[论文解读] Probability Based Adaptive Invoked Clustering Algorithm in MANETs

S. Rohini, K. Indumathi|arXiv (Cornell University)|Feb 9, 2011

Mobile Ad Hoc Networks参考文献 5被引用 3

一句话总结

该论文提出了一种基于概率的自适应调用加权聚类算法（PAIWCA），用于移动自组织网络（MANETs），通过根据节点电池电量和基于概率的度量动态选择簇头，提升了簇的稳定性。该算法减少了簇头重新选举的开销，并在不同网络条件下优于最大加权独立集（MWIS）算法，在网络连通性、吞吐量和分组交付比率方面表现更优。

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.

研究动机与目标

• 解决由于频繁簇头重新选举导致的MANET聚类不稳定性问题。
• 减少移动环境中动态簇重新配置带来的网络开销。
• 通过基于能量效率和节点可靠性的稳定簇头选择，提升网络性能。
• 开发一种可调节的聚类算法，以适应不同的网络条件。
• 改善吞吐量、分组交付比率和网络连通性等关键指标。

提出的方法

• PAIWCA算法使用基于概率的机制，确定节点成为簇头的可能性，同时考虑剩余电池电量。
• 节点使用包含能量水平和其他稳定性度量的加权函数计算其成为簇头的概率。
• 仅在必要时才触发聚类过程，最大限度减少不必要的重新配置，降低信令开销。
• 簇的形成基于加权选择过程，优先选择能量高效且稳定的节点。
• 该方法动态更新簇头的主导集合，以维持网络连通性并减少重新选举频率。
• 通过簇数、连通性、吞吐量和分组交付比率等指标，与MWIS进行性能对比评估。

实验结果

研究问题

• RQ1 与现有方法（如MWIS）相比，所提出的PAIWCA算法在提升簇稳定性方面表现如何？
• RQ2 将电池电量纳入簇头选择后，对减少簇重新选举开销的改善程度如何？
• RQ3 基于概率的机制对动态MANET中的网络连通性和吞吐量有何影响？
• RQ4 该算法能否调节以在不同网络密度和移动性模式下保持良好性能？
• RQ5 自适应调用对信令开销和整体网络效率有何影响？

主要发现

• PAIWCA通过利用能量感知的概率计算，减少了簇重新选举频率，从而增强了簇的稳定性。
• 在不同移动性和密度条件下，该算法实现的网络吞吐量高于MWIS算法。
• 由于簇头选择更加稳定且能量高效，分组交付比率显著提高。
• 在模拟过程中，网络连通性始终保持较高水平，表明簇的形成与维护具有鲁棒性。
• PAIWCA的性能可调节且能适应不同网络条件，表现出良好的灵活性。
• 在所有评估指标中，该算法均优于MWIS：包括簇数、主导集更新次数、吞吐量和交付比率。