[논문 리뷰] Multiple Criteria Clustering of Mobile Agents in WSN

Yashpal Singh, Kamal Deep외 1명|arXiv (Cornell University)|2012. 07. 13.

Optimization and Search Problems참고 문헌 18인용 수 4

한 줄 요약

이 논문은 무선 센서 네트워크(Wireless Sensor Networks, WSNs)에서 다중 기준 이동 에이전트 군집화(Multiple Criteria Clustering of Mobile Agents, MCCMA)를 제안하여, 작업 유형, 위치, 데이터 관련성과 같은 다중 기준에 기반해 유사한 이동 에이전트와 센서 노드를 군집화함으로써 데이터 수집을 최적화한다. 이 방법은 지능적인 에이전트 군집화를 통해 협업적이고 국지적인 데이터 수집을 가능하게 하여 통신 오버헤드, 네트워크 부하 및 총 방문 횟수를 감소시킨다.

ABSTRACT

In Wireless sensor networks data aggregation with hundreds and thousands of sensor nodes is very complex task. Recently, mobile agents have been proposed for efficient data dissemination in sensor networks. In the traditional client/server based computing architecture, data is collected from multiple sources and forwarded to destination for further processing. It requires high bandwidth, whereas in the mobile agent is a task specific executable code traverses to the relevant source for gathering data. It reduces communication overhead, reduce cost, low bandwidth. Agents have capability to perform task for multiple applications. It will send only useful information to destination node. The problem is to group similar mobile agents into a number of clusters such that each cluster has similarity in responding to a group of nodes. By clustering intelligent mobile agents, it is possible to reduce the cost of time for each individual agent, decrease the demand imposed on network for a set of required tasks, decrease total number of visits. This paper, we present the problem of Multiple Criteria Clustering of Mobile Agents (MCCMA) where the decision is to cluster mobile agents such that a group of similar intelligent mobile agents will visit a group of similar sensor nodes.

연구 동기 및 목표

• 대규모 WSN에서 기존의 클라이언트/서버 기반 데이터 집합 방식에서 발생하는 높은 통신 오버헤드와 대역폭 소비 문제를 해결한다.
• 유사한 에이전트와 노드를 군집화하여 센서 노드로의 개별 에이전트 방문 횟수를 줄인다.
• 이동 에이전트가 유사한 센서 노드에서 협업적으로 데이터를 수집할 수 있도록 함으로써 네트워크 부하와 처리 비용을 최소화한다.
• 작업 유사성, 위치, 데이터 관련성에 기반해 이동 에이전트를 군집화함으로써 데이터 배포 효율성을 향상시킨다.
• 다양한 기준을 지원하는 프레임워크를 개발하여 동적인 WSN 환경에서의 확장성과 적응성을 향상시킨다.

제안 방법

• 이동 에이전트와 센서 노드 간의 작업 유형, 지리적 근접성, 데이터 관련성과 같은 다중 군집 기준을 정의한다.
• 유사한 에이전트와 노드를 유기적인 군집으로 묶기 위해 MCCMA 문제를 다목적 최적화 과제로 공식화한다.
• 작업, 위치, 데이터 속성을 통합한 유사도 메트릭을 사용해 에이전트-노드 간 친화도를 평가한다.
• 유사도 임계값 또는 히우리스틱에 기반한 클러스터링 알고리즘을 적용하여 내부 유사도가 높은 군집으로 에이전트와 노드를 그룹화한다.
• 각 군집이 해당 군집의 센서 노드 그룹으로부터 효율적으로 데이터를 수집할 수 있는 이동 에이전트를 포함하도록 보장한다.
• 총 에이전트 방문 수를 최소화하고 네트워크 전반의 부속적 통신을 줄이기 위해 군집화 과정을 최적화한다.

실험 결과

연구 질문

• RQ1 WSN의 이동 에이전트를 어떻게 군집화하여 통신 오버헤드와 네트워크 부하를 최소화할 수 있는가?
• RQ2 효과적인 군집화를 위해 이동 에이전트와 센서 노드 간의 유사도를 판단하는 데 어떤 기준을 사용해야 하는가?
• RQ3 다중 기준에 기반한 이동 에이전트 군집화가 센서 노드로의 총 에이전트 방문 횟수를 얼마나 줄이는가?
• RQ4 MCCMA 방법론은 대규모 WSN에서 기존의 클라이언트/서버 모델에 비해 데이터 집합 효율성을 어떻게 향상시키는가?
• RQ5 작업, 위치, 데이터 관련성이 WSN에서의 이동 에이전트 군집화 효과성에 미치는 영향은 어떠한가?

주요 결과

• MCCMA 방법론은 군집 내 협업적 데이터 수집을 가능하게 하여 센서 노드로의 총 에이전트 방문 횟수를 크게 감소시킨다.
• 작업 유형, 위치, 데이터 관련성과 같은 다중 기준에 기반한 군집화는 더 효율적인 데이터 집합과 낮은 네트워크 오버헤드를 이끈다.
• 에이전트와 센서 노드 간의 중복 데이터 전송을 최소화함으로써 통신 비용과 대역폭 사용을 줄인다.
• 제안된 군집화 프레임워크는 이동 에이전트와 센서 노드를 논리적으로 일관된 그룹으로 조직함으로써 대규모 WSN에서의 확장성을 향상시킨다.
• 유사한 에이전트와 노드를 그룹화함으로써 처리 지연을 줄이고 데이터 수집 작업의 반응 시간을 향상시킨다.