مدل های حرکتی گره ها در شبکه های ادهاک متحرک Adhoc
يكي از مسايل مهمي كه در شبكه هاي Adhoc و بخصوص شبكه هاي ادهاک متحرک Manet مطرح است، تعیین مدل تحرك گره ها یا نودها مي باشد. بطور کلی مطالعه ی پروتکل های جدید شبکه های سیار موردی برای شبیه سازی و ارزیابی عملکرد آنها مهم می باشد. شبیه سازی پروتکل ها دارای چندین پارامتر می باشد که مهمترین آنها تعیین مدل حرکتی گره ها و الگوی ارتباط ترافیکی می باشد. مدل تحرک گره ها، الگوی حرکت گره های سیار و چگونگی تغییر مکان، سرعت و شتاب را در طول زمان برای ما نشان می دهد.
مدل های حرکتی گره ها در شبکه های ادهاک متحرک Adhoc
الگوهای تحرک یا حرکت گره ها نقش مهمی در تعیین کارایی و عملکرد پروتکل ها بازی می کند. از آنجايي كه الگوهاي حركتي مي توانند نقش مهمي در بهره وري يك پروتكل مسيريابي ايفا كنند، لذا هدف مدل هاي تحرك، تقليد الگوهاي حركتي در كاربردهاي واقعي تر مي باشد. مدل هاي تحرك، وظيفه القاي نحوه حركت گره هاي سيار را در يك شبکه ادهاک متحرک بر عهده دارند. تاكنون مدل هاي حركتي گوناگوني جهت استفاده و مدل سازي شبكه هاي سیار موردي پيشنهاد شده است. با توجه به شکل زیر بطور کلی انواع مدل های تحرک گره ها درشبکه های ادهاک متحرک Manet نشان داده شده است.
مدل حرکتی RWP
از معروف ترین مدل های حركتي مدل Random Way Point یا RWP می باشد. این مدل توسط Johnson و Maltz پیشنهاد شده است در اين مدل هر گره به صورت تصادفي گره ديگري را به عنوان مقصد انتخاب كرده و با يك سرعت ثابت كه از محدوده بازه [0,Vmax] به صورت تصادفي انتخاب مي كند، به طرف آن مقصد شروع به حركت مي كند. پس از رسيدن گره به مقصد به اندازه يك زمان تصادفي Tpause توقف كرده و سپس گره ديگري را به عنوان مقصد انتخاب كرده و همان فرآيند قبلي را تكرار مي كند.شکل زیر نمایانگر این عمل است.
در اين مدل حركتي، انتخاب مقصد بعدي، انتخاب سرعت و انتخاب زمان توقف در مقصد همگي به صورت تصادفي انجام مي شود. سرعت، جهت و مقصد و زمان توقف هر گره مستقل از گره های دیگر است. در مورد زمان توقف هرگاه 0= Tpause باشد اجازه حرکت داده خواهد شد. در این مدل Vmax و Tpause دو پارامتر برای تعیین رفتار تحرک گره ها می باشد. 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 می باشد.
مدل حرکتی Random Walk
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 می شود. این مدل در واقع حالت خاصی از مدل RWP می باشد که در آن زمان توقف هنگام رسیدن به گره دیگر، برابر صفر است یعنی 0= Tpause . همچنین در این مدل سرعت و جهت گره ها در هر بازه زمانی تغییر می یابد برای هر فاصله جدید t، هر گره به صورت تصادفی و غیر یکنواخت یک جهت را انتخاب می کند یعنی (θ(t از (0,2π]. در روش مشابه، برای سرعت جدید (V(t یک توزیع غیر یکنواخت یا همان توزیع گوسین را از بازه [0,Vmax] را دنبال می کند. بنابراین در طی زمان t یک گره با سرعت برداری که در فرمول زیر نشان داده شده، حرکت می کند.
[(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 حالت های قبلی برای تصمیم گیری حالت های بعدی لازم نمی باشد به بیان دیگر سرعت فعلی مستقل از سرعت قبلی و سرعت بعدی می باشد.
مدل حرکتی RPGM
در اين مدل، گره هاي شبكه، تشكيل يك يا چند گروه مي دهند كه به ازاي هر گروه، يكي از گره ها رهبر گروه مي باشد. در واقع اين رهبر گروه است كه رفتار حركتي كل گروه را مشخص مي كند مثال بارز اين مدل، شبكة تشكيل شده توسط سربازان و فرمانده شان در میدان نبرد است.
در ابتدا اعضاي گروه به طور يكنواخت در همسايگي رهبر گروه قرار مي گيرند. سپس در هرلحظه، هر گره سرعت و جهت خود را با كمي انحراف از رهبر گروه ( كه اين انحراف يك متغير تصادفي است ) اختيار ميكند. مي توان مدل تحرك 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
كه در آن SDR ≥ 0 نرخ انحراف سرعت و 0 ≤ ADR ≤ 1 نرخ انحراف زاويه هستند كه براي كنترل انحراف سرعت گره¬ها از رهبر گروه ( از نظر اندازه و جهت ) مورد استفاده قرار مي گيرند. همچنين θmax و Vmax به ترتيب حداكثر سرعت و حداكثر زاويه اي هستند كه يك گره مي تواند داشته باشد.
مدل حرکتی Random Direction
اين مدل، شبيه مدل RWP است، با اين تفاوت كه به جاي انتخاب نقطه مقصد تصادفي، در آغاز حركت، زاويه اي در بازة [0,Max_Angel] و سرعتي در بازة [0,Max_speed] به صورت تصادفي انتخاب مي شود. هر گره با انتخاب اين زاويه و با سرعت انتخاب شده شروع به حركت می كند. اين حركت تا رسيدن گره به لبه-هاي محيط شبيه سازي ادامه پيدا مي كند. با رسيدن به لبه محيط، گره به مدت زماني تصادفي در بازة [0,Max_puasetime] توقف مي كند. سپس با انتخاب سرعت و جهت تصادفي جديد، شروع به حركت مي-كند و به حركت خود تا رسيدن به لبة بعدي ادامه مي دهد. اين مدل براي حل مشكل تراكمِ گره ها درحوالي مركز محيط شبيه سازي در مدل RWP پيشنهاد شده است و ضمن رفع نسبي اين مشكل، رفتار مدل را به رفتار گره ها در دنياي واقعي نزديك تركرده است.
درباره امین جلیل زاده رزین
پایه گذار و موسس وب سایت آموزشی پی استور، مدرس دانشگاه فنی و حرفه ای، برنامه نویس و تحلیل گر سیستم، پژوهشگر در حوزه الگوریتم های ابتکاری، فرا ابتکاری، یادگیری ماشین، شبکه و پایگاه داده. ایشان در زبان های برنامه نویسی متعدد، نظیر ++C، سی شارپ، PHP ،Java، متلب MATLAB و Python تسلط و سابقه تدریس فعال دارند.