Метод маршрутизации трафика в трехмерной сети Интернета вещей высокой плотности с применением серого реляционного анализа

Обложка

Цитировать

Полный текст

Аннотация

Постановка задачи: эволюция инфокоммуникационной системы сопровождается развитием технологий и услуг связи. Общие тенденции этого процесса выражаются в трех основных направлениях: повышении пропускной способности, уменьшении задержки доставки данных и массовых коммуникациях. Последнее характеризуется развитием Интернета вещей (ИВ). Сети ИВ строятся с использованием различных технологий. Большое количество подключенных устройств требует применения новых подходов к моделированию и методов построения и управления такими сетями. Для моделирования сетей с высокой плотностью устройств часто недостаточно применения плоских моделей, а приходится прибегать к построению моделей в трехмерном пространстве. Для функционирования сетей с большим количеством узлов необходимы эффективные методы выбора их структуры, такие как выбор головных узлов, кластеризация и выбор маршрутов доставки трафика. Задача маршрутизации является классической задачей построения логической структуры сети связи, однако в условиях сетей высокой плотности необходимо использовать дополнительные возможности повышения эффективности ее решения. Классические методы и алгоритмы маршрутизации оперируют, как правило, одним критерием выбора, что может оказаться не эффективным решением в таких условиях. В беспроводных сетях ИВ высокой плотности необходимо учитывать большее количество параметров, так как качество маршрута в них зависит от многих факторов. Таким образом, для повышения эффективности сетей ИВ актуальна разработка метода маршрутизации по ряду критериев. Этой задаче и посвящена настоящая работа. Целью работы является разработка метода многокритериальной маршрутизации трафика в сети ИВ высокой плотности. Для достижения цели в работе предлагается подход к использованию серого реляционного анализа, позволяющего эффективно решать задачу многокритериальной оптимизации маршрута, в том числе при малом объеме исходных данных. Объектом исследования является сеть Интернета вещей высокой плотности. Предметом исследования является метод многокритериальной маршрутизации, реализованный с использованием серого реляционного анализа. Результаты имитационного моделирования показали эффективность предложенного метода по сравнению с методами однокритериального выбора маршрутов. Используемым методом является метод серого реляционного анализа, позволяющего решать задачи многокритериальной оптимизации. Новизна работы заключается в предложенном методе применения серого реляционного анализа для решения многокритериальной задачи маршрутизации в сети ИВ высокой плотности. Результатом работы является метод применения серого реляционного анализа в задаче многокритериальной маршрутизации трафика в сети ИВ высокой плотности. Теоретическая/Практическая значимость. Теоретическая значимость полученных результатов состоит в описании нового метода применения серого реляционного анализа в задаче маршрутизации и подтверждении результатами имитационного моделирования его эффективности. Практическая значимость состоит в том, что данный метод может быть использован в протоколах маршрутизации трафика в сетях ИВ высокой плотности.

Об авторах

А. В. Марочкина

Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича

Email: anastasiy1996@mail.ru
ORCID iD: 0000-0001-6446-2237

А. И. Парамонов

Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича

Email: alex-in-spb@yandex.ru
ORCID iD: 0000-0002-4104-3504

Список литературы

  1. Кучерявый А.Е. Интернет вещей // Электросвязь. 2013. № 1. С. 21‒24.
  2. Кучерявый А.Е., Парамонов А.И., Маколкина М.А., Мутханна А.С.А., Выборнова А.И., Дунайцев Р.А. и др. Трехмерные многослойные гетерогенные сверхплотные сети // Информационные технологии и телекоммуникации. 2022. Т. 10. № 3. С. 1‒12. doi: 10.31854/2307-1303-2021-10- 3-1-12
  3. Марочкина А.В. Моделирование и кластеризация трехмерной сети интернета вещей с применением метода оценки фрактальной размерности // Электросвязь. 2023. № 6. С. 60‒66. doi: 10.34832/ELSV.2023.43.6.008
  4. Олифер В.Г., Олифер Н.А. Компьютерные сети. Принципы, технологии, протоколы. СПб.: Питер, 2016. 992 с.
  5. RFC 3626. Optimized Link State Routing Protocol (OLSR). Network Working Group. October, 2003.
  6. RFC 3561. Ad hoc On-Demand Distance Vector (AODV) Routing. Network Working Group. July, 2003.
  7. Бушеленков С.Н., Парамонов А.И. Анализ и формирование структуры сети интернета вещей на основе моделей решеток // Электросвязь. 2021. № 7. С. 23‒28. doi: 10.34832/ELSV.2021.20.7.002
  8. Jacquet P., Muhlethaler P., Clausen T., Laouiti A., Qayyum A., Viennot L. Optimized link state routing protocol for ad hoc networks // Proceedings of the IEEE International Multi Topic Conference on Technology for the 21st Century (IEEE INMIC 2001, Lahore, Pakistan, 30 December 2001). IEEE Press, 2001. PP. 62‒68. doi: 10.1109/INMIC.2001.995315
  9. Zhiwei Y., Michael E., Thomas B., Joost K. Multicriteria Inventory Routing by Cooperative Swarms and Evolutionary Algorithms // Proceedings of the International Work-Conference on the Interplay Between Natural and Artificial Computation (IWINAC 2015, Elche, Spain, 1‒5 June 2015). Lecture Notes in Computer Science. Vol. 9108. Cham: Springer, 2015. PP. 127‒137. doi: 10.1007/978-3-319-18833-1_14
  10. Tilwari V., Maheswar R., Jayarajan P., Sundararajan T.V.P., Hindia M.H.D.N., Dimyati K., et al. MCLMR: A Multicriteria Based Multipath Routing in the Mobile Ad Hoc Networks // Wireless Personal Communications. 2020. Vol. 112. Iss. 1. PP. 2461–2483. doi: 10.1007/s11277-020-07159-8
  11. Берж К. Теория графов и ее приложения. М.: ИЛ, 1962. 320 c.
  12. Кристофидес Н. Теория графов. Алгоритмический подход. М.: Мир, 1978. 432 с.
  13. Liu S., Yang Y., Forrest J.Y.-L.·Grey Systems Analysis: Methods, Models and Applications. Singapore: Springer, 2022. doi: 10.1007/978-981-19-6160-1
  14. Patil A.N., Walke G., Mahesh G. Grey Relation Analysis Methodology and its Application // Research Review. 2019. Vol. 4. Iss. 2. PP. 409‒411. doi: 10.5281/zenodo.2578088
  15. Yang W., Wu Y. A Novel TOPSIS Method Based on Improved Grey Relational Analysis for Multiattribute Decision-Making Problem // Mathematical Problems in Engineering. 2019. Vol. 2019. Article ID 8761681. doi: 10.1155/2019/8761681
  16. Hsiao S.-W., Lin H.-H., Ko Y.-C. Application of Grey Relational Analysis to Decision-Making during Product Development // Eurasia Journal of Mathematics, Science and Technology Education. 2017. Vol. 13. Iss. 6. PP. 2581‒2600. doi: 10.12973/eurasia.2017.01242a
  17. Кремер Н.Ш. Теория вероятностей и математическая статистика. М.: Издательство Юрайт, 2023. 538 с.


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах