دانلود ترجمه مقاله به حداکثر رسانی طول عمر بر اساس AHP و خوشه بندی ژنتیکی در IoT

1. مقدمه 2. کارهای مرتبط 3. پروتکل پیشنهادی 4. نتایج شبیه سازی و بحث و بررسی 5. نتیجه گیری و کارهای آتی پیوست A ضمیمه B

چکیده – الگوهای سنجش هوشمند امروزی که از طریق مکانیزم های مختلف اینترنت اشیا (loT) ارائه می شوند، در حوزه های قابل توجهی از زندگی روزمره ، مانند بهداشت ، کشاورزی ، حمل و نقل ، بخش های تجاری تا محیط های شهری و شهرهای هوشمند گسترش می یابند. عصر جدید تحول در فناوری اطلاعات متکی بر پردازش و تجزیه و تحلیل ابر داده هایی است که توسط شمار زیادی از حسگرهای هوشمند جمع آوری شده و در مناطق اطراف منتشر می شوند. با این حال، اکثر این دستگاه ها دارای محدودیت در منابع تغذیه و قابلیت پردازش هستند، که به نوبه خود محدودیت های شدیدی را در عملکرد شبکه اعمال می کند. با توجه به این موضوع، توسعه الگوریتم های جدید و کارآمد انرژی برای پارادایم ( نمونه) اینترنت اشیا یک مسئله چالش برانگیز است ، زیرا عملکرد این الگوی شبکه پیشرفته با استفاده از تکنیک ها یا راه حل های موجود که در شبکه های حسگر بی سیم به کار رفته اند به شکل موثر قابل مدیریت نیست. برای پاسخگویی به الزامات افزایش طول عمر شبکه اینترنت اشیا ، ما در این مقاله به چالش شبکه های اینترنت اشیا به صورت تعبیه دستگاه های محدود کننده انرژی با ارائه یک پروتکل جدید ، یعنی به افزایش طول عمر بر اساس فرایند تحلیلی سلسله مراتبی و خوشه بندی ژنتیکی ( LiM-AHP-G-C) می پردازیم. به ویژه ، پروتکل پیشنهادی، یک الگوریتم خوشه بندی بهینه جدید را برای دستگاه های اینترنت اشیا با باتری خور غیر قابل شارژ ، الگوریتم کارآمد انتخاب سر خوشه IoT ، یک روش ابتکاری برای انتخاب بهینه هاپ و یک مدل برای جلوگیری از تداخل های درون خوشه ای و بین خوشه ای برای شبکه های اینترنت اشیا ارائه می دهد. نتایج شبیه سازی نشان می دهد که پروتکل پیشنهادی ما از نظر طول عمر شبکه ، استفاده از منابع و معیارهای مقیاس پذیری نسبت به سایرپروتکل های موجود بهتر عمل می کند.

Contemporary smart sensing paradigms, that are provided via diverse Internet of Things (IoT) mechanisms, propagate across considerable domains of daily life, such as health, agriculture, transportation, trade sectors to urban environments and smart cities. The new era of revolution in information technology will rely on processing and analyzing big data that are gathered by tremendous numbers of intelligent sensors, which are disseminated in the surrounding regions. However, most of these devices suffer from restrictions on power resources and processing capabilities, which in turn will enforce stringent restrictions on the network operations. In view of this, the development of novel and efficient energy algorithms for IoT paradigm is a challenging issue bearing in mind that the performance of this state-of-the-art network paradigm cannot be handled effectively by the existing techniques or solutions that are utilized in wireless sensor networks. To meet the requirements of maximizing the IoT network lifetime, we address in this work the challenge of IoT networks as of embedding energy-constrained devices by proposing a novel protocol, namely, Life Time Maximizing Based on Analytical Hierarchal Process and Genetic Clustering (LiM-AHP-G-C) protocol. In particular, the proposed protocol presents a novel optimal clustering algorithm for un-rechargeable battery-powered IoT devices, an efficient IoT heads selection algorithm, a heuristic method for optimal hop selection, and a model for avoiding intra- and inter-cluster interferences for IoT networks. The simulation results show that our proposed protocol outperforms the other existing works in terms of network lifetime, resource utilization, and scalability metrics.

بخشی از ترجمه مقاله (صفحه 23 فایل ورد ترجمه)