[論文レビュー] Comparison of Genetic Algorithm and Simulated Annealing Technique for Optimal Path Selection In Network Routing

T. R. Gopalakrishnan Nair, Kavitha Sooda|arXiv (Cornell University)|Jan 22, 2010

Network Traffic and Congestion Control参考文献 17被引用数 8

ひとこと要約

本稿では、帯域幅、遅延、ジタ、損失の4つのQoSパラメータを用いて、ネットワークルーティングにおける最適パス選択のための遺伝的アルゴリズム（GA）とシミュレーテッドアニーリング（SA）の比較研究を提案する。マルチポイントクロスオーバーと変異を用いるGAアプローチは、ランダム選択に依存するSAと比較して、より高速かつ信頼性の高い収束を示し、最短パスに到達する。一方、SAは反復回数の増加に対しても一貫した改善を示さない。

ABSTRACT

This paper addresses the path selection problem from a known sender to the receiver. The proposed work shows path selection using genetic algorithm(GA)and simulated annealing (SA) approaches. In genetic algorithm approach, the multi point crossover and mutation helps in determining the optimal path and also alternate path if required. The input to both the algorithms is a learnt module which is a part of the cognitive router that takes care of four QoS parameters.The aim of the approach is to maximize the bandwidth along the forward channels and minimize the route length. The population size is considered as the N nodes participating in the network scenario, which will be limited to a known size of topology. The simulated results show that, by using genetic algorithm approach, the probability of shortest path convergence is higher as the number of iteration goes up whereas in simulated annealing the number of iterations had no influence to attain better results as it acts on random principle of selection.

研究の動機と目的

• 動的QoS制約下におけるネットワークルーティングにおける最適パス選択の課題に対処すること。
• 複数のQoSパラメータを用いた最短パスの特定において、遺伝的アルゴリズム（GA）とシミュレーテッドアニーリング（SA）の性能を評価・比較すること。
• 帯域幅の可用性を優先し、ルート長を最小限に抑えることでネットワーク性能を向上させること。
• 認知ルーティングメカニズムがヒューリスティック最適化技術を用いて効果的に機能することを示すこと。

提案手法

• パスの品質を評価するため、帯域幅の最大化とルート長の最小化に基づくフィットネス関数を採用する。
• GAでは、複数ポイントクロスオーバーと挿入変異を用いて、世代を経て候補パスを生成・最適化する。
• GAにおいて、最適な染色体を次世代に保持するためエリート主義を適用する。
• SAでは、冷却スケジュールを採用し、初期温度T=1000、停止温度Tstop=50、冷却係数α=1/5を設定する。
• GAでは、フィットネスに応じた確率的選択に基づき、親染色体を選択するためルーレットホイール選択を用いる。
• GAとSAの両者に同一の目的関数を適用することで、一貫性のある比較を実現する。

実験結果

リサーチクエスチョン

• RQ1 複数QoS制約下のネットワークルーティングにおいて、GAとSAのどちらが最短パスにより信頼性の高い収束を示すか？
• RQ2 反復回数の増加が、GAとSAの収束性能にどのように影響するか？
• RQ3 GAにおけるマルチポイントクロスオーバーと変異は、SAのランダムサーチと比較して、パス選択にどの程度の改善をもたらすか？
• RQ4 帯域幅の可用性は、認知ネットワークにおける動的パス最適化の主な指標として効果的に利用可能か？
• RQ5 GAにおける選択および変異メカニズムは、最適パスへの収束の安定性と速度にどのように影響するか？

主な発見

• GAは最短パス（長さ3）への収束が速く、一貫性があるのに対し、SAは反復回数の増加に対しても改善が見られなかった。
• 両方のアルゴリズムが同一の最適パスV3-V7-Vd（長さ3）を特定したが、両者においてC3が最良の染色体であった。
• GAでは、最初の世代で最良パス（C1）の選択確率が1.0に達しており、強い選択圧が確認された。
• SAでは、初期のランダムパスが短い場合にのみ最短パスが素早く発見されたが、それ以外の場合は収束が一貫しなかった。
• GAのフィットネス関数は、ホップ数が少なく、帯域幅が高いパスを効果的に優先し、安定した収束を実現した。
• GAにおける変異は0.01％の確率で実施され、クロスオーバーで有効なパスが得られない場合にのみ適用され、探索プロセスへの最小限の干渉を確保した。