الگوریتم مسیر یابی بار – آگاه سازگار با شبکه های مش بی سیم چند رابطه An adaptive load-aware routing algorithm for multi-interface wireless mesh networks
- نوع فایل : کتاب
- زبان : فارسی
- ناشر : اسپرینگر Springer
- چاپ و سال / کشور: 2015
توضیحات
رشته های مرتبط: مهندسی فناوری اطلاعات و کامپیوتر، شبکه های کامپیوتری، مهندسی الگوریتم ها و محاسبات
۱٫ مقدمه در پروتکل مسیریابی شبکه های مش بی سیم، طراحی ماتریس مسیریابی و الگوریتم باید الزامات پویایی عملیات در عملکرد چند هدفه را برآورده کند (مانند تاخیر، پهنای باند، کاهش تراکم، کاهش تداخل و تضمین کیفیت QoS). شبکه های رادیویی شناختی (CRNs) به شدت بررسی می شوند. مسیریابی در CRN به دلیل تنوع در کانال های موجود و نرخ داده ها وظیفه ای چالش برانگیز است [۱[.کیفیت لینک های بی سیم تحت تاثیر عوامل بسیاری مانند برخورد، محو شدن و یا سر و صدا از محیط زیست آسیب دیده و یا حتی تحت تاثیر قرار می گیرند [۲[.MANET بی سیم میزبان مجموعه ای از بی سیم سیار است که به طور پویا یک شبکه موقت را بدون زیرساخت ثابت ایجاد می کند. توپولوژی شبکه ممکن است غیر قابل پیش بینی و اغلب تغییر کند [۳[.خدمات قانونی چند منظوره با کیفیت بسیار بالا برای برنامه های کاربردی به تاخیر در شبکه های ناهمگن حساس هستند [[۴ . کلاس شبکه های متوقف کننده تاخیر (DTN)، ممکن است یک یا چند فرض را در ارتباط با ویژگی های کلی عملکرد پیوندهای مهم پایه به منظور دستیابی به عملکرد صحیح، به سرعت در حال رشد را نقض کند، اما ممکن است با مدل پیوسته TCP / IP فعلی کاهش پیدا نکند [۵[. یک رویکرد هوش محاسباتی – الگوریتم یادگیری تقویت (RLA) – برای بهینه سازی مسیریابی در شبکه های انتقال غیر همزمان (ATM) بر اساس استاندارد خصوصی شبکه به شبکه (PNNI) پیشنهاد شده است [۶ [. مسیر صرفه جویی انرژی IP (ESIR)، در شبکه IP استفاده می شود. عملیات ESIR با اولین پروتکل برای کوتاه ترین مسیر باز (OSPF) یکپارچه شده است و به انتخاب پیوندها اجازه خاموش شدن می دهد تا از اثرات منفی روش های بازپرداخت توپولوژی IP جلوگیری کند [۷[. همگرایی جریان داده در گره های دروازه ممکن است باعث عدم توازن بار شود، در نتیجه باعث تراکم، از دست رفتن بسته و سرریز بافر می شود. استراتژی های مسیریابی موجود به تعداد کمی از ماژول های مسیریابی مشترک و قابل تنظیم تجزیه می شود، سپس نشان می دهد که چگونه و چه زمانی یک ماژول مسیریابی داده باید استفاده شود، بسته به مجموعه ای از شبکه ویژگی های نمایش داده شده توسط نرم افزار بی سیم می باشد [۸[. ماهیت لایه-بیشتر مسیریابی بین دامنه نیاز به بررسی کل فرایند مسیریابی برای به حداکثر رساندن عملکرد در هزینه تصمیم گیری کم، یک مورد روشن برای الگوریتم های مبتنی بر منطق فازی دارد [۹[ . کیفیت مسیریابی (QoR) معیوب که همیشه تعادل ناش را دارد. تعادل ناش ، QoR های معیوب، تقریب های چند لگاریتم برای مشکلات بهینه سازی سخت ارائه می کند [[۱۰ . مسیریابی هدفمند و طرح برنامه ریزی (DRSS) برای شبکه های تحمل پذیر تاخیر خودرویی سبز (DTNs) با استفاده از روش یادگیری- Q ناش که می تواند بهره وری انرژی با ملاحظات احتمالی، بافر و تاخیر را بهینه کند [۱۱[. ۲٫ مدلسازی متریک مسیریابی ۲٫۱ مشکل پیشنهادی در شبکه Mesh بیسیم، توازن بار برای استفاده کارآمد ظرفیت شبکه و بهبود توان شبکه با اهمیت است. عدم توازن بار شبکه مشکلات اصلی زیر خواهد داشت: (۱) رله موجب کاهش ظرفیت شبکه می شود (۲) در نزدیکی منطقه دروازه به راحتی باعث تراکم می شود. (۳) گره باریک بر کل اتصال شبکه تاثیر می گذارد. بنابراین، توازن بار شبکه یک عامل کلیدی برای بهبود عملکرد مسیریابی است. توازن بار در شبکه های مش بی سیم از شبکه های بی سیم سنتی متفاوت است، مکانیسم توازن بار برای شبکه های بی سیم Ad hoc مناسب گره های پویای است و مکانیزم گره های شبکه حسگر بی سیم، محدودیت های ظرفیت انرژی و محاسبات را در نظر گرفته است. نسبت به توپولوژی نسبتا پایدار شبکه و ویژگی های کمتر تلفن همراه در شبکه های بی سیم مش مکانیزم متعادل کننده بار موجود مناسب نیست، لازم است الگوریتم توازن بار کارآمد را برای رسیدن به عملکرد مطلوب شبکه برای شبکه مش بی سیم طراحی شود. در این مقاله، هدف نهایی حل لینک متریک مسیریابی آگاه بار و یک الگوریتم مسیریابی تقاضای توازن بار دینامیک سازگار است که برای به حداکثر رساندن استفاده از کانال، توازن ترافیک شبکه و دستیابی به هزینه پایین مسیریابی است.
۱٫ مقدمه در پروتکل مسیریابی شبکه های مش بی سیم، طراحی ماتریس مسیریابی و الگوریتم باید الزامات پویایی عملیات در عملکرد چند هدفه را برآورده کند (مانند تاخیر، پهنای باند، کاهش تراکم، کاهش تداخل و تضمین کیفیت QoS). شبکه های رادیویی شناختی (CRNs) به شدت بررسی می شوند. مسیریابی در CRN به دلیل تنوع در کانال های موجود و نرخ داده ها وظیفه ای چالش برانگیز است [۱[.کیفیت لینک های بی سیم تحت تاثیر عوامل بسیاری مانند برخورد، محو شدن و یا سر و صدا از محیط زیست آسیب دیده و یا حتی تحت تاثیر قرار می گیرند [۲[.MANET بی سیم میزبان مجموعه ای از بی سیم سیار است که به طور پویا یک شبکه موقت را بدون زیرساخت ثابت ایجاد می کند. توپولوژی شبکه ممکن است غیر قابل پیش بینی و اغلب تغییر کند [۳[.خدمات قانونی چند منظوره با کیفیت بسیار بالا برای برنامه های کاربردی به تاخیر در شبکه های ناهمگن حساس هستند [[۴ . کلاس شبکه های متوقف کننده تاخیر (DTN)، ممکن است یک یا چند فرض را در ارتباط با ویژگی های کلی عملکرد پیوندهای مهم پایه به منظور دستیابی به عملکرد صحیح، به سرعت در حال رشد را نقض کند، اما ممکن است با مدل پیوسته TCP / IP فعلی کاهش پیدا نکند [۵[. یک رویکرد هوش محاسباتی – الگوریتم یادگیری تقویت (RLA) – برای بهینه سازی مسیریابی در شبکه های انتقال غیر همزمان (ATM) بر اساس استاندارد خصوصی شبکه به شبکه (PNNI) پیشنهاد شده است [۶ [. مسیر صرفه جویی انرژی IP (ESIR)، در شبکه IP استفاده می شود. عملیات ESIR با اولین پروتکل برای کوتاه ترین مسیر باز (OSPF) یکپارچه شده است و به انتخاب پیوندها اجازه خاموش شدن می دهد تا از اثرات منفی روش های بازپرداخت توپولوژی IP جلوگیری کند [۷[. همگرایی جریان داده در گره های دروازه ممکن است باعث عدم توازن بار شود، در نتیجه باعث تراکم، از دست رفتن بسته و سرریز بافر می شود. استراتژی های مسیریابی موجود به تعداد کمی از ماژول های مسیریابی مشترک و قابل تنظیم تجزیه می شود، سپس نشان می دهد که چگونه و چه زمانی یک ماژول مسیریابی داده باید استفاده شود، بسته به مجموعه ای از شبکه ویژگی های نمایش داده شده توسط نرم افزار بی سیم می باشد [۸[. ماهیت لایه-بیشتر مسیریابی بین دامنه نیاز به بررسی کل فرایند مسیریابی برای به حداکثر رساندن عملکرد در هزینه تصمیم گیری کم، یک مورد روشن برای الگوریتم های مبتنی بر منطق فازی دارد [۹[ . کیفیت مسیریابی (QoR) معیوب که همیشه تعادل ناش را دارد. تعادل ناش ، QoR های معیوب، تقریب های چند لگاریتم برای مشکلات بهینه سازی سخت ارائه می کند [[۱۰ . مسیریابی هدفمند و طرح برنامه ریزی (DRSS) برای شبکه های تحمل پذیر تاخیر خودرویی سبز (DTNs) با استفاده از روش یادگیری- Q ناش که می تواند بهره وری انرژی با ملاحظات احتمالی، بافر و تاخیر را بهینه کند [۱۱[. ۲٫ مدلسازی متریک مسیریابی ۲٫۱ مشکل پیشنهادی در شبکه Mesh بیسیم، توازن بار برای استفاده کارآمد ظرفیت شبکه و بهبود توان شبکه با اهمیت است. عدم توازن بار شبکه مشکلات اصلی زیر خواهد داشت: (۱) رله موجب کاهش ظرفیت شبکه می شود (۲) در نزدیکی منطقه دروازه به راحتی باعث تراکم می شود. (۳) گره باریک بر کل اتصال شبکه تاثیر می گذارد. بنابراین، توازن بار شبکه یک عامل کلیدی برای بهبود عملکرد مسیریابی است. توازن بار در شبکه های مش بی سیم از شبکه های بی سیم سنتی متفاوت است، مکانیسم توازن بار برای شبکه های بی سیم Ad hoc مناسب گره های پویای است و مکانیزم گره های شبکه حسگر بی سیم، محدودیت های ظرفیت انرژی و محاسبات را در نظر گرفته است. نسبت به توپولوژی نسبتا پایدار شبکه و ویژگی های کمتر تلفن همراه در شبکه های بی سیم مش مکانیزم متعادل کننده بار موجود مناسب نیست، لازم است الگوریتم توازن بار کارآمد را برای رسیدن به عملکرد مطلوب شبکه برای شبکه مش بی سیم طراحی شود. در این مقاله، هدف نهایی حل لینک متریک مسیریابی آگاه بار و یک الگوریتم مسیریابی تقاضای توازن بار دینامیک سازگار است که برای به حداکثر رساندن استفاده از کانال، توازن ترافیک شبکه و دستیابی به هزینه پایین مسیریابی است.
Description
In the routing protocol of Wireless mesh networks, the design of routing metric and algorithm must satisfy the dynamic requirements of operations on the multi-objective performance (such as delay, bandwidth, reduce congestion, reduce interference, and QoS guarantees). Cognitive Radio Networks (CRNs) are being studied intensively. Routing in CRN is a challenging task due the diversity in the available channels and data rates [1]. The quality of wireless links would be affected or even jeopardized by many factors like collisions, fading or the noise of environment [2]. A wireless MANET is a collection of wireless mobile hosts that dynamically create a temporary network without a fixed infrastructure. The topology of the network may change unpredictably and frequently [3]. High quality multimedia forensics service is increasingly critical for delay-sensitive applications over heterogeneous networks [4]. A class of Delay Tolerant Networks (DTN), which may violate one or more of the assumptions regarding the overall performance characteristics of the underlying links in order to achieve smooth operation, is rapidly growing in importance but may not be well served by the current end-to-end TCP/IP model [5]. a computational intelligence approach -a reinforcement learning algorithm (RLA)-for optimizing the routing in asynchronous transfer mode (ATM) networks based on the private network-to-network interface (PNNI) standard is proposed [6]. Energy Saving IP Routing (ESIR), to be applied in an IP network. ESIR operation is integrated with Open Shorthest Path First (OSPF) protocol and allows the selection of the links to be switched off so that the negative effects of the IP topology reconfiguration procedures are avoided [7]. Dataflow convergence on gateway nodes may cause load imbalance, thereby causing congestion, packet loss and buffer overflow. Breaking up existing routing strategies into a small number of common and tunable routing modules, and then show how and when a given routing module should be used, depending on the set of network characteristics exhibited by the wireless application [8]. The higher-layer nature of inter-domain routing requires reviewing the whole routing process in order to maximize performance at low decision making cost, a clear case for fuzzy set logic-based algorithms [9]. Quality of routing (QoR) games which always have Nash equilibria. Nash equilibria of QoR games give poly-log approximations to hard optimization problems [10]. The directional routing and scheduling scheme (DRSS) for green vehicle delay tolerant networks (DTNs) by using Nash Q-learning approach that can optimize the energy efficiency with the considerations of congestion, buffer and delay [11].
