Ανακάλυψη πληροφορίας πλαισίου: Βελτιστοποίηση σμήνους σωματιδίων και θεωρία βέλτιστης παύσης
Context discovery: Particle swarm optimization and optimal stopping theory
Πτυχιακή εργασία
Author
Γκαρτζονίκας, Ανδρέας
Θεοχαράτος, Δημήτριος
Date
2016-02Advisor
Τσελές, ΔημήτριοςKeywords
Ασύρματα δίκτυα αισθητήρων ; Θεωρία βέλτιστης παύσης ; Πληροφορία πλαισίου ; Αλγόριθμος βελτιστοποίησης σμήνους σωματιδίωνAbstract
Ο βασικός στόχος της εργασίας αυτής είναι η αξιοποίηση της Βελτιστοποίησης Σμήνους Σωματιδίων (Particle Swarm Optimization – PSO) και της Θεωρίας Βέλτιστης Παύσης (Optimal Stopping Theory – OST) για την αντιμετώπιση του Προβλήματος Ανακάλυψης Πληροφορίας Πλαισίου (Context Discovery Problem – CDP).
Ο όρος «Ανακάλυψη Πληροφορίας Πλαισίου» αναφέρεται στο μηχανισμό που υιοθετούν κινητοί κόμβοι σε μια καθορισμένη περιοχή ώστε να αναζητούν πηγές πληροφορίας.
Ο αλγόριθμος Βελτιστοποίησης Σμήνους Σωματιδίων είναι ένας πληθυσμιακός αλγόριθμος αναζήτησης που βασίζεται στην προσομοίωση της κοινωνικής συμπεριφοράς των πουλιών μέσα σε ένα σμήνος.
Η Θεωρία Βέλτιστης Παύσης μελετάει το πρόβλημα της επιλογής της χρονικής στιγμής εκτέλεσης μιας συγκεκριμένης ενέργειας, βασισμένη σε μια ακολουθία παρατηρούμενων τυχαίων μεταβλητών, προκειμένου να μεγιστοποιηθεί κάποια αναμενόμενη ανταμοιβή ή να ελαχιστοποιηθεί κάποιο αναμενόμενο κόστος.
Abstract
The basic purpose of this research is the combined use of Particle Swarm Optimization (PSO) and Optimal Stopping Theory (OST) in order to confront the Context Discovery Problem (CDP).
Context Discovery refers to the mechanism adopted by mobile nodes moving in a specified area in order to seek information sources.
The Particle Swarm Optimization algorithm is a population-based search algorithm based on the simulation of the social behavior of birds within a flock.
The Optimal Stopping Theory is concerned with the problem of choosing a time to take a given action based on sequentially observed random variables in order to maximize an expected payoff or to minimize an expected cost.
Number of pages
164 σελ.Faculty
Σχολή Τεχνολογικών ΕφαρμογώνAcademic Department
Τμήμα Μηχανικών Αυτοματισμού Τ.Ε.Language
GreekCollections
The following license files are associated with this item: