[论文解读] Ant Colony based Routing for Mobile Ad-Hoc Networks towards Improved Quality of Services

Bishwarup Roy, Suman Banik+3 more|arXiv (Cornell University)|Dec 8, 2013

Mobile Ad Hoc Networks参考文献 5被引用 81

一句话总结

本文提出了一种面向移动自组织网络（MANETs）的QoS感知路由算法，将蚁群优化（ACO）与优化链路状态路由（OLSR）协议相结合，以在源节点与目的节点之间发现多条稳定且高质量的路径。通过利用ACO的启发式搜索和信息素路径选择机制，该方法在动态拓扑和资源受限环境下提升了路由稳定性和QoS，从而增强了整体网络性能。

ABSTRACT

Mobile Ad Hoc Network (MANET) is a dynamic multihop wireless network which is established by a set of mobile nodes on a shared wireless channel. One of the major issues in MANET is routing due to the mobility of the nodes. Routing means the act of moving information across an internet work from a source to a destination. When it comes to MANET, the complexity increases due to various characteristics like dynamic topology, time varying QoS requirements, limited resources and energy etc. QoS routing plays an important role for providing QoS in wireless ad hoc networks. The most complex issue in this kind of networks is to find a path between the communication end points satisfying QoS requirement for the user. Nature-inspired algorithms (swarm intelligence) such as ant colony optimization ACO)algorithms have shown to be a good technique for developing routing algorithms for MANETs. In this paper, a new QoS algorithm for mobile ad hoc network has been proposed. The proposed algorithm combines the idea of Ant Colony Optimization (ACO) with Optimized Link State Routing (OLSR) protocol to identify multiple stable paths between source and destination nodes.

研究动机与目标

• 解决移动自组织网络（MANETs）中动态拓扑和波动的QoS需求挑战。
• 在资源受限的移动环境中提升路由稳定性和服务质量（QoS）。
• 开发一种能够识别源节点与目的节点之间多条稳定路径的路由算法。

提出的方法

• 将蚁群优化（ACO）与优化链路状态路由（OLSR）协议结合，以增强MANET中的路径发现能力。
• 采用基于信息素的启发式路由，引导移动节点选择最优且稳定的路径。
• 利用ACO的概率化路径选择机制，以适应拓扑变化和不同的QoS需求。
• 利用OLSR的多点中继（MPR）机制，降低控制开销并提升可扩展性。
• 结合ACO的全局搜索能力与OLSR的局部拓扑扩散机制，实现高效路由。
• 将延迟、抖动和带宽等QoS度量参数建模为ACO信息素更新规则中的参数。

实验结果

研究问题

• RQ1 如何有效结合ACO与OLSR以提升MANET中的QoS路由？
• RQ2 ACO与OLSR的集成对动态拓扑中路径稳定性和选择质量有何影响？
• RQ3 所提方法是否能在移动性约束下发现满足多样化QoS需求的多条稳定路径？

主要发现

• 所提出的ACO-OLSR混合算法在动态MANET环境中成功识别了源节点与目的节点之间的多条稳定路径。
• ACO与OLSR的集成通过基于信息素的路径选择机制，增强了路由稳定性，能够适应频繁的拓扑变化。
• 该算法通过优先选择低延迟和高带宽的路径，提升了QoS表现。
• 信息素路径的使用实现了高效且自适应的路由决策，降低了路由开销并提高了收敛速度。
• 该方法在移动性和资源受限条件下表现出更优的端到端连接维持能力。
• ACO的启发式搜索与OLSR的高效拓扑扩散机制相结合，实现了可扩展且鲁棒的路由。