دوره 18، شماره 1 - ( 3-1400 )
جلد 18 شماره 1 صفحات 3-12 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Borumand Saeid A, Hesampour M, Kuchaki Rafsanjani M. Intuitionistic fuzzy logic for adaptive energy efficient routing in mobile ad-hoc networks. JSDP 2021; 18 (1) :12-3
URL: http://jsdp.rcisp.ac.ir/article-1-982-fa.html
URL: http://jsdp.rcisp.ac.ir/article-1-982-fa.html
برومند سعید ارشام، حسام پور مریم، کوچکی رفسنجانی مرجان. مسیریابی مؤثر سازگار با انرژی در شبکه‌های سیار موردی براساس منطق فازی شهودی. پردازش علائم و داده‌ها. 1400; 18 (1) :12-3
دانشگاه شهید باهنر کرمان
چکیده: (2439 مشاهده)
شبکه‌های سیار موردی بدون هیچ زیرساختار ثابت و مدیریت مرکزی در هر محیطی که نیاز باشد، تشکیل می‌شوند. این شبکه‌ها به‌طور موقت شکل می‌گیرند و گره‌ها می‌توانند آزادانه حرکت کنند؛ به‌طوریکه هر گره دارای انرژی محدودی است که به‌وسیله باتری تأمین می‌شود. به‌دلیل محدودیت انرژی، مسیریابی با انرژی کارآمد یکی از مسائل بسیار مهم و چالش برانگیز در این شبکه‌ها است؛ بنابراین بیش‌تر پژوهش‌گران به‌دنبال ارائه روشی برای مسیریابی انرژی آگاه هستند. در این مقاله برای ارائه یک پروتکل مسیریابی انرژی آگاه از یک سامانه منطق فازی شهودی برای تنظیم پارامتر تمایل گره در پروتکل مسیریابی AODV کمک گرفته شده است. تصمیم برای شرکت‌کردن هر گره متحرک در مسیریابی به‌وسیله سامانه منطق فازی شهودی با مقدار انرژی باقی‌مانده و مقدار انرژی مصرفی گرفته می‌شود. به‌منظور ارزیابی، پروتکل پیشنهادی (IFEE-AODV) را با استفاده از نرم‌افزار متلب شبیه‌سازی کرده و با روش‌های دیگر (AODV، DFES-AODV و SFES-AODV) مقایسه کرده‌ایم که نتایج به‌دست‌آمده نشان می‌دهد، این پروتکل از نظر نرخ تحویل بسته و زمان عمر شبکه در مقایسه با سه روش دیگر از عملکرد خوبی برخوردار است.
نوع مطالعه: پژوهشي |
موضوع مقاله:
مقالات گروه امنیت اطلاعات
دریافت: 1397/12/12 | پذیرش: 1398/8/19 | انتشار: 1400/3/1 | انتشار الکترونیک: 1400/3/1
دریافت: 1397/12/12 | پذیرش: 1398/8/19 | انتشار: 1400/3/1 | انتشار الکترونیک: 1400/3/1
فهرست منابع
1. [1] H. M. Sun, C. H. Chen and Y. F. Ku, "A novel acknowledgment-based approach against collude attacks in MANET", Journal of Expert System with Application, Vol. 39, pp. 7968-7975, 2012. [DOI:10.1016/j.eswa.2012.01.118]
2. [2] M. Ilyas, The Hand book of Ad Hoc Wireless Networks, CRC press, 2002.
3. [3] S. Chettibi and S. Chikhi, "Dynamic fuzzy logic and reinforcement learning for adaptive energy efficient routing in mobile ad-hoc networks", Applied Soft Computing, Vol. 38, pp. 321-328, 2016. [DOI:10.1016/j.asoc.2015.09.003]
4. [4] W. El-Hajj, D. Kountanis, A. Al-Fuqaha and M. Guizani, "A fuzzy based hierarchical energy efficient routing protocol for large scale mobile ad hoc networks", Proceedings of the IEEE International Conference on Communications, Istanbul, Turkey, pp. 3585-3590, June 11-15, 2006. [DOI:10.1109/ICC.2006.255628]
5. [5] W. Naruephiphat and W. Usaha, "Balancing tradeoffs for energy efficient routing in MANETs based on reinforcement learning", Proceedings of the 67th IEEE Vehicular Technology Conference, Singapore, pp. 2361-2365, May 11-14, 2008. [DOI:10.1109/VETECS.2008.523]
6. [6] N. Chen, Q. Zhang and S. Jin, A fuzzy path selection power-based for MANET, Fuzzy Information and Engineering, B Cao, T. Li, C. Zhang (Eds.), Springer, Berlin Heidelberg, pp. 1283-1291, 2009. [DOI:10.1007/978-3-642-03664-4_137]
7. [7] P. Hiremath and S. Joshi, "Energy efficient routing protocol with adaptive fuzzy threshold energy for MANETs", International Journal of Computer Networks and Wireless Communications, Vol. 2, No. 3, pp. 402-407, 2012.
8. [8] S. Chettibi and S. Chikhi, "An adaptive energy aware routing protocol for MANETs using zero-order sugeno fuzzy system", International Journal of Computer Sience, Vol. 10, No. 1, pp. 136-141, 2013.
9. [9] K. T. Atanassov, Intuitionistic fuzzy logic: Theory and Applications, Studies in Fuzziness and soft computing Heildberg, Physica-verlag, 1999. [DOI:10.1007/978-3-7908-1870-3]
10. [10] K. T. Atanassov, "Intuitionistic fuzzy sets", Fuzzy Sets and Systems", Vol. 20, pp. 87-96, 1986. [DOI:10.1016/S0165-0114(86)80034-3]
11. [11] K. T. Atanassov, "More on intuitionistic fuzzy sets", Fuzzy sets and Systems, Vol. 33, pp. 37- 45, 1989. [DOI:10.1016/0165-0114(89)90215-7]
12. [12] م. کوچکی رفسنجانی، ا. برومند سعید و فرزانه میرزاپور، تصميم¬گيري گروهي چند¬معیارة ترکيبي براي مسأله انتخاب تأمين¬کننده¬ با داده¬هاي فازي شهودي بازه¬اي مقدار، دوره 17، شماره 3، صفحات 16-3، 1399.
13. [12] M. Kuchaki Rafsanjani, A. Borumand Saeid, F. Mirzapour, "Hybrid multi-criteria group decision making for supplier selection problem with interval-valued intuitionistic fuzzy data", Signal and Data Processing (JSDP), Vol. 17, No. 3, pp. 3-16, 2020. [DOI:10.29252/jsdp.17.3.3]
14. [13] ا. اسلامي، نظريه مجموعه¬هاي فازي و تعميم¬هاي آن، سيستم¬هاي فازي و کاربردها، سال اول، شماره اول، صفحات 22-1، 1397.
15. [13] E. Eslami, "Fuzzy set theory and its extensions", Fuzzy Systems and Applications, Vol. 1, No. 1, pp. 1-22, 2018.
16. [14] EH. Mamdani, "Application of fuzzy algorithms for control of simple dynamic plant", Proceedings of the Institution of Electrical Engineers, Vol. 121, No. 12, pp. 1585-1588, December 1974. [DOI:10.1049/piee.1974.0328]
17. [15] M. Akram, S. Shahzad, A. Butt and A. Kaliq, "Intuitionistic fuzzy logic control for heater fans", Mathematics in Computer Science, Vol. 7, No. 2, pp. 137-254, 2013. [DOI:10.1007/s11786-013-0161-x]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
