مدل های حرکتی گره ها در شبکه های ادهاک متحرک Adhoc

مدل های حرکتی گره ها در شبکه های ادهاک متحرک Adhoc

الگوهای تحرک یا حرکت گره‌ها نقش مهمی در تعیین کارایی و عملکرد پروتکل‌ها بازی می‌کند. از آنجایی که الگوهای حرکتی می‌توانند نقش مهمی در بهره‌وری یک پروتکل مسیریابی ایفا کنند، لذا هدف مدل‌های تحرک، تقلید الگوهای حرکتی در کاربردهای واقعی‌تر می‌باشد. مدل‌های تحرک، وظیفه القای نحوه حرکت گره‌های سیار را در یک شبکه ادهاک متحرک بر عهده دارند.

تاکنون مدل‌های حرکتی گوناگونی جهت استفاده و مدل سازی شبکه‌های سیار موردی پیشنهاد شده است. با توجه به شکل زیر بطور کلی انواع مدل‌های تحرک گره‌ها درشبکه‌های ادهاک متحرک Manet نشان داده شده است.

مدل حرکتی RWP در مدل های حرکتی گره ها

از معروف‌ترین مدل‌های حرکتی مدل Random Way Point یا RWP می‌باشد. این مدل توسط Johnson و Maltz پیشنهاد شده است در این مدل هر گره به صورت تصادفی گره دیگری را به عنوان مقصد انتخاب کرده و با یک سرعت ثابت که از محدوده بازه [۰,Vmax] به صورت تصادفی انتخاب می‌کند، به طرف آن مقصد شروع به حرکت می‌کند.

پس از رسیدن گره به مقصد به اندازه یک زمان تصادفی Tpause توقف کرده و سپس گره دیگری را به عنوان مقصد انتخاب کرده و همان فرآیند قبلی را تکرار می‌کند. شکل زیر نمایانگر این عمل است.
در این مدل حرکتی، انتخاب مقصد بعدی، انتخاب سرعت و انتخاب زمان توقف در مقصد همگی به صورت تصادفی انجام می‌شود. سرعت، جهت و مقصد و زمان توقف هر گره مستقل از گره‌های دیگر است. در مورد زمان توقف هرگاه ۰= Tpause باشد اجازه حرکت داده خواهد شد.

در این مدل Vmax و Tpause دو پارامتر برای تعیین رفتار تحرک گره‌ها می‌باشد. هر چقدر Vmax کم و Tpause بیشتر باشد توپولوژی شبکه نسبتا پایدار است و برعکس هر چقدر سرعت زیاد و زمان توقف کم باشد توپولوژی بشدت پویا می‌باشد. در رابطه با این موضوع پیشنهاد می‌کنیم مطلب زیر را نیز مطالعه کنید.

• شبکه­ های سیار موردی Ad hoc network – کلیک کنید.

مدل حرکتی Random Walk در مدل های حرکتی گره ها

این مدل حرکتی در اصل برای شبیه سازی حرکت غیر قابل پیش بینی ذرات، در فیزیک پیشنهاد شده است. البته به نام مدل حرکتی براونی هم شناخته می‌شود. این مدل در واقع حالت خاصی از مدل RWP می‌باشد که در آن زمان توقف هنگام رسیدن به گره دیگر، برابر صفر است یعنی ۰= Tpause . همچنین در این مدل سرعت و جهت گره‌ها در هر بازه زمانی تغییر می‌یابد

برای هر فاصله جدید t، هر گره به صورت تصادفی و غیر یکنواخت یک جهت را انتخاب می‌کند یعنی (θ(t از (۰,۲π]. در روش مشابه، برای سرعت جدید (V(t یک توزیع غیر یکنواخت یا همان توزیع گوسین را از بازه [۰,Vmax] را دنبال می‌کند. بنابراین در طی زمان t یک گره با سرعت برداری که در فرمول زیر نشان داده شده، حرکت می‌کند.

[(V(t)cos θ(t),V(t)sinθ(t]

مدل حرکتی Random Walk یک فرآیند حرکتی بدون حافظه است که در آن اطلاعات مربوط به حالت‌های قبلی برای تصمیم گیری حالت‌های بعدی لازم نمی‌باشد به بیان دیگر سرعت فعلی مستقل از سرعت قبلی و سرعت بعدی می‌باشد.

مدل حرکتی RPGM در مدل های حرکتی گره ها

در این مدل، گره‌های شبکه، تشکیل یک یا چند گروه می‌دهند که به ازای هر گروه، یکی از گره‌ها رهبر گروه می‌باشد. در واقع این رهبر گروه است که رفتار حرکتی کل گروه را مشخص می‌کند مثال بارز این مدل، شبکه تشکیل شده توسط سربازان و فرمانده‌شان در میدان نبرد است.

در ابتدا اعضای گروه به طور یکنواخت در همسایگی رهبر گروه قرار می‌گیرند. سپس در هرلحظه، هر گره سرعت و جهت خود را با کمی انحراف از رهبر گروه ( که این انحراف یک متغیر تصادفی است ) اختیار می‌کند. می‌توان مدل تحرک RPGM را به صورت روابط زیر فرمولبندی نمود:

V_member (t) |=|V_leader (t) |+ random()×SDR×V_max|
θ_member (t)=θ_leader (t)+ random()×ADR×θ_max

که در آن SDR ≥ ۰ نرخ انحراف سرعت و ۰ ≤ ADR ≤ ۱ نرخ انحراف زاویه هستند که برای کنترل انحراف سرعت گره‌ها از رهبر گروه ( از نظر اندازه و جهت ) مورد استفاده قرار می‌گیرند. همچنین θmax و Vmax به ترتیب حداکثر سرعت و حداکثر زاویه‌ای هستند که یک گره می‌تواند داشته باشد.

مدل حرکتی Random Direction در مدل های حرکتی گره ها

این مدل، شبیه مدل RWP است، با این تفاوت که به جای انتخاب نقطه مقصد تصادفی، در آغاز حرکت، زاویه‌ای در بازه [۰,Max_Angel] و سرعتی در بازه [۰,Max_speed] به صورت تصادفی انتخاب می‌شود. هر گره با انتخاب این زاویه و با سرعت انتخاب شده شروع به حرکت می‌کند. این حرکت تا رسیدن گره به لبه‌های محیط شبیه سازی ادامه پیدا می‌کند.

با رسیدن به لبه محیط، گره به مدت زمانی تصادفی در بازه [۰,Max_puasetime] توقف می‌کند.سپس با انتخاب سرعت و جهت تصادفی جدید، شروع به حرکت می‌کند و به حرکت خود تا رسیدن به لبه بعدی ادامه می‌دهد. این مدل برای حل مشکل تراکمِ گره‌ها درحوالی مرکز محیط شبیه سازی در مدل RWP پیشنهاد شده است و ضمن رفع نسبی این مشکل، رفتار مدل را به رفتار گره‌ها در دنیای واقعی نزدیک‌تر کرده است.

پروتکل های مسیریابی در شبکه های سیار موردی Ad hoc network

پروتکل های مسیریابی در شبکه های سیار موردی Ad hoc network

کلیک کنید