[논문 리뷰] Enhanced Genetic Algorithm approach for Solving Dynamic Shortest Path Routing Problems using Immigrants and Memory Schemes

T. R. Gopalakrishnan Nair, Kavitha Sooda외 1명|arXiv (Cornell University)|2011. 07. 11.

Mobile Ad Hoc Networks참고 문헌 10인용 수 6

한 줄 요약

이 논문은 이주자와 기억 기반 기법을 통합한 향상된 유전 알고리즘(GA)을 제안하여 이동형 애드혹 네트워크(MANETs)에서의 동적 최단경로 라우팅 문제(DSPRP)를 해결한다. 새로운 이주자 개체를 주입하고 이전의 역사적 해를 저장함으로써 GA는 네트워크 구조 변화에 신속하게 적응하며, 7회 국제 컴퓨터 과학 포럼에서의 시뮬레이션 결과 메모리 기반 기법에 비해 뛰어난 수렴 성능을 보였다.

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.

연구 동기 및 목표

• 자주 발생하는 네트워크 구조 변화로 인해 발생하는 이동형 애드혹 네트워크(MANETs)에서의 동적 최단경로 라우팅 문제를 해결한다.
• 네트워크의 동적 특성에 대응하여 라우팅 경로를 신속하게 재구성할 수 있는 적응형 최적화 방법을 개발한다.
• 유전 알고리즘에 지능형 메커니즘인 이주자와 기억 기반 기법을 통합하여 해의 품질과 수렴 속도를 향상시킨다.
• 기존의 메모리 기반 GA와 비교하여 제안된 GA 변종의 성능을 동적 네트워크 환경에서 평가한다.

제안 방법

• 동적 네트워크 구조에서 후보 최단경로 해를 진화시키기 위해 유전 알고리즘(GA)을 활용한다.
• 각 세대마다 새로운 '이주자' 개체를 개체군에 도입하여 다양성을 유지하고 수렴 속도를 향상시킨다.
• 이전 네트워크 상태에서 유용한 해를 기억 구조에 저장하여 향후 탐색 과정을 안내한다.
• 네트워크 구조 변화가 발생할 경우, 기억 구조에 저장된 해와 새로운 이주자 개체를 혼합하여 GA 개체군을 재초기화한다.
• 경로 비용(예: 홉 수 또는 지연 시간)을 기반으로 한 적합도 평가를 통해 선택, 교차 및 변이 연산을 이끌어낸다.
• 실시간 네트워크 변화에 대응하여 개체군과 기억 구조를 동적으로 갱신함으로써 지속적인 적응을 가능하게 한다.

실험 결과

연구 질문

• RQ1 이주자와 기억 기반 기법의 통합이 동적 최단경로 라우팅에서 유전 알고리즘의 성능에 어떤 영향을 미치는가?
• RQ2 이주자 기반 재초기화와 메모리 기반 해 재사용 간의 상대적 효과성은 네트워크 구조 변화에 대응할 때 어떻게 다를까?
• RQ3 제안된 GA 접근 방식은 동적 MANET 환경에서 표준 GA보다 더 빠른 수렴 속도와 뛰어난 해 품질을 유지할 수 있는가?
• RQ4 이주자와 기억 기반 기법의 조합은 네트워크의 동적 특성 하에서 라우팅 해의 강건성과 적응성에 어떤 영향을 미치는가?

주요 결과

• 제안된 이주자 기반 GA는 메모리 기반 기법만을 사용하는 GA에 비해 수렴 속도와 해 품질 면에서 뛰어난 성능을 보였다.
• 신규 이주자 개체를 통합함으로써 개체군의 다양성이 크게 향상되었고, 네트워크 구조 변화 이후 최적 경로를 신속하게 발견하는 데 기여했다.
• 메모리 기반 기법만으로는 새로운 네트워크 조건에 적응하는 데 한계가 있었으며, 오래된 해를 재사용하는 데서 기인한 제약이 드러났다.
• 이주자와 메모리의 하이브리드 접근 방식은 동적 환경에서 탐색과 이용의 균형 잡힌 조화를 이룩했다.
• 7회 국제 컴퓨터 과학 포럼에서의 시뮬레이션 결과, 이주자 기반 향상된 GA가 동적 최단경로 라우팅에서 우수한 성능을 보임을 확인했다.