Розробка методу інтелектуальної маршрутизації наземно-повітряної Ad-Hoc мережі спеціального призначення

Автор(и)

  • Robert Bieliakov Військовий інститут телекомунікацій та інформатизації імені Героїв Крут, Україна

DOI:

https://doi.org/10.15587/2706-5448.2024.302394

Ключові слова:

наземно-повітряна комунікаційна мережа, нейронна мережа, машинне навчання із підкріпленням, метод маршрутизації, пропускна спроможність

Анотація

Об’єктом дослідження є процес формування управляючих рішень із забезпечення роботи підсистеми управління маршрутизацією наземно-повітряної комунікаційної мережі на основі нейромережевих алгоритмів. Проведене дослідження базується на застосуванні чисельно-аналітичного підходу вибору сучасних науково-прикладних рішень побудови моделей управління перспективними Ad-Hoc комунікаційними мережами. В середовищі імітаційного моделювання Google Collab за використання мови програмування Python, вдалося: по-перше зімітувати роботу наземно-повітряної комунікаційної мережі на основі раніше отриманих моделей та системи управління процесом маршрутизації на основі алгоритму FA-OSELM. По-друге, відповідно до описаного в роботі сценарію побудови та підтримання маршруту, експериментально визначити комунікаційні метрики запропонованого методу інтелектуальної маршрутизації наземно-повітряної Ad-Hoc мережі спеціального призначення, з метою оцінки його ефективності, адекватності та достовірності отриманих результатів. Таким чином, для оцінки ефективності запропонованих рішень було проведено порівняльний аналіз застосування трьох існуючих методів маршрутизації (FLCA, Q-Routing, Neuro Routing), що застосовуються в Ad-Hoc мережах відносно розробленого методу.

Результат експерименту показав, що запропонований метод маршрутизації MAODV-FA-OSELM забезпечує істотні переваги відносно аналогів. Так, метод демонструє найкращу пропускну спроможність мережі (2.12e+06), найнижчий середній час затримки мережі (0.12), найменшу втрату пакетів (6.32), найнижчу частоту бітових помилок (2.41) та найменші накладні витрати (0.10e+06). Однак необхідно зазначити, що перспективним напрямком подальших досліджень може бути дослідження обчислювальної складності процесу управління маршрутизацією та визначення мінімально допустимої репрезентативної вибірки початкових даних для забезпечення прийняття рішень в онлайн режимі.

Біографія автора

Robert Bieliakov, Військовий інститут телекомунікацій та інформатизації імені Героїв Крут

Кандидат технічних наук, доцент

Науково-організаційний відділ

Посилання

  1. Aftanaziv, I. S., Strohan, O. I., Shevchuk, L. I., Strutynska, L. R. (2024). Specifying the coordinates of enemy UAVs by means of kinematic design. Scientific Bulletin of UNFU, 34 (1), 53–60. doi: https://doi.org/10.36930/40340108
  2. Valuiskyi, S. V. (2011). Efektyvnist zastosuvannia povitrianykh retransliatoriv dlia pidvyshchennia strukturnoi nadiinosti bezprovodovykh epizodychnykh merezh. Zbirnyk naukovykh prats Viiskovoho instytutu Kyivskoho natsionalnoho universytetu imeni Tarasa Shevchenka, 32, 98–103.
  3. Santoso, F., Garratt, M. A., Anavatti, S. G. (2018). State-of-the-Art Intelligent Flight Control Systems in Unmanned Aerial Vehicles. IEEE Transactions on Automation Science and Engineering, 15 (2), 613–627. doi: https://doi.org/10.1109/tase.2017.2651109
  4. Romanyuk, V., Stepanenko, E. (2019). Decision model for air network management. Scientific Collection of the MITIT, 3, 84–95.
  5. Bieliakov, R. (2023). The problem of integrating the FANET class air network into a special purpose mobile communication network. Computer-Integrated Technologies: Education, Science, Production, 53, 263–276. doi: https://doi.org/10.36910/6775-2524-0560-2023-53-40
  6. Minochkin, A. I., Romaniuk, V. A. (2003). Upravlinnia topolohiieiu mobilnoi radiomerezhi. Zviazok, 2, 28–33.
  7. Topology Control (2005). Topology Control in Wireless Ad Hoc and Sensor Networks. John Wiley & Sons, Ltd., 27–36. doi: https://doi.org/10.1002/0470094559.ch3
  8. Topology Control (2020). Encyclopedia of Wireless Networks. Springer International Publishing, 1403. doi: https://doi.org/10.1007/978-3-319-78262-1_300657
  9. Tepšić, D. M., Veinović, M. Đ. (2015). Classification of MANET routing protocols. Vojnotehnicki Glasnik, 63 (1), 84–101. doi: https://doi.org/10.5937/vojtehg63-5706
  10. Kumar, A., Hans, R. (2015). Performance Analysis of DSDV, I-DSDV, OLSR, ZRP Proactive Routing Protocol in Mobile AdHoc Networks in IPv6. International Journal of Advanced Science and Technology, 77, 25–36. doi: https://doi.org/10.14257/ijast.2015.77.03
  11. Bieliakov, R. O., Fesenko, O. D. (2023). Evaluation of the efficiency OLSR, AODV, DSDV, MAODV routing protocols in special MANET class networks. Visnyk of Kherson National Technical University, 3 (86), 75–82. doi: https://doi.org/10.35546/kntu2078-4481.2023.3.10
  12. Romaniuk, V. A., Minochkin, A. I. (2006). Marshrutyzatsiia v mobilnykh radiomerezhakh – problema i shliakhy yii vyrishennia. Zviazok, 7, 49–55.
  13. Tan, X., Zuo, Z., Su, S., Guo, X., Sun, X., Jiang, D. (2020). Performance Analysis of Routing Protocols for UAV Communication Networks. IEEE Access. doi: https://doi.org/10.1109/access.2020.2995040
  14. da Costa, L. A. L. F., Kunst, R., Pignaton de Freitas, E. (2021). Q-FANET: Improved Q-learning based routing protocol for FANETs. Computer Networks, 198, 108379. doi: https://doi.org/10.1016/j.comnet.2021.108379
  15. Bieliakov, R. (2024). Hierarchical model of intelligent management of special purpose ground-air communication network. Computer-integrated technologies: education, science, production, 54, 225–235. doi: https://doi.org/10.36910/6775-2524-0560-2024-54-28
  16. Bieliakov, R., Fesenko, O. (2023). Mobility model of a special purpose terrestrial communication network. Computer-integrated technologies: education, science, production, 51, 130–138. doi: https://doi.org/10.36910/6775-2524-0560-2023-51-17
  17. Bieliakov, R., Fesenko, O. (2023). FANET management process simulation at the deployment and operation stage. Technology Audit and Production Reserves, 5 (2 (73)), 40–47. doi: https://doi.org/10.15587/2706-5448.2023.290033
  18. Romaniuk, V. A., Bieliakov, R. О. (2023). Objective control functions of FANET communication nodes of land-air network. Computer-integrated technologies: education, science, production, 50, 125–130. doi: https://doi.org/10.36910/6775-2524-0560-2023-50-19
  19. Ogier, R., Templin, F., Lewis, M. (2004). Topology Dissemination Based on Reverse-Path Forwarding (TBRPF). RFC Editor. doi: https://doi.org/10.17487/rfc3684
  20. Sensarma, D. (2015). AQTR: The Ant Based Qos Aware Improved Temporally Ordered Routing Algorithm for MANETs. SSRN Electronic Journal. doi: https://doi.org/10.2139/ssrn.2556278
  21. Guizani, B., Ayeb, B., Koukam, A. (2011). Hierarchical cluster-based link state routing protocol for large self-organizing networks. 2011 IEEE 12th International Conference on High Performance Switching and Routing. doi: https://doi.org/10.1109/hpsr.2011.5986027
  22. Santhi, K. (2019). Fuzzy Logic Based Raodv Routing Protocol. International Journal of Recent Technology and Engineering (IJRTE), 8 (4), 7919–7924. doi: https://doi.org/10.35940/ijrte.c4163.118419
  23. Singh, A., Singh, D. (2023). Genetic Algorithm-Based Secure Routing Protocol for Wireless Sensor Networks. International Research Journal on Advanced Engineering Hub (IRJAEH), 1 (1), 46–52. doi: https://doi.org/10.47392/irjaeh.2023.007
  24. Nandy, A., Biswas, M. (2017). Reinforcement Learning Basics. Reinforcement Learning. Apress, 1–18. doi: https://doi.org/10.1007/978-1-4842-3285-9_1
  25. Bitaillou, A., Parrein, B., Andrieux, G. (2020). Q-routing: From the Algorithm to the Routing Protocol. Machine Learning for Networking. Springer International Publishing, 58–69. doi: https://doi.org/10.1007/978-3-030-45778-5_5
  26. Chinagolum, A. I., Hyacenth, C. A., Callistus, W. U. C. (2018). Intelligent Routing Algorithm Using Antnet. International Journal of Trend in Scientific Research and Development, 3 (1), 306–314. doi: https://doi.org/10.31142/ijtsrd18990
  27. Chaudhari, S. (2021). A survey on multipath routing techniques in wireless sensor networks. International Journal of Networking and Virtual Organisations, 24 (3), 267. doi: https://doi.org/10.1504/ijnvo.2021.10038833
  28. Jiang, X., Liu, J., Chen, Y., Liu, D., Gu, Y., Chen, Z. (2014). Feature Adaptive Online Sequential Extreme Learning Machine for lifelong indoor localization. Neural Computing and Applications, 27 (1), 215–225. doi: https://doi.org/10.1007/s00521-014-1714-x
  29. Yamin, S., Permuter, H. H. (2024). Multi-agent reinforcement learning for network routing in integrated access backhaul networks. Ad Hoc Networks, 153, 103347. doi: https://doi.org/10.1016/j.adhoc.2023.103347
Development of a routing method for ground-air Ad-Hoc network of special purpose

##submission.downloads##

Опубліковано

2024-04-20

Як цитувати

Bieliakov, R. (2024). Розробка методу інтелектуальної маршрутизації наземно-повітряної Ad-Hoc мережі спеціального призначення. Technology Audit and Production Reserves, 2(2(76), 44–51. https://doi.org/10.15587/2706-5448.2024.302394

Номер

Том 2 № 2(76) (2024): Інформаційно-керуючі системи

Розділ

Системи та процеси керування

Ліцензія

Авторське право (c) 2024 Robert Bieliakov

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.