[论文解读] Genetic Algorithm Based Optimization of Clustering in Ad Hoc Networks

Bhaskar Nandi, Subhabrata Barman+1 more|arXiv (Cornell University)|Feb 10, 2010

Mobile Ad Hoc Networks参考文献 2被引用 24

一句话总结

本文提出一种基于遗传算法（GA）的移动自组织网络（MANETs）簇头（CH）选择优化方法，采用包括节点度、剩余电池电量、移动性和节点间距离在内的加权聚类标准。与确定性加权聚类算法（WCA）相比，该GA方法在提升网络连通性方面表现更优，但在所有指标上并非始终优于WCA，体现出连通性与其他性能因素之间的权衡。

ABSTRACT

In this paper, we have to concentrate on implementation of Weighted Clustering Algorithm with the help of Genetic Algorithm (GA).Here we have developed new algorithm for the implementation of GA-based approach with the help of Weighted Clustering Algorithm (WCA) (4). ClusterHead chosen is a important thing for clustering in adhoc networks. So, we have shown the optimization technique for the minimization of ClusterHeads(CH) based on some parameter such as degree difference, Battery power (Pv), degree of mobility, and sum of the distances of a node in adhoc networks. ClusterHeads selection of adhoc networks is an important thing for clustering. Here, we have discussed the performance comparison between deterministic approach and GA based approach. In this performance comparison, we have seen that GA does not always give the good result compare to deterministic WCA algorithm. Here we have seen connectivity (connectivity can be measured by the probability that a node is reachable to any other node.) is better than the deterministic WCA algorithm (4).

研究动机与目标

• 为解决移动自组织网络（MANETs）中高效且动态的簇头（CH）选择挑战。
• 在维持网络连通性和能量效率的前提下，减少簇头数量。
• 基于节点级多个参数（度差、剩余电池电量、移动性、节点间距离）使用遗传算法（GA）优化簇头选择。
• 将所提出的基于GA的方法与确定性加权聚类算法（WCA）的性能进行比较。
• 评估在动态MANET环境中，连通性、簇头数量与算法复杂度之间的权衡。

提出的方法

• 设计了一种适应度函数，基于四个关键参数评估潜在的簇头集合：度差、剩余电池电量（Pv）、移动性程度，以及节点到其邻居的总距离。
• 通过选择、交叉和变异操作，遗传算法演化潜在的簇头配置种群，以最小化簇头数量并最大化网络连通性。
• 通过迭代优化，优先选择能提升网络中节点可及性（连通性）概率的配置。
• 将WCA用作基线比较方法，两种方法在相同网络条件下进行评估。
• 优化过程通过节点属性的加权聚合来引导，以平衡能量效率、稳定性与连通性。
• 在预设代数后，根据达到的最高适应度值选择最终的簇头集合。

实验结果

研究问题

• RQ1 与确定性WCA相比，基于GA的簇头选择方法是否能提升MANET中的网络连通性？
• RQ2 基于GA的方法所选择的簇头数量与确定性WCA相比如何？
• RQ3 基于GA的方法在动态自组织网络中，能在多大程度上平衡能量效率、移动性和连通性？
• RQ4 基于GA的方法是否能实现比确定性方法更优的长期网络稳定性和更低的簇头开销？
• RQ5 在基于GA的优化中，连通性提升与计算开销之间的权衡如何？

主要发现

• 基于GA的方法在节点可及性概率方面优于确定性WCA，体现出更好的网络连通性。
• GA所选择的簇头数量最少，表明其具有更好的可扩展性并降低了信令开销。
• 尽管连通性得到改善，但GA在所有性能指标上并非始终优于WCA，表明优化目标之间存在权衡。
• 适应度函数有效平衡了多个节点级参数，包括剩余电池电量和移动性，从而增强了簇的稳定性。
• 所提出的方法在节点移动性和能量水平显著变化的动态环境中表现出强鲁棒性。
• 性能比较结果证实，连通性是支持GA方法的关键因素，即使其他指标未得到全面改善。