МОДЕЛЬ СБОРА ДАННЫХ НА ОСНОВЕ КЛАСТЕРИЗАЦИИ УСТРОЙСТВ ИНТЕРНЕТА ВЕЩЕЙ

Авторы

  • Р. В. Файзуллин
  • Ш. Херинг

DOI:

https://doi.org/10.22213/2410-9304-2019-4-156-162

Ключевые слова:

мобильный агент, сбор данных, интернет вещей, марковский процесс принятия решений, кластеризация

Аннотация

Современные производственные системы могут включать множество элементов и связей между ними. Для эффективной работы системы необходимо оперативно собирать и обрабатывать информацию ее элементов. Целью статьи стало описание модели сбора данных с устройств интернета вещей на основе кластеризации. Количество устройств влияет на сложность организации работы системы. В основе схемы сбора данных должна быть выработана стратегия формирования маршрутов передачи информации. В статье описана возможность использования мобильных агентов для сбора данных. Оптимизация маршрутов агентов между узлами интернета вещей сводится к построению гамильтонова цикла (замкнутого со стартом в конкретной точке) с минимальными затратами на его прохождение (время, расстояние или др.). Для упрощения задачи предложено кластеризовать узлы внутри системы. В случае необходимости оптимизации маршрутов мобильных агентов определена функция, в которой учтены такие параметры, как расстояния между узлами системы, важность собираемой информации, энергия узлов и т. п., при этом за счет коэффициентов уравнения, которые задаются экспертно, можно влиять на процесс планирования маршрута для мобильных агентов в системах интернета вещей с учетом необходимого баланса между показателями производительности системы. Предложенная формулировка задачи позволяет использовать марковский процесс принятия решений для ее решения.

Библиографические ссылки

Wildemann H. (2018). Produktivität durch Industrie 4.0. München: TCW Transfer-Centrum GmbH.

Развитие транспортно-логистических отраслей европейского союза: открытый BIM, интернет вещей и кибер-физические системы / В. П. Куприяновский и др. // Interna-tional Journal of Open Information Technologies. 2018. Т. 6 № 2. С. 54–100.

Файзуллин Р. В., Херинг Ш. Тенденции внедрения концепции «интернет вещей» для автоматизации производства // Социально-экономическое управление: теория и практика. 2018. № 4 (35). С. 154–157.

Файзуллин Р. В., Херинг Ш. Прогнозирование структурных сдвигов на основе самоорганизующихся карт Кохонена // Искусственный интеллект в решении актуальных социальных и экономических проблем ХХI века. Пермский государственный национальный исследовательский университет. 2019. С. 173–178.

Интернет вещей в сельском хозяйстве (Agriculture-IoT / AIoT): мировой опыт, кейсы применения и экономический эффект от внедрения в РФ // Аналитический отчет. J'son&PartnersConsulting, 2017 [Электронный ресурс]. URL: http://json.tv/ict.

Умные города: модели, инструменты, рэнкинги и стандарты / В. И. Дрожжинов и др. // International Journal of Open Information Technologies. 2017. Т. 5. №. 3.

Runder J. Interrogation of Patient Smartphone Activity Tracker to Assist Arrhythmia Management / J. Runder [et al.] // Annals of Emergency Medicine. An international journal. 2016. Vol. 68. Iss. 3. P. 292-294.

S. Pourroostaei Ardakani, J. Padget, and M. De Vos, “CBA: A Cluster-Based Client/Server Data Aggregation Routing Protocol”, Ad Hoc Networks, vol. 50, pp. 68–87, Nov. 2016.

G. P. Gupta, M. Misra, and K. Garg, “Towards Scalable And LoadBalanced Mobile Agents-Based Data Aggregation For Wireless Sensor Networks”, Computers & Electrical Engi-neering, vol. 64, pp. 262–276, Nov. 2017.

P. Patil and U. Kulkarni, “Analysis of Data Aggregation Techniques in Wireless Sensor Networks”, Int. J. of Computational Engineering & Management, vol. 16, pp. 22–27, 2013.

C. Konstantopoulos, A. Mpitziopoulos, D. Gavalas, and G. Pantziou, “Effective Determination of Mobile Agent Itineraries for Data Aggregation on Sensor Networks”, IEEE Trans. on Knowledge and Data Engineering, vol. 22, pp. 1679–1693, Dec. 2010.

S. Sasirekha and S. Swamynathan, “Cluster-Chain Mobile Agent Routing Algorithm for Efficient Data Aggregation in Wireless Sensor Network,” J. of Communications and Net-works, vol. 19, pp. 392–401, 2017.

X. J. L. Gan, J. Liu, “Agent-Based, Energy Efficient Routing In Sensor Networks”. in Proc. 3rd Int. Conf. on Autonomous Agents and Multi agent Sys. (AAMAS’04), 2004, pp. 472– 479.

S. Hussain, A. W. Matin, and S. Hussain, “Base Station Assisted Hierarchical Cluster-Based Routing”, in Int. Conf. on. Wireless and Mobile Communications, 2006.

W.-H. Liao, Y. Kao, and C.-M. Fan, “Data Aggregation In Wireless Sensor Networks Using Ant Colony Algorithm”, J. of Network and Computer App., vol. 31, pp. 387–401, Nov. 2008.

S. S. Dimple Juneja, Kavita Gupta, “Exploiting Mobility of Agents for Data Sharing and Aggregation in a Clustered Mobile Wireless Sensor Networks”, J. of Network Communications and Emerging Technologies, 2015.

M. El Fissaoui, A. Beni-Hssane, and M. Saadi, “Energy Efficient And Fault Tolerant Distributed Algorithm For Data Aggregation In Wireless Sensor Networks”, J. of Ambient Intelligence and Humanized Computing, 2018.

M. L. Puterman, Markov Decision Processes: Discrete Stochastic Dynamic Programming, John Wiley & Son, 2014.

M. Bendjima and M. Feham, “Multi-Agent System For A Reliable Routing In WSN”, in Science And Information Conf. (SAI), 2015, pp. 1412–1419.

M. Kamarei, A. Patooghy, Z. Shahsavari, and M. Javad Salehi, “Lifetime Expansion in WSNs Using Mobile Data Collector: A Learning Automata Approach”, J. of King Saud University - Computer and Information Sciences, 2018.

Свами М., Тхуласираман К. Графы, сети и алгоритмы. М. : Мир, 1984. С. 55.

J. Kaur and G. Kaur, “An Amended Ant Colony Optimization Based Approach For Optimal Route Path Discovery In Wireless Sensor Network,” in IEEE Int. Conf. on Smart Technologies and Management for Computing, Communication, Controls, Energy and Materials (ICSTM), 2017, pp. 353–357.

M. Salmani, F. Derakhshan, and M. Parandeh, “An Efficient-Energy Data Gathering Method in Wireless Sensor Networks (EEDGM),” International Journal of Next-Generation Computing, vol. 8, 2017.

Yousefi, S., Derakhshan, F., & Bokani, A. (2018). Mobile Agents for Route Planning in Internet of Things Using Markov Decision Process. 2018 IEEE International Conference on Smart Energy Grid Engineering (SEGE).

Загрузки

Опубликован

12.01.2020

Как цитировать

Файзуллин, Р. В., & Херинг, Ш. (2020). МОДЕЛЬ СБОРА ДАННЫХ НА ОСНОВЕ КЛАСТЕРИЗАЦИИ УСТРОЙСТВ ИНТЕРНЕТА ВЕЩЕЙ. Интеллектуальные системы в производстве, 17(4), 156–162. https://doi.org/10.22213/2410-9304-2019-4-156-162

Выпуск

Раздел

Статьи