論文の概要: Genetic Improvement of Routing Protocols for Delay Tolerant Networks
- arxiv url: http://arxiv.org/abs/2103.07428v1
- Date: Fri, 12 Mar 2021 17:46:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-08 08:31:52.961435
- Title: Genetic Improvement of Routing Protocols for Delay Tolerant Networks
- Title（参考訳）: 遅延耐性ネットワークのためのルーティングプロトコルの遺伝的改良
- Authors: Michela Lorandi, Leonardo Lucio Custode, Giovanni Iacca
- Abstract要約: Delay Tolerant Networks (DTN) で広く採用されている2つのルーティングプロトコルを改良する。
私たちはそれらを基本コンポーネント、すなわちノードがデータを転送できるかどうかをチェックしたり、すべてのコネクションにメッセージを送信したりします。
進化する樹木の終端ノードとして,これらの成分を操作するために遺伝的改良(GI)を適用した。
- 参考スコア（独自算出の注目度）: 3.9571744700171756
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Routing plays a fundamental role in network applications, but it is
especially challenging in Delay Tolerant Networks (DTNs). These are a kind of
mobile ad hoc networks made of e.g. (possibly, unmanned) vehicles and humans
where, despite a lack of continuous connectivity, data must be transmitted
while the network conditions change due to the nodes' mobility. In these
contexts, routing is NP-hard and is usually solved by heuristic "store and
forward" replication-based approaches, where multiple copies of the same
message are moved and stored across nodes in the hope that at least one will
reach its destination. Still, the existing routing protocols produce relatively
low delivery probabilities. Here, we genetically improve two routing protocols
widely adopted in DTNs, namely Epidemic and PRoPHET, in the attempt to optimize
their delivery probability. First, we dissect them into their fundamental
components, i.e., functionalities such as checking if a node can transfer data,
or sending messages to all connections. Then, we apply Genetic Improvement (GI)
to manipulate these components as terminal nodes of evolving trees. We apply
this methodology, in silico, to six test cases of urban networks made of
hundreds of nodes, and find that GI produces consistent gains in delivery
probability in four cases. We then verify if this improvement entails a
worsening of other relevant network metrics, such as latency and buffer time.
Finally, we compare the logics of the best evolved protocols with those of the
baseline protocols, and we discuss the generalizability of the results across
test cases.
- Abstract（参考訳）: ルーティングはネットワークアプリケーションにおいて基本的な役割を果たすが、特にDTN(Delay Tolerant Networks)では難しい。
これらは例えば(おそらく無人の)車両と人間で作られたモバイルアドホックネットワークの一種であり、連続接続の欠如にもかかわらず、ノードの移動性によってネットワークの状態が変化する間にデータが送信されなければならない。
これらの文脈では、ルーティングはNPハードであり、通常はヒューリスティックな「ストアアンドフォワード」レプリケーションベースのアプローチによって解決される。
それでも、既存のルーティングプロトコルは、比較的低いデリバリ確率を生み出す。
本稿では,DTNにおいて広く採用されている2つのルーティングプロトコル,すなわち Epidemic と PRoPHET を遺伝的に改良した。
まず、ノードがデータを転送できるかチェックしたり、すべてのコネクションにメッセージを送信したりする機能など、基本的なコンポーネントに分類します。
そして,これらの成分を進化樹の終端ノードとして操作するために遺伝的改良(GI)を適用した。
我々は,この手法を,数百のノードからなる都市ネットワークの6つのテストケースに適用し,GIが4つのケースで一貫した納入確率の向上をもたらすことを発見した。
そして、この改善によってレイテンシやバッファタイムなどの他の関連するネットワークメトリクスが悪化するかどうかを検証する。
最後に、最良の進化プロトコルの論理をベースラインプロトコルの論理と比較し、テストケースにおける結果の一般化可能性について論じる。
関連論文リスト
- Scalable Graph Compressed Convolutions [68.85227170390864]
ユークリッド畳み込みのための入力グラフのキャリブレーションに置換を適用する微分可能手法を提案する。
グラフキャリブレーションに基づいて,階層型グラフ表現学習のための圧縮畳み込みネットワーク(CoCN)を提案する。
論文 参考訳（メタデータ） (2024-07-26T03:14:13Z) - MetaDetect: Metamorphic Testing Based Anomaly Detection for Multi-UAV
Wireless Networks [0.5076419064097734]
無線アドホックネットワーク(WANET)通信の信頼性は有線ネットワークよりもはるかに低い。
提案手法は,WANET上のインシデント/アクシデントイベントを自動的に識別する上で有用である。
論文 参考訳（メタデータ） (2023-12-07T23:24:58Z) - Multi-User Entanglement Distribution in Quantum Networks Using Multipath
Routing [55.2480439325792]
マルチパスルーティングを活用することで,マルチユーザアプリケーションの絡み合い率を高める3つのプロトコルを提案する。
これらのプロトコルは、制限された量子メモリや確率的絡み合い生成を含む、NISQ制約のある量子ネットワーク上で評価される。
論文 参考訳（メタデータ） (2023-03-06T18:06:00Z) - Binary Graph Convolutional Network with Capacity Exploration [58.99478502486377]
ネットワークパラメータと入力ノード属性の両方を二項化するバイナリグラフ畳み込みネットワーク(Bi-GCN)を提案する。
我々のBi-GCNは、ネットワークパラメータと入力データの両方で平均31倍のメモリ消費を削減でき、推論速度を平均51倍に加速できる。
論文 参考訳（メタデータ） (2022-10-24T12:05:17Z) - Bandwidth-efficient distributed neural network architectures with
application to body sensor networks [73.02174868813475]
本稿では,分散ニューラルネットワークアーキテクチャを設計するための概念設計手法について述べる。
提案手法により,損失を最小限に抑えつつ,最大20倍の帯域幅削減が可能となることを示す。
本稿では,ウェアラブル脳-コンピュータインタフェースに焦点をあてるが,他のセンサネットワークアプリケーションにも適用できる。
論文 参考訳（メタデータ） (2022-10-14T12:35:32Z) - QuTE: decentralized multiple testing on sensor networks with false
discovery rate control [130.7122910646076]
本稿では、偽発見率(FDR)の証明可能な保証を備えたグラフ上での分散多重仮説検定法を設計する。
異なるエージェントが無向グラフのノードに存在し、各エージェントはそのノードに局所的な1つ以上の仮説に対応するp値を持つ。
各エージェントは、グラフ全体の大域的FDRが予め定義されたレベルで制御されなければならないという共同目的のもと、隣人とのみ通信することで、それぞれのローカル仮説の1つ以上の拒絶を個別に決めなければならない。
論文 参考訳（メタデータ） (2022-10-09T19:48:39Z) - CARL-DTN: Context Adaptive Reinforcement Learning based Routing
Algorithm in Delay Tolerant Network [0.0]
delay/disruption- tolerance networks (dtn) は、全てのタイプの長距離遅延、断続的、断続的接続ネットワークを記述およびカバーするために発明された。
本研究では,リアルタイム密度に基づくメッセージの最適なレプリカを決定するために,コンテキスト適応型強化学習に基づくルーティングプロトコルを提案する。
論文 参考訳（メタデータ） (2021-05-02T20:08:17Z) - Medium Access using Distributed Reinforcement Learning for IoTs with
Low-Complexity Wireless Transceivers [2.6397379133308214]
本論文では,低複雑性無線トランシーバを用いたIoTネットワークにおけるMAC層無線プロトコルに使用できる分散強化学習(RL)ベースのフレームワークを提案する。
このフレームワークでは、アクセスプロトコルをまずMarkov Decision Processs (MDP) として定式化し、次にRLを用いて解決する。
本論文は,学習パラダイムの性能と,ノードが様々なネットワークダイナミクスに応答して,その最適伝達戦略をオンザフライで適応させる能力を示す。
論文 参考訳（メタデータ） (2021-04-29T17:57:43Z) - On Topology Optimization and Routing in Integrated Access and Backhaul
Networks: A Genetic Algorithm-based Approach [70.85399600288737]
IABネットワークにおけるトポロジ最適化とルーティングの問題について検討する。
我々は、IABノード配置と非IABバックホールリンク分布の両方に効率的な遺伝的アルゴリズムベースのスキームを開発する。
メッシュベースのIABネットワークを実現する上での課題について論じる。
論文 参考訳（メタデータ） (2021-02-14T21:52:05Z) - SoS-RPL: Securing Internet of Things Against Sinkhole Attack Using RPL
Protocol-Based Node Rating and Ranking Mechanism [1.2691047660244335]
IoTには、分散機能のためにシンクホール攻撃と呼ばれる特定のルーティング不服従が与えられている。
これらの攻撃では、悪意のあるノードがルーティングに関する情報をブロードキャストし、近隣ノードの特定のノードへのルートとして自身を強制し、データトラフィックを引き付ける。
本研究は,NS-3環境下での広範囲なシミュレーションにより評価し,検出率,偽陰性率,偽陽性率,パケット配信速度,最大スループット,パケット損失率に基づいて,IoTネットワークの挙動指標が向上することが示唆された。
論文 参考訳（メタデータ） (2020-05-17T09:26:09Z) - Adaptive Propagation Graph Convolutional Network [17.41698818541144]
グラフ畳み込みネットワーク(GCN)は、グラフデータに対して推論を行うニューラルネットワークモデルの一群である。
我々は,各ノードにおける通信ステップ数を独立に適応させることで,最先端の結果が得られることを示す。
提案した適応伝搬GCN (AP-GCN) は, 最適モデルよりも優れた, あるいは類似した結果が得られることを示す。
論文 参考訳（メタデータ） (2020-02-24T15:31:16Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。