[論文レビュー] Enhanced Genetic Algorithm approach for Solving Dynamic Shortest Path Routing Problems using Immigrants and Memory Schemes

T. R. Gopalakrishnan Nair, Kavitha Sooda+1 more|arXiv (Cornell University)|Jul 11, 2011

Mobile Ad Hoc Networks参考文献 10被引用数 6

ひとこと要約

本論文は、移住者と記憶機構を組み合わせた強化された遺伝的アルゴリズム（GA）を提案し、移動型アドホックネットワーク（MANET）における動的最短経路ルーティング問題（DSPRP）を解くことを目的としている。新規の移住者を導入し、蓄えられた歴史的解を活用することで、GAはトポロジーの変化に素早く適応し、第7回国際コンピュータサイエンスフォーラムで実施されたシミュレーションにおいて、記憶のみの手法と比較して優れた収束性能を示した。

ABSTRACT

In Internet Routing, the static shortest path (SP) problem has been addressed using well known intelligent optimization techniques like artificial neural networks, genetic algorithms (GAs) and particle swarm optimization. Advancement in wireless communication lead more and more mobile wireless networks, such as mobile networks [mobile ad hoc networks (MANETs)] and wireless sensor networks. Dynamic nature of the network is the main characteristic of MANET. Therefore, the SP routing problem in MANET turns into dynamic optimization problem (DOP). Here the nodes ae made aware of the environmental condition, thereby making it intelligent, which goes as the input for GA. The implementation then uses GAs with immigrants and memory schemes to solve the dynamic SP routing problem (DSPRP) in MANETS. In our paper, once the network topology changes, the optimal solutions in the new environment can be searched using the new immigrants or the useful information stored in the memory. Results shows GA with new immigrants shows better convergence result than GA with memory scheme.

研究の動機と目的

• 頻繁なトポロジー変化に起因する移動型アドホックネットワーク（MANET）における動的最短経路ルーティングの課題に対処すること。
• ネットワークのダイナミクスに応じてルーティング経路を素早く再構成できる適応的最適化手法を開発すること。
• 遺伝的アルゴリズムに知能的メカニズム（移住者と記憶機構）を統合し、解の品質と収束速度を向上させること。
• 提案されたGAの変種が、従来の記憶ベースのGAと比較して、動的ネットワーク環境下での性能を評価すること。

提案手法

• 動的ネットワークトポロジーにおける候補となる最短経路解を遺伝的アルゴリズム（GA）で進化させる。
• 各世代において新たな「移住者」個体を個体群に導入し、多様性を維持するとともに収束を加速する。
• 以前のネットワーク状態からの有用な解を記憶構造に保存し、将来の探索プロセスをガイドする。
• トポロジーの変更が発生した際に、記憶された解と新規の移住者を混合してGAの個体群を再初期化する。
• 経路コスト（例：ホップ数や遅延）に基づいたフィットネス評価を用いて、選択、交差、変異の操作を誘導する。
• リアルタイムでのネットワーク変化に応じて個体群と記憶を動的に更新し、継続的な適応を可能にする。

実験結果

リサーチクエスチョン

• RQ1 移住者と記憶機構の統合は、動的最短経路ルーティングにおける遺伝的アルゴリズムの性能をどのように向上させるか？
• RQ2 トポロジー変化への適応において、移住者による再初期化と記憶ベースの解の再利用の相対的な有効性は何か？
• RQ3 提案されたGAアプローチは、動的MANET環境下で標準GAよりも速い収束と優れた解の品質を維持できるか？
• RQ4 移住者と記憶機構の組み合わせは、ネットワークダイナミクス下でのルーティング解の頑健性と適応性にどのように影響を与えるか？

主な発見

• 移住者を導入した本稿のGAは、収束速度と解の品質において、記憶のみのGAよりも優れていた。
• 新規の移住者の統合により、トポロジー変更後の最適経路の発見が著しく促進され、個体群の多様性が向上した。
• 記憶機構のみでは、古くなった解を再利用するという限界があり、新しいネットワーク状態への適応が不十分であった。
• 移住者と記憶機構のハイブリッドアプローチは、動的環境における探索と活用のバランスの取れた妥当なトレードオフを提供した。
• 第7回国際コンピュータサイエンスフォーラムで得られたシミュレーション結果は、移住者強化GAが動的最短経路ルーティングにおいて優位であることを確認した。