حل تمرین ژنتیک و شبیه سازی در محیط WSN با متلب

---

شرح پروژه

یک محیط (Wireless Sensor Net Work) داریم با  100 نود  که قرار است دمای محیط را به صورت زیر برای ما سنس کنند:

در ابتدا کل محیط به 10 ناحیه (دایره ای) که برخی نواحی دارای فصل مشترک (همپوشانی) هستند تقسیم شده است.

لازم به ذکر است موقعیت همه 100 گره  و نواحی 10 گانه به دلخواه برنامه نویس در ابتدای کار مشخص است.

1-      در هر مرحله نیاز است از  10 گره به صورت رندومی دما سنس شود ما باید یک آرایه 100 تایی داشته باشیم و نود هایی که باید در این مرحله دما را سنس کنند در آرایه 1 و بقیه صفر شوند.

2-      حال آرایه را به الگوریتم ژنتیک میدهیم تا بر  اساس نواحی 10 گانه مشخص کند اگر 2 یا چند گره در یک ناحیه مشترک هستند فقط یکی از آنها فعال باشد و بقیه بخوابند. و هدف نهایی حداقل نمودن تعداد نودهای است که بیشترین ناحیه را پوشش می دهند.

در واقع Cost Function  طراحی شده با ژنتیک باید مشخص کند کدام گره بیشترین ناحیه را پوشش می دهد و در نهایت یک کروموزم خواهیم داشت این کرومزوم شامل نودهایی است که باید در این مرحله فعال یا غیر فعال باشند.

مراحل 1و 2 را 200 بار اجرا میکنیم.

نتیجه گیری:

اگر قرار باشد در هر مرحله 10 نود دما را سنس کند و هر نود به میزان X انرژی مصرف کند و 200  بار مراحل تکرار شده باشد کل مصرف انرژی برابر است با :

(10 * X * 200) Z1=

حال با اجرای مراحل الگوریتم فوق و کروموزوم های به دست آمده که طبعا تعدادی از گره را خواباندیم (استفاده نکردیم) پس مصرف انرژی خواهد شد:

 (M1 * X) +   (M2 * X) …..  +  (M200 * X)  Z2 =  که M  تعداد نودهای فعال هر مرحله می باشد.

پس قطعا در پایان Z2 < Z1 خواهد یود.

لازم به ذکر است برنامه باید با متلب نوشته بشود و شبیه سازی گرافیکی هم مورد نیاز است.

مهارت ها و تخصص های مورد نیاز

---

---