Les inspirations biologiques dans le domaine des réseaux de capteurs sans fil / Hamidouche,ranida  

Public ISBD Titre : Les inspirations biologiques dans le domaine des réseaux de capteurs sans fil Type de document : texte imprimé Auteurs : Hamidouche,ranida ; ALIOUAT,Z, Directeur de thèse Editeur : Setif:UFA Année de publication : 2016 Importance : 1 vol (70f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Réseaux Systèmes Distribués RCSFs bio-inspiré algorithme génétique LEC-GA LER-GA clustering, routage optimisation d’énergie LEACH Index. décimale : 004 Informatique Résumé : Résumé Les réseaux de capteurs sans fil (RCSFs) sont devenus ces dernières années un domaine de recherche très important. Leurs tailles restreintes leur imposent des ressources limitées, notamment l’énergie fournie par une batterie de capacité limitée non rechargeable. Pour arriver à résoudre ces problèmes liés à l’énergie, nous nous sommes inspiré des phénomènes biologiques et des connaissances issues des systèmes vivants ou ce qu’on appelle "l’informatique bio-inspirée". Une nouvelle ère est ouverte avec ces algorithmes inspirés de la nature qui sont des méta-heuristiques imitant la nature pour résoudre des problèmes d’optimisation. Dans ce contexte, nous avons proposé deux bioprotocoles LEC-GA (Law-Energy Clustering based on Genetic Algorithm) et LER-GA (Law-Energy Routing based on Genetic Algorithm), tout en respectant les contraintes liées à la consommation d’énergie, la durée de vie et la réception des paquets. L’idée principale de ces protocoles était inspirée du mécanisme des algorithmes génétiques biologiques de sélection des meilleurs individus. Ces algorithmes contribuent à l’optimisation des caractéristiques d’un RCSF. Des améliorations sont ajoutées à la base LEACH. Afin de valider les améliorations apportées par nos algorithmes, nous avons conduit une simulation à l’aide du simulateur réseau NS2, dans laquelle les performances de notre algorithme sont évaluées et comparées avec le protocole LEACH, sa version améliorée LEACH-C, et le protocole GABEEC. Note de contenu : Sommaire Introduction générale xi 1 État de l’art 1 1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 Les réseaux de capteurs sans fil . . . . . . . . . . . . . . . . . . . . . . 1 1.2.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2.2 Domaines d’application . . . . . . . . . . . . . . . . . . . . . . . 2 1.2.3 Les contraintes . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.3 Les inspirations biologiques . . . . . . . . . . . . . . . . . . . . . . . . 3 1.3.1 Pourquoi s’inspirer de la nature ? . . . . . . . . . . . . . . . . . 3 1.3.2 Processus de création d’un algorithme inspiré de la nature . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.3.3 Définition de l’informatique bio-inspirée . . . . . . . . . . . . . . 4 1.3.4 L’informatique bio-inspirée et les RCSFs . . . . . . . . . . . . . 4 1.3.5 Les domaines de recherche de l’informatique bio-inspirée . . . . 6 1.3.6 Les méthodes d’optimisation et les algorithmes génétiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 1.3.7 La littérature et les algorithmes génétiques pour les RCSFs . . . 10 1.4 Réseau de régulation génétique . . . . . . . . . . . . . . . . . . . . . . 14 1.4.1 Vocabulaire [1] . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 1.4.2 Principe de fonctionnement . . . . . . . . . . . . . . . . . . . . 16 1.4.3 Initialisation de la population . . . . . . . . . . . . . . . . . . . 17 1.4.4 Évaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 1.4.5 Condition de terminaison . . . . . . . . . . . . . . . . . . . . . . 18 1.4.6 Sélection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 1.4.7 Opérateurs de diversification . . . . . . . . . . . . . . . . . . . . 20 1.4.8 Codage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 1.4.9 Valeurs des paramètres [2] . . . . . . . . . . . . . . . . . . . . . 21 1.4.10 Exemple de familiarisation . . . . . . . . . . . . . . . . . . . . . 22 1.4.11 Avantages et inconvénients [3] . . . . . . . . . . . . . . . . . . . 23 1.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 2 Les protocoles proposés 25 2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.2 Le protocole de base LEACH . . . . . . . . . . . . . . . . . . . . . . . 25 2.2.1 La phase d’initialisation . . . . . . . . . . . . . . . . . . . . . . 26 2.2.2 La phase de transmission . . . . . . . . . . . . . . . . . . . . . . 27 2.3 Étapes de Réalisation de Notre Travail . . . . . . . . . . . . . . . . . . 28 2.3.1 Hypothèses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 2.3.2 Environnement de développement . . . . . . . . . . . . . . . . . 28 2.3.3 Première proposition . . . . . . . . . . . . . . . . . . . . . . . . 29 2.3.4 Résultats de la Simulation . . . . . . . . . . . . . . . . . . . . . 37 2.3.5 Deuxième proposition . . . . . . . . . . . . . . . . . . . . . . . . 43 2.3.6 Résultats de la Simulation . . . . . . . . . . . . . . . . . . . . . 61 2.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 Conclusion générale I Bibliographie III Côte titre : MAI/0133 En ligne : https://drive.google.com/file/d/1wpUBmxQiJW9eTBx1sHMLMr26lYoXveOu/view?usp=shari [...] Format de la ressource électronique : pdf Les inspirations biologiques dans le domaine des réseaux de capteurs sans fil [texte imprimé] / Hamidouche,ranida ; ALIOUAT,Z, Directeur de thèse . - [S.l.] : Setif:UFA, 2016 . - 1 vol (70f.) ; 29 cm. Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Réseaux Systèmes Distribués RCSFs bio-inspiré algorithme génétique LEC-GA LER-GA clustering, routage optimisation d’énergie LEACH Index. décimale : 004 Informatique Résumé : Résumé Les réseaux de capteurs sans fil (RCSFs) sont devenus ces dernières années un domaine de recherche très important. Leurs tailles restreintes leur imposent des ressources limitées, notamment l’énergie fournie par une batterie de capacité limitée non rechargeable. Pour arriver à résoudre ces problèmes liés à l’énergie, nous nous sommes inspiré des phénomènes biologiques et des connaissances issues des systèmes vivants ou ce qu’on appelle "l’informatique bio-inspirée". Une nouvelle ère est ouverte avec ces algorithmes inspirés de la nature qui sont des méta-heuristiques imitant la nature pour résoudre des problèmes d’optimisation. Dans ce contexte, nous avons proposé deux bioprotocoles LEC-GA (Law-Energy Clustering based on Genetic Algorithm) et LER-GA (Law-Energy Routing based on Genetic Algorithm), tout en respectant les contraintes liées à la consommation d’énergie, la durée de vie et la réception des paquets. L’idée principale de ces protocoles était inspirée du mécanisme des algorithmes génétiques biologiques de sélection des meilleurs individus. Ces algorithmes contribuent à l’optimisation des caractéristiques d’un RCSF. Des améliorations sont ajoutées à la base LEACH. Afin de valider les améliorations apportées par nos algorithmes, nous avons conduit une simulation à l’aide du simulateur réseau NS2, dans laquelle les performances de notre algorithme sont évaluées et comparées avec le protocole LEACH, sa version améliorée LEACH-C, et le protocole GABEEC. Note de contenu : Sommaire Introduction générale xi 1 État de l’art 1 1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 Les réseaux de capteurs sans fil . . . . . . . . . . . . . . . . . . . . . . 1 1.2.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2.2 Domaines d’application . . . . . . . . . . . . . . . . . . . . . . . 2 1.2.3 Les contraintes . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.3 Les inspirations biologiques . . . . . . . . . . . . . . . . . . . . . . . . 3 1.3.1 Pourquoi s’inspirer de la nature ? . . . . . . . . . . . . . . . . . 3 1.3.2 Processus de création d’un algorithme inspiré de la nature . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.3.3 Définition de l’informatique bio-inspirée . . . . . . . . . . . . . . 4 1.3.4 L’informatique bio-inspirée et les RCSFs . . . . . . . . . . . . . 4 1.3.5 Les domaines de recherche de l’informatique bio-inspirée . . . . 6 1.3.6 Les méthodes d’optimisation et les algorithmes génétiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 1.3.7 La littérature et les algorithmes génétiques pour les RCSFs . . . 10 1.4 Réseau de régulation génétique . . . . . . . . . . . . . . . . . . . . . . 14 1.4.1 Vocabulaire [1] . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 1.4.2 Principe de fonctionnement . . . . . . . . . . . . . . . . . . . . 16 1.4.3 Initialisation de la population . . . . . . . . . . . . . . . . . . . 17 1.4.4 Évaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 1.4.5 Condition de terminaison . . . . . . . . . . . . . . . . . . . . . . 18 1.4.6 Sélection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 1.4.7 Opérateurs de diversification . . . . . . . . . . . . . . . . . . . . 20 1.4.8 Codage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 1.4.9 Valeurs des paramètres [2] . . . . . . . . . . . . . . . . . . . . . 21 1.4.10 Exemple de familiarisation . . . . . . . . . . . . . . . . . . . . . 22 1.4.11 Avantages et inconvénients [3] . . . . . . . . . . . . . . . . . . . 23 1.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 2 Les protocoles proposés 25 2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.2 Le protocole de base LEACH . . . . . . . . . . . . . . . . . . . . . . . 25 2.2.1 La phase d’initialisation . . . . . . . . . . . . . . . . . . . . . . 26 2.2.2 La phase de transmission . . . . . . . . . . . . . . . . . . . . . . 27 2.3 Étapes de Réalisation de Notre Travail . . . . . . . . . . . . . . . . . . 28 2.3.1 Hypothèses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 2.3.2 Environnement de développement . . . . . . . . . . . . . . . . . 28 2.3.3 Première proposition . . . . . . . . . . . . . . . . . . . . . . . . 29 2.3.4 Résultats de la Simulation . . . . . . . . . . . . . . . . . . . . . 37 2.3.5 Deuxième proposition . . . . . . . . . . . . . . . . . . . . . . . . 43 2.3.6 Résultats de la Simulation . . . . . . . . . . . . . . . . . . . . . 61 2.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 Conclusion générale I Bibliographie III Côte titre : MAI/0133 En ligne : https://drive.google.com/file/d/1wpUBmxQiJW9eTBx1sHMLMr26lYoXveOu/view?usp=shari [...] Format de la ressource électronique : pdf

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0133	MAI/0133	Mémoire	Bibliothéque des sciences	Français	Disponible Disponible

---

1 (1 - 1 / 1)