Otimização de parâmetros de uma rede LoRa através de algoritmos genéticos

Detalhes bibliográficos
Autor(a) principal: Mago, Matheus Dal
Data de Publicação: 2017
Idioma: por
Título da fonte: Manancial - Repositório Digital da UFSM
dARK ID: ark:/26339/001300000w8q5
Texto Completo: http://repositorio.ufsm.br/handle/1/25279
Resumo: Trabalho de conclusão de curso (graduação) - Universidade Federal de Santa Maria, Centro de Tecnologia, Curso de Engenharia de Computação, RS, 2017.
id UFSM_42bfaf48b53b8d4ec90e9eb5f33ce7a2
oai_identifier_str oai:repositorio.ufsm.br:1/25279
network_acronym_str UFSM
network_name_str Manancial - Repositório Digital da UFSM
repository_id_str
spelling Otimização de parâmetros de uma rede LoRa através de algoritmos genéticosParameters optimization of a LoRa network through genetic algorithmsLoRaLoRaWANConfigurationGenetic algorithmsConfiguraçãoAlgoritmos genéticosCNPQ::ENGENHARIASTrabalho de conclusão de curso (graduação) - Universidade Federal de Santa Maria, Centro de Tecnologia, Curso de Engenharia de Computação, RS, 2017.The LoRa technology stands out for allowing the connection of a large number of devices allocated several kilometers away from the base station, with low energy consumption and maintenance costs. To do so, each device has a set of settings that define how it will work, like carrier frequency, bandwidth, and so on. Choosing the right configuration is essential for a well working network. In the LoRa technology, the communication is usually controlled by the LoRaWAN protocol, that defines how the network will exchange messages. In this protocol, there are instructions that change some configurations of the connected devices, optimizing its performance by either enlarging the transmission’s data rate or lowering the energy consumption. However, this optimization considers just the device itself, and not how it will affect the rest of the network. This project compares the performance of a network that is configured by the LoRaWAN protocol with the performance of a network configured by a genetic algorithm, which is capable of evaluating the network as a whole and search solutions tending to the optimum. The genetic algorithm was implemented in Python and the network performance was measured using simulations based on existing works. It was possible to see that, for a small amount of devices connected on the network, the LoRaWAN protocol has a good enough performance. Still, when the network complexity gets larger, solutions generated by the genetic algorithm are superior than the ones generated by the protocol.A tecnologia LoRa destaca-se por possibilitar a conexão de um grande número de dispositivos dispostos há diversos quilômetros da estação base, com um pequeno consumo de energia e baixo custo de manutenção. Para tal, cada dispositivo possui um conjunto de configurações que definem o funcionamento do mesmo, como frequência de operação, largura de banda, dentre outros. Uma correta escolha de tais configurações é essencial para um bom funcionamento da rede. Na tecnologia LoRa, a comunicação é comumente controlada pelo protocolo LoRaWAN, que define a forma como a rede troca mensagens. Neste protocolo, existem diretivas que alteram algumas configurações dos dispositivos conectados, de forma a otimizar o funcionamento do mesmo, seja aumentando a taxa de transmissão de dados ou diminuindo o consumo de energia. Porém, esta otimização leva em conta apenas o dispositivo em questão, e não o efeito que essa alteração vai ter no restante da rede. Este trabalho visa comparar o desempenho de uma rede configurada através do protocolo LoRaWAN com uma rede configurada através de um algoritmo genético, que tem a capacidade de avaliar a rede como um todo e de buscar soluções aproximadamente ótimas. O algoritmo genético foi implementado em Python e o desempenho da rede foi mensurado através de simulações baseadas em trabalhos já existentes. Foi possível observar que, para um pequeno número de dispositivos conectados na rede, o protocolo LoRaWAN possui um desempenho bastante aceitável. Porém, quando a complexidade da rede aumenta, soluções geradas por algoritmos genéticos são superiores às obtidas pelo protocolo.Universidade Federal de Santa MariaBrasilUFSMCentro de TecnologiaBarriquello, Carlos HenriqueMago, Matheus Dal2022-07-07T13:26:22Z2022-07-07T13:26:22Z2017-12-132017Trabalho de Conclusão de Curso de Graduaçãoinfo:eu-repo/semantics/publishedVersionapplication/pdfhttp://repositorio.ufsm.br/handle/1/25279ark:/26339/001300000w8q5porAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessreponame:Manancial - Repositório Digital da UFSMinstname:Universidade Federal de Santa Maria (UFSM)instacron:UFSM2022-07-07T13:26:22Zoai:repositorio.ufsm.br:1/25279Biblioteca Digital de Teses e Dissertaçõeshttps://repositorio.ufsm.br/PUBhttps://repositorio.ufsm.br/oai/requestatendimento.sib@ufsm.br||tedebc@gmail.com||manancial@ufsm.bropendoar:2022-07-07T13:26:22Manancial - Repositório Digital da UFSM - Universidade Federal de Santa Maria (UFSM)false
dc.title.none.fl_str_mv Otimização de parâmetros de uma rede LoRa através de algoritmos genéticos
Parameters optimization of a LoRa network through genetic algorithms
title Otimização de parâmetros de uma rede LoRa através de algoritmos genéticos
spellingShingle Otimização de parâmetros de uma rede LoRa através de algoritmos genéticos
Mago, Matheus Dal
LoRa
LoRaWAN
Configuration
Genetic algorithms
Configuração
Algoritmos genéticos
CNPQ::ENGENHARIAS
title_short Otimização de parâmetros de uma rede LoRa através de algoritmos genéticos
title_full Otimização de parâmetros de uma rede LoRa através de algoritmos genéticos
title_fullStr Otimização de parâmetros de uma rede LoRa através de algoritmos genéticos
title_full_unstemmed Otimização de parâmetros de uma rede LoRa através de algoritmos genéticos
title_sort Otimização de parâmetros de uma rede LoRa através de algoritmos genéticos
author Mago, Matheus Dal
author_facet Mago, Matheus Dal
author_role author
dc.contributor.none.fl_str_mv Barriquello, Carlos Henrique
dc.contributor.author.fl_str_mv Mago, Matheus Dal
dc.subject.por.fl_str_mv LoRa
LoRaWAN
Configuration
Genetic algorithms
Configuração
Algoritmos genéticos
CNPQ::ENGENHARIAS
topic LoRa
LoRaWAN
Configuration
Genetic algorithms
Configuração
Algoritmos genéticos
CNPQ::ENGENHARIAS
description Trabalho de conclusão de curso (graduação) - Universidade Federal de Santa Maria, Centro de Tecnologia, Curso de Engenharia de Computação, RS, 2017.
publishDate 2017
dc.date.none.fl_str_mv 2017-12-13
2017
2022-07-07T13:26:22Z
2022-07-07T13:26:22Z
dc.type.driver.fl_str_mv Trabalho de Conclusão de Curso de Graduação
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://repositorio.ufsm.br/handle/1/25279
dc.identifier.dark.fl_str_mv ark:/26339/001300000w8q5
url http://repositorio.ufsm.br/handle/1/25279
identifier_str_mv ark:/26339/001300000w8q5
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Santa Maria
Brasil
UFSM
Centro de Tecnologia
publisher.none.fl_str_mv Universidade Federal de Santa Maria
Brasil
UFSM
Centro de Tecnologia
dc.source.none.fl_str_mv reponame:Manancial - Repositório Digital da UFSM
instname:Universidade Federal de Santa Maria (UFSM)
instacron:UFSM
instname_str Universidade Federal de Santa Maria (UFSM)
instacron_str UFSM
institution UFSM
reponame_str Manancial - Repositório Digital da UFSM
collection Manancial - Repositório Digital da UFSM
repository.name.fl_str_mv Manancial - Repositório Digital da UFSM - Universidade Federal de Santa Maria (UFSM)
repository.mail.fl_str_mv atendimento.sib@ufsm.br||tedebc@gmail.com||manancial@ufsm.br
_version_ 1847103588148445184

Registros relacionados