راهکارهایی برای مسائل NP-دشوار، دلیل در اصطلاحات غیردقیق فراهم می کند، و راهکارها و جواب های تقریبی کیفیت بالا اما از نظر محاسباتی مهار شدنی را حاصل می کند. بسیاری از محققان به امید یافتن پاسخ هایی برای تعداد زیادی از چالش های مرتبط با WSAN به سراغ CI رفته اند. این مقاله، کاربرد چندین روش تحت پوشش CI برای زمینه WSAN را مرور می کند. مقاله های موجود مربوط به سیستم های فازی، شبکه های عصبی، محاسبات تکاملی، هوش جمعی، سیستم های یادگیری و ترکیب سازی آنها برای مسائل WSAN مشهور یا نوظهور براساس پنج محور عمده را توضیح می دهیم و دسته بندی می کنیم: 1) فعال سازی 2) ارتباطات 3) تحرک سینک؛ 4) کنترل توپولوژی و 5) مکان یابی. این مقاله، بحث های آموزنده ای برای درک همه مطالعات مورد ملاحظه، ارائه می دهد. در آخر، به مسیرهای پژوهشی آتی با 1) توصیه فنون CI مناسب برای مسائل خاص؛ 2) اقتباس مفاهیم از WSN هایی که قبلاً برای WSAN ها بکار گرفته شده اند؛ 3) توصیف کمبودهای روش های فعلی برای ایجاد علاقه به توسعه مدل های دقیق تر، اشاره می کنیم.

Wireless sensor and actuator networks (WSANs) are heterogeneous networks composed of many different nodes that can cooperatively sense the environment, determine an appropriate action to take, then change the environment's state after acting on it. As a natural extension of wireless sensor networks (WSNs), WSANs inherit from them a variety of research challenges and bring forth many new ones. These challenges are related to dealing with imprecise and vague information, solving complicated optimization problems or collecting and processing data from multiple sources. Computational intelligence (CI) is an overarching term denoting a conglomerate of biologically and linguistically inspired techniques that provide robust solutions to NP-hard problems, reason in imprecise terms and yield high-quality yet computationally tractable approximate solutions to real-world problems. Many researchers have consequently turned to CI in hope of finding answers to a plethora of WSAN-related challenges. This paper reviews the application of several methodologies under the CI umbrella to the WSAN field. We describe and categorize existing works leaning on fuzzy systems, neural networks, evolutionary computation, swarm intelligence, learning systems, and their hybridizations to well-known or emerging WSAN problems along five major axes: 1) actuation; 2) communication; 3) sink mobility; 4) topology control; and 5) localization. The survey offers informative discussions to help reason through all the studies under consideration. Finally, we point to future research avenues by: 1) suggesting suitable CI techniques to specific problems; 2) borrowing concepts from WSNs that have yet to be applied to WSANs; or 3) describing the shortcomings of current methods in order to spark interest on the development of more refined models.