論文の概要: Nature-Inspired Algorithms for Wireless Sensor Networks: A Comprehensive
Survey
- arxiv url: http://arxiv.org/abs/2101.10453v1
- Date: Thu, 24 Dec 2020 05:30:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-19 11:32:16.601565
- Title: Nature-Inspired Algorithms for Wireless Sensor Networks: A Comprehensive
Survey
- Title（参考訳）: ワイヤレスセンサネットワークのための自然刺激型アルゴリズム:総合的な調査
- Authors: Abhilash Singh, Sandeep Sharma, Jitenda Singh
- Abstract要約: 本稿では、無線センサネットワーク(WSN)の最適カバレッジに関する自然に着想を得た最適化アルゴリズムに焦点を当てる。
我々は、WSNにおいて最適なカバレッジを得るために、2つの自然に着想を得たアルゴリズムの性能を比較した。
シミュレーションの結果,LOはネットワークカバレッジが向上し,LOの収束速度はIGA-BACAよりも高速であることが確認された。
- 参考スコア（独自算出の注目度）: 2.064612766965483
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In order to solve the critical issues in Wireless Sensor Networks (WSNs),
with concern for limited sensor lifetime, nature-inspired algorithms are
emerging as a suitable method. Getting optimal network coverage is one of those
challenging issues that need to be examined critically before any network
setup. Optimal network coverage not only minimizes the consumption of limited
energy of battery-driven sensors but also reduce the sensing of redundant
information. In this paper, we focus on nature-inspired optimization algorithms
concerning the optimal coverage in WSNs. In the first half of the paper, we
have briefly discussed the taxonomy of the optimization algorithms along with
the problem domains in WSNs. In the second half of the paper, we have compared
the performance of two nature-inspired algorithms for getting optimal coverage
in WSNs. The first one is a combined Improved Genetic Algorithm and Binary Ant
Colony Algorithm (IGABACA), and the second one is Lion Optimization (LO). The
simulation results confirm that LO gives better network coverage, and the
convergence rate of LO is faster than that of IGA-BACA. Further, we observed
that the optimal coverage is achieved at a lesser number of generations in LO
as compared to IGA-BACA. This review will help researchers to explore the
applications in this field as well as beyond this area. Keywords: Optimal
Coverage, Bio-inspired Algorithm, Lion Optimization, WSNs.
- Abstract（参考訳）: 無線センサネットワーク(WSN)の問題点を解決するため,センサ寿命が限られているため,自然に着想を得たアルゴリズムが適切な手法として登場しつつある。
最適なネットワークカバレッジを得ることは、ネットワークのセットアップ前に検討する必要がある課題の1つです。
最適ネットワークカバレッジは、バッテリ駆動センサーの限られたエネルギー消費を最小限に抑えるだけでなく、冗長な情報の検知を減らす。
本稿では,WSNの最適カバレッジに関する自然に着想を得た最適化アルゴリズムに焦点を当てる。
論文の前半では、wsnsにおける問題領域とともに最適化アルゴリズムの分類について簡単に論じた。
論文の後半では、WSNの最適カバレッジを得るために、2つの自然に着想を得たアルゴリズムの性能を比較した。
1つ目は改良された遺伝的アルゴリズムとバイナリantコロニーアルゴリズム(igabaca)、もう1つはライオン最適化(lo)である。
シミュレーションの結果,LOはネットワークカバレッジが良く,LOの収束速度はIGA-BACAよりも速いことがわかった。
さらに,IGA-BACAと比較すると,LOの世代数が少ない場合に最適カバレッジが達成されることがわかった。
このレビューは、研究者がこの分野だけでなく、この分野の応用を探るのに役立つだろう。
キーワード: 最適カバレッジ、バイオインスパイアされたアルゴリズム、ライオン最適化、WSN。
関連論文リスト
- Lower Bounds and Optimal Algorithms for Non-Smooth Convex Decentralized Optimization over Time-Varying Networks [57.24087627267086]
通信ネットワークのノード間で分散的に格納された凸関数の総和を最小化するタスクについて検討する。
この問題を解決するのに必要な分散通信数と(サブ)漸進計算の下位境界が確立されている。
我々は,これらの下界に適合する最初の最適アルゴリズムを開発し,既存の最先端技術と比較して理論性能を著しく向上させる。
論文 参考訳（メタデータ） (2024-05-28T10:28:45Z) - A new simplified MOPSO based on Swarm Elitism and Swarm Memory: MO-ETPSO [0.0]
Elitist PSO (MO-ETPSO) は多目的最適化問題に適用される。
提案アルゴリズムは、確立されたNSGA-IIアプローチからコア戦略を統合する。
このアルゴリズムの新たな側面は、SwarmメモリとSwarmエリート主義の導入である。
論文 参考訳（メタデータ） (2024-02-20T09:36:18Z) - Genetically Modified Wolf Optimization with Stochastic Gradient Descent
for Optimising Deep Neural Networks [0.0]
本研究の目的は、人口ベースメタヒューリスティックアルゴリズムを用いて、ニューラルネットワーク(NN)重み付けを最適化するための代替アプローチを分析することである。
Grey Wolf (GWO) と Genetic Modified Algorithms (GA) のハイブリッドをグラディエント・Descent (SGD) と組み合わせて検討した。
このアルゴリズムは、高次元性の問題にも対処しながら、エクスプロイトと探索の組み合わせを可能にする。
論文 参考訳（メタデータ） (2023-01-21T13:22:09Z) - DRL Enabled Coverage and Capacity Optimization in STAR-RIS Assisted
Networks [55.0821435415241]
無線通信における新たなパラダイムとして,STAR-RISのカバレッジとキャパシティ性能の分析が不可欠だが難しい。
STAR-RIS支援ネットワークにおけるカバレッジとキャパシティ最適化の問題を解決するために,多目的ポリシー最適化(MO-PPO)アルゴリズムを提案する。
MO-PPOアルゴリズムの性能向上のために、アクション値ベースの更新戦略(AVUS)と損失関数ベースの更新戦略(LFUS)の2つの更新戦略を検討した。
論文 参考訳（メタデータ） (2022-09-01T14:54:36Z) - A Novel Simplified Swarm Optimization for Generalized Reliability
Redundancy Allocation Problem [1.2043574473965315]
本研究では,ネットワークシステムに適用可能な新しいRRAPであるGeneral RRAP(GRRAP)を提案する。
GRRAPはNP-hard問題であるため,Binary-addition Simple Swarm Optimization (BSSO)と呼ばれる新しいアルゴリズムも提案されている。
論文 参考訳（メタデータ） (2021-10-01T00:12:11Z) - ZoPE: A Fast Optimizer for ReLU Networks with Low-Dimensional Inputs [30.34898838361206]
低次元入力を持つフィードフォワードReLUネットワークの出力に対する最適化問題を解くZoPEアルゴリズムを提案する。
我々はZoPEを用いて、ACAS Xuニューラルネットワーク検証ベンチマークのプロパティ1における25倍の高速化と、一連の線形最適化問題に対する85倍の高速化を観察した。
論文 参考訳（メタデータ） (2021-06-09T18:36:41Z) - Lower Bounds and Optimal Algorithms for Smooth and Strongly Convex
Decentralized Optimization Over Time-Varying Networks [79.16773494166644]
通信ネットワークのノード間を分散的に保存するスムーズで強い凸関数の和を最小化するタスクについて検討する。
我々は、これらの下位境界を達成するための2つの最適アルゴリズムを設計する。
我々は,既存の最先端手法と実験的な比較を行うことにより,これらのアルゴリズムの理論的効率を裏付ける。
論文 参考訳（メタデータ） (2021-06-08T15:54:44Z) - Waypoint Planning Networks [66.72790309889432]
本稿では,ローカルカーネル(A*のような古典的アルゴリズム)と学習アルゴリズムを用いたグローバルカーネルを用いたLSTMに基づくハイブリッドアルゴリズムを提案する。
我々は、WPNとA*を比較し、動き計画ネットワーク(MPNet)やバリューネットワーク(VIN)を含む関連する作業と比較する。
WPN の探索空間は A* よりもかなり小さいが、ほぼ最適な結果が得られることが示されている。
論文 参考訳（メタデータ） (2021-05-01T18:02:01Z) - Improved Branch and Bound for Neural Network Verification via Lagrangian
Decomposition [161.09660864941603]
ニューラルネットワークの入出力特性を公式に証明するためのブランチとバウンド(BaB)アルゴリズムのスケーラビリティを改善します。
活性化に基づく新しい分岐戦略とBaBフレームワークであるブランチとデュアルネットワーク境界(BaDNB)を提案する。
BaDNBは、従来の完全検証システムを大きなマージンで上回り、対数特性で平均検証時間を最大50倍に削減した。
論文 参考訳（メタデータ） (2021-04-14T09:22:42Z) - Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。
問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。
本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-01-07T08:00:02Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。