در این بخش به الگوریتم ژنتیک در قالب یک مقاله کوچک برای استفاده در خوشه بندی در شبکه های کامپیوتری می پردازیم که امیدواریم مطالب ارائه شده در آن مفید و مورد استفاده شما دوستان عزیز قرار گیرد. امروزه یکی از روش های مطرح برای حل دسته ای از مسائل بهینه سازی، استفاده از روش های موسوم به روش های بهینه سازی مبتنی بر هوش دسته جمعی می باشد. الگوریتم های خوشه بندی تکاملی، با بهره گیری از الگوریتم های تکاملی نظیر الگوریتم ژنتیک (GA)، بهینه سازی ازدحام ذرات (PSO)، بهینه سازی کلونی مورچگان (ACO) و غیره سعی در یافتن بهترین جواب ممکن به منظور ساخت خوشه دارند به طوری که خوشه حاصل دارای کمینه مقدار انرژی مصرفی، بیشینه مقدار داده ارسالی به چاهک و غیره باشد. جهت مشاهده این الگوریتم بر روی لینک زیر کلیک نمایید.
در این بخش معرفی الگوریتم مسیریابی HAMFA را آماده کردیم که یکی از روش های مسیریابی در شبکه های NOC می باشد. در سال ۲۰۱۳ مقاله ای در زمینه تحمل پذیری اشکال در شبکه های روی تراشه توسط معصومه ابراهیمی و همکارانش نگارش شد که روش ارائه شده در آن HAMFA نام گرفت. در این مقاله الگوریتمی پیشنهاد شده است که بدون استفاده از کانال مجازی و بسته های زائد اشکال های یک جهته را در لینک های عمودی و افقی تحمل می کند. برای این کار از مسیر هامیلتونی (Hamiltonian) استفاده می کند، مسیر هامیلتونی در مبحث گراف مسیری است که از همه گره های گراف بگذرد، بدون اینکه از یک گره دو یا چند بار بگذرد. الگوریتم HAMFA مسیریابی در شبکه را بدون نیاز به جدول و یا اطلاعات اضافی در سرآیند بسته انجام می دهد. این الگوریتم تنها نیاز به اطلاعات اشکال، در لینک های مجاور خود دارد و این مسئله کارایی این الگوریتم را بالا برده و سربار سخت افزاری آن را کاهش داده است. جهت مشاهده این الگوریتم بر روی لینک زیر کلیک نمایید.
در این بخش معرفی الگوریتم مسیریابی AFRA را آماده کردیم که یکی از روش های مسیریابی در شبکه های NOC می باشد و در سال ۲۰۱۲ معرفی شده. این الگوریتم توسط دانشجویان دانشگاه علم و صنعت ایران با نام AFRA معرفی شده که تحمل پذیری اشکال (خطا) را در لینک های عمودی در یک ساختار توری سه بعدی بررسی می کند و اشکال های دائمی را بر روی لینک های عمودی در نظر گرفته است. الگوریتم AFRA بر این حقیقت متکی است که نرخ اشکال در لینک های عمودی بیشتر از نرخ اشکال در لینک های افقی می باشد. جهت مشاهده این الگوریتم بر روی لینک زیر کلیک نمایید.
لینک: الگوریتم مسیریابی AFRA در شبکه روی تراشه (NOC)
در این بخش پروژه تخمین هدف در رادار MIMO توزیع شده با مدلسازی پراکنده را برای شما آماده کرده ایم که با استفاده از نرم افزار MATLAB شبیه سازی شده. مایمو (به انگلیسی: MIMO) یک سامانه رادار چند آنتنی می باشد که قادر است تا شکل موج های دلخواهی را از هر عنصر آنتن بفرستد. از جمله قابلیت های این رادار می توان به بهبود دقت اندازه گیری، کاهش محو شدگی و جلوگیری از تداخل و پارازیت اشاره نمود. میزان کارایی سامانه های رادار با درجات آزادی ایجاد شده توسط رادار مایمو از جنبه های مختلفی بهبود می یابد. مدت هاست که روش استفاده از چند فرستنده و چنده گیرنده راداری تحت عنوان رادار Multistatic و یا همان چند پایه ایی مطرح است. هر یک از گیرنده ها در این رادار ها سیگنال های دریافتی را به صورت مجرا پردازش می کنند و نتایج بدست آمده از این پردازش را به یک مرکز پردازشی می فرستند که در نهایت با ترکیب داده ها، بهبود پارامتر های تخمین زده شده مورد بررسی قرار می گیرد. جهت مشاهده تصاویر خروجی پروژه و دریافت آن بر روی لینک زیر کلیک نمایید.
لینک: تخمین هدف در رادار MIMO توزیع شده با مدلسازی پراکنده در نرم افزار متلب
در این بخش پیاده سازی پروژه بهبود پروتکل مسیریابی DSDV مبتنی بر خوشه بندی در شبکه های بین خودرویی ونت را با نرم افزار NS2 به همراه گزارش کار و فیلم نحوه اجرا آماده کردیم. شبکه های بین خودرویی ونت (VANET) دارای کاربرد هایی همچون برنامه ریزی مسیر ها، امنیت جاده ها، تجارت آسان، کمک به بهبود رانندگی، تقسیم بندی ترافیک و شرایط جاده ها، تعامل بین کاربران، سرویس های اطلاعاتی و غیره می باشند. امنیت در شبکه های VANET عامل اصلی رانندگی به منظور تحقق و استمرار این شبکه ها می باشد. برنامه های کاربردی ایمن و غیر ایمن مثل سیستم های اطلاعات ترافیکی، خدمات تجاری و سرگرمی و همچنین پیام های در مورد کاهش بحرانی امنیت است. جهت مشاهده تصاویر خروجی پروژه و دریافت آن بر روی لینک زیر کلیک نمایید.
لینک: بهبود پروتکل مسیریابی DSDV مبتنی بر خوشه بندی در شبکه VANET با NS2