کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6878743 | 692955 | 2016 | 11 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Using data mules for sensor network data recovery
ترجمه فارسی عنوان
با استفاده از داده های مول برای بازیابی اطلاعات حسگر شبکه
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
ترجمه چکیده
در این مقاله، مسئله بازیابی اطلاعات کارآمد با استفاده از رویکرد داده های مول، مورد بررسی قرار می گیریم، که در آن مجموعه ای از سنسورهای موبایل با قابلیت های پیشرفته انتقال از دست دادن داده ها با بازدید از همسایگان از سنسورهای شکست خورده، جلوگیری از از دست دادن داده های دائمی در شبکه را دارند. رویکرد ما شامل تعریف گراف ارتباط ارتباط مطلوب و قرار دادن موش ها است تا زمان و زمان سفر کلی، صرف نظر از اینکه سنسورها سقوط کنند، کمینه می شود. ما این مشکل را در زیر توپولوژی های عملیاتی شبکه ای مختلف مانند نمودار های دلخواه، شبکه ها و شبکه های خطی تصادفی بررسی می کنیم و الگوریتم های تقریبی را بر اساس تکنیک های ترکیبی متعدد ارائه می دهیم. آزمایشات شبیه سازی نشان می دهد که الگوریتم های ما از راه حل های مختلف رقابتی برای مدل های شبکه های مختلف فراتر رفته و آنها برای سناریوهای عملی قابل اجرا هستند.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
شبکه های کامپیوتری و ارتباطات
چکیده انگلیسی
In this paper, we study the problem of efficient data recovery using the data mules approach, where a set of mobile sensors with advanced mobility capabilities re-acquire lost data by visiting the neighbors of failed sensors, thereby avoiding permanent data loss in the network. Our approach involves defining the optimal communication graph and mules' placements such that the overall traveling time and distance is minimized regardless to which sensors crashed. We explore this problem under different practical network topologies such as arbitrary graphs, grids and random linear networks and provide approximation algorithms based on multiple combinatorial techniques. Simulation experiments demonstrate that our algorithms outperform various competitive solutions for different network models, and that they are applicable for practical scenarios.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Ad Hoc Networks - Volume 40, April 2016, Pages 26-36
Journal: Ad Hoc Networks - Volume 40, April 2016, Pages 26-36
نویسندگان
Jon Crowcroft, Liron Levin, Michael Segal,