طراحي سامانه انتخاب حسگرها در زيردريايي هوشمند بدون سرنشين با استفاده از شبكه‌هاي عصبي و الگوريتم اجتماع عنكبوت‌ها

Intelligent sensors on unmanned submarine design selection system using neural networks and algorithms, spiders community

هدف از این مقاله انتخاب مجموعه‌ای از حسگرها در زیردریایی هوشمند بدون سرنشین به گونه‌ای است كه علاوه بر كمینه كردن میزان انرژی مصرفی، بوسیله‌ی كم كردن پیچیدگی زمان پردازش اطلاعات نیز كاهش یابد. همواره یك تناظر یك به یك بین قابلیت كاری و منبع انرژی وجود دارد. از جمله چالش‌هایی كه زیردریایی‌های هوشمند بدون سرنشین با آن روبرو هستند منابع انرژی محدود آن‌ها می‌باشد. تنها منبع انرژی در زیردریایی‌های هوشمند بدون سرنشین باتری‌ها هستند. با توجه به اینكه شارژ كردن باتری‌ها در اعماق دریا غیرممكن است، ناگزیر به صرفه جویی در مصرف انرژی می‌باشیم. موثرترین راه برای صرفه‌جویی در مصرف انرژی انتخاب هوشمندانه‌ی مجموعه‌ای از حسگرها به گونه‌ای می‌باشد كه با كمترین تعداد حسگر، بیشترین كارآیی را بدست آوریم. از این رو از شبكه‌ی عصبی به عنوان تابع بهینه‌ساز و همچنین از الگوریتم اجتماع عنكبوت‌ها كه در پیدا كردن بهینه عمومی و رسیدن به همگرایی بسیار قدرتمند است، استفاده می‌كنیم. خواهیم دید كه این الگوریتم با پیدا كردن بهینه‌ عمومی و رسیدن سریع به همگرایی قادر است كمترین تعداد حسگر را در مجموعه‌ی حسگر انتخاب ‌كند. در پایان نتایج شبیه‌سازی با الگوریتم مبتنی بر جغرافیای زیستی، الگوریتم مبتنی بر جغرافیای زیستی بهینه شده با نقشه‌های آشفته، الگوریتم ازدحام ذرات، الگوریتم ژنتیك، الگوریتم، الگوریتم كرم شب‌تاب، الگوریتم فاخته ذرات مقایسه می‌شود. نتایج حاصله حاكی از آن است كه عملكرد الگوریتم اجتماع عنكبوت‌ها در مقایسه با الگوریتم‌های دیگر و در حالت زیرسطحی كارآیی بهتری دارد و قادر است زمان پردازش را به 8/1 ثانیه برساند. همچنین مصرف انرژی را به میزان 1/7 كیلووات‌ساعت كاهش می‌دهد. این امر سبب می‌شود 5/106 دقیقه به زمان دریانوردی اضافه گردد.

Always a correspondence one by one between the power source is working. Including intelligent unmanned submarines challenges they face is their limited energy resources. The only source of energy in an intelligent unmanned submarines are batteries. Given that it is impossible to charge the batteries in the depths of the sea, we are forced to conserve energy. The most effective way to save energy is a smart choice set of sensors so that the minimum number of sensors to achieve maximum efficiency. The spider assembly algorithm in finding the global optimum and achieve convergence is very powerful, we use. At the end of the simulation results and algorithm-based biogeography, biogeography-based optimization algorithm with chaotic maps, particle swarm algorithm, genetic algorithm, algorithm firefly, particle Cuckoo compared algorithms