[논문 리뷰] Probability Based Adaptive Invoked Clustering Algorithm in MANETs

S. Rohini, K. Indumathi|arXiv (Cornell University)|2011. 02. 09.

Mobile Ad Hoc Networks참고 문헌 5인용 수 3

한 줄 요약

이 논문은 이동성 네트워크 환경에서 노드의 배터리 잔량과 확률 기반 메트릭을 고려해 클러스터 헤드를 동적으로 선택함으로써 클러스터 안정성을 향상시키는 확률 기반 적응형 호출 가중치 클러스터링 알고리즘(PAIWCA)을 제안한다. 이 알고리즘은 클러스터 재선택 오버헤드를 감소시키며, 다양한 네트워크 조건 하에서 네트워크 연결성, 대역폭, 패킷 전달 비율 측면에서 기존의 최대 가중 독립 집합(MWIS)보다 뛰어난 성능을 보인다.

ABSTRACT

A mobile ad hoc network (MANET), is a self-configuring network of mobile devices connected by wireless links. In order to achieve stable clusters, the cluster-heads maintaining the cluster should be stable with minimum overhead of cluster re-elections. In this paper we propose a Probability Based Adaptive Invoked Weighted Clustering Algorithm (PAIWCA) which can enhance the stability of the clusters by taking battery power of the nodes into considerations for the clustering formation and electing stable cluster-heads using cluster head probability of a node. In this simulation study a comparison was conducted to measure the performance of our algorithm with maximal weighted independent set (MWIS) in terms of the number of clusters formed, the connectivity of the network, dominant set updates,throughput of the overall network and packet delivery ratio. The result shows that our algorithm performs better than existing one and is also tunable to different kinds of network conditions.

연구 동기 및 목표

• 자주 발생하는 클러스터 헤드 재선택으로 인한 MANET 클러스터링의 불안정성 문제를 해결하기 위해.
• 이동 환경에서 동적 클러스터 재구성으로 인한 네트워크 오버헤드를 줄이기 위해.
• 에너지 효율성과 노드 신뢰성 기반의 안정적인 클러스터 헤드 선택을 통해 네트워크 성능을 향상시키기 위해.
• 다양한 네트워크 조건에 적응 가능한 조정 가능한 클러스터링 알고리즘을 개발하기 위해.
• 대역폭, 패킷 전달 비율, 네트워크 연결성과 같은 핵심 메트릭을 향상시키기 위해.

제안 방법

• PAIWCA 알고리즘은 잔여 배터리 전력과 함께 노드가 클러스터 헤드가 될 가능성을 정의하는 확률 기반 메커니즘을 사용한다.
• 노드들은 에너지 수준과 기타 안정성 메트릭을 포함한 가중 함수를 사용해 클러스터 헤드 확률을 계산한다.
• 알고리즘은 필요할 경우에만 클러스터링을 실행하여 불필요한 재구성과 신호 오버헤드를 최소화한다.
• 클러스터 형성은 에너지 효율적이고 안정적인 노드를 우선시하는 가중 선택 과정에 기반한다.
• 알고리즘은 네트워크 연결성을 유지하고 재선택 빈도를 줄이기 위해 클러스터 헤드의 주도 집합을 동적으로 업데이트한다.
• 성능 평가에서는 클러스터 수, 연결성, 대역폭, 패킷 전달 비율 등의 메트릭을 사용해 MWIS와 비교한다.

실험 결과

연구 질문

• RQ1 제안된 PAIWCA 알고리즘이 기존의 MWIS와 같은 기법들에 비해 클러스터 안정성에서 어떻게 향상되는가?
• RQ2 클러스터 헤드 선택에 배터리 전력 정보를 통합함으로써 클러스터 재선택 오버헤드는 얼마나 감소하는가?
• RQ3 확률 기반 메커니즘이 동적 MANET 환경에서 네트워크 연결성과 대역폭에 어떤 영향을 미치는가?
• RQ4 알고리즘이 다양한 네트워크 밀도와 이동 패턴에 걸쳐 잘 작동하도록 조정 가능한가?
• RQ5 적응형 호출이 신호 오버헤드와 전체 네트워크 효율성에 어떤 영향을 미치는가?

주요 결과

• PAIWCA는 에너지 인지적 확률 계산을 활용해 클러스터 재선택 빈도를 감소시켜 클러스터 안정성을 향상시킨다.
• 이동성과 밀도 조건이 다양할 경우에도 PAIWCA는 MWIS 알고리즘보다 더 높은 네트워크 대역폭을 달성한다.
• 더 안정적이고 에너지 효율적인 클러스터 헤드 선택 덕분에 패킷 전달 비율이 크게 향상된다.
• 모든 시뮬레이션 동안 네트워크 연결성이 높게 유지되어 강력한 클러스터 형성과 유지 능력을 보여준다.
• PAIWCA의 성능는 다양한 네트워크 조건에 맞게 조정 가능하며, 이는 영리함을 보여준다.
• 모든 평가 메트릭에서 PAIWCA는 클러스터 수, 주도 집합 업데이트 수, 대역폭, 전달 비율 측면에서 MWIS를 능가한다.