• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권7호
• /
• pp.1951-1975
• /
• 2023

Recent advances in Cognitive Radio Networks (CRN) have elevated them to the status of a critical instrument for overcoming spectrum limits and achieving severe future wireless communication requirements. Collaborative spectrum sensing is presented for efficient channel selection because spectrum sensing is an essential part of CRNs. This study presents an innovative cooperative spectrum sensing (CSS) model that is built on the Firefly Algorithm (FA), as well as machine learning artificial neural networks (ANN). This system makes use of user grouping strategies to improve detection performance dramatically while lowering collaboration costs. Cooperative sensing wasn't used until after cognitive radio users had been correctly identified using energy data samples and an ANN model. Cooperative sensing strategies produce a user base that is either secure, requires less effort, or is faultless. The suggested method's purpose is to choose the best transmission channel. Clustering is utilized by the suggested ANN-FA model to reduce spectrum sensing inaccuracy. The transmission channel that has the highest weight is chosen by employing the method that has been provided for computing channel weight. The proposed ANN-FA model computes channel weight based on three sets of input parameters: PU utilization, CR count, and channel capacity. Using an improved evolutionary algorithm, the key principles of the ANN-FA scheme are optimized to boost the overall efficiency of the CRN channel selection technique. This study proposes the Artificial Neural Network with Firefly Algorithm (ANN-FA) for cognitive radio networks to overcome the obstacles. This proposed work focuses primarily on sensing the optimal secondary user channel and reducing the spectrum handoff delay in wireless networks. Several benchmark functions are utilized We analyze the efficacy of this innovative strategy by evaluating its performance. The performance of ANN-FA is 22.72 percent more robust and effective than that of the other metaheuristic algorithm, according to experimental findings. The proposed ANN-FA model is simulated using the NS2 simulator, The results are evaluated in terms of average interference ratio, spectrum opportunity utilization, three metrics are measured: packet delivery ratio (PDR), end-to-end delay, and end-to-average throughput for a variety of different CRs found in the network.

• 한국인터넷방송통신학회논문지
• /
• 제23권5호
• /
• pp.151-158
• /
• 2023

NP-난제로 다항시간으로 최적 해를 찾는 알고리즘이 제안되지 않고 있는 일반화된 배정 문제에 대해 기존에는 전적으로 메타휴리스틱 기법들에 치중하여 연구가 진행되었다. 반면에, 본 논문에서는 해를 찾아가는 규칙을 가진 휴리스틱 탐욕 알고리즘을 제안한다. 첫 번째로, m대의 기계(용기)에 n개의 작업(물품)을 담을 수 있도록 l = n/m개가 되도록 각 기계의 용량 b_i에 대해 가중치 w_ij ≤ b_i/l 데이터로 축소시킨다. 축소된 데이터들을 대상으로 각 작업의 최대 이득 작업을 해당 기계에 배정하였다. 두 번째로, 각 기계에 배정된 가중치 합이 기계 용량을 초과하지 않도록 배정을 조정하였다. 마지막으로 이득을 최대화시키기 위해 k-opt 교환 최적화를 수행하였다. 제안된 알고리즘을 50개 벤치마킹 데이터들에 적용한 결과 약 1/3 데이터에 대해서는 알려진 최적 해를 찾을 수 있었으며, 나머지 2/3 데이터에 대해서는 메타휴리스틱 기법들과 견줄만한 결과를 보였다. 따라서 제안된 알고리즘은 GAP에 대해 다항시간으로 해를 찾아가는 규칙이 존재할 가능성을 보여 NP-난제에서 P-문제로 될 수 있음을 실험을 통해 증명하였다.

• 한국ITS학회 논문지
• /
• 제23권2호
• /
• pp.142-156
• /
• 2024

교통부문 탄소중립을 위한 전기자동차로의 전환에 있어 충분한 충전 인프라의 구축은 중요한 선행요소이다. 특히, 거주지의 충전 인프라 구축은 필수적이다. 우리나라의 주거형태는 주로 공동주택이며, 다수의 거주민을 위한 공공 충전기가 공급되어야 한다. 정부는 충전시설과 전기자동차 전용주차구역의 확보를 법적으로 규정하고 있으나, 주차면수만을 산출근거로 한다. 완속 충전기는 3.5kW 과금형 콘센트와 7kW 완속 충전기가 주를 이룬다. 전자가 충전기 설치 및 이용에 유리하지만, 충전속도가 느려 두 가지 형태의 충전기는 양립이 필요하다. 본 연구에서는 일일 주행거리를 기반으로 산정한 전기자동차의 충전 수요에 대응할 수 있는 충전기를 할당하는 최적화 모형을 제시하였다. 또한, 메타 휴리스틱 알고리즘인 Tabu Search를 사용하여 최적화 모형을 만족하는 것과 동시에 충전기 공급 및 충전 비용을 최소화할 수 있는 완속 충전기 공급량을 산정하였다. 사례 분석을 위해 개인통행실태조사자료를 사용해 주행거리를 산정하였으며, 가상의 충전 시나리오 및 환경을 설정하여 100대의 전기자동차 충전 수요에 대응하는 22대의 3.5kW 과금형 콘센트를 최적 공급량으로 산정하였다.