research centers


Search results: Found 3

Listing 1 - 3 of 3
Sort by

Article
Multi-Objective Set Cover Problem for Reliable and Efficient Wireless Sensor Networks
مشكلة تغطية المجموعة متعددة الأهداف لموثوقية وكفاءة شبكات الأستشعار اللاسلكية

Author: Bara'a Ali Attea براء علي عطية
Journal: Iraqi Journal of Science المجلة العراقية للعلوم ISSN: 00672904/23121637 Year: 2015 Volume: 56 Issue: 2A Pages: 1147-1160
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Achieving energy-efficient Wireless Sensor Network (WSN) that monitors all targets at all times is an essential challenge facing many large-scale surveillance applications.Single-objective set cover problem (SCP) is a well-known NP-hard optimization problem used to set a minimum set of active sensors that efficiently cover all the targeted area. Realizing that designing energy-efficient WSN and providing reliable coverage are in conflict with each other, a multi-objective optimization tool is a strong choice for providing a set of approximate Pareto optimal solutions (i.e., Pareto Front) that come up with tradeoff between these two objectives. Thus, in the context of WSNs design problem, our main contribution is to turn the definition of single-objective (SCP) into a multi-objective problem by adopting an additional conflicting objective to be optimized. To the best of our knowledge, improving coverage reliability of WSNs has not been explored while simultaneously solving SCP problem. This paper addresses the problem of improving coverage reliability of WSNsusing a realistic sensing model to handle coverage uncertainty. To this end, this paper formulates the so-called multi-objective SCP with the goal of selecting the minimum number of sensors so that the selected set reliably covers all the targets.To cope with two optimization objectives rather than one objective, this paperinvestigates the use of a multi-objective evolutionary algorithm, the so-called non-dominated sorting genetic algorithm for tackling the formulated problem. Moreover, it adopts a heuristic crossover operator designed specifically to improve the performance of the algorithm.The effectiveness of the algorithm is verified in terms of sensors cost and coverage reliability under extensive simulations.

تحقيق شبكة الاستشعار اللاسلكية (WSN) الموفرة للطاقة و التيتراقب جميعا لأهداف وفي جميعا لأوقات هو التحدي الأساسي الذي يواجه العديد من تطبيقات المراقبة وعلى نطاق واسع. تعتبر مشكلة تغطية المجموعة (SCP) وحيدة الهدف مشكلة أمثلية hardNP-وتستخدم لتحديد مجموعة من الحد الأدنى من أجهزة الاستشعار النشطة لتغطية جميعا لمنطقة المستهدفة وبكفاءة. وإذا أدركن اأن تصميم WSN كفوء في استخدام الطاقة وبنفس الوقت توفير تغطية موثوقة هي في المنطق متناقضة مع بعضها البعض ، فأن الأمثلية متعددة الأهداف تعتبر خيار قوي لتوفير مجموعة من الحلول المثلى والتي تسمى باريتوالتقريبية (أي جبهة باريتو) والتي تأتي بالمفاضلة بين هذين الهدفين. في سياق مشكلة تصميم WSNs، ذا البحث يهدف (وعلى حدعلمنا لأول مرة) الىتحويل تعريف مشكلة تغطية الجموعة من مشكلة وحيدة الهدف (SCP) الىمشكلة متعددة الأهداف من خلال اعتماد طبيعة الأهداف المتضاربة . ويتناول هذا البحث مشكلة تحسين موثوقية تغطية الشبكة باستخدا منموذج أستشعار واقعيا لتعامل معحالة عدم اليقين في التغطية .ولهذه الغاية ، تم صياغة المشكلة بنموذج مايسمى متعددة الأهداف وذلك بهدف اختيار أق لعدد من أجهزة الاستشعار وبشكل موثوق تقوم بتغطية جميع الأهداف .في هذا البحث تم استخدام خوارزمية تطورية متعددة الأهداف ، والمعروفة بأسم الخوارزمية الجينية ذات الترتيب غير المهم ين لحلا لمشكلة. وعلاوة على ذلك، تم أقتراح مشغل خلط توجيه يصمم تخصيصا لتحسين أداء الخوارزمية. يتم التحقق من فعالية الخوارزمية من حيث التكلفة والموثوقية في التغطية تحت محاكاة واسعة النطاق.


Article
Extractive Multi-Document Text Summarization Using Multi-Objective Evolutionary Algorithm Based Model
التلخيص الأقتطاعي للنصوص متعددة المستندات باستخدام نموذج مستند على الخوارزمية التطورية متعددة الاهداف

Authors: Hilal H. Saleh هلال هادي صالح --- Nasreen J. Kadhim نسرين جواد كاظم
Journal: Iraqi Journal of Science المجلة العراقية للعلوم ISSN: 00672904/23121637 Year: 2016 Volume: 57 Issue: 1C Pages: 728-741
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Automatic document summarization technology is evolving and may offer a solution to the problem of information overload. Multi-document summarization is an optimization problem demanding optimizing more than one objective function concurrently. The proposed work considers a balance of two significant objectives: content coverage and diversity while generating a summary from a collection of text documents. Despite the large efforts introduced from several researchers for designing and evaluating performance of many text summarization techniques, their formulations lack the introduction of any model that can give an explicit representation of – coverage and diversity – the two contradictory semantics of any summary. The design of generic text summarization model based on sentence extraction is modeled as an optimization problem redirected into more semantic measure reflecting individually both content coverage and content diversity as an explicit individual optimization models. The proposed two models are then coupled and defined as a multi-objective optimization (MOO) problem. Up to the best of our knowledge, this is the first attempt to address text summarization problem as a MOO model. Moreover, heuristic perturbation and heuristic local repair operators are proposed and injected into the adopted evolutionary algorithm to harness its strength. Assessment of the proposed model is performed using document sets supplied by Document Understanding Conference 2002 (DUC 2002) and a comparison is made with other state-of-the-art methods using Recall-Oriented Understudy for Gisting Evaluation (ROUGE) toolkit. Results obtained support strong proof for the effectiveness of the proposed model based on MOO over other state-of-the-art models.

تقنية التلخيص الأوتوماتيكي تطور وربما تقدم حل الى مشكلة الحمل الزائد للمعلومات. عملية التلخيص للنصوص متعددة المستندات تصنف على انها مشكلة أمثلية تتطلب الاستفادة المثلى من اكثر من دالة هدف في وقت واحد. العمل المقترح يأخذ بنظر الأعتبار تحقيق التوازن بين هدفين مهمين هما: تغطية المحتوى لمجموعة المستندات والتنوع عند توليد ملخص من مجموعة من المستندات النصية. على الرغم من الجهود القائمة على تصميم و تقييم أداء العديد من تقنيات تلخيص النصوص, تفتقر صياغات هذه التقنيات الى تقديم أي نموذج يمكن أن يعطي التمثيل الصريح – تغطية المحتوى والتنوع – وهما دلالتان متناقضتان في أي ملخص. أن تصميم نموذج يهدف الى تلخيص نص عام قائم على أقتطاع الجمل تمت أعادة توجيهه الى تدبير ذات دلالة اكبر يعكس بصورة مستقلة كلا من تغطية وتنوع المحتوى كنموذجي أمثلية صريحين. بعد ذلك تمت عملية اقتران النموذجين المقترحين وتعريفهما كمشكلة أمثلية تعدد الاهداف. حسب علمنا ، هذه هي المحاولة الأولى لمعالجة مشكلة تلخيص النصوص كنموذج أمثلية متعدد الأهداف. وعلاوة على ذلك ، تم أقتراح عامل توجيه اضطراب وعامل توجيه أصلاح محلي وحقنهما في الخوارزمية التطورية المعتمدة لتسخير قوتها . عملية تقييم النموذج المقترح تمت باستخدام مجموعة المستندات المجهزة من قبل مجموعة البيانات العالمية (Document Understanding Conference DUC 2002) وقد تمت مقارنة النتائج المتحصلة مع مجموعة من الانظمة الحديثة. قياس وتقييم الأداء للنموذج المقترح تم باستخدام أدوات (ROUGE). النتائج المتحصلة دعمت العمل بدليل قوي على فعالية النموذج المقترح المستند على أمثلية تعدد الاهداف نسبة الى النماذج الحديثة التي تمت المقارنة بها.


Article
Improving Extractive Multi-Document Text Summarization Through Multi-Objective Optimization

Authors: Nasreen J. Kadhim --- Hilal H. Saleh --- Bara’a Attea
Journal: Iraqi Journal of Science المجلة العراقية للعلوم ISSN: 00672904/23121637 Year: 2018 Volume: 59 Issue: 4B Pages: 2135-2149
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Multi-document summarization is an optimization problem demanding optimization of more than one objective function simultaneously. The proposed work regards balancing of the two significant objectives: content coverage and diversity when generating summaries from a collection of text documents. Any automatic text summarization system has the challenge of producing high quality summary. Despite the existing efforts on designing and evaluating the performance of many text summarization techniques, their formulations lack the introduction of any model that can give an explicit representation of – coverage and diversity – the two contradictory semantics of any summary. In this work, the design of generic text summarization model based on sentence extraction is redirected into more semantic measure reflecting individually both content coverage and content diversity as two explicit optimization models. The problem is defined by projecting the first criterion, i.e. content coverage in the light of text similarity. The proposed model hypothesizes a possible decomposition of text similarity into three different levels of optimization formula. First, aspire to global optimization, the candidate summary should cover the summary of the document collection. Then, to attain, less global optimization, the sentences of the candidate summary should cover the summary of the document collection. The third level of optimization is content with local optimization, where the difference between the magnitude of terms covered by the candidate summary and those of the document collection should be small. This coverage model is coupled with a proposed diversity model and defined as a Multi-Objective Optimization (MOO) problem. Moreover, heuristic perturbation and heuristic local repair operators have been proposed and injected into the adopted evolutionary algorithm to harness its strength. Assessment of the proposed model has been performed using document sets supplied by Document Understanding Conference 2002 (DUC2002) and a comparison has been made with other state-of-the-art methods. Metric used to measure performance of the proposed work is Recall-Oriented Understudy for Gisting Evaluation (ROUGE) toolkit. Results obtained support strong proof for the effectiveness and the significant performance awarded to the proposed MOO model over other state-of-the-art models.

Listing 1 - 3 of 3
Sort by
Narrow your search

Resource type

article (3)


Language

English (3)


Year
From To Submit

2018 (1)

2016 (1)

2015 (1)