انتخاب حسگرهای لبه ای با استفاده از مدل تصمیم‌گیری چندمعیاره سلسله‌مراتبی پویا

عزیز حنیفی1

چکیده :
شبکه‌های گره‌های حسگر لبه‌ای(Edge Sensor Nodes) به عنوان بخش مهمی از زیرساخت اینترنت اشیا می آیند گره‌های حسگر لبه‌ای برای کمک به تصمیم‌گیری هوشمند در حوزه‌های مختلفی استفاده می‌شوند؛ از جمله ساختمان‌های هوشمند، مدیریت زنجیره تأمین، پایداری محیطی، رباتیک صنعتی و لجستیکی، و همچنین کاربردهای اینترنت اشیا (IoT). که معمولاً با محدودیت انرژی و نیاز به مدیریت کارآمد منابع مواجه هستند. مسئله‌ای که در صورت بی‌توجهی، موجب کاهش طول عمر شبکه، تضعیف کیفیت پوشش و اتصال می‌شود. با این حال، طراحی یک روش بهینه و کم‌هزینه برای نصب حسگرها در محیط‌های پیچیده که دارای انواع دیوارها و منابع تداخل سیگنال هستند یک چالش مهم محسوب می‌شود. روش‌های سنتی معمولاً بر اساس آزمون و خطا انجام می‌شوند و اغلب به راه‌حل‌های غیر‌بهینه منجر می‌گردند. این روش‌ها معمولاً مسائل مهمی مانند مصرف انرژی و کیفیت سرویس شبکه (QoS) را به‌خوبی در نظر نمی‌گیرند. بر این اساس، هدف پژوهش حاضر ارائه یک رویکرد تصمیم‌گیری چندمعیاره سلسله‌مراتبی پویا (Dynamic-AHP) برای انتخاب گره های لبه‌ای می باشد تا از طریق وزن‌دهی به‌روز‌شونده و متناسب با شرایط عملیاتی شبکه، بتوان کارایی شبکه را افزایش داد. که مدل تصمیم‌گیری چندمعیاره سلسله‌مراتبی پویا با تکیه بر تخصیص پویا و وزن معیارها از جمله انرژی باقیمانده، پوشش، اتصال و هزینه می تواند گره های حسگر لبه ای را به صورت کارآمد انتخاب کند.

کلمات کلیدی : اینترنت اشیا کارایی انرژی حسگر لبه ای پوشش اتصال


زبان مقاله : فارسی
محور مقاله : هوش مصنوعی و اینترنت اشیاء
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری
آدرس وب سایت کنفرانس : itnaf.ir
کد IOI مقاله : AAHD-ABHCKG
لینک مستقیم مقاله : https://isnac.ir/AAHD-ABHCKG

سایر مقالات محل انتشار
  1. A Study on Design Understandability and Interaction of the therapy-specific Robots
  2. طراحی و مهندسی یک حسگر زیستی نوری چند مدی پلاسمونیک مبتنی بر تشدیدگرهای حلقه شکاف برای سنجش جامع آنتی‌ژن
  3. طراحی یک اسیلاتورکنترل شونده با ولتاژ با نویز فاز بسیار پایین و بازه وسیع فرکانسی با تکنولوژی نانولوله کربنی برای کاربردهای PLL
  4. یک چارچوب هوشمند آگاه به زمینه برای ارتباطات V2V و V2Iدر شبکه‌های خودرویی شهرهای هوشمند با استفاده از داده‌های ترافیکی شبکه سلولی
  5. An Ensemble Non-Dominated Feature Selection Method: A Case Study on Prostate Cancer
  6. تشخیص زودهنگام پوسیدگی دندان با استفاده از شبکه‌های عصبی
  7. Simulation and Performance Comparison of Torque Tube and LVDT Sensors in Displacer-Based Level Measurement Systems
  8. ارتقا سامانه ناوبری پهپاد مهاجر ۶ با استفاده از فناوری
  9. کاربرد نانوذرات مگنتیت (Fe3O4) در پزشکی (از سنتز تا عملکرد)
  10. Simulation and Modeling of Floating-Gate Non-Volatile Memory Performance: Focus on Oxide Thickness, Programming Speed, and Charge Transport Mechanisms
  11. Fraud Analytics with Big Data: A Literature Review on Machine Learning Algorithms in Bankruptcy Prediction and Financial Fraud Detection
  12. تحلیل آینده‌پژوهانه هم‌گرایی هوش مصنوعی، فناوری نانو و فناوری اطلاعات در مسیر تحول صنعتی آینده
  13. نقش تحول دیجیتال در خدمات کتابخانه‌های عمومی برای توان‌یابان جسمی و ذهنی
  14. Prediction and Optimization of Oxygen Production under Microgravity Conditions Using Machine Learning
  15. Simulation and Performance Comparison of Ultrasonic, Non-Contact Radar, and Guided Wave Radar Sensors in Level Measurement Systems