‫مدیریت تحرک در شبکه های ویژه متحرک‬
‫برای بهبود الگوریتم های مسیریابی‬
‫محمود حسنلو‬
‫استاد راهنما‪ :‬دکتر علی موقر رحیم آبادی‬
‫استاد مشاور‪ :‬دکتر جعفر حبیبی‬
‫برنامه جلسه‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫شبکه های ویژه متحرک‬
‫مدل های تحرک‬
‫تاثیر تحرک گره ها بر روی کارایی پروتکل های مسیریابی‬
‫مهمترین روش مدیریت تحرک‬
‫یک روش پیشنهادی‬
‫‪2 /30‬‬
‫‪Sharif University of Technology‬‬
‫‪CE Department‬‬
‫شبکه های ویژه‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫زیر ساختار شبکه ای ندارند‬
‫گره ها به صورت بی سیم باهم دیگر ارتباط برقرار می کنند‬
‫هر گره برای فرستادن یک بسته به گره دیگر که در برد‬
‫رادیویی آن نیست از گره های همسایه کمک می گیرد‬
‫هر گره به صورت همزمان هم مسیریاب و هم میزبان است‬
‫‪3 /30‬‬
‫‪Sharif University of Technology‬‬
‫‪CE Department‬‬
‫شبکه های ویژه متحرک‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫اگر در شبکه های ویژه به گره ها اجازه داده شود که حرکت کنند به‬
‫شبکه حاصل شبکه ویژه متحرک می گویند‬
‫در شبکه های ویژه متحرک برای اعمال الگوریتم های مسیریابی‬
‫مطرح در شبکه های ویژه‪ ،‬دچار مشکل هستیم؟‬
‫الگوریتم ها باید برازش داده شوند‬
‫برای این کار بحث مدیریت تحرک مطرح شده است‬
‫‪4 /30‬‬
‫‪Sharif University of Technology‬‬
‫‪CE Department‬‬
‫تعریف مساله‬
‫‪ ‬مساله ای که ما در این پروژه به دنبال یافتن راه حلی برای‬
‫آن هستیم‪ ،‬اینست که بتوانیم حرکت گره ها در شبکه های‬
‫ویژه متحرک را طوری مدیریت کنیم که تاثیرات منفی این‬
‫حرکت ها روی کارایی پروتکل های مسیریابی کمینه شود‬
‫‪5 /30‬‬
‫‪Sharif University of Technology‬‬
‫‪CE Department‬‬
‫برنامه جلسه‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫شبکه های ویژه‬
‫مدل های تحرک‬
‫تاثیر تحرک گره ها بر روی کارایی پروتکل های مسیریابی‬
‫مهمترین روش مدیریت تحرک‬
‫یک روش پیشنهادی‬
‫‪6 /30‬‬
‫‪Sharif University of Technology‬‬
‫‪CE Department‬‬
‫مدل های تحرک‬
‫‪ ‬مدل تحرک باید رفتار گره های محرک را با دقت نشان دهد‬
‫‪ ‬مثال‪ :‬گره ها بر روی خطوط مستقیم و با سرعت ثابت حرکت نمی‬
‫کنند‬
‫‪ ‬انواع مدل های تحرک‪:‬‬
‫‪ ‬مدل های ردیابی‪ :‬مدل هایی هستند که در دنیای واقعی مشاهده شده اند‬
‫‪ ‬مدل های ساختگی ‪ :‬تالش می کنند تا نمایش واقع گرایانه ای از رفتار گره‬
‫های متحرک بدون استفاده از ردیابی ارائه کنند‬
‫‪ ‬انواع مدل های تحرک ساختگی‪:‬‬
‫‪ ‬مدل های تحرک موجودیت ها‬
‫‪ ‬مدل های تحرک گروهی‬
‫‪7 /30‬‬
‫‪Sharif University of Technology‬‬
‫‪CE Department‬‬
‫مدل های تحرک موجودیت ها‬
‫‪ ‬انواع مدل های تحرک موجودیت ها‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪8 /30‬‬
‫مدل تحرک حرکت تصادفی‬
‫مدل تحرک نقطه مسیر تصادفی‬
‫مدل تحرک جهت تصادفی‬
‫مدل تحرک محدوده شبیه سازی بدون مرز‬
‫مدل تحرک گاوس‪ -‬مارکوف‬
‫گونه احتمالی مدل تحرک حرکت تصادفی‬
‫مدل تحرک قسمتی از شهر‬
‫‪Sharif University of Technology‬‬
‫‪CE Department‬‬
‫مدل های تحرک گروهی‬
‫‪ ‬انواع مدل های تحرک گروهی‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪9 /30‬‬
‫مدل تحرک تصادفی وابسته نمایی‬
‫مدل تحرک ستونی‬
‫مدل تحرک جامعه ایلیاتی‬
‫مدل تحرک دنباله روی‬
‫مدل تحرک گروهی نقطه مرجع‬
‫‪Sharif University of Technology‬‬
‫‪CE Department‬‬
‫برنامه جلسه‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫شبکه های ویژه‬
‫مدل های تحرک‬
‫تاثیر تحرک گره ها بر روی کارایی پروتکل های‬
‫مسیریابی‬
‫مهمترین روش مدیریت تحرک‬
‫یک روش پیشنهادی‬
‫‪10 /30‬‬
‫‪Sharif University of Technology‬‬
‫‪CE Department‬‬
‫تاثیر تحرک گره ها بر روی کارایی پروتکل های مسیریابی‬
‫‪ ‬شبیه سازی یک سناریو با سرعت های مختلف حرکت گره ها‬
‫‪ ‬سناریو‪:‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪ 50‬گره در شبیه سازی شرکت داشتند‬
‫زمان شبیه سازی ‪ 1000‬ثانیه‬
‫‪ 5‬ترافیک ‪ CBR‬از گره ‪ 1‬به ‪ 2 ،6‬به ‪ 7‬و ‪ ...‬ایجاد شد‬
‫ترافیک اول در زمان ‪ 400‬ثانیه و بقیه هر کدام ‪ 50‬ثانیه بعد از قبلی ایجاد‬
‫شدند‬
‫‪ ‬معیارهای سنجش کارایی‬
‫‪ ‬تاخیر انتها به انتهای شبکه‬
‫‪ ‬نرخ بسته های تحویل شده‬
‫‪ ‬نرخ سربار شبکه‬
‫‪11 /30‬‬
‫‪Sharif University of Technology‬‬
‫‪CE Department‬‬
‫تاثیر تحرک گره ها بر روی کارایی پروتکل های مسیریابی‬
‫‪35‬‬
‫‪25‬‬
‫‪20‬‬
‫‪15‬‬
‫‪10‬‬
‫‪5‬‬
‫متوسط تاخیر تحویل بسته ها‬
‫‪30‬‬
‫‪0‬‬
‫‪50‬‬
‫‪45‬‬
‫‪40‬‬
‫‪35‬‬
‫‪30‬‬
‫‪25‬‬
‫‪20‬‬
‫‪15‬‬
‫‪10‬‬
‫‪5‬‬
‫‪0‬‬
‫بیشترین سرعت ممکن برای حرکت گره ها (متر بر ثانیه)‬
‫تغییرات متوسط تاخیر تحویل بسته ها با تغییر سرعت حرکت گره ها‬
‫‪12 /30‬‬
‫‪Sharif University of Technology‬‬
‫‪CE Department‬‬
‫تاثیر تحرک گره ها بر روی کارایی پروتکل های مسیریابی‬
‫‪1000‬‬
‫‪990‬‬
‫‪980‬‬
‫‪960‬‬
‫‪950‬‬
‫‪940‬‬
‫‪930‬‬
‫نرخ تحویل بسته ها‬
‫‪970‬‬
‫‪920‬‬
‫‪910‬‬
‫‪900‬‬
‫‪50‬‬
‫‪45‬‬
‫‪40‬‬
‫‪35‬‬
‫‪30‬‬
‫‪25‬‬
‫‪20‬‬
‫‪15‬‬
‫‪10‬‬
‫‪5‬‬
‫‪0‬‬
‫بیشترین سرعت ممکن برای حرکت گره ها (متر بر ثانیه)‬
‫تغییرات نرخ تحویل بسته ها با تغییر سرعت حرکت گره ها‬
‫‪13 /30‬‬
‫‪Sharif University of Technology‬‬
‫‪CE Department‬‬
‫تاثیر تحرک گره ها بر روی کارایی پروتکل های مسیریابی‬
‫‪100‬‬
‫‪80‬‬
‫‪70‬‬
‫‪60‬‬
‫‪50‬‬
‫‪40‬‬
‫‪30‬‬
‫‪20‬‬
‫‪10‬‬
‫تعداد متوسط بسته های درخواست مسیر‬
‫‪90‬‬
‫‪0‬‬
‫‪50‬‬
‫‪45‬‬
‫‪40‬‬
‫‪35‬‬
‫‪30‬‬
‫‪25‬‬
‫‪20‬‬
‫‪15‬‬
‫‪10‬‬
‫‪5‬‬
‫‪0‬‬
‫بیشترین سرعت ممکن برای حرکت گره ها (متر بر ثانیه)‬
‫تغییرات سربار شبکه با افزایش سرعت حرکت گره ها‬
‫‪14 /30‬‬
‫‪Sharif University of Technology‬‬
‫‪CE Department‬‬
‫برنامه جلسه‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫شبکه های ویژه‬
‫مدل های تحرک‬
‫تاثیر تحرک گره ها بر روی کارایی پروتکل های‬
‫مسیریابی‬
‫مهمترین روش مدیریت تحرک‬
‫یک روش پیشنهادی‬
‫‪15 /30‬‬
‫‪Sharif University of Technology‬‬
‫‪CE Department‬‬
‫مهمترین روش کنترل تحرک‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫مهمترین روش کنترل تحرک‪ ،‬پیش بینی حرکت گره ها می باشد‬
‫می توانیم توپولوژی احتمالی شبکه در چند لحظه بعد را پیش بینی‬
‫کنیم‬
‫می توانیم ارسال بسته های کنترلی که برای بازسازی مسیر استفاده‬
‫می شوند را حذف کرده و بنابراین سربار شبکه را کاهش می دهیم‬
‫طبقه بندی کاربردهای پیش بینی تحرک‬
‫‪ ‬در دسترس بودن لینک و بهبود مسیریابی‬
‫‪ ‬قابلیت اعتماد مسیر‬
‫‪ ‬پیش بینی تقسیم شدن شبکه‬
‫‪16 /30‬‬
‫‪Sharif University of Technology‬‬
‫‪CE Department‬‬
‫برنامه جلسه‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫شبکه های ویژه‬
‫مدل های تحرک‬
‫تاثیر تحرک گره ها بر روی کارایی پروتکل های مسیریابی‬
‫مهمترین روش مدیریت تحرک‬
‫یک روش پیشنهادی‬
‫‪17 /30‬‬
‫‪Sharif University of Technology‬‬
‫‪CE Department‬‬
‫یک روش پیشنهادی‬
‫‪ ‬روش پیشنهادی ما را می توان در دسته پیش بینی در‬
‫دسترس بودن لینک طبقه بندی کرد‬
‫‪ ‬در اکثر این گونه الگوریتم ها گره ای که بسته را می فرستد‬
‫زمان قطع شدن ارتباط بین خود و گره بعد را پیش بینی می‬
‫کند‬
‫‪ ‬در روش ما گره ای که بسته را دریافت می کند با استفاده‬
‫از اطالعاتی که با رسیدن هر بسته بروز می شود‪ ،‬زمان‬
‫قطع شدن لینک را پیش بینی می کند‬
‫‪18 /30‬‬
‫‪Sharif University of Technology‬‬
‫‪CE Department‬‬
‫یک روش پیشنهادی‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫این روش روی یکی از الگوریتم های مسیریابی موجود مثال‬
‫‪ AODV‬اعمال می شود‬
‫این روش به سرآیند هر بسته دو فیلد جدید به نام های ‪x,y‬‬
‫اضافه می کند‬
‫یک حد پایین و یک حد باال برای فاصله های که گره ها در‬
‫آن می توانند بسته های داده ای را ارسال و دریافت نمایند‬
‫تعریف می شود‬
‫برای مثال اگر برد رادیویی برابر با ‪ 200‬متر باشد حد‬
‫پایین را ‪ 30‬متر و حد باال را ‪ 170‬متر در نظر می گیریم‬
‫‪19 /30‬‬
‫‪Sharif University of Technology‬‬
‫‪CE Department‬‬
‫یک روش پیشنهادی‬
‫‪ ‬انتقال داده ها در شبکه های ویژه شامل دو فاز است‬
‫‪ ‬عمل مسیریابی‪ :‬به همان شکلی که در ‪ AODV‬انجام می شد‬
‫انجام خواهد شد‬
‫‪ ‬انتقال داده ها‪ :‬گره منبع قبل از اینکه بسته داده را به گره بعدی‬
‫در مسیر انتخاب شده بفرستد آدرس خود را در دو فیلد ذکر شده‬
‫ذخیره می کند‬
‫‪20 /30‬‬
‫‪Sharif University of Technology‬‬
‫‪CE Department‬‬
‫یک روش پیشنهادی‬
‫‪ ‬هر گره به محض دریافت یک بسته داده اعمال زیر را انجام می دهد‪:‬‬
‫‪ ‬محل گره قبلی را‪ ،‬در جدول مسیر یابی بروز می کند (برای سادگی‬
‫می توان فاصله اقلیدسی دو گره را ذخیره کرد)‬
‫‪ ‬آدرس خود را در سرآیند بسته کپی کرده و آن را برای گره بعدی می‬
‫فرستد‬
‫‪ ‬حال گره بر حسب فاصله اقلیدسی خود با گره قبلی و با توجه به حدهای‬
‫باال و پایین ارسال‪ ،‬در مورد مسیر ارتباطی خود با گره های قبل و بعد‬
‫از خود تصمیم گیری می کند‬
‫‪21 /30‬‬
‫‪Sharif University of Technology‬‬
‫‪CE Department‬‬
‫یک روش پیشنهادی‬
CE Department
Sharif University of Technology
22 /30
‫یک روش پیشنهادی‬
CE Department
Sharif University of Technology
23 /30
‫یک روش پیشنهادی‬
CE Department
Sharif University of Technology
24 /30
‫مزایای روش پیشنهادی‬
‫‪ ‬با کمترین سربار‪ ،‬می توان با دقت زیادی زمان قطع شدن لینک را‬
‫پیش بینی کرد و در کمترین زمان لینک جایگزین را پیدا کرد‬
‫‪ ‬حذف گره هایی که زائد موجود در طول مسیر‬
‫‪ ‬ما فکر می کنیم که با استفاده از این روش بتوان به میزان چشم گیری‬
‫نرخ شکستن لینک ها را کاهش داد و در نتیجه آن سربار شبکه را‬
‫کاهش‪ ،‬نرخ تحویل بسته ها را افزایش و تاخیر انتها به انتهای تحویل‬
‫بسته ها را کاهش‪ ،‬داد‬
‫‪25 /30‬‬
‫‪Sharif University of Technology‬‬
‫‪CE Department‬‬
‫کارهای آینده‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫شبیه سازی ایده پیشنهادی و بدست آوردن نتایج دقیق‬
‫مطالعه دیگر روش های مدیریت تحرک‬
‫ارسال مقاله(ها) به کنفرانس ها‬
‫انجام امور پایان نامه‬
‫‪26 /30‬‬
‫‪Sharif University of Technology‬‬
‫‪CE Department‬‬
‫مراجع‬





Ilyas M., “THE HANBOOK OF AD HOC WIRELESS
NETWORKS”, CRC Press LLC, 2003
Chiang C., “Wireless Network Multicasting”. PhD thesis,
University of California, Los Angeles, 1998
Davies V., “Evaluating mobility models within an ad
hoc network”. Master’s thesis, Colorado School of Mines,
2000
Argyriou A. and Madisetti V., “Using a new protocol to
enhance path reliability and realize load balancing in
mobile ad hoc networks”, Elsevier, Ad Hoc Networks,
Volume 4, Issue 1, January 2006, Pages 60-74
Camp T., Boleng J., Davies V., “A Survey of Mobility
Models for Ad Hoc Network Research”, Communication
& Mobile Computing (WCMC): Special issue on Mobile Ad
Hoc Networking: Research, Trends and Applications, vol. 2,
no. 5, pp. 483-502, 2002
CE Department
Sharif University of Technology
27 /30
‫مراجع‬





Chellappa Doss R., Jennings A., Shenoy N., “A REVIEW OF CURRENT
MOBILITY PREDICTION TECHNIQUES FOR AD HOC NETWORKS”,
Proceedings of the 4th IASTED International Multi-Conference WIRELESS
AND OPTICAL COMMUNICATIONS July 8-10, 2004, Banff, Canada
Creixell, W.; Sezaki, K., “Routing Protocol for Mobile AD HOC
Networks Using Mobility Prediction”, IEEE, Mobile Technology,
Applications and Systems, 2005 2nd International Conference on, 15-17
Nov. 2005 Page(s):1 – 6
Derhab, A.; Badache, N.; Bouabdallah, A., “A partition prediction
algorithm for service replication in mobile ad hoc
networks”,Wireless On-demand Network Systems and Services, 2005.
WONS 2005. Second Annual Conference on 19-21 Jan. 2005 Page(s):236 –
245
Hsu C.Y; Wu J.L.C.; Wang S.T, “Finding stable routes in mobile ad hoc
networks”, Advanced Information Networking and Applications, 2004.
AINA 2004. 18th International Conference on Volume 2, 2004 Page(s):424
- 427 Vol.2
Jiang S; He D; Rao J, “A prediction-based link availability estimation
for routing metrics in MANETs”, Networking, IEEE/ACM Transactions on
Volume 13, Issue 6, Dec. 2005 Page(s):1302 – 1312
CE Department
Sharif University of Technology
28 /30
‫مراجع‬




Jiang S., He D. and Rao J., “A Prediction-based Link
Availability Estimation for Mobile Ad Hoc Networks”,
Proceedings of IEEE INFOCOM 2001, Anchorage, April 2001
Larkin, H.; Zheng da Wu; Toomey, W., “Performance of
Prediction in Wireless Ad Hoc Routing Algorithms”,
Networks, 2005. Jointly held with the 2005 IEEE 7th Malaysia
International Conference on Communication., 2005 13th IEEE
International Conference on Volume 1, 16-18 Nov. 2005
Page(s):240 – 243
Meghanathan, N., “Comparison of Stable Path Selection
Strategies for Mobile Ad Hoc Networks”, Networking,
International Conference on Systems and International
Conference on Mobile Communications and Learning
Technologies, 2006. ICN/ICONS/MCL 2006. International
Conference on 23-29 April 2006 Page(s):67 – 67
Su W., Lee S.J., and Gerla M., “Mobility prediction and routing
in ad hoc wireless networks”. INTERNATIONAL JOURNAL OF
NETWORK MANAGEMENT Int. J. Network Mgmt 2001; 11:3–30
CE Department
Sharif University of Technology
29 /30
‫مراجع‬
 Su W., “Mobility Prediction in
Mobile/Wireless Networks”, PhD thesis,
University of California, Los Angeles, 2000
 Wang, K.H.; Baochun Li, “Group mobility
and partition prediction in wireless adhoc networks”, IEEE International
Conference on Communications, ICC 2002,
New York, April 2002
 UCLA Parallel Computing Laboratory,
“GloMoSim: Global Mobile Information
Systems Simulation Library”,
http://pcl.cs.ucla.edu/projects/glomosim/
CE Department
Sharif University of Technology
30 /30