دوره 19، شماره 2 - ( 7-1401 )                   جلد 19 شماره 2 صفحات 72-61 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

saeedi N, Babaie S. A New Hybrid Routing Algorithm based on Genetic Algorithm and Simulated Annealing for Vehicular Ad hoc Networks. JSDP 2022; 19 (2) :61-72
URL: http://jsdp.rcisp.ac.ir/article-1-1133-fa.html
سعیدی نیره، بابائی شهرام. ارائه یک الگوریتم مسیریابی جدید مبتنی بر الگوریتم‌های ژنتیک و تبرید شبیه‌سازی‌شده برای شبکه‌های موردی بین‌خودرویی. پردازش علائم و داده‌ها 1401; 19 (2) :72-61

URL: http://jsdp.rcisp.ac.ir/article-1-1133-fa.html


گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد تبریز
چکیده:   (159 مشاهده)
در سال‌های اخیر شبکه‌های موردی بین‌خودرویی به‌عنوان یک فناوری نوظهور سعی کرده است با کنترل هوشمند ترافیک، تعداد تصادفات خودروها را کاهش دهد. در این شبکه‌ها حرکت سریع خودروها، پویایی توپولوژی و محدودیت‌های منابع شبکه، مسیریابی را به یک چالش­ اساسی تبدیل کرده، لذا ارائه یک الگوریتم مسیریابی پایدار و مطمئن یک راه‌کار مناسب برای حفظ پارامترهای کیفیت سرویس خدمات این شبکه‌ها است. در این مقاله یک الگوریتم مسیریابی جدید مبتنی بر خوشه‌­بندی به نام GCAR بر اساس الگوریتم ژنتیک ارائه می‌شود که ابتدا خودروها در یک زیرساخت مبتنی بر خوشه‌­های پویا قرار می‌­گیرند و سپس با انتخاب دو خودرو در هر خوشه به‌عنوان خودروهای دروازه بین خوشه‌­های همسایه، یک زنجیره خودرویی تشکیل می‌شود. همچنین برای خوشه­‌بندی از ترکیب الگوریتم ژنتیک و الگوریتم تبرید شبیه­‌سازی‌شده استفاده می‌شود که سعی می‌کنند سرخوشه‌های مناسب را شناسایی کنند. نتایج شبیه­‌سازی‌­های انجام‌شده در نرم‌افزار متلب نشان می­‌دهد که به‌طور متوسط نرخ کشف مسیر الگوریتم پیشنهادی 4/18%، تعداد خوشه ایجاد‌شده 55/2%، توان عملیاتی 45/3% و نرخ دریافت صحیح بسته‌ها 18/14% نسبت به رویکرد PassCAR عملکرد بهتری دارد. همچنین ارزیابی هم‌گرایی، انحراف معیار و خطای استاندارد الگوریتم پیشنهادی اثبات‌کننده سرعت هم‌گرایی و پایداری بالای آن است.
شماره‌ی مقاله: 5
متن کامل [PDF 1322 kb]   (69 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش داده‌های رقمی
دریافت: 1399/1/24 | پذیرش: 1400/3/3 | انتشار: 1401/7/8 | انتشار الکترونیک: 1401/7/8

فهرست منابع
1. [1] ابراهيمي، افسانه و پور دانش، سیدعبید "استفاده از مسیریابی شبکه‌های رادیو شناختی جهت کاهش مصرف انرژی در شبکه‌های حسگر بی‌سیم به کمک الگوریتم دایجکسترا"، مجله دو فصلنامه مباحث برگزیده در انرژی، جلد1، شماره 1، صفحات 38-31، 1396.
2. [1] A. Ebrahimi and S.O. Pourdanesh, "The Use of Cognitive Radio Networks Routing to Reduce Energy Consumption in Wireless Sensor Networks Dayjkstra Algorithm," JSTE, vol. 1, pp. 31-38, 2017.
3. [2] شادنيا، آسیه و رموزي، مرتضی "ارایه بهبود استراتژی ارسال و مسیریابی در الگوی محتوا محور شبکه‌های خودرویی مبتنی بر نقشه جغرافیایی"، مجله فصلنامه جاده، جلد49، شماره 93، صفحات 47-31، 1396.
4. [2] A. Shadnia and M. Romoozi, "Proposing Enhanced Strategy for Transmitting and Routing In Content-Based Vehicular Ad Hoc Networks Based On Geographical Map," Road Quarterly Journal, vol. 25, pp. 31-38, 2018.
5. [3] عرب‌نژاد، رعنا و بابائي، شهرام " ارائه یک الگوریتم مسیر¬یابی مبتنی بر جهت حرکت و موقعیت خودروها برای شبکه¬های موردی بین¬خود¬رویی" مجله علمی پژوهشی رایانش نرم و فناوری اطلاعات، جلد 9، شماره 3، صفحات 213-206، 1399.
6. [3] R. Aranbezhad and S. Babaie, "A routing algorithm based on movement direction and position of vehicles for vehicular Ad hoc networks," Journal of Soft Computing and Information Technology, vol. 9, pp. 206-213, 2020.
7. [4] ابراهيمي مود، سپهر، جاويدي، محمد مسعود و خسروي، محمدرضا " ارائه الگوريتم جست و جوي گرانشي مقيد و حل مسأله مسيريابي وسايل نقليه" مجله فصل نامه پردازش علائم و داده‌ها، جلد 18، شماره 4، صفحات 36-23، 1400.
8. [4] S. Ebrahimi Mood, M. M. Javidi, M. R. Khosravi, "Proposing a Constrained-GSA for the Vehicle Routing Problem," Journal of Signal and Data Processing, vol. 18 (4), pp. 23-36, 2022.
9. [5] H. Hartenstein and K. P. Laberteaux, "A tutorial survey on vehicular ad hoc networks," IEEE Commun. Mag., vol. 46, pp. 164-171, Jun. 2008. [DOI:10.1109/MCOM.2008.4539481]
10. [6] M. Afrashteh and S. Babaie, "A Route Segmented Broadcast Protocol based on RFID for Emergency Message Dissemination in Vehicular Ad-hoc Networks," IEEE Transactions on Vehicular Technol.ogy, vol. 69, pp. 16017-16026, 2020. [DOI:10.1109/TVT.2020.3041754]
11. [7] A. Rasheed, S. Gillani, S. Ajmal, and A. Qayyum, "Vehicular Ad Hoc Network (VANET): A Survey, Challenges, and Applications," in Vehicular Ad-Hoc Networks for Smart Cities, A. Laouiti, A. Qayyum, and M. Mohamad Saad, Eds. Springer, Singapore, 2017, pp. 39-51. [DOI:10.1007/978-981-10-3503-6_4]
12. [8] S. Boussoufa-lahlah, F. Semchedine, and L. Bouallouche-medjkoune, "Geographic routing protocols for Vehicular Ad hoc NETworks ( VANETs ): A survey," Veh. Commun., vol. 11, pp. 20-31, 2018. [DOI:10.1016/j.vehcom.2018.01.006]
13. [9] A. Ullah, S. Yaqoob, M. Imran, and H. Ning, "Emergency Message Dissemination Schemes Based on Congestion Avoidance in VANET and Vehicular FoG Computing," IEEE Access, vol. 7, pp. 1570-1585, 2019. [DOI:10.1109/ACCESS.2018.2887075]
14. [10] C. Cooper, D. Franklin, F. Safaei, and M. Abolhasan, "A Comparative Survey of VANET Clustering Techniques," IEEE Commun. Surv. Tutorials, vol. 19, pp. 657-681, 2019. [DOI:10.1109/COMST.2016.2611524]
15. [11] X. Zeng, M. Yu, and D. Wang, "A New Probabilistic Multi-Hop Broadcast Protocol for Vehicular Networks," IEEE Trans. Veh. Technol., vol. 67, pp. 12165-12176, 2018. [DOI:10.1109/TVT.2018.2872998]
16. [12] F. Cunha et al., "Data communication in VANETs: Protocols, applications and challenges," Ad Hoc Networks, vol. 44, pp. 90-103, 2016. [DOI:10.1016/j.adhoc.2016.02.017]
17. [13] F. Li, X. Song, H. Chen, X. Li, and Y. Wang, "Hierarchical routing for vehicular Ad Hoc networks via reinforcement learning," IEEE Trans. Veh. Technol., vol. 68, pp. 1852-1865, 2019. [DOI:10.1109/TVT.2018.2887282]
18. [14] S. S. Wang and Y. S. Lin, "PassCAR: A passive clustering aided routing protocol for vehicular ad hoc networks," Comput. Commun., vol. 36, pp. 170-179, 2013. [DOI:10.1016/j.comcom.2012.08.013]
19. [15] K. C. Lin, J. C. Hung, and J. ting Wei, "Feature selection with modified lion's algorithms and support vector machine for high-dimensional data," Applied Soft Computing Journal, vol. 68. pp. 669-676, 2018. [DOI:10.1016/j.asoc.2018.01.011]
20. [16] M. Fahad et al., "Grey wolf optimization based clustering algorithm for vehicular ad-hoc networks," Comput. Electr. Eng, vol. 70, pp. 853-870, 2018. [DOI:10.1016/j.compeleceng.2018.01.002]
21. [17] H. Bagherlou and A. Ghaffari, "A routing protocol for vehicular ad hoc networks using simulated annealing algorithm and neural networks," J. Supercomput., vol. 74, pp. 2528-2552, Jun. 2018. [DOI:10.1007/s11227-018-2283-z]
22. [18] S. Chatterjee and S. Das, "Ant colony optimization based enhanced dynamic source routing algorithm for mobile Ad-hoc network," Inf. Sci. (Ny)., vol. 295, pp. 67-90, 2015. [DOI:10.1016/j.ins.2014.09.039]
23. [19] D. Sedighizadeh and H. Mazaheripour, "Optimization of multi objective vehicle routing problem using a new hybrid algorithm based on particle swarm optimization and artificial bee colony algorithm considering Precedence constraints," Alexandria Eng. J., vol. 57, pp. 2225-2239, 2018. [DOI:10.1016/j.aej.2017.09.006]

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.