[論文レビュー] Genetic Algorithm Based Optimization of Clustering in Ad Hoc Networks

Bhaskar Nandi, Subhabrata Barman+1 more|arXiv (Cornell University)|Feb 10, 2010

Mobile Ad Hoc Networks参考文献 2被引用数 24

ひとこと要約

本稿では、ノード次数、残存バッテリー電力、移動度、ノード間距離を含む重み付きクラスタリング基準を用いて、移動型アドホックネットワーク（MANETs）におけるクラスターヘッド（CH）選択のための遺伝的アルゴリズム（GA）ベースの最適化を提案する。GAアプローチは、決定的重み付きクラスタリングアルゴリズム（WCA）と比較してネットワーク接続性を向上させるが、すべての指標で一貫してWCAを上回るわけではないため、接続性と他の性能要因の間でトレードオフが生じていることが示された。

ABSTRACT

In this paper, we have to concentrate on implementation of Weighted Clustering Algorithm with the help of Genetic Algorithm (GA).Here we have developed new algorithm for the implementation of GA-based approach with the help of Weighted Clustering Algorithm (WCA) (4). ClusterHead chosen is a important thing for clustering in adhoc networks. So, we have shown the optimization technique for the minimization of ClusterHeads(CH) based on some parameter such as degree difference, Battery power (Pv), degree of mobility, and sum of the distances of a node in adhoc networks. ClusterHeads selection of adhoc networks is an important thing for clustering. Here, we have discussed the performance comparison between deterministic approach and GA based approach. In this performance comparison, we have seen that GA does not always give the good result compare to deterministic WCA algorithm. Here we have seen connectivity (connectivity can be measured by the probability that a node is reachable to any other node.) is better than the deterministic WCA algorithm (4).

研究の動機と目的

• 移動型アドホックネットワーク（MANETs）における効率的で動的なクラスターヘッド（CH）選択の課題に対処すること。
• ネットワーク接続性とエネルギー効率を維持しながらCHの数を削減すること。
• ノードレベルの複数のパラメータ（次数差、残存バッテリー電力、移動度、ノード間距離）に基づいて遺伝的アルゴリズム（GA）を用いたCH選択を最適化すること。
• 提案されたGAベースの手法と決定的重み付きクラスタリングアルゴリズム（WCA）の性能を比較すること。
• 動的MANET環境における接続性、CH数、アルゴリズムの複雑さの間のトレードオフを評価すること。

提案手法

• 4つの主要パラメータ（次数差、残存バッテリー電力（Pv）、移動度、ノードからその近隣ノードまでの距離の合計）に基づいて、潜在的なCH集合を評価するためのフィットネス関数を設計する。
• 選択、交叉、突然変異の操作を通じて、CH設定の集合を進化させることで、CHの数を最小限に抑えつつネットワーク接続性を最大化する。
• ノード同士の到達可能性（接続性）を高める構成を優遇することで、反復的に解を改善する。
• WCAを比較の基準として用い、両手法を同一のネットワーク条件下で評価する。
• エネルギー効率、安定性、接続性のバランスを取るために、ノード属性の重み付き集約を最適化プロセスのガイドラインとする。
• 所定期数の世代を経た後に達成された最高のフィットネス値に基づいて、最終的なCH集合を選択する。

実験結果

リサーチクエスチョン

• RQ1 GAベースのCH選択アプローチは、MANETにおいて決定的WCAと比較してネットワーク接続性を向上させるか？
• RQ2 GA法が選択するCHの数は、決定的WCAと比べてどのように異なるか？
• RQ3 GAベースのアプローチは、動的アドホックネットワークにおいてエネルギー効率、移動度、接続性をどの程度バランスよく実現できるか？
• RQ4 GAベースの手法は、決定的アプローチと比較して、より良好な長期的ネットワーク安定性とCHのオーバーヘッド低減を達成できるか？
• RQ5 GAベースの最適化における接続性の向上と計算オーバーヘッドの間には、どのようなトレードオフが生じるか？

主な発見

• GAベースのアプローチは、任意のノードから他のノードへの到達可能性の確率という指標で測定した場合、決定的WCAよりも優れたネットワーク接続性を達成する。
• GAが選択するCHの数が最小限に抑えられており、スケーラビリティの向上とシグナルオーバーヘッドの低減が示された。
• 接続性が向上したにもかかわらず、GAはすべての性能指標でWCAを一貫して上回らないため、最適化目的の間でトレードオフが生じていることが示された。
• フィットネス関数は、残存バッテリー電力や移動度を含む複数のノードレベルパラメータを効果的にバランスさせ、クラスタ安定性を向上させた。
• ノードの移動度やエネルギーレベルが顕著に変動する動的環境において、本手法は高いロバスト性を示した。
• 性能比較により、接続性がGAアプローチを優位にする重要な要因であることが確認されたが、他の指標が一貫して向上するわけではないことも明らかになった。