کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6872819 1440625 2018 18 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Evolutionary deployment and local search-based movements of 0th responders in disaster scenarios
ترجمه فارسی عنوان
استقرار تکاملی و حرکت محلی مبتنی بر جستجو بر اساس 0 پاسخ در سناریوهای فاجعه
کلمات کلیدی
سناریوهای فاجعه، ارتباطات، الگوریتم تکاملی، الگوریتم جستجوی محلی، پاسخ دهندگان 0،
ترجمه چکیده
برقراری ارتباط در سناریوهای فاجعه اهمیت اساسی دارد، به خصوص به این دلیل که زیرساخت های ارتباطی پیش از این احتمالا تخریب شده یا ناکارآمد هستند. در نتیجه، نیاز به یک زیرساخت ارتباطی جایگزین و خودسازمانده وجود دارد که می تواند به سرعت در شرایط فاجعه بکار گرفته شود. در این مقاله، ما پیشنهاد می کنیم که هواپیماهای بدون سرنشین یا هواپیماهای بدون سرنشین را به عنوان پاسخ دهندگان 0 به منظور ایجاد شبکه ای فراهم کنیم که خدمات ارتباطی را برای قربانیان فراهم می کند. پیدا کردن بهترین موقعیت های پاسخ دهنده 0 یک مشکل غیر بدیهی است و بنابراین، به دو مرحله تقسیم می شود. فاز اول، استقرار اولیه است، جایی که پاسخ دهندگان 0 با استفاده از اطلاعات جزئی در مورد سناریوی فاجعه قرار می گیرند. در مرحله دوم، که ما آن را سازگاری با شرایط واقعی می نامیم، هواپیماهای بدون سرنشین براساس یک الگوریتم جستجوی محلی حرکت می کنند تا مکان هایی را پیدا کنند که پوشش بهتر را برای قربانیان فراهم آورند. ما شبیه سازی های گسترده ای را برای تأیید رویکرد پیشنهادی ما برای سناریوهای فاجعه روستایی در شرایط مختلف انجام می دهیم. ما نشان می دهیم که استقرار پیشنهادی اولیه ما براساس الگوریتم ژنتیک، پوشش کامل را تا 94٪ (حداکثر) و 86٪ (میانگین) قربانیان در صورت داشتن دانش کامل از سناریوی بلافاصله شناخته شده است و از 10 هواپیماهای بدون سرنشین استفاده می شود. هنگامی که سازگاری با فاز شرایط واقعی استفاده می شود، این درصد به 95٪ (حداکثر) افزایش می یابد. اگر هیچ اطلاعاتی از سناریو و 10 پنوماتیک از 80٪ (حداکثر) و 59٪ (میانگین) قربانیان استفاده نشود و با موفقیت تحت پوشش قرار گیرد، استفاده می شود. رویکرد پیشنهادی در روش 6.4٪ از روش استقرار تصادفی بهتر است و در 2.4٪ بهترین روش گسترش شبکه است. در نهایت، ما نشان می دهیم که با استفاده از تعداد مختلف هواپیماهای بدون سرنشین برای دو مرحله رویکرد پیشنهادی، درصد قربانیان برای میزان کم دانش از سناریو تا 51 درصد افزایش می یابد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
پیش نمایش مقاله
استقرار تکاملی و حرکت محلی مبتنی بر جستجو بر اساس 0 پاسخ در سناریوهای فاجعه
چکیده انگلیسی
The establishment of communications in disaster scenarios is of paramount importance, especially because preexisting communication infrastructure is likely to be destroyed or malfunctioning. Consequently, there is a need for an alternative and self-organizing communication infrastructure that can be rapidly deployed in disaster situations. In this paper, we propose to use drones or unmanned aerial vehicles as 0th responders to form a network that provides communication services to victims. Finding the best positions of the 0th responders is a non-trivial problem and is, therefore, divided into two phases. The first phase is the initial deployment, where the 0th responders are placed using partial information on the disaster scenario. In the second phase, which we call the adaptation to real conditions, the drones move according to a local search algorithm to find positions that provide better coverage to the victims. We conduct extensive simulations to validate our proposed approach for rural disaster scenarios under different conditions. We show that our proposed initial deployment based on genetic algorithm provides coverage for up to 94% (maximum) and 86% (mean) of victims if complete knowledge of the disaster scenario is known and 10 drones are used. When the adaptation to the real condition phase is used, this percentage is increased to 95% (maximum). If no knowledge of the scenario and 10 UAVs are used 80% (maximum) and 59% (mean) of victims are found and successfully covered. The proposed approach outperforms in 6.4% the random deployment method, and in 2.4% the best grid deployment approach. Finally, we show that by using different numbers of drones for the two phases of the proposed approach, the percentage of victims is increased up to 51% for low values of knowledge of the scenario.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Future Generation Computer Systems - Volume 88, November 2018, Pages 61-78
نویسندگان
, , , ,