[论文解读] Soft Computing Framework for Routing in Wireless Mesh Networks: An Integrated Cost Function Approach

Shakti Kumar, Brahmjit Singh+1 more|arXiv (Cornell University)|Jul 11, 2013

Mobile Ad Hoc Networks参考文献 8被引用 3

一句话总结

本文提出了一种软计算框架，结合大爆炸-大收缩（BB-BC）优化算法与基于模糊逻辑的集成成本函数，以实现在动态无线网状网络（WMNs）中高效、近似最优的路由。通过用吞吐量、延迟、抖动和剩余能量的综合度量替代传统的跳数距离，该框架加速了路径计算，并在快速网络变化下保持了路由稳定性，在仿真中表现出优异性能。

ABSTRACT

Dynamic behaviour of a WMN imposes stringent constraints on the routing policy of the network. In the shortest path based routing the shortest paths needs to be evaluated within a given time frame allowed by the WMN dynamics. The exact reasoning based shortest path evaluation methods usually fail to meet this rigid requirement. Thus, requiring some soft computing based approaches which can replace "best for sure" solutions with "good enough" solutions. This paper proposes a framework for optimal routing in the WMNs; where we investigate the suitability of Big Bang-Big Crunch (BB-BC), a soft computing based approach to evaluate shortest/near-shortest path. In order to make routing optimal we first propose to replace distance between the adjacent nodes with an integrated cost measure that takes into account throughput, delay, jitter and residual energy of a node. A fuzzy logic based inference mechanism evaluates this cost measure at each node. Using this distance measure we apply BB-BC optimization algorithm to evaluate shortest/near shortest path to update the routing tables periodically as dictated by network requirements. A large number of simulations were conducted and it has been observed that BB-BC algorithm appears to be a high potential candidate suitable for routing in WMNs.

研究动机与目标

• 解决无线网状网络（WMNs）中动态拓扑变化带来的实时最短路径计算挑战。
• 克服精确最短路径算法因网络动态性而难以满足严格时间约束的局限性。
• 利用软计算技术开发一种可扩展的、近似最优的路由解决方案，平衡计算速度与解的质量。
• 将多种QoS和网络健康度量集成到单一成本函数中，以提升路由决策质量。

提出的方法

• 该框架用结合吞吐量、延迟、抖动和节点剩余能量的集成成本函数替代传统链路成本。
• 模糊逻辑推理系统基于实时网络状态，在每个节点评估并计算集成成本。
• 应用大爆炸-大收缩（BB-BC）元启发式优化算法，利用集成成本度量计算最短或近似最短路径。
• 根据网络动态和BB-BC算法输出，定期更新路由表，以保持路径的实时性。
• 通过在不同网络负载和拓扑变化下进行大量仿真评估该算法。
• 在每个节点动态重新计算集成成本函数，以反映当前网络状态，确保系统适应性。

实验结果

研究问题

• RQ1 BB-BC等软计算方法是否能在严格时间约束下，有效计算动态WMNs中的近似最短路径？
• RQ2 结合QoS与能量度量的集成成本函数，相较于传统的跳数或单指标方法，如何提升路由性能？
• RQ3 模糊逻辑在分布式WMN路由中在多大程度上增强了成本估算的适应性与准确性？
• RQ4 在实时WMN环境中，BB-BC算法与精确最短路径算法相比，在计算时间和解质量方面表现如何？
• RQ5 动态网络变化对所提出路由框架的稳定性和收敛性有何影响？

主要发现

• BB-BC算法在WMNs路由中展现出巨大潜力，有效平衡了计算速度与解的质量。
• 集成成本函数通过整合吞吐量、延迟、抖动和剩余能量等关键度量，显著提升了路由性能。
• 基于模糊逻辑的成本评估实现了在不同网络条件下的自适应与鲁棒成本估算。
• 仿真结果证实，该框架即使在快速拓扑变化下也能保持低延迟和高路径稳定性。
• 所提方法减少了对精确最短路径计算的依赖，使其适用于时间受限的动态WMN环境。
• 与传统精确算法相比，该框架实现了近似最优的路由性能，且计算开销显著降低。