[論文レビュー] Online Channel Assignment in Multi-Radio Wireless Mesh Networks Using Learning Automata

Ziaeddin Beheshtifard, Mohammad Reza Meybodi|arXiv (Cornell University)|May 14, 2014

Mobile Ad Hoc Networks参考文献 17被引用数 3

ひとこと要約

本稿では、マルチレディオ無線メッシュネットワークにおける学習オートマトンに基づくオンラインチャネル割り当て方式を提案する。この方式は、ネットワークスループットを最大化し干渉を最小化するように動的にチャネル選択を最適化する。上流リンク容量と干渉レベルを評価する分散型で適応可能なメカニズムを用いることで、Lyapunov解析を用いて証明された収束性を持つ安定で最適なチャネル設定に収束する。

ABSTRACT

In this paper, we look into the problem of channel assignment in multi-channel multi-radio wireless mesh networks. We propose a new learning automata based channel assignment scheme that adaptively improve network overall throughput by expecting channel state. Since the ability of sending packets via upstream links will be evaluation bases for assigning channels to radio interfaces on each node. We use a link capacity function that potentially reflects degree of interferences imposed by selected channels by each node. According to dynamics of system, proposed algorithm assigns channels to radio interface in distributed fashion such that minimize interference in neighborhood of a node. We analyze the stability of the system via appropriate Lyapunov-like trajectory; we show that stability and optimum point of the system is converged.

研究の動機と目的

• 高い干渉と変動するトラフィック負荷を伴うマルチレディオ無線メッシュネットワークにおける動的チャネル割り当ての課題に対処すること。
• 各ノードがリアルタイムでの干渉とリンク容量フィードバックに基づき、最適なチャネルを適応的に選択できる仕組みを提供することでネットワークスループットを向上させること。
• 中央集権的制御なしに、各ノードの周辺における干渉を最小限に抑える分散型でオンラインのチャネル割り当てアルゴリズムを設計すること。
• 形式的なLyapunovに基づく解析を通じて、システムの安定性と最適なチャネル割り当てへの収束を保証すること。

提案手法

• アルゴリズムは、各ノードのチャネル選択プロセスをモデル化するために学習オートマトンを用い、アクションはチャネル割り当てに対応する。
• 各ノードは、送信成功度と干渉を反映する上流リンク容量に基づいて、選択したチャネルの性能を評価する。
• 報酬・ペナルティメカニズムにより、観測されたリンク性能に基づき学習オートマトンのアクション確率が更新され、高スループットで低干渉のチャネルが優遇される。
• システムは、数学的に収束を証明するためのLyapunovに類似した軌道を用いる。
• チャネル割り当て意思決定は各無線インターフェースごとに独立して行われるため、グローバルな知識が不要な分散動作が可能になる。
• リンク容量関数は干渉の影響を定量化し、ノードがリアルタイムでチャネル選択の品質を推定できるようにする。

実験結果

リサーチクエスチョン

• RQ1 マルチレディオ無線メッシュネットワークにおけるチャネル割り当てを、分散的でオンラインの方法で最適化し、スループットを最大化するにはどうすればよいか？
• RQ2 どのような学習メカニズムが、ノードが干渉を最小化しリンク性能を向上させるチャネルを適応的に選択できるようにするか？
• RQ3 学習オートマトンに基づくアプローチは、動的ネットワーク環境下でも安定的かつ最適なチャネル割り当てへの収束を保証できるか？
• RQ4 オンラインでのチャネル再割り当て中に、システムはどのように安定性を維持し、振動を回避するか？

主な発見

• 提示された学習オートマトンに基づくチャネル割り当て方式は、Lyapunov解析により証明されたように、安定した最適なチャネル設定への収束を達成する。
• リアルタイムでのリンク性能に基づく動的適応により、各ノードの周辺における干渉が効果的に低減される。
• 上流リンク容量が高く、干渉が少ないチャネルを優先することでスループットの向上が達成される。
• アルゴリズムの分散型特性により、中央集権的制御やグローバルなチャネル状態情報の必要性が排除される。