1
Electronics::
Grasshopper Optimization Algorithm (GOA)
در روش پیشنهادی در ابتدا یک گره شبکه فاقد مکانیاب تعداد گام خود را از سه گره راهنما که دارای موقعیتیاب بوده محاسبه نموده سپس فاصله گره یا شی هوشمند از آنها مشخص است میتوان موقعیت اشیاء هوشمند را تخمین نمود سپس در ادامه برای کاهش دادن این خطا میتوان تعدادی موقعیت را پیرامون این موقعیت ایجاد نمود و هر موقعیت را به عنوان عضو یک الگوریتم بهینهسازی ملخ در نظر گرفت تا خطای مکانیابی تا حد امکان کمینه شود.
پیادهسازی و تحلیل روش پیشنهادی نشان میدهد الگوریتم مورد نظر خطای مکانیابی کمتری نسبت به الگوریتم بهینهسازی ملخ، بهینهسازی پروانه، الگوریتم کرم شبتاب، الگوریتم بهینهسازی ذرات دارد.
شبکه اینترنت اشیاء، مکانیابی، الگوریتم بهینهسازی ملخ، الگوریتم مکانیابی DVHOP
در ا بتدای این مقاله شبکه اینترنت اشیاء و چالش مکانیابی در آن بحث شده سپس الگوریتم بهینهسازی ملخ که در روش پیشنهادی استفاده شده شرح داده میشود و در ادامه روش پیشنهادی مدلسازی میشود که در ابتدا الگوریتم بهینهسازی ملخ]15[ برای مکانیابی استفاده شده تا دقت آن افزایش داده شود سپس روش پیشنهادی پیادهسازی و تحلیل شده و خطای آن در مکانیابی با چند روش دیگر مکانیابی مورد تحلیل و مقایسه قرار گرفته میشود و در نهایت نتایج تحقیق ارائه میگردد.
الگوریتم بهینهسازی ملخ یک الگوریتم فراابتکاری با رویکرد گروهی و مبتنی بر جمعیت است که از رفتار دسته ملخها در مهاجرت به مناطقی با غذای بیشتر الگوبرداری شده است.
واژگان شبکه مترجمین ایران