新的特设网络按需路由协议

Marghny H.Mohamed¹马哈茂德。一个Mofaddel¹,Hamdy。H El-Sayed¹
计算机科学部门,计算机与信息学院,Assiut大学埃及。2数学部门。,理学院,索哈杰省大学埃及。

文摘

自组网是一个动态的移动节点的集合形成一个临时网络不使用任何现有的基础设施或集中管理。建立这样一个网络带来了许多技术挑战如路由、能耗、负载平衡和安全性。路由在移动自组网(manet)变得越来越复杂的问题尤其是在一定的服务质量(QOS)需求要满足。在本文中,我们解决这个问题在移动自组网的路由自组网的特点。我们专注于两个跳数和路径距离参数变化与拓扑等一些自组网的特点特征变化,邻居节点的平均数量,数量的节点和传输范围。不同的拓扑比较像圆,正方形和矩形。我们的结果相比,这些特征的影响在特别的按需距离矢量(AODV)和我们的算法Bee-Dijkstra算法(BDA)。两个路径跳数在汇业银行和AODV路由和改变的CTR(关键传输范围),这导致我们CTR明显影响网络连接和路径路由。

介绍

ad hoc网络不依赖于任何预定义的基础设施,因此可以部署在没有基础设施的地方。这是有用的在灾难恢复的情况下,不存在的或损坏的地方通信基础设施的快速部署,沟通是必要的。形成自组网中所有用户想要相互沟通意味着所有用户参与自组网必须愿意转发数据包,以确保交付的数据包从源到目的地。因为每个其他节点转发数据包,某种路由协议的路由决策是必要的。目前存在一些特设网络的路由协议,标准和工作仍在进行中。许多问题仍然需要解决之前任何标准可以确定和应用工业[1]。人工蜂群(ABC)算法是一种最最近推出了群算法。美国广播公司(ABC)模拟了聪明的蜜蜂群的觅食行为。总裁Karaboga和Bahriye Akay [2] ABC用于优化一套大型的数值测试函数和ABC算法产生的结果与遗传算法获得的结果相比,粒子群优化算法和差异进化算法和策略。结果表明,美国广播公司(ABC)的性能优于或类似的其他人群为基础的算法,使用更少的控制参数的优势。

在本文中,我们提出一种新的优化算法。我们专注于拓扑形状的影响和传播范围对活性的影响ad hoc网络路由算法。许多特征像邻居节点的平均数量,特设网络,传播面积和节点密度。拓扑圆和正方形形状变化的影响在两个不同的算法特别按需距离矢量(AODV)和Bee-Dijkstra算法(BDA)进行了研究。我们使用新特性比较喜欢跳数和路径通过圆形自组网成本参数。

CTR(关键传输范围)的最小传输范围,产生一个连接通信图和可能导致节省的能量网络设备。如果CTR小于最小值,那么图将断开连接。如果传输范围增加,路径可能不同于CTR的路径和图将强大的连接状态。道路路线改变BDA的和AODV通过改变CTR的点击率,这让我们有明确的影响网络连接和路径路由。

剩下的纸是组织如下。第二节看着群体智慧。第三节提出了一种新的优化算法Bee-Dijkstra算法。第四部分提出了实验结果。第五节。总结结果。

群体智慧

群体智慧已成为兴趣近年来许多研究相关领域的科学家们。拿等[3]定义了群体智慧为“任何试图设计算法或分布式解决问题的设备受到社会性昆虫群落的集体行为和其他动物社会”。拿等[3]集中的观点在社会白蚁等昆虫蜜蜂,黄蜂以及其他不同的蚂蚁。然而,这个词群以通用的方式用于指任何限制互动代理或个体的集合。经典的例子,一群蜜蜂围着他们的蜂巢;不过这个比喻可以很容易地扩展到其他系统与类似的架构。同样一群飞鸟是一群小鸟。免疫系统[4]是一群细胞和分子以及一群一群人[5]。粒子群优化(PSO)[6]假定强大的算法特别是蜜蜂群算法广泛应用于ad hoc网络。

蜜蜂群算法[7]是一种群体智能优化算法受蜜蜂觅食。它是一种新的优化算法对多变量和多模式连续函数优化。[8 9 10]。ABC算法分类人工蜜蜂觅食分成三组即采用蜜蜂,旁观者蜜蜂和童子军。上半年殖民地由蜜蜂蜜蜂和下半年由旁观者。对于每个食物来源,只有一个蜜蜂和废弃的食物来源的雇佣蜂变得侦察。在ABC算法中,每个解决方案被认为是食物来源和由采用实值向量,而健身相关的解决方案对应于花蜜的食物资源。ABC算法也类似于其他基于群体智能方法即。,这也是一个迭代的过程[11]。它开始与人口的随机分布的解决方案或食物来源。下面的步骤是重复直到满足终止准则。

a。计算采用蜜蜂花蜜量通过发送食物来源。

b。从使用共享信息后蜜蜂选择食物来源的旁观者和.determine花蜜的食物来源。

c。确定蜂群和发送他们找到新的食物来源。

ABC算法的伪代码

用随机初始化人口的解决方案。

b .重复

把蜜蜂放在他们的食物来源

d .把蜜蜂放在他们的食物来源取决于花蜜量。

e .派巡防队发现新的食物来源的搜索区域。

f。记住到目前为止所发现的最好的食物来源

g。直到满足要求。

重新下一个想法发展蜜蜂蜂群算法的混合蚁群算法与迪杰斯特拉算法。

拟议中的蜜蜂dijkstra算法(BDA)

提出bee-dijkstra算法使用迪杰斯特拉算法在源路由中扮演着重要角色,在寻找最佳路由中扮演一个重要的角色在manet路由的性能[12]。本文提出了一种新的优化算法,利用蜜蜂行为食品锻造使用的函数处理引擎。该算法是基于蜂群算法和迪杰斯特拉算法的方法相结合。该算法从侦察蜂被随机放置在搜索空间。

Bee-Dijkstra算法是:

答:初始化种群

蜜蜂在蜂巢

c .蜜蜂随机寻找食物

d .蜜蜂回到蜂巢

e .蜜蜂摇摆舞的开始

f .确定距离蜂巢食品使用dijkstra算法来计算最短的距离(短路线)从蜂箱到食物

g .蜂巢使用这个路径(路径)发送的蜜蜂的食物而不使用指南或地图。

h .结束

Bee-Dijkstra算法中的参数是食物来源的数量等于雇佣或旁观者蜜蜂殖民地的数量大小,蜜蜂的工作率和周期的数量或数量的迭代(m cn)要求终止程序[13]。

图1显示了蜜蜂dijkstra算法的流程图实现最短路径的优化。在初始化阶段,控制参数设置如菌落大小、迭代次数(m cn)和蜜蜂的工作率。下一阶段的流程图给出作为输入要访问的位置。然后使用迪杰斯特拉算法获得的路径。蜜蜂和蜂群的路径重置使用这个路径和蜜蜂工作是更新的数量。优化循环终止当迭代完成的数量和最佳路径和成本。

实验结果

实验关注回族李和于丹模型[14]和扩展[15]和[16]调查特设网络的两个重要属性,邻居节点和节点数的平均值。移动节点的覆盖形状完美的圆。这个形状完全传输领域可以从下面的计算方程。

通过这个方程我们可以计算这个圆的半径R形状如下

我们专注于拓扑形状的影响和传播范围对活性的影响ad hoc网络路由算法。的特征像传输范围,特设网络,传播面积和节点密度。改变拓扑圆形状的影响在两个不同的算法特别按需距离矢量(AODV)和Bee-Dijkstra算法(BDA)进行了研究。我们比较使用跳数和路径通过圆形自组网成本参数。

CTR(关键传输范围)的最小传输范围,产生一个连接通信图和可能导致节省的能量网络设备。如果CTR小于最小值,那么图将断开连接。如果传输范围增加,路径可能不同于CTR的路径和图将强大的连接状态。

特设网络性能评估:

网络与10节点二维最小传输范围(CTR R = 4.5)。网络将可能的连接。BDA CTR AODV和该算法的路由网络测试的:

在汇业银行状态:

当CTR等于4.5网络中的10节点的路径从节点1到10节点1 - 2 - 6 - 8 - 10,跳数是4和路径的距离是14.5708。

后增加了传播范围(R = 6.5)的道路变成了1 - 4 - 9 - 10和网络被认为是强有力的联系。跳数是3和路径的距离是12.6056

在AODV状态:

当CTR等于4.5网络中的10节点。从节点1到10节点的路径1 - 2——3 - 4 7 - 9 -10年和跳数是6网络连接和路径的距离是20.6588。当传输范围增加(R = 6.5)的道路网络中就变成了1 - 2 - 3 - 4 - 9 - 8 -10跳数是6和路径的距离是25.6927。

两个路径跳数在汇业银行和AODV路由和改变了CTR的点击率,这使我们有明确的影响网络连接和路径路由。

圆的面积:

我们的实验结果检查等特点的影响节点的数量,平均数量的节点,传播范围和网络拓扑形状圆的面积。然后,这些特征的变化等一些参数希望数和路径距离评估。在Matlab仿真实现[17]。拓扑变化的圆形区域,平均数量的邻居节点和节点密度()的节点数量改变跳数和路径距离是影响测试。

广场面积:

我们的实验结果检查等特点的影响节点的数量,平均的节点数量,广场一带传播范围和网络拓扑形状。然后,这些特征的变化等一些参数希望数和路径距离评估。在Matlab仿真实现[17]。拓扑变化正方形区域,平均数量的邻居节点(节点数)和节点密度变化影响跳数和路径距离进行测试。

矩形面积:

我们的实验结果检查等特点的影响节点的数量,平均的节点数量,传播范围和网络区域的矩形拓扑形状。然后,这些特征的变化等一些参数希望数和路径距离评估。在Matlab仿真实现[17]。变化的拓扑矩形区域,平均数量的邻居节点(节点数)和节点密度变化影响跳数和路径距离进行测试。

结果讨论与分析:

本文新参数节点密度、平均数量的邻居节点和拓扑变化对跳数和路径距离改变网络的传播面积和面积进行了研究。最小跳数和最小路径的成本计算临时按需距离矢量(AODV)和Bee-Dijkstra算法(BDA)被显示在表1,2,3,4,5,6,7,8和9。结果显示在前面的表。

第一个圆内拓扑形状图(a)和(b)汇业银行比AODV更准确。图描绘了(a)汇业银行更有效率比AODV BDA (b)比AODV更稳定。图4表明,BDA (a)更准确比AODV BDA (b)比AODV更稳定。我们可以得出结论,汇业银行提供了更好的性能比AODV圆形状。

第二正方形图5 (a)和(b)显示,汇业银行比AODV的跳数和路径成本最低。图6 (a)和(b)解释邻居节点跳数的平均数和路径成本分别也解释说,汇业银行比AODV的跳数和路径成本最低。图7描述了比AODV,汇业银行更有效(a)和(b)汇业银行已最小跳数和路径的成本。又从以前的结果我们可以得出结论,汇业银行提供了更好的性能比AODV广场的形状。

第三个矩形图8描述了,汇业银行已最小跳数和路径成本比AODV分别在(a)和(b)。图9显示,汇业银行比AODV更准确(a)和(b)。图10跳数和路径的节点数量变化对成本(a)和(b)分别汇业银行比AODV更有效率。从这些结果汇业银行比AODV的性能。

结论

加上马奈的出现,需要新的路由方法因为马奈在本质上是高度动态的和分布式的。本文考察其中的一些问题,提出了一种新的优化算法。拓扑形状的影响和传播范围对活性的影响ad hoc网络路由算法进行了讨论。的特征像传输范围,特设网络,传播面积和节点密度。拓扑圆和正方形形状变化的影响在两个不同的算法特别的按需距离矢量(AODV)和Bee-Dijkstra算法(BDA)进行了研究。我们比较使用跳数和路径参数通过圆和正方形形状自组网成本。这项工作比AODV的结论是,汇业银行更好的性能。未来的工作在于将信号强度等因素纳入这些算法的路由算法将适应动态拓扑。

引用

艾哈迈德·M·Abd Elmoniem Hosny M·易卜拉欣Marghny h·穆罕默德,任Hedar:“移动ad hoc网络路由优化基于蚁群算法”,M。Sc提交给计算机与信息学院,计算机科学系,埃及Assiut大学(2012)。
总裁Karaboga, Bahriye Akay:“人工蜂群算法的比较研究”,应用数学和计算214 (2009)108 - 132。
e .拿m .民宿,g .特洛拉兹:“群体智慧:从自然到人工系统”,纽约,纽约:牛津大学出版社,1999年。
L.N.德卡斯特罗和F.J.冯Zuben:“人工免疫系统。第一部分基本理论和应用程序”,技术报告没有。Rt Dca 01/99,进行/由巴西、1999年。
j . Vesterstrøm j . Riget:“为改进粒子群扩展本地、综合和动态搜索在数值优化”,MSc。论文,2002年5月。
j·肯尼迪和进行r·c·埃伯哈特:“粒子群优化”,1995年《IEEE国际会议上神经网络”,4卷,第1948 - 1942页,1995年。
Ajith亚伯拉罕,拉维·库马尔Jatoth和a . Rajasekhar:“混合微分人工蜂群算法”计算和理论纳米科学杂志》9卷,2012年1 - 9。
d . Karaboga:“一个想法基于蜜蜂群数值优化”,技术报告,TR-06 ErciyesUniversity工程学院、计算机工程系(2005)。
d . Karaboga和b Basturk:“一个强大的和有效的数值函数优化算法:人工蜂群(ABC)算法,全局优化学报,激飞荷兰、39卷,第471 - 459页,(2007)。
d . Karaboga和b . Basturk人工蜂群(ABC)优化算法求解约束优化问题,信号:先进的软计算:模糊Logicand软计算的基础,斯普林格出版社,IFSA,页789 - 798,(2007 b)。
Ajith亚伯拉罕,和a . Rajasekhar:拉维•库马尔Jatoth混合微分人工蜂群算法,计算和理论纳米科学杂志》9卷,2012年1 - 9。
回堵Pankajavalli和N。Arumugam:“DADSR:马奈的增强的动态源路由算法基于蚂蚁和蜜蜂殖民地优化”,欧洲的科学研究杂志》上,ISSN 1450 - 216 x Vol.53 4号,2011。
Ashita年代。Bhagade Parag.V。Puranik:“人工蜂群(ABC)算法的车辆路径优化问题”,国际期刊的软计算和工程(IJSCE),第2卷,问题2,2012年5月。
H.Li D。余:“邻居节点属性的统计研究ad hoc网络”,Proc Int.Conf、并行加工车间(IEEE ICPPW ' 02), 2002年。
B。Ishibashi R。Botaba:“移动ad hoc网络拓扑和流动性的考虑”,处理临时网络3、pp.762 - 776, 2005。
AAA.Radwan,电子艺界Zanaty和H。H El-Sayed: “A Study of Neighbour Node Effects on Topology and Mobility in Ad Hoc Network“. Annual Conference on Statistical Computer Science and Operation Research, Cairo, Egypt, December 2007.
Mathworks MATLAB (7.11.0 (R2010b)), http://www.mathworks.com