1.   مشاوره و انجام پروپوزال  و پایان نامه ، مشاوره در زمینه ارائه سمینار، 
       مشاوره و انجام مقاله های بین المللی و داخلی، 
       مشاوره و انجام مقاله در مجله های علمی پژوهشی معتبر، 
        مشاوره و آموزش شبیه سازی شبکه توسط شبیه ساز آکادمیک 2-NS، 
         مشاوره و آموزش شبیه سازهای ترافیک شهری از قبیل  SUMO، ONE، و ...
          کمک به دانشجویان برای پیاده سازی ایده ها و مقالات خود با شبیه سازهای
               NS2, NS3 , OMNET++ , ONE
     
    
                 شماره تماس :
                         حسین رنجبران:    09101607834   
                                          
    
                  ساعات تماس: 
                                      ۸ الی ۲۰
                         
                   ایمیل:
                         hossein.ranjbaran.it@gmail.com
                        
           
    

مسیریابی بر اساس الگوریتم مورچگان

شروع موضوع توسط AdMiN ‏14/1/14 در انجمن الگوریتم های یادگیر

وضعیت موضوع:
You must be a logged-in, registered member of this site to view further posts in this thread.
  1. Administrator
    AdMiN
    هیات مدیره
    تاریخ عضویت:
    ‏3/10/13
    ارسال ها:
    2,243
    تشکر شده:
    327
    یکی از روش هایی که برای حل مسائل مسیریابی استفاده می شود ، الگوریتم های مبتنی بر مورچه است. این الگوریتم ها از رفتار ساده مورچه ها در طبیعت الهام گرفته شده اند . مورچه ها اگر چه موجوداتی ساده هستند ، ولی مجموعه آن ها کارهای مفیدی چون یافتن کوتاهترین مسیر به غذا و تقسیم کردن این گونه اطلاعات با دیگر اعضای کلونی خود را انجام می دهند.در حقیقت مورچه به تنهایی ، یک موجود ساده و غیر آگاه است ، ولی مجموعه ای از مورچه ها می توانند کارهای مفیدی انجام داده و راهنمای خوبی برای انسان در کاربرد های بسیاری چون مسیر یابی باشند.[1,2]
    الگوریتم های مبتنی بر ACO کاربرد موفقیت آمیزی در حل مسائل بهینه سازی ترکیبی داشته اند. هدف اصلی مدل ACO ، یافتن مسیر با کمترین هزینه در گراف می باشد. ACO در برگیرنده تعداد زیادی مورچه است که این مورچه ها در طول گراف حرکت می کنند و کوتاهترین مسیر را پیدا می کنند. مورچه‎ها نوعا دانشی درباره اینکه کدام مسیر کوتاه تر است ندارند، بنابراین آن ها به تنهایی ، تنها می‎توانند یک مسیر با کیفیت پایین را پیدا کنند ولی هماهنگی سراسری در میان مورچه های یک کلونی باعث می‎شود که مسیرهای بهینه و کوتاه پیدا شوند. رفتار این مورچه ها (مورچه های مصنوعی)، از مورچه های واقعی مدل می شود. در جهان واقعی مورچه ها در حین حرکت در طول مسیرشان مقداری فرمون در مسیر از خود بر جای می گذارند. تصمیم گیری حرکت مورچه ها در یک مسیر بر اساس غلظت فرمون آن مسیر انجام می شود.[3]
    مورچه ها ترجیح می دهند از مسیری حرکت کنند که مقدار فرمون[1] آن زیاد است. از طرفی مورچه‎های مصنوعی خصوصیات گسترده‎تری دارند که در مورچه های طبیعی یافت نمی شوند. به این صورت که حرکت آنها معمولاٌ سازگار با عملیات قبلی شان است که در یک ساختار داده ویژه ذخیره شده است.

    مورچه ها در طول حرکت از یک گره به گره دیگر مقداری فرمون متناسب با مسیر از خود به جای می گذارند. بنابراین ، مسیرهای کوتاه و مناسب ، میانگین توزیع فرمون زیادی خواهند داشت و از طرف دیگر اگر مسیری ضعیف باشد ، مقدار فرمون در طول مسیر کم خواهد بود. در واقع مقدار فرمون باقی مانده در مسیر متناسب با کیفیت مسیر است. به این ترتیب مورچه ها در یک گراف کوتاهترین مسیر ها را پیدا می کنند.



    [1] pheremone

    [1]
    Muhammad Saleema , Gianni A. Di Caro b, Muddassar Farooq , "Swarm intelligence based routing protocol for wireless sensor Networks, " In proceeding of information science Special Issue on Interpretable Fuzzy System, octobr 2011,pp 4597–4624

    [2]
    ÇELİK Fatih , Zengin Ahmet ,Tuncel Sinan and Çobanoğlu, "A Survey on Swarm Intelligence based Routing Protocols in Wireless Sensor Networks," In Proceedings of International Symposium on Sustainable Development, June 2010

    [3]
    Zhiyuan Li , Ruchuan Wang . An ant colony optimization-based load balancing routing algorithm for wireless multimedia sensor networks. In: Proceedings of the 12th IEEE international conference on communication technology (ICCT); 2010. pp. 584–7.
     
    azam, mogahi, student_it و 2 کاربر دیگر از این پست تشکر کرده اند.
وضعیت موضوع:
You must be a logged-in, registered member of this site to view further posts in this thread.

این صفحه را به اشتراک بگذارید