دانلود ترجمه مقاله الگوریتم مسیریابی موثر بر اساس بهینه سازی کلونی مورچه

1. مقدمه 2. مروری بر تحقیقات مرتبط 3. بهینه سازی کلونی مورچه 4. کار پیشنهادی 5. نتایج 6. نتیجه گیری

چکیده – شبکه های موردی (ادهاک) وسایل نقلیه (VANET)، که در اصل زیرمجموعه ای از شبکه های موردی موبایل (MANET) هستند در سال های اخیر عمدتاً به منظور تحقیق و توسعه درباره سیستم های حمل و نقل هوشمند دارای توانایی خود مدیریتی و خود سازماندهی مورد توجه قرار گرفته اند، که آنها را به عنوان سیستم شبکه موبایل قابل اطمینان می سازد. هم چنین قطع ارتباط با چنین گره های با حرکت بالا در ساختار VANET، که در آن اتلاف اطلاعات بسیار مهم است، یک مسئله خواهد بود زیرا گره ها / وسایل نقلیه در VANET می توانند با سرعت 300 km/h یا 186.41 mile/h حرکت کنند. پروتکل هایی که قبلا پیشنهاد شده اند از توپولوژی معین برای گره های موبایل در VANET استفاده کردند. گرچه دانشمندان الگوریتم های مختلفی نظیر الگوریتم راهنما، روش حرکت جهت دار (مسیریابی) حریصانه را پیشنهاد کرده اند، تغییرات محیطی در آنها نادیده گرفته شده است که معمولا معیار مهمی در تنظیم اطلاعات محسوب می شود. در این مقاله تکنیک احتمال گرای کاوشی و ریاضی بهینه سازی کلونی مورچه (ACO) با الهام از طبیعت پیشنهاد شده است که در آن تعیین موثر مسیر و انتقال اطلاعات می تواند انجام گیرد. دسترسی مسیر و تاخیر زمانی برای ارزیابی مسیرهای کشف شده بکار رفته است. اما در اینجا تغییرات محیطی ریل تایم در نظر گرفته شده است و عملکرد مطابق با ACO اندازه گیری شده است. نرم افزار فنی برای پیاده سازی VANET با استفاده از تغییراتی در ACO در شبیه ساز آزمایشگاه ماتریس متلب (MATLAB) نسخه 2015b همراه با تغییرات تصادفی مختلف در شرایط محیطی پیاده شده است. حرکات تصادفی مورچه ها راه موثری برای تحویل بسته به حداکثر تعداد گره ها / وسایل نقلیه در شبکه با تاخیر بسیار پایین فراهم می کند. بنابراین حتی اگر عدم موفقیت تصادفی گرهی روی دهد، همسایه های اطراف مورچه اطلاعات لازم را به گره های مورد نظر حمل خواهند کرد که موجب بهبود توانش زمانی می شود. بنابراین نتایج حاصل از طریق تغییرات محیطی مختلف نشان داد که استفاده از الگوریتم تصادفی ACO برای سیستم بسیار پویای VANET عملکرد بسیار بالاتری از سایر روش های قبلی مبتنی بر تقاضا فراهم می کند و می تواند به صورت تجاری تحقق یابد. بنابراین این پروژه سعی دارد آخرین فناوری را برای استفاده جامعه و کشور فراهم کند.

The Vehicular Ad Hoc Networks (VANET), which are essentially the subset of Mobile Ad Hoc Networks (MANET) have been focused in the recent years mainly for the research and development of the Intelligent Transport Systems having the ability for both self-management and also self-organization, making them reliable as a highly mobile network system Also, the disconnection of such high mobile nodes will be a problem in VANET structure, where the loss of information will be critical because the vehicles/nodes in a VANET can move at a speed of 300 km/h or 186.41 miles/h. The protocols suggested earlier used a fixed topology for the mobile nodes in VANET. Even though the scientists had proposed different algorithms like beaconing, greedy or moving directional approach, the environmental changes were ignored which usually play an important criterion in regulation of information. In this paper, we propose a bio-inspired meta-heuristic and mathematically probabilistic technique of the Ant Colony Optimization (ACO) where efficient path establishment and information transfer can be achieved. Path availability and the delay time have been used for the evaluation of discovered paths. But, here the real time environmental changes were taken into account and the performance was measured in accordance with ACO. The technical software for VANET implementation using modifications in the ACO was implemented in the Matrix Laboratory (MATLAB)-2015b simulator along with the different randomized changes in environmental conditions. The random movements of the ants have displayed an efficient means for the delivery of packets to the maximum number of available nodes/vehicles in the network with very low latency. So that even if accidental failure of any node occurs, the surrounding ant neighbors will carry the required information to the desired nodes resulting in improvement of the throughput. Thus, the results obtained through various environmental modifications indicated that the use of randomized ACO algorithm for a highly mobile VANET system offers a much higher performance as compared to other earlier suggested on demand methods and can be realized commercially. Hence, this project tries to become a state of art technology for the benefit of society and the country.

بخشی از ترجمه مقاله (صفحه 8 فایل ورد ترجمه)