文献

J-GLOBAL ID：202202222611297062   整理番号：22A0907297

CMML:クラスタ化無線センサネットワークにおける適応可能なルーティングのためのメタヒューリスティックマシン学習の組合せ【JST・京大機械翻訳】

CMML: Combined metaheuristic-machine learning for adaptable routing in clustered wireless sensor networks

著者 (3件)： Esmaeili Hojjatollah (School of Computer Engineering, Iran University of Science and Technology, Tehran, Iran) ,  Bidgoli Behrouz Minaei (School of Computer Engineering, Iran University of Science and Technology, Tehran, Iran) ,  Hakami Vesal (Center of Excellence in Future Networks, School of Computer Engineering, Iran University of Science and Technology, Tehran, Iran)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 118  ページ： Null  発行年： 2022年 
JST資料番号： W2175A  ISSN： 1568-4946  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： クラスタベースのルーティングは,無線センサネットワークのエネルギー効率を達成するための最も一般的なルーティング手法である。しかし,クラスタヘッドの最適決定はNP困難であり,近最適解を得るための発見的あるいはメタヒューリスティックを必要とする。メタヒューリスティックはより良い性能を達成するが,それらは高い計算時間に悩まされ,従ってルーティング要求に迅速に応答できない。また,既存のルーティングプロトコルの大多数は,ネットワークやアプリケーション構成の変更に容易に適応できない。本論文では,クラスタ化無線センサネットワークにおける効率的で適応可能なルーティングをサポートするために,CMMLと名付けたメタヒューリスティックスとマシン学習に基づく結合モデルを提案した。CMMLモデルにおいて,マルチ基準発見的クラスタリングアルゴリズムを,メタヒューリスティック(例えば,遺伝的アルゴリズム)が,別々に各構成のための発見的アルゴリズムの自動調整のために利用されるクラスタ化のために使用する。このプロセスをいくつかの構成(即ち,異なるネットワークサイズ,ノード数,凝集因子,寿命定義など)に対して繰り返した。次に,各構成における調整発見的アルゴリズムをネットワークシミュレーションに用いて,対応する解を得た。結果として,異なる構成のための包括的なデータセットを導き,それを機械学習モデル(例えば,サポートベクトルマシン)を訓練するために使用する。サンプルの入力特徴ベクトルは,局所特徴(ラウンドでのノードの電流状態),グローバル特徴(ネットワークの電流状態),およびアプリケーション特有の特徴を含み,一方,出力はクラスタヘッドとして選択される各ノードの優先因子である。CMMLモデルを訓練後,それは迅速に適応可能なクラスタリングプロトコルとして適用できる。実際,著者らの動機は,以前の構成のための最良の経路を見つける際に,メタヒューリスティックアルゴリズムの行動パターンを学習するための機械学習の一般化可能性を利用することである。シミュレーション結果は,CMMLモデルが,アプリケーション要求に基づくネットワーク寿命を長引かせる間,異なるアプリケーションで効果的に適応できることを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  シミュレーション ,  *学習 ,  *ネットワーク ,  *クラスタ化 ,  *経路選定 ,  *クラスタ ,  応用プログラム ,  プロトコル ,  機械学習 ,  遺伝的アルゴリズム ,  *センサネットワーク ,  サポートベクトルマシン
準シソーラス用語： メタヒューリスティクス ,  *無線センサネットワーク ,  *ヒューリスティック , 【Automatic Indexing@JST】

著者キーワード (5件)： 無線センサネットワーク ,  クラスタリング ,  適応可能なルーティング ,  機械学習 ,  メタヒューリスティックアルゴリズム

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (7件)： CMML ,  クラスタ化 ,  無線センサネットワーク ,  適応 ,  ルーティング ,  学習 ,  組合せ