اگر رابطه ۴- ۲ برقرار باشد، نقطهی p در موقعیت (x_p, y_p, z_p) پوشش داده شده در نظر گرفته میشود.

۴-۳-۲- میانگین مسافت طی شده^[۶۶] (ADT)
یک معیار ارزیابی عملکرد در این مسئله، میانگین مسافت طی شده (ADT)گرهها میباشد. [۵۱]. حرکت انرژی زیادی مصرف میکند. کاهش مسافت طی شده در گرهها میتواند طول عمر شبکه را افزایش دهد. فرض کنید کل مسافت طی شده توسط گره تا زمان t باشد. میانگین مسافت طی شده N گره تا زمان t از رابطه ۴- ۳ به دست میآید. همانطور که مشخص است هرچه مقدار ADT کمتر باشد، بهتر است.

۴-۳-۳- میانگین درجه ی همسایگی^[۶۷] (AND)
معیار دیگری که در این پایان نامه استفاده شده است میانگین درجه همسایگی گرهها است. همانطور که ذکر شد درجهی گرهها در محیط باید محدود باشد. همچنین استفاده از درجه همسایگی پایینتر میزان تداخلات را کاهش میدهد. در ادامه نشان داده شده که با محدود ساختن درجهی گرهها به پوشش بیشتری در محیط نیز دست خواهیم یافت. پس میانگین درجهی همسایگی یک معیار ارزیابی مهم محسوب میشود.
۴-۳-۴- زمان استقرار^[۶۸] (DT)
زمان سپری شده از قرارگیری اولیهی AUVها در محیط ناشناخته تا زمانی که تمامی گرهها در مکان خود ثابت شوند، زمان استقرار نام دارد. این معیاردر موقعیتهایی مانند کاربردهای نظامی، که سرعت عمل گرهها ضروری است، حائز اهمیت بسیاری است.
۴-۴- نتایج کنترل توپولوژی با هدف پوشش سراسری
در این بخش به بررسی و ارزیابی نتایج کنترل توپولوژی با هدف پوشش سراسری خواهیم پرداخت. در ابتدا با آزمایشی سعی داریم برای یک محیط با اندازه مشخص و AUVهایی با شعاع ارتباطی معین، تعداد AUV لازم برای رسیدن به پوشش مناسب در محیط را به دست آوریم. سپس در شرایط محیطی یکسان (اندازه محیط، شعاع ارتباطی و تعداد گرهها) یک آزمایش در دو حالت کنترل و عدم کنترل درجه همسایگی صورت گرفته است. در آزمایشات سوم و چهارم تاثیر از کار افتادن چند AUV و وجود خطای مکانیابی در AUVها مورد بررسی قرار داده است. در آزمایش پنجم سعی داریم با اصلاحاتی در الگوریتم آن را کمی بهبود دهیم و نتایج را مورد بررسی قرار دهیم. در انتها روش های ارائه شده را با روش معرفی شده در [۴۵] مقایسه خواهیم نمود. قبل از بیان آزمایشات لازم به ذکر است تمامی آزمایشات در این فصل از جدول ۴-۱برای پارامترهای الگوریتم ژنتیک استفاده مینمایند. در فصل گذشته تمامی این پارامترها توصیف شده است.
جدول ۴-۱- پارامترهای مورد نیاز در الگوریتم ژنتیک