مدیریت تحرک در شبکه های ویژه متحرک برای بهبود الگوریتم های

مسیریابی

محمود حسنلواستاد راهنما: دکتر علی موقر رحیم آبادی

استاد مشاور: دکتر جعفر حبیبی

CE Department Sharif University of Technology 2 /30

برنامه جلسهشبکه های ویژه متحرکحرکKمدل های ت تاثیر تحرک گره ها بر روی کارایی پروتکل های

مسیریابیمهمترین روش مدیریت تحرکیک روش پیشنهادی

CE Department Sharif University of Technology 3 /30

شبکه های ویژهدKزیر ساختار شبکه ای ندارن گره ها به صورت بی سیم باهم دیگر ارتباط

برقرار می کنند هر گره برای فرستادن یک بسته به گره دیگر

که در برد رادیویی آن نیست از گره های همسایه کمک می گیرد

هر گره به صورت همزمان هم مسیریاب و هممیزبان است

CE Department Sharif University of Technology 4 /30

شبکه های ویژه متحرک اگر در شبکه های ویژه به گره ها اجازه داده شود که

حرکت کنند به شبکه حاصل شبکه ویژه متحرک می گویند

در شبکه های ویژه متحرک برای اعمال الگوریتم هایمسیریابی مطرح در شبکه های ویژه، دچار مشکل

هستیم؟ الگوریتم ها باید برازش داده شوندکار بحث مدیریت تحرک مطرح شده است برای این

CE Department Sharif University of Technology 5 /30

تعریف مساله مساله ای که ما در این پروژه به دنبال یافتن

راه حلی برای آن هستیم، اینست که بتوانیم حرکت گره ها در شبکه های ویژه متحرک را

طوری مدیریت کنیم که تاثیرات منفی این حرکت ها روی کارایی پروتکل های مسیریابی

کمینه شود

CE Department Sharif University of Technology 6 /30

برنامه جلسهشبکه های ویژهحرکKمدل های ت تاثیر تحرک گره ها بر روی کارایی پروتکل های

مسیریابیمهمترین روش مدیریت تحرکیک روش پیشنهادی

CE Department Sharif University of Technology 7 /30

مدل های تحKرکمدل تحرک باید رفتار گره های محرک را با دقت نشان دهد با سرعت ثابت Kخطوط مستقیم و Kمثال: گره ها بر روی

حرکت نمی کنند:انواع مدل های تحرک

هایی هستند که در دنیای واقعی مشاهده مدل های ردیابی: مدل اند شده

تالش می کنند تا نمایش واقع گرایانه ای از مدل های ساختگی : رفتار گره های متحرک بدون استفاده از ردیابی ارائه کنند

:Kتحرک ساختگی Kانواع مدل هایمدل های تحرک موجودیت هامدل های تحرک گروهی

CE Department Sharif University of Technology 8 /30

مدل های تحرک موجودیت هاانواع مدل های تحرک موجودیت ها

مدل تحرک حرکت تصادفی مدل تحرک نقطه مسیر تصادفی مدل تحرک جهت تصادفی مدل تحرک محدوده شبیه سازی بدون مرز مدل تحرک گاوس- مارکوف گونه احتمالی مدل تحرک حرکت تصادفی مدل تحرک قسمتی از شهر

CE Department Sharif University of Technology 9 /30

مدل های تحرک گروهیحرک گروهیKانواع مدل های ت

مدل تحرک تصادفی وابسته نمایی مدل تحرک ستونی مدل تحرک جامعه ایلیاتی روی مدل تحرک دنباله مرجع مدل تحرک گروهی نقطه

CE Department Sharif University of Technology 10 /30

برنامه جلسهشبکه های ویژهحرکKمدل های ت تاثیر تحرک گره ها بر روی کارایی پروتکل های

مسیریابیمهمترین روش مدیریت تحرکیک روش پیشنهادی

CE Department Sharif University of Technology 11 /30

تاثیر تحرک گره ها بر روی کارایی پروتکل های مسیریابی

شبیه سازی یک سناریو با سرعت های مختلف حرکت گرهها

:سناریو50گره در شبیه سازی شرکت داشتند ثانیه 1000زمان شبیه سازی 5 ترافیک CBR و ... ایجاد شد7 به 2، 6 به 1 از گره ثانیه بعد از 50 ثانیه و بقیه هر کدام 400ترافیک اول در زمان

قبلی ایجاد شدندمعیارهای سنجش کارایی

تاخیر انتها به انتهای شبکهنرخ بسته های تحویل شدهنرخ سربار شبکه

CE Department Sharif University of Technology 12 /30

تاثیر تحرک گره ها بر روی کارایی پروتکل های مسیریابی

0

5

10

15

20

25

30

35

0 5 10 15 20 25 30 35 40 45 50

) بیشترینسرعتممکنبرایحرکتگرهها )متربرثانیه

هاسته

لبحوی

رتخیطتا

سمتو

ها گره حرکت سرعت تغییر با ها بسته تحویل تاخیر متوسط تغییرات

CE Department Sharif University of Technology 13 /30

تاثیر تحرک گره ها بر روی کارایی پروتکل های مسیریابی

9009109209309409509609709809901000

0 5 10 15 20 25 30 35 40 45 50

) بیشترینسرعتممکنبرایحرکتگرهها )متربرثانیه

ها

ستهلب

حویخت

نر

ها گره حرکت سرعت تغییر با ها بسته تحویل نرخ تغییرات

CE Department Sharif University of Technology 14 /30

تاثیر تحرک گره ها بر روی کارایی پروتکل های مسیریابی

0102030405060708090100

0 5 10 15 20 25 30 35 40 45 50

) بیشترینسرعتممکنبرایحرکتگرهها )متربرثانیه

سیر

تمس

خوادر

یها

ستهسطب

متوداد

تع

ها گره حرکت سرعت افزایش با شبکه سربار تغییرات

CE Department Sharif University of Technology 15 /30

برنامه جلسهشبکه های ویژهحرکKمدل های ت تاثیر تحرک گره ها بر روی کارایی پروتکل های

مسیریابیمهمترین روش مدیریت تحرکیک روش پیشنهادی

CE Department Sharif University of Technology 16 /30

مهمترین روش کنترل تحرک مهمترین روش کنترل تحرک، پیش بینی حرکت گره ها می

باشد می توانیم توپولوژی احتمالی شبکه در چند لحظه بعد را پیش

بینی کنیم می توانیم ارسال بسته های کنترلی که برای بازسازی مسیر

استفاده می شوند را حذف کرده و بنابراین سربار شبکه را کاهش می دهیم

طبقه بندی کاربردهای پیش بینی تحرکدر دسترس بودن لینک و بهبود مسیریابی قابلیت اعتماد مسیر پیش بینی تقسیم شدن شبکه

CE Department Sharif University of Technology 17 /30

برنامه جلسهشبکه های ویژهحرکKمدل های ت تاثیر تحرک گره ها بر روی کارایی پروتکل های

مسیریابیمهمترین روش مدیریت تحرکیک روش پیشنهادی

CE Department Sharif University of Technology 18 /30

یک روش پیشنهادی روش پیشنهادی ما را می توان در دسته پیش

بینی در دسترس بودن لینک طبقه بندی کرد در اکثر این گونه الگوریتم ها گره ای که بسته را

می فرستد زمان قطع شدن ارتباط بین خود و گره بعد را پیش بینی می کند

کند ای که بسته را دریافت می در روش ما گرهبا استفاده از اطالعاتی که با رسیدن هر بسته

شود، زمان قطع شدن لینک را پیش بروز میبینی می کند

CE Department Sharif University of Technology 19 /30

یک روش پیشنهادیهای مسیریابی این روش روی یکی از الگوریتم

شود اعمال میAODVموجود مثال این روش به سرآیند هر بسته دو فیلد جدید به نام

اضافه می کند x,yهای یک حد پایین و یک حد باال برای فاصله های که گره

ها در آن می توانند بسته های داده ای را ارسال و دریافت نمایند تعریف می شود

متر باشد 200برای مثال اگر برد رادیویی برابر با متر در نظر 170 متر و حد باال را 30حد پایین را

می گیریم

CE Department Sharif University of Technology 20 /30

یک روش پیشنهادی انتقال داده ها در شبکه های ویژه شامل دو فاز

است عمل مسیریابی: به همان شکلی که در AODV

شد انجام خواهد شد انجام می انتقال داده ها: گره منبع قبل از اینکه بسته داده را

به گره بعدی در مسیر انتخاب شده بفرستد آدرس خود را در دو فیلد ذکر شده ذخیره می کند

CE Department Sharif University of Technology 21 /30

یک روش پیشنهادی هر گره به محض دریافت یک بسته داده اعمال زیر را انجام

می دهد: محل گره قبلی را، در جدول مسیر یابی بروز می کند

)برای سادگی می توان فاصله اقلیدسی دو گره را ذخیره کرد(

آدرس خود را در سرآیند بسته کپی کرده و آن را برای گره بعدی می فرستد

حال گره بر حسب فاصله اقلیدسی خود با گره قبلی و باتوجه به حدهای باال و پKایین ارسال، در مورد مسیر

ارتباطی خود با گره های قبل وK بعد از خود تصمیم گیری می کند

CE Department Sharif University of Technology 22 /30

یک روش پیشنهادی

CE Department Sharif University of Technology 23 /30

یک روش پیشنهادی

CE Department Sharif University of Technology 24 /30

یک روش پیشنهادی

CE Department Sharif University of Technology 25 /30

مزایای روش پیشنهادی با کمترین سربار، می توان با دقت زیادی زمان قطع

شدن لینک را پیشK بینی کرد و در کمترین زمان لینک جایگزین را پیدا کرد

حذف گره هایی که زائد موجود در طول مسیر بتوان به Kما فکر می کنیم که با استفاده از این روش

میزان چشم گیری نرخ شکستن لینک ها را کاهش داد و در نتیجه آن سربار شبکه را کاهشK، نرخ تحویل بسته ها را افزایشK و تاخیر انتها به انتهای تحویل بسته ها را

کاهشK، داد

CE Department Sharif University of Technology 26 /30

کارهای آینده یشنهادی و بدست آوردنKشبیه سازی ایده پ

نتایج دقیقمطالعه دیگر روش های مدیریت تحرکارسال مقاله)ها( به کنفرانس هاانجام امور پایان نامه

CE Department Sharif University of Technology 27 /30

مراجع Ilyas M., “THE HANBOOK OF AD HOC WIRELESS

NETWORKS”, CRC Press LLC, 2003 Chiang C., “Wireless Network Multicasting”. PhD thesis,

University of California, Los Angeles, 1998 Davies V., “Evaluating mobility models within an ad

hoc network”. Master’s thesis, Colorado School of Mines, 2000

Argyriou A. and Madisetti V., “Using a new protocol to enhance path reliability and realize load balancing in mobile ad hoc networks”, Elsevier, Ad Hoc Networks, Volume 4, Issue 1, January 2006, Pages 60-74

Camp T., Boleng J., Davies V., “A Survey of Mobility Models for Ad Hoc Network Research”, Communication & Mobile Computing )WCMC(: Special issue on Mobile Ad Hoc Networking: Research, Trends and Applications, vol. 2, no. 5, pp. 483-502, 2002

CE Department Sharif University of Technology 28 /30

مراجع Chellappa Doss R., Jennings A., Shenoy N., “A REVIEW OF CURRENT

MOBILITY PREDICTION TECHNIQUES FOR AD HOC NETWORKS”, Proceedings of the 4th IASTED International Multi-Conference WIRELESS AND OPTICAL COMMUNICATIONS July 8-10, 2004, Banff, Canada

Creixell, W.; Sezaki, K., “Routing Protocol for Mobile AD HOC Networks Using Mobility Prediction”, IEEE, Mobile Technology, Applications and Systems, 2005 2nd International Conference on, 15-17 Nov. 2005 Page)s(:1 – 6

Derhab, A.; Badache, N.; Bouabdallah, A., “A partition prediction algorithm for service replication in mobile ad hoc networks”,Wireless On-demand Network Systems and Services, 2005. WONS 2005. Second Annual Conference on 19-21 Jan. 2005 Page)s(:236 – 245

Hsu C.Y; Wu J.L.C.; Wang S.T, “Finding stable routes in mobile ad hoc networks”, Advanced Information Networking and Applications, 2004. AINA 2004. 18th International Conference on Volume 2,  2004 Page)s(:424 - 427 Vol.2

Jiang S; He D; Rao J, “A prediction-based link availability estimation for routing metrics in MANETs”, Networking, IEEE/ACM Transactions on Volume 13,  Issue 6,  Dec. 2005 Page)s(:1302 – 1312

CE Department Sharif University of Technology 29 /30

مراجع Jiang S., He D. and Rao J., “A Prediction-based Link

Availability Estimation for Mobile Ad Hoc Networks”, Proceedings of IEEE INFOCOM 2001, Anchorage, April 2001

Larkin, H.; Zheng da Wu; Toomey, W., “Performance of Prediction in Wireless Ad Hoc Routing Algorithms”, Networks, 2005. Jointly held with the 2005 IEEE 7th Malaysia International Conference on Communication., 2005 13th IEEE International Conference on Volume 1,  16-18 Nov. 2005 Page)s(:240 – 243

Meghanathan, N., “Comparison of Stable Path Selection Strategies for Mobile Ad Hoc Networks”, Networking, International Conference on Systems and International Conference on Mobile Communications and Learning Technologies, 2006. ICN/ICONS/MCL 2006. International Conference on 23-29 April 2006 Page)s(:67 – 67

Su W., Lee S.J., and Gerla M., “Mobility prediction and routing in ad hoc wireless networks”. INTERNATIONAL JOURNAL OF NETWORK MANAGEMENT Int. J. Network Mgmt 2001; 11:3–30

CE Department Sharif University of Technology 30 /30

مراجع Su W., “Mobility Prediction in

Mobile/Wireless Networks”, PhD thesis, University of California, Los Angeles, 2000

Wang, K.H.; Baochun Li, “Group mobility and partition prediction in wireless ad-hoc networks”, IEEE International Conference on Communications, ICC 2002, New York, April 2002

UCLA Parallel Computing Laboratory, “GloMoSim: Global Mobile Information Systems Simulation Library”, http://pcl.cs.ucla.edu/projects/glomosim/