Microsoft Word 00 KeyNote Speakers Materiallar

IV INTERNATIONAL SCIENTIFIC CONFERENCE OF YOUNG RESEARCHERS 

 

373

 

Qafqaz University                                                                                          29-30 April 2016, Baku, Azerbaijan 

K-Means alqoritmi VİT-də çox bilinən və geniş istifadə olunan qruplama (clustering) üsuludur. 

Giriş dəyərlər olaraq, n sayda obyektlər çoxluğu və k qrupların sayını qəbul edir. İlkin olaraq, təsadüfi k 

sayda obyekt dayaq nöqtəsi seçilir və digər obyektlərlə  bənzərlik dərəcələri hesablanaraq, dayaq 

nöqtələrinə yaxın olan obyektlər eyni qrup içərisinə yığılır. Bu bənzərlik obyektlər ilə qrupların mərkəzi 

arasındakı məsafəyə əsasən hesablanır. Sonradan hər bir qrup üçün ortalama hesablanır və yeni mərkəz-

lər təyin edilir. Bu proses məqsəd funksiyası bir nöqtəyə yığılana qədər iterativ olaraq davam edilir. K-

Means alqoritmdə  məsafələr çoxlu hesablama - hər bir iterasiya üçün obyektlərin sayı ilə qrupların 

sayının hasili qədər (n x k) hesablama tələb edir. Bu səbəbdən məsafə hesablamalarını paralel icra et-

məklə, bu üsula səmərəlilik qazandırmaq və böyük verilənlər üçün Hadoop platformasında tətbiq etmək 

olar. 

Apache Hadoop, sıravi (adi) server və kompüterlərdən təşkil olunmuş klasterlərdə paylanmış 

fayl sistemindən istifadə edərək verilənləri saxlayan və bu verilənlər üzərində paylanmış əməliyyatlar 

aparan açıq qaynaqlı bir sistemdir. Əsasən böyük verilənlərin saxlanması  və emalı üçün nəzərdə 

tutulmuş bu sistemə paylanmış əməliyyatların icrası imkanını verən MapReduce paralel proqramlama 

modelidir. MapReduce modelinin özəyini təşkil edən Map və Reduce funksiyalarıdır. Map funksiyası 

açar/dəyər (key/value) cütlərini giriş olaraq qəbul edir və çıxış olaraq ortancıl açar/dəyər cütləri hazır-

layır. Reduce funksiyası isə Map funksiyasının çıxışı olan ortancıl açar/dəyər cütlərini birləşdirib emal 

edərək son nəticəni hazırlayır. Map-Reduce proqramlama modelinin gücü bütün map və reduce funk-

siyalarını paralel işlədə bilməsidir.  

K-Means alqoritminin MapReduce proqramlama modelinə uyğunlaşdırmaq üçün Map və 

Reduce mərhələləri üçün 2 alqoritmə baxılacaq. 

- 

Hadoop Paylanmış Fayl Sistemində (HDFS) verilənlər ardıcıl  şəkildə saxlanılır. Bu səbəbdən 

verilənlərin ofsetlərini, yəni bayt olaraq mövqelərini açar olaraq, məzmununu isə dəyər olaraq qə-

bul etmək olar. Verilənlər bölünərək, klasterdəki map funksiyalarıtərəfindən qəbul edildiyi üçün 

hər bir map funksiyasına obyektlərin hissələri daxil olur. 

Alqoritm 1. Map funksiyası  

Giriş: Qlobal dəyişən – mərkəzlər, ofset – açar, obyekt hissələri – dəyər 

Çıxış:  ortancıl açar/dəyər cütü, burada açar’ mərkəzə ən yaxın nöqtənin 

indeksi, dəyər’ isə obyekt hissəsinə daxil olan sətri bildirir 

1.  dəyər –dən nümunə qurulur 

2.  minMəsafə = Double.MAX_VALUE; 

3.  indeks = -1; 

4.  For döngüsü (i=0 –dan mərkəzlər.ölçüsü qədər) 

məsafə = MəsafəHesabla (nümunə, mərkəzlər[i]) 

     Əgər məsafə< minMəsafə{ 

minMəsafə = məsafə; 

indeks = i;  

}  

5.  For döngüsünün sonu 

6.  açar’–a indeks –ni mənimsət 

7.  dəyər’ dəyişənini quraraq, cütünü çıxarır 

8.  Son 

- 

Reduce mərhələsində map funksiyasının çıxışları, yəni eyni qrupa mənimsədilən nöqtələrin 

dəyərləri toplanır. Hər bir qrup üçün ədədi ortalamanı hesablamaq üçün eyni qrupa aid dəyərlərin 

sayı hesablanacaq (cəm  dəyişəni ilə). Beləliklə, yeni mərkəzlərin koordinatları tapılacaq və 

növbəti iterasiyalarda istifadə olunacaqdır. 

Alqoritm 2. Reduce funksiyası  

Giriş: Qrupun indeksi – açar’, eyni qrupa aid nümunələr – dəyər’ 

Çıxış:  açar/dəyər cütü, burada açar’’ qrupun indeksi, dəyər’’ isə yeni 

mərkəzi bildirən sətri göstərir 

1.  Eyni qrupa aid nümunələr birləşərək, V vektoru qurulur 

IV INTERNATIONAL SCIENTIFIC CONFERENCE OF YOUNG RESEARCHERS 

 

374

 

Qafqaz University                                                                                          29-30 April 2016, Baku, Azerbaijan 

2.  Eyni qrupa aid nümunələri cəmləmək üçün cəm  dəyişəni təyin edilir və 0 

mənimsədilir 

3.  While döngüsü (V vektorunda element olana qədər){ 

Müvafiq elementdən nümunə qur; 

     Nümunənin siyahıda olan dəyərlərini topla; 

cəm ++;  

} 

4.  Vektorun bütün elementlərini  cəm  –ə bölməklə yeni mərkəzin koordinatlarını 

hesabla 

5.  açar’’–aaçar’–i mənimsət 

6.  dəyər’’ dəyişkənini quraraq, cütünü çıxarır 

7.  Son 

Sonda paralelləşdirilən K-Means alqoritmini sürət, həcm və miqyas baxımından qiymətləndiril-

dikdə aşağıdakı qrafikləri əldə edilir: 

 

Qrafik 1. Nəticələrin qiymətləndirilməsi. 

Buradan, K-Means qruplama alqoritminin Apache Hadoop platformasında effektiv şəkildə 

tətbiq edildiyini demək mümkündür. 

 

 

 

 

ДИСТАНЦИОННОЕ ОБУЧЕНИЕ КАК СРЕДСТВО 

СЕРТИФИКАЦИИ ПРОФЕССОРСКО-ПРЕПОДАВАТЕЛЬСКОГО 

СОСТАВА ВНУТРИ ВУЗА 

 

Рустам ДАНИЯРОВ 

Ташкентского Педиатрического Медицинского Института (ТашПМИ) 

[e-mail] 

ТАШКЕНТ 

 

В  этой  статье  показывается  опыт  Ташкентского  Педиатрического  Медицинского  Инсти-

тута  в  сертификации  своих  учителей  в  области  информационно-коммуникационных  техноло-

гий  (ИКТ)  и  иностранных  языков.  Был  изучен  процесс  определения  уровня  владения  ИКТ  и 

языковых компетенций учителей медицинского университета в период с января по июнь 2015 

г.  В  этой  работе  представлены  также  некоторые  результаты  сертификации  с  использованием 

компьютерных приложений и на основе исследований. 

Вопросам постоянного повышения квалификации медицинских работников, в том числе и 

профессорско-преподавательского  состава  медицинских  ВУЗов  уделяется  огромное  внимание 

во всем мире, особенно учитывая факт глобализации во всех сферах. В Узбекистане вопросам 

непрерывной подготовки и переподготовки медицинских кадров уделяется большое внимание. 

Так был подготовлен и принят ряд правительственных постановлений и приказов, касающихся 

вопросов повышения квалификации медицинских работников. Соответствующие приказы были 

приняты и на уровне министерства здравоохранения Республики Узбекистан. Таким образом, в 

IV INTERNATIONAL SCIENTIFIC CONFERENCE OF YOUNG RESEARCHERS 

 

375

 

Qafqaz University                                                                                          29-30 April 2016, Baku, Azerbaijan 

Узбекистане созданы все необходимые условия для развития системы непрерывного медицинс-

кого образования и повышения квалификации медицинских работников всех уровней. 

Исходя из изученного международного опыта в ТашПМИ внедряют следующую классифи-

кацию  владения  ИКТ - и  языковыми  компетенциями,  базирующуюся  преимущественно  на 

европейском опыте. В ТашПМИ принимается и утверждается двухуровневая система владения 

ИКТ- и языковыми компетенциями А и В. 

Соответственно  каждый  уровень  делится  на  два  подуровня  и  предполагает  следующее 

разделение А1-А2, В1-В2. 

Основным преимуществом предлагаемой системы сертификации является: самая глубокая 

и  точная  ориентация  на  государственные  стандарты  Республики  Узбекистан  и  другие, 

приравненные к ним документы 

Система  сертификации  проверяет  знания,  прописанные  в  нормативно-правовых  докумен-

тах,  фиксирующих  требования  к  образованию  на  соответствующем  уровне  в  Республике 

Узбекистан.  Сертификационное  тестирование  охватывает  темы  по  информационным  техно-

логиям и иностранным языкам, в том числе следующие темы: 

По ИКТ 

По иностранным языкам 

Основы информатики 

Hardware и Software 

Word 

Excel 

PowerPoint 

Internet 

Грамматика  

Понимание текста 

Орфография 

Навыки письма 

Научное чтение  

Для  выявления  потребности  в  обучении  и  повышении  квалификации  сотрудников  инсти-

тута была проведена оценка знаний, навыков владения основами компьютерной грамотности, а 

также доступности современными технологиями, методами сплошного тестирования в области 

ИКТ,  Операционная  система Windows XP, MS WORD, MS EXCEL, MS POWERPOINT, 

INTERNET. В оценке уровня знаний приняло участие 86 сотрудников института.  

По результатам предварительных тестирований можно составить следующие данные: 

На вопрос в какой форме Вы имеете доступ к компьютеру 58% опрошенных пользуются 

только  рабочим  компьютером, 27% личным  компьютером, 19% общим  компьютером  семьи. 

Исходя их полученных данных опрошенные не используют компьютеры знакомых/друзей. 

На вопрос сколько часов Вы проводите у компьютера в день, 35% опрошенных ответили, 

что проводят за компьютером 5 часов, 26% проводят 1 час, 19% проводят 2 часа, по 3 и 4 часа 

проводят 10% опрошенных. 

На вопрос о доступности интернета 91% опрошенных имеют доступ в интернет. Не имеют 

доступа в интернет оставшиеся 9%. 

Программа  обучения  была  составлена  на  основе  компетентностного  подхода  с  использо-

ванием принципа «результатов обучения», что доказало свою эффективность в ведущих евро-

пейских и американских ВУЗах.  

На  сегодняшний  день  курс  состоит  из 48 часов  лекционных  занятий  с  использованием 

дистанционных технологий, разработанных на платформе A-Tutor. Тематика обучения состоит 

из тренировки практических навыков работы ИКТ, ОС Windows XP, MS WORD, MS EXCEL, 

MS POWERPOINT. Для тех преподавателей, кто уверено владел компьютерными технологиями 

и  интернетом,  была  предусмотрена  сдача  экзаменов  без  обязательного  посещения  занятий. 

Всем, кто успешно прошел заключительную оценку был выдан официальный сертификат. 

В  целом  все  участники  проведенного  исследования  отметили  высокий  профессионализм 

тренеров, а также техническое обеспечение компьютерной лаборатории и условий созданных в 

аудитории.  Предложенная  система  сертификации  в  полной  мере  отражает  уровень  владения 

ИКТ  компетенцией  в  соответствии  с  разработанной  классификацией  в  ТашПМИ.  Разработан-

ная  система  сертификации  ИКТ  компетенцией  рекомендована  к  применению  в  медицинских 

учреждениях и других заинтересованных сторон. 

 

IV INTERNATIONAL SCIENTIFIC CONFERENCE OF YOUNG RESEARCHERS 

 

376

 

Qafqaz University                                                                                          29-30 April 2016, Baku, Azerbaijan 

VERİLƏNLƏR BAZASINDA PARALEL ƏMƏLİYYATLARDA SQL 

SORĞULARININ OPTİMALLAŞDIRILMASI METODLARI 

 

Sonaxanım SÜLEYMANOVA 

Qafqaz Universiteti 

[e-mail] 

AZƏRBAYCAN

 

Anar XOCAYEV 

Qafqaz Universiteti 

[e-mail] 

AZƏRBAYCAN

 

 

Verilənlər bazasıyla işləyərkən bir neçə mürəkkəb sorğuların yazılması hallarına çox rast gəlinir. 

Bu hal həm yetərincə əməli yaddaş həcmi alır, həm də zaman itkisinə səbəb olur. Bu tip problemlərin 

həllində optimallaşdırma metodları böyük önəm daşıyır. 

Optimallaşdırma-verilən variantların içindən yüksək səmərəliliyə və performansa malik, ən effek-

tiv və daha qısa zamanda nəticə əldə olunan variantın seçilməsidir.İnternet yaranmazdan əvvəl optimal 

sözü özündə dünyaya pozitiv baxışı və pozitiv biri olmağı ehtiva edirdi. Lakin günümüzdə bu söz hər 

hansı bir proqramlaşdırma zamanı optimal yolun seçililməsi kimi başa düşülür. 

 

İnformasiya (lat. informatio – məlumat, izah)-müəyyən obyekt, əşya, hadisə ilə bağlı  məlumat, 

biliklər toplusudur. İnformasiyanın qorunub saxlanması, mühafizəsi əsas tələblərdən biridir. İnforma-

siyanın saxlanılması və bu informasiya ilə işləmək üçün verilənlər bazası böyük əhəmiyyət daşıyır. 

Verilən- daxil edilmiş informasiya vahididir. 

Verilənlərin müəyyən qayda, nizamla düzülüşü verilənlər bazasını formalaşdırır. 

Verilənlərin hansı qaydada strukturlaşdırılması onun modeli adlanır. Verilənlər bazasının model-

ləri klassik və yeni olmaqla iki qrupa ayrılır. Yeni modellər klassik modellərin zamanla formalaşdırıl-

masıyla yaranıb. 

Klassik verilənlər bazası modelləri bunlardır: İyerarxik, Şəbəkə , Relyasiya 

Yeni verilənlənlər bazası modelləri bunlardır: Postrelasiya , Çoxölçülü , Obyekt-yönlü 

Verilənlər bazasını yaratmaq üçün Microsoft Access, Open Office Base, Foxpro, Microsoft 

SQLServer ,Oracle ,My SQL proqramlarıdan istifadə edirik. 

İri həcmli verilənlər bazası paralel əməliyyatların aparılmasını  zəruri edir. Paralel əməliyyatları 

aparmaqda məqsəd aparat təminatının (hardware) ötürücülük qabiliyyətinin maksimuma çatdırmaqdır. 

Əgər güclü sistem, elecə  də böyük və yüksək prioritetli SQL sorğusu varsa bu zaman sorğuları 

paralelləşdirmək (parallelize) lazım olacaq, belə ki bu zaman mövcud bütün resurslardan istifadə 

etmək mümkün olacaq. 

Qeyd edək ki, hal-hazırda paralel əməliyyatların aparılması yalnız Oracle8i Enterprise Edition-la 

mümkündür. 

SQL (Structured Query Language) verilənlər bazası ilə  əlaqə üçün istifadə olunur. ANSI 

(American Milli Standartlar İnstitutu) standartına görə, bu dil relyasiya verilənlər bazası idarəetmə 

sistemləri üçün standart dildir. SQL dilinin əmrləri DDL (Data Definition Language), DML (Data 

Manupulation Language), DCL (Data Control Language), TCL ( Transaction Control Language) kimi 

qruplara ayrılır. SQL sorğularının optimallaşdırılması aşağıdakı yollarla kimi aparılır: 

IV INTERNATIONAL SCIENTIFIC CONFERENCE OF YOUNG RESEARCHERS 

 

377

 

Qafqaz University                                                                                          29-30 April 2016, Baku, Azerbaijan 

Sorğu performansının optimallaşdırılması üçün aşağıdakı dörd əsas yol istifadə edilir: 

1. Sorğunun yenidən yazılması ; 

2. İndeksləmə strategiyasının dəyişməsi ; 

3. Sxemin dəyişdirilməsi ; 

4. Xarici keşdən istifadə ; 

SQL sorğularının yenidən yazılmasına qoyulan bir neçə tələbi qeyd edək: 

1.  Vacib olmayan proqnozu verməmək ; 

2.  Digərlərinə nisbətən görüləcək işlərin minimuma endirilməsi ; 

3.  Bir neçə dəfə istifadə olunan alt sorğuların (subqueries) eyni hesabatda yazılması ; 

4.  İN əmrinin əvəzinə EXİSTS əmrinin istifadə olunması ; 

5.  Eyni bir sətrin yenidən və yenidən istifadə olunması hallarında CASE və ya DECODE 

əmrlərindən istifadə olunması ; 

6.  SELECT siyahısında skalyar alt sorğulardan (subqueries) yayınmaq ; 

7.  Mümkün dərəcədə DİSTİNCT əmrindən az istifadə olunması və s. 

Yuxarıda qeyd etdiyim metodlara aid bir neçə sadə nümunəni aşağıdakı kimi analiz etdik : 

1) sorğunun konkret şəkildə yazılması halının analizi 

  SELECT * FROM table_name; 

  SELECT col_1, col_2, col_3, col_4, subject FROM table_name; 

Birincin sorğuda cədvəlin bütün sütunları ekrana çıxardı, lakin ikinci sorğu bizə lazım olan 

konkret sütunları bizə qaytardı. Bu da cədvəllə işləməyimizi asanlaşdırdı. 

2) alt sorğuların (subqueries) minimuma endirilməsinə nəzər yetirək. 

  SELECT col_1 

   FROM table_name1 

   WHERE col_2 = (SELECT MAX (col_2) FROM table_name2) 

   AND col_3 = (SELECT MAX (col_3) FROM table_name2) 

   AND col_4 = ‗testvalue1‘; 

  SELECT col_1  

   FROM table_name1  

   WHERE (col_2, col_3) = (SELECT MAX (col_2), MAX(col_3) 

   FROM table_name2) 

   AND col_4 = 'testvalue1'; 

Göründüyü kimi birinci halda iki sütunun ekrana çıxması üçün iki ardıcıl sorğu yazmalı olduq, lakin 

ikinci halda iki sütunu bir sorğuda birləşdirmək bu tip sorğularda işimizi asanlaşdırdı. 

3) İN əmrinin EXİSTS əmriylə əvəz olunması 

  SELECT * FROM table1 t1  

   WHERE t1.col_id IN (SELECT t2.col_id FROM table2 t2)  

  SELECT * FROM table1 t1 

   WHERE EXISTS (SELECT * FROM table2 t2 WHERE t2.col_id = t1.col_id) 

Sorğulardan da aydın olur ki birinci halda seçilmiş sütunun bütün sətirləri seçilidi və yoxlanıldı, 

lakin ikinci halda isə yalnız ikinci cədvəlin verilmiş sütununa uyğun sətirlər seçildi və yoxlandı. Nəti-

cədə həm zamandan həm də yaddaş sərfindən qənaət etmiş olduq. 

Tədqiqat işimiz bir neçə serverdə müəyyən verilənlər bazası üzərində paralel əməliyyatlar zamanı 

mürəkkəb sorğulardan qurtulmaq, zamana qənaət etmək, daha optimal sorğuları seçməklə optimallaş-

dırma aparmaqdır. 

 

 

 

 

IV INTERNATIONAL SCIENTIFIC CONFERENCE OF YOUNG RESEARCHERS 

 

378

 

Qafqaz University                                                                                          29-30 April 2016, Baku, Azerbaijan 

MAC SƏVİYYƏSİNİN MARŞRUTLAMA PROTOKOLLARI 

ÜZƏRİNDƏ TƏSİRİ 

 

Əhəd MƏMMƏDOV 

Qafqaz Universiteti 

[e-mail] 

AZƏRBAYCAN

 

Babək ABBASOV 

Qafqaz Universiteti 

[e-mail] 

AZƏRBAYCAN

 

 

AdHoc şəbəkəsi mərkəzi idarəedicidən istifadə olunmadan, multi-hop simsiz kanallar üzərindən 

bir-biriləri ilə əlaqə quran simsiz mobil qovşaqlar qrupudur. İnformasiya paketlərinin şəbəkəni yüklə-

mədən çatdırılması üçün AdHoc şəbəkələri dinamik və əlverişli sürətə sahib olmalıdır. Lakin bu növ 

şəbəkələrdə yüksək hərəkətliliyin müşahidə olunması və bu səbəbdən də ötürmə sürətinin aşağı düş-

məsi, AdHoc şəbəkələri üçün marşrutlama protokollarının istifadə edilməsi zərurətini ortaya qoymuş-

dur. Bugünə  qədər AdHoc şəbəkələri üçün müxtəlif növ marşrutlama protokolları  təklif edilmişdir. 

Bizim apardığımız eksperimentdə seçilmiş üç nüfuzlu marşrutlama protokolu üzərində iki MAC pro-

tokolun fərqli davranışı incələnmiş və aparılmış təcrübədən əldə edilən nəticələr təhlil edilmişdir.  

Təcrübə GloMoSim şəbəkə simulyatoru vasitəsilə aparılmış  və protokolların performans müqa-

yisələri təhlil edilmişdir. Tədqiqat zamanı Data Link səviyyəsində CSMA və IEEE 802.11 standartla-

rından istifadə edilmiş  və 30 ədəd qovşağın Paket Çatdırılması  Dərəcəsi qiymətləndirilmişdir. Paket 

çatdırılması  dərəcəsi (end-to-end delay) parametri qəbulediciyə müvəffəqiyyətlə çatdırılmış paket 

sayının göndərici tərəfindən ötürülmüş paketlərin ümumi sayına olan nisbətidir. Bu dəyər  şəbəkənin 

əldə edə bildiyi maksimal ötürücülük qabiliyyətini əks etdirir. Bu səbəbdən şəbəkələrdə paket çatdı-

rılması  dərəcəsinin yüksək olması arzu olunandır. Paket çatdırılması  dərəcəsi aşağıdakı qaydada 

hesablanmaqdadır: 

PÇD = (

 qəbul edilən CBR paketləri /  göndərilən CBR paketləri) * 100 

Tədqiqatda qovşaqların hərəkət istiqamətləri Təsadüfi Keçid Nöqtələri modelindən (Random 

Waypoint Model) istifadə edilərək modelləşdirilmişdir. Təcrübələrin aparıldığı şəbəkə ərazisi 2000m

2

 

ölçüsündə, bütün keçidlərin bant genişliyi 2 Mbps və simulyasiya müddəti 15 dəqiqə olaraq təyin 

edilmişdir. Təcrübədə ixtiyari yeddi göndərici və  qəbuledici qovşaq cütlüyü istifadə edilmiş  və bu 

seçilmiş yeddi göndərici tərəfindən ixtiyari seçilmiş digər yeddi qəbulediciyə CBR (Constant Bit Rate) 

paketləri göndərilmişdir. Paketlərin həcmi 512 bayt olaraq təyin edilmişdir. 

Cədvəl 1. 30 qovşağın CSMA/802.11 standartına görə Paket Çatdırılması Dərəcəsi (% ilə) 

Qovşağın 

sürəti 

AODV DSR  WRP 

CSMA 802.11 CSMA  802.11  CSMA 802.11 

10 m/s 

12.9890 52.2692 06.1033  39.3584 25.4304 25.8998 

20 m/s 

08.5290 50.6260 12.6761  40.2973 31.3772 32.3161 

30 m/s 

06.6510 51.1737 18.3099  33.9593 29.2645 30.9859 

40 m/s 

10.8764 51.4867 19.7183  30.2034 27.3083 27.1518 

50 m/s 

15.4930 54.2254 21.2050  36.6197 26.4476 27.3865 

Təhlil nəticələrin rahat anlaşılması üçün bütün nəticələr bir cədvəldə xüsusi formada yığılmışdır 

(cədvəl 1). Cədvəldə göründüyü kimi AODV (Adhoc On-demand Distance Vector) və DSR (Dynamic 

Source Routing) marşrutlama protokolları hər iki standartlarda (CSMA və 802.11) əhəmiyyətli miq-

darda fərqli nəticə göstərmişdir. AODV marşrutlama protokolu CSMA istifadəsi zamanı 6% ilə 15% 

arasında dəyişsə də, IEEE 802.11 istifadə olunduqda 50% ilə 54% arasında dəyişməkdədir və bu da 

CSMA ilə müqayisədə ciddi şəkildə müsbət nəticə verdiyini göstərməkdədir. Analoji nəticə DSR 

marşrutlama protokolunda da müşahidə olunmaqdadır. Belə ki, CSMA zamanı 6% ilə 21% arası, IEEE 

802.11 zamanı isə 30% ilə 40% arasında dəyişməklə daha yaxşı  nəticə göstərməkdədir. WRP 

(Wireless Routing Protocol) marşrutlama protokolu isə AODV və DSR protokolları ilə müqayisədə 

hər iki standartda stabil nəticə göstərmişdir (cədvəl 1). Belə ki, həm CSMA həm də IEEE 802.11 

istifadəsi zaman paket çatdırılması dərəcəsi 25% ilə 32% arasında dəyişməkdədir. 

Tədqiqatın nəticəsində aydın olmuşdur ki, marşrutlama protokollarının performans parametrlərinə 

görə təhlili aparıldıqda IEEE təşkilatının dünyaca yayğın və aktiv istifadə olunan 802.11 standartının 

istifadə olunması, məlumat paketlərinin ötürülməsi zamanı CSMA ilə müqayisədə daha yaxşı  və 

IV INTERNATIONAL SCIENTIFIC CONFERENCE OF YOUNG RESEARCHERS 

 

379

 

Qafqaz University                                                                                          29-30 April 2016, Baku, Azerbaijan 

nisbətən sabit nəticə göstərməkdədir. Lakin alınmış  nəticələrin  ən yüksək dərəcəsi 54% olaraq əldə 

edilməsi, mövcud protokolların təkmilləşdirilməsi və yaxud yeni marşrutlama protokollarının hazırlan-

ması ehtiyacını ortaya qoymaqdadır. Gələcək işlərimizdə təkmilləşdirilmiş və ya yeni bir marşrutlama 

protokolunun hazırlanmasını planlaşdırılmışdır.