مسيريابي بهينه در شبكه هاي حسگر بيسيم با استفاده از يادگيري نيمه نظارت شده و انتخاب داده هاي مرزي خوشه ها

ﺷﺒﮑﻪﻫﺎي ﺣﺴﮕﺮ ﺑﯿﺴﯿﻢ )Wireless Sensor Network(، ﻣﺘﺸﮑﻞ از دهﻫﺎ و ﯾﺎ ﺻﺪﻫﺎ ﮔﺮه ﺣﺴﮕﺮ ﻣﯽﺑﺎﺷﻨﺪ، ﯾﻌﻨﯽ ﻣﺠﻤﻮﻋﻪاي از ﺣﺴﮕﺮﻫﺎ ﯾﺎ ﺳﻨﺴﻮرﻫﺎ ﮐﻪ ﺑﺼﻮرت ﺑﯿﺴﯿﻢ و ﺑﺎ ﻓﺎﺻﻠﻪ از ﯾﮑﺪﯾﮕﺮ ﭘﺨﺶ ﺷﺪهاﻧﺪ، ﺑﻪ ﺻﻮرﺗﯽ ﮐﻪ ﺑﺎ ﯾﮑﺪﯾﮕﺮ در ارﺗﺒﺎط ﻫﺴﺘﻨﺪ و وﻇﯿﻔﻪ ﺟﻤﻊ-آوري اﻃﻼﻋﺎت ﻣﺤﯿﻄﯽ و اﻧﺘﻘﺎل آن اﻃﻼﻋﺎت ﺑﻪ ﯾﮏ ﻣﺮﮐﺰ ﻧﻈﺎرﺗﯽ را ﺑﺮﻋﻬﺪه دارﻧﺪ. در واﻗﻊ ﺣﺴﮕﺮﻫﺎ، وﻇﯿﻔﻪ ﺟﻤﻊآوري ﻧﻘﺎط داده در ﻓﻮاﺻﻞ زﻣﺎﻧﯽ ﻣﻨﻈﻢ و ﺗﺒﺪﯾﻞ آن ﺑﻪ ﯾﮏ ﺳﯿﮕﻨﺎل اﻟﮑﺘﺮوﻧﯿﮑﯽ و اﻧﺘﺸﺎر ﺳﯿﮕﻨﺎل ﺑﻪ ﮔﺮه Sink ﯾﺎ اﯾﺴﺘﮕﺎه ﻣﺒﻨﺎ از ﻃﺮﯾﻖ رﺳﺎﻧﻪﻫﺎي ارﺗﺒﺎﻃﯽ ﺑﯿﺴﯿﻢ ﻗﺎﺑﻞ اﻃﻤﯿﻨﺎن را ﺑﺮ ﻋﻬﺪه دارﻧﺪ. ﯾﮑﯽ از ﻣﻬﻤﺘﺮﯾﻦ ﻣﺴﺎﺋﻞ در ﺷﺒﮑﻪﻫﺎي ﺣﺴﮕﺮ ﺑﯿﺴﯿﻢ، ﻣﺴﺎﻟﻪ ﻣﺤﺪودﯾﺖ ﺷﺪﯾﺪ اﻧﺮژي ﺑﺎﺗﺮي آن اﺳﺖ. از آﻧﺠﺎﯾﯽ ﮐﻪ ﺷﺎرژ ﻣﺠﺪد و ﯾﺎ ﺗﻌﻮﯾﺾ ﮔﺮهﻫﺎي ﻣﺮده ) از ﮐﺎر اﻓﺘﺎده ﺑﻪ دﻟﯿﻞ اﺗﻤﺎم ﻣﻨﺒﻊ اﻧﺮژي( اﻣﮑﺎنﭘﺬﯾﺮ ﻧﻤﯽﺑﺎﺷﺪ، ﮐﺎراﯾﯽ ﺷﺒﮑﻪﻫﺎي ﺣﺴﮕﺮ ﺑﻪ ﺷﺪت ﺑﻪ ﻃﻮل ﻋﻤﺮ ﺷﺒﮑﻪ و ﭘﻮﺷﺶ ﺷﺒﮑﻪاي آن واﺑﺴﺘﻪ اﺳﺖ، ﺑﻨﺎﺑﺮاﯾﻦ ﻟﺤﺎظ ﻧﻤﻮدن روشﻫﺎي ذﺧﯿﺮه اﻧﺮژي در ﻃﺮاﺣﯽ ﺷﺒﮑﻪﻫﺎي ﺣﺴﮕﺮ ﺑﺎ ﻋﻤﺮ ﻃﻮﻻﻧﯽ، اﻣﺮي ﺣﯿﺎﺗﯽ اﺳﺖ. اﻟﮕﻮرﯾﺘﻢﻫﺎي ﻫﻮش ﻣﺼﻨﻮﻋﯽ، اﻏﻠﺐ در داﻣﻨﻪﻫﺎي ﻣﺨﺘﻠﻔﯽ ﺑﮑﺎر ﮔﺮﻓﺘﻪ ﻣﯽ-ﺷﻮﻧﺪ. اﯾﻦ اﻟﮕﻮرﯾﺘﻢﻫﺎ، ﮔﺰﯾﻨﻪﻫﺎي ﻣﻨﺎﺳﺒﯽ ﺑﺮاي ﺑﻬﯿﻨﻪﺳﺎزي ﺑﺴﯿﺎري از ﻣﺴﺎﺋﻞ ﻣﯽﺑﺎﺷﻨﺪ و ﺑﻌﻀﺎً از ﺳﯿﺴﺘﻢﻫﺎي ﻃﺒﯿﻌﯽ اﻟﻬﺎم ﮔﺮﻓﺘﻪ ﺷﺪهاﻧﺪ. در اﯾﻦ راﺳﺘﺎ، ﻣﻘﻮﻟﻪ ﺟﺪﯾﺪ دﯾﮕﺮي ﺑﺎ ﻋﻨﻮان ﯾﺎدﮔﯿﺮي ﻧﯿﻤﻪ ﻧﻈﺎرت ﺷﺪه و اﻧﺘﺨﺎب دادهﻫﺎي ﻣﺮزي ﻣﻄﺮح ﺷﺪه اﺳﺖ. ﯾﮑﯽ از ﻣﻬﻤﺘﺮﯾﻦ ﻣﺴﺎﺋﻞ در اﯾﻦ ﻧﻮع ﯾﺎدﮔﯿﺮي )ﮐﻪ ﺧﻮﺷﻪﺑﻨﺪي ﯾﮑﯽ از اﯾﻦ ﻣﺴﺎﺋﻞ ﻣﯽﺑﺎﺷﺪ(، اراﺋﻪ روﯾﮑﺮدي اﺳﺖ ﮐﻪ ﻣﺎﺷﯿﻦ ﺑﺎ ﺣﺪاﻗﻞ دادهﻫﺎي ﺑﺮﭼﺴﺐدار، ﻣﻔﻬﻮم را ﯾﺎد ﺑﮕﯿﺮد، اﻣﺎ ﺑﻪ دﻟﯿﻞ آﻧﮑﻪ در اﯾﻦ روش ﻧﻤﯽﺗﻮان دادهﻫﺎ را اﻧﺘﺨﺎب ﻧﻤﻮد و آﻧﻬﺎ را ﺑﺮﭼﺴﺐزﻧﯽ ﮐﺮد، ﻟﺬا ﺣﻞ اﯾﻦ ﮔﻮﻧﻪ ﻣﺴﺎﺋﻞ ﻣﺸﮑﻞ ﺑﻮده و ﺷﺎﯾﺪ ﯾﮏ ﻣﺴﺎﻟﻪ NP ﺑﻪ ﺣﺴﺎب آﯾﺪ. ﻫﺪف اﯾﻦ ﭘﮋوﻫﺶ، اراﺋﻪ روﺷﯽ ﺟﺪﯾﺪ ﺑﻪ ﻣﻨﻈﻮر ﺑﻬﯿﻨﻪﺳﺎزي ﻣﺴﯿﺮﯾﺎﺑﯽ در ﺷﺒﮑﻪﻫﺎي ﺣﺴﮕﺮ ﺑﯿﺴﯿﻢ ﺑﺎ اﺳﺘﻔﺎده از ﯾﺎدﮔﯿﺮي ﻧﯿﻤﻪ ﻧﻈﺎرت ﺷﺪه و اﻧﺘﺨﺎب دادهﻫﺎي ﻣﺮزي، ﺑﻮده اﺳﺖ.