شرح مختصر : الگوریتمPSO یک الگوریتم جستجوی اجتماعی است که از روی رفتار اجتماعی دسته‌های پرندگان مدل شده است. PSOO روش محبوبی است که برای حل مشکلات مناسب سازی در شبکه های حسگر بی سیم به دلیل آسان بودنش، کیفیت بالای راه حل هایش، همگرایی سریع و ظرفیت، محاسبه ای نامشخص خود مورد استفاده قرار گرفته است. الگوریتم PSO مستلزم مقادیر زیادی حافظه است که ممکن است اجرای آن را برای ایستگاههای اصلی سرشار از منبع کاهش دهد. این متن کاربردهای شبکه حسگر بی سیم موفق فراوانی دارد که فواید PSO را مورد استفاده قرار می دهد. گردآوری اطلاعات نیازمند مناسب سازی توزیع شده مکرر و راه حل های سریع می باشد. بنابراین، PSOبه طور متوسط آن را مناسب می سازد. صف بندی ثابت، موقعیت یابی و خوشه بندی مشکلاتی هستند که فقط یکبار در ایستگاه مرکزی حل شده اند. PSO آنها را بسیار مناسب ساخته است .فهرست :فصل اولمعرفی شبکه های بی سیم حسگرنگاهی به شبکه های بی سیم حسگرتوضیحات اولیهساختمان گرهویژگی های عمومی یک شبکه حسگرساختار ارتباطی شبکه های حسگرساختار خودکارساختار نیمه خودکارفاکتورهای طراحیتحمل خرابیقابلیت گسترشهزینه تولیدمحدودیتهای سخت افزاری یک گره حسگرتوپولوژی شبکهمحیط کارمصرف توانکاربردهای شبکه های بی سیم حسگرکاربردهای رهایی از سانحهکنترل محیطی و نگاشت تنوع زیستیسازه های هوشمندمدیریت تاسیساتنظارت ماشین آلات و نگهداری پیشگیرانهکشاورزی دقیقپزشکی و بهداشتحمل و نقلپردازش راه دورپشته پروتکلیانواع منبعها و چاهکهاشبکه های تک پرشی در مقابل شبکه های چند پرشیانواع تحرکپروتکل های مسیریابی برای شبکه های حسگر بی سیم۱- پروتکلهایی بر مبنای دادهمسیریابی به روش سیل آسا و خبردهیپروتکل های حسگر برای اطلاعات از طریق مذاکرهانتشار جهت دارمسیریابی پخشی۲- پروتکل های سلسله مراتبیLEACHPEGASISTEEN and APTEEN۳- پروتکل های بر مبنای مکانMECNGAFعیب های شبکه حسگرروش های امنیتی در شبکه‌های بی سیمتئوری بهینهسازیانواع مسائل بهینه سازی و تقسیم بندی آنها از دیدگاه های مختلفبهینه سازی با سعی خطا، بهینه سازی با تابعبهینه سازی تک بعدی و بهینه سازی چند بعدیبهینه سازی پویا و بهینه سازی ایستابهینه سازی مقید و نا مقیدبهینه سازی پیوسته و یا گسستهبهینه سازی تک معیاره و چند معیارهبرخی دیگر از روش های بهینه سازیروش مبتنی بر گرادیانروند کلی بهینه سازی گرادیانیروش سیمپلکسالگوریتم ژنتیکویژگیهای الگوریتم ژنتیکAnt colonyالگوریتم کلونی مورچه ها چیست؟مزیتهای ACOکاربردهای ACO۵- الگوریتم رقابت استعماریشکل دهی امپراطوری‌های اولیهسیاست جذب: حرکت مستعمره‌ها به سمت امپریالیستانقلاب؛ تغییرات ناگهانی در موقعیت یک کشورجابجایی موقعیت مستعمره و امپریالیسترقابت استعماریسقوط امپراطوری‌های ضعیفشبه کدکاربردهافصل سوممقدمه(Particle Swarm Optimitation(PSOتوپولوژی های همسایگی الگوریتم PSOتاریخچه خوشه بندیتعریف خوشه بندیتحلیل خوشه بندیفرضیه موقعیت تصادفیفرضیه برچسب تصادفیفرضیه نمودارتصادفیمراحل خوشه بندیفرایندهای خوشه بندیمطالعه تکنیک های خوشه بندیکاربرد های ویژه الگوریتم PSOتعریف کلاسیک خوشه بندیمعیار نزدیک بودنکاربرد های خوشه بندیتعداد خوشه هاداده هاتعداد ویژگی ها و مشخصات آنهامقدار دهی اولیه برای KmeansKmeansPso و کاربرد آن در خوشه بندیرمز گذاری فضای سه بعدی در ذراتکمی کردن کیفیت خوشه بندیPso و خوشه بندی(الگوریتم ۱)Pso و خوشه بندی در ناحیه بندی تصویرPso و خوشه بندی(الگوریتم ۲)ترکیب pso و kmeans برای خوشه بندی (الگوریتم هیبرید)ترکیب Pso و GAفصل چهارمبهینه سازی wsn با استفاده از الگوریتم بهینه سازی psoنصب گره ها WSN بهینهموقعیت یابی گره ثابتموقعیت یابی گره متحرکVFCPSOموقعیت یابی ایستگاه اصلیتعیین محل گره در WSNها (شبکه های حسگر بی سیم)تعیین موقعیت های گره های هدف۱) PSO تکراری۲) PSO بدون علامت۳) PSO با چهار علامتخوشه بندی هشدار انرژی (EAC) در WSNهاخوشه بندی PSOMST-PSOجمع آوری اطلاعات در WSNهاتخصیص نیروی انتقال مناسبتعیین آستانه های مکانی- مناسبتشکیل حسگر مناسبنتیجه گیریمراجع فارسیمراجع انگلیسی