CC BY
903. Автоматическое управление в химической промышленности / Под. ред. Е.Г. Дудникова. М.: Химия, 1987.
4. Эрриот П. Регулирование производственных процессов: Пер. с англ. М.: Энергия, 1967.
5. Цыпкин Я.3. Устойчивость систем с запаздывающей обратной связью // АиТ, 1946. Т. 7. № 3. С. 107-129.
ПУТИ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ
ФУНКЦИОНИРОВАНИЯ MESH-СЕТЕЙ 1 2 Белобров А.С. , Синельщиков А.В.
1Белобров Александр Сергеевич - студент;
2Синельщиков Алексей Владимирович - кандидат технических наук, доцент, кафедра информационных технологий, Астраханский государственный университет, г. Астрахань
Аннотация: в настоящее время Mesh-сети являются объектом исследования и средством решения задач передачи информации в окружении с неразвитой телекоммуникационной инфраструктурой. Обзор современного состояния технологий построения Mesh-сетей показал, что основной проблемой при их организации остаётся эффективная маршрутизация данных, которая влияет на скорость доставки данных, надёжность и продолжительность работы узлов. Для решения данной проблемы предлагается использовать муравьиный алгоритм на основе многоантенных алгоритмов физического уровня, поскольку данные алгоритмы доказали свою эффективность в задачах поиска кратчайшего маршрута при решении транспортных задач и поисков оптимальных маршрутов между узлами транспортной сети.
Ключевые слова: Mesh-сеть, муравьиный алгоритм, маршрутизация, качество передачи данных, сеть мобильного оператора.
УДК 621.391
Mesh-сеть (ячеистая сеть) - это сетевая топология, в которой рабочие станции соединяются друг с другом и способны принимать на себя роль коммутатора для остальных участников сети [1]. Основное отличие Mesh-сети от централизованных систем заключается в том, что в них все узлы равноправны - каждый узел может быть как маршрутизатором (роутером), так и мостом. В настоящее время ячеистые сети продолжают оставаться объектом исследования и средством решения задач передачи информации в окружении с неразвитой телекоммуникационной инфраструктурой.
Mesh-сети обладают рядом недостатков, мешающих их широкому применению [2]:
- проведение реального тестирования сети большого размера довольно затруднительно вследствие высокой сложности её реализации;
- ограниченность ресурса источника питания мобильных узлов;
- сложность маршрутизации данных;
- сложность связи устройств между собой при использовании среды передачи данных Wi-Fi.
Несмотря на имеющиеся публикации и предлагаемые варианты организации Mesh-сетей, окончательно указанные недостатки не преодолены. В целом, до настоящего времени остаются актуальными работы, посвященные влиянию различных параметров (размер пакета, мощность сигнала, скорость передачи данных и другие) на качество передачи данных в беспроводных Mesh-сетях.
Таким образом, исследования, посвященные повышению эффективности Mesh-сетей, остаются актуальными.
При запуске Mesh-сети необходимо решать множество задач по маршрутизации, одновременно совмещая это с шифрованием передаваемой информации и возможностью оверлейного режима работы.
В работе «Исследование влияния различных параметров на характеристики передачи данных беспроводных многошаговых сетей» [2] исследуются вопросы влияния различных параметров на качество передачи данных в беспроводных многошаговых сетях. Авторами установлено, что такие параметры как мощность сигнала, размер пакета, скорость узлов имеют не меньшее влияние на качество передачи данных, чем количество узлов или выбранный протокол маршрутизации, а результаты могут меняться в зависимости от комбинаций значений различных факторов, например, расположение и количество узлов, а факторы могут влиять и друг на друга.
В работе «Моделирование беспроводных многошаговых самоорганизующихся мобильных сетей» [8] рассматривается вопрос об оценки эффективности решений, предлагаемых в сфере MANET для исследования эксплуатационных характеристик Mesh-сетей. Авторы работы предлагают использовать в качестве инструмента такой оценки имитационное моделирование. Авторами статьи [8] разработан протокол маршрутизации для мобильных самоорганизующихся сетей. На текущий момент в модели реализовано случайное перемещение узлов. В дальнейшем авторы планируют создать другие модели перемещения узлов (в том числе предложенную модель перемещения транспортных средств) и произвести сравнительный анализ характеристик разработанного протокола с существующими протоколами (AODV, OLSR и т.д.) в различных условиях функционирования с целью улучшения параметров разработанного протокола.
В работе «Perfomance of urban mesh networks» V. Sridhara, J. Kim, S. Bohacek [9] авторы приводят подробное моделирование ячеистых сетей в нескольких городских условиях и выполняют оценку производительности этих сетей. Авторы рассматривают основные проблемы производительности сети, такие как возможность подключения, ёмкость и несколько метрик производительности, ориентированных на приложения, в зависимости от плотности инфраструктуры (базовые станции и фиксированные беспроводные реле). Авторами установлено, что, плотность инфраструктуры обеспечит адекватное покрытие для узлов, которые находятся на улице, а для покрытия внутренних узлов требуется значительно более высокого уровня плотность структуры. В целом было установлено, что плотность строений, предложенная для городских ячеистых сетей, не будет обеспечивать приемлемую производительность, даже в ограниченном случае внешне расположенных узлов.
В работе «Research of Wireless MESH Network Performance based on NSTUns» Y. Fu [10] автор сравнивает фазовое дрожание цифрового сигнала данных, скорость потери пакетов, пропускную способность и производительность передачи данных Mesh-сети на разных расстояниях между узлами, сетевые протоколы, скорость доступа на стороне доступа, которые вызывают пакеты во время задержки передачи и предлагает критерии для объективной оценки качества Mesh-сетей.
Работа «Многоканальные mesh-сети: анализ подходов и оценка производительности» [11] посвящена методам реализации многоканального режима в сетях с ячеистой топологией на основе стандарта IEEE 802.11. Результаты исследования показали, во-первых, высокую точность аналитических моделей, и, во-вторых, возможность многократного увеличения пропускной способности Mesh-сети при использовании всего двух радиоинтерфейсов на каждом устройстве
В работе «Optimal design of broadband wireless mesh networks» [12] авторы предложили новую унифицированную модель беспроводной ячеистой сети. Уникальность подхода заключается в том, что вместо того, чтобы рассматривать
23
каждый из компонентов (мощность сигнала, стоимость, качество обслуживания и так далее) отдельно, они разработали новую модель, которая объединяет все компоненты.
В исследовании «Perfomance of VoIP in 802.11 Wireless Mesh Network» [13], выполненном NEC Laboratories America, авторы выполнили экспериментальное исследование нескольких методов для улучшения качества VoIP (Voice over Internet Protocol) через беспроводную Mesh-сеть. Использованы несколько интерфейсов, архитектуру пересылки на основе меток и агрегацию пакетов. Было установлено, что каждый из этих методов производит значительное улучшение работы сети. Авторы внедрили стратегию распределенного агрегирования пакетов, которая работает с использованием MAC, ожидающей выполнение агрегации, без введения неограниченных задержек пакетов. Эти оптимизации производительности реализованы авторами в беспроводной ячеистой сети с 15 узлами. Результаты эксперимента показали возможность увеличения сети в 13 раз для строки из 6 переходов при использовании всех оптимизаций.
Сложность решаемой задачи привела к созданию целого ряда протоколов для организации Mesh-сетей: CJDNS [3], OSPF (маршрутизация на основе алгоритма Дейкстры) [4], B.A.T.M.A.N. (развитие протокола OSPF) [5], DTN (для гетерогенных сред) [6], Netsukuku (организация больших сетей с минимальной нагрузкой на узлы) [7].
Обобщая работы [2-12], можно выделить наиболее важные с точки зрения производительности Mesh-сети эксплуатационные характеристики:
1. Авто-конфигурируемая маршрутизация - отсутствует необходимость ручной настройки маршрутизации в сети.
2. Распределенная маршрутизация - узлы обмениваются информацией о маршрутизации.
3. Объединение сетей - умение объединять сети через обычный интернет.
4. Авто-настройка - позволяет пользоваться сетью без установки какого-либо стороннего программного обеспечения.
5. Авто-назначение адреса - клиент сам выбирает себе адрес и может не менять его, переходя из одной подсети в другую. Нет единого центра выдачи адресов.
6. Разработка - статус разработки протокола (завершен или в стадии разработки).
7. Поддержка операционных систем - какие операционные системы могут быть полноценными участниками сети.
8. IPv4/v6 - по какому протоколу работает сеть - IPv4 или IPv6.
9. DNS - наличие сервера доменных имен, позволяющего получать IP-адрес ресурса по имени хоста.
Из приведенных протоколов [3-7] наиболее полный учет указанных характеристик осуществляется протоколом CJDNS.
Обзор современного состояния технологий построения Mesh-сетей показал, что основной проблемой при их организации остается эффективная маршрутизация данных, которая влияет на скорость доставки данных, надёжность и продолжительность работы узлов.
Одним из относительно новых и перспективных способов поиска оптимальных маршрутов являются муравьиные алгоритмы на основе многоантенных алгоритмов физического уровня. Муравьиные алгоритмы доказали свою эффективность в задачах поиска кратчайшего маршрута при решении транспортных задач и поиске оптимальных маршрутов между узлами транспортной сети. К достоинствам муравьиного алгоритма следует отнести динамическую адаптация к изменяющимся условиям среды распространения данных. При этом в терминах муравьиного алгоритма под транспортом (грузовиком) понимается пакет с данными, перевозимый груз - размер пакета, колония или депо - узел сети, феромон - коэффициент, определяющий предпочтительный маршрут к следующему узлу сети.
В работе [14] автор решает задачу линейного булева программирования одновременно включающая ряд исходных условий: множество критериев оценки
24
решения, асимметричность матриц входных данных, множественность депо и разнородности парка с ограниченной грузоподъёмностью. Автором [14] разработан метод мультиколониальной муравьиной системы для решения задач комбинаторной оптимизации. Данный метод предполагает поиск составного решения в виде множества однотипных компонент, при этом на основе механизма стигмергии одновременно взаимодействуют несколько колоний в общем пространстве поиска. При этом каждая колония решает свою подзадачу, формируя отдельную компоненту в общем решении.
В отличие от точных методов, разработанный алгоритм [14] имеет полиномиальную сложность, что позволяет эффективно применять его при решении задач большей размерности. Преимущество разработанного алгоритма заключается в совмещении этапов разбиения исходного графа на подграфы и формирования маршрутов, за счёт чего исключается возможность потери перспективных решений в случае раздельного выполнения указанных этапов. Предлагаемый в [14] алгоритм построения оптимальных маршрутов грузоперевозок может быть адаптирован к задачам построения алгоритмов маршрутизации Mesh-сетей.
Метод мультиколониальной муравьиной системы предлагается для решения обобщенных вариантов задач комбинаторной оптимизации, в которых подобно поставленной масштабировано число решений некоторого известного частного случая, для которого известно применение традиционного муравьиного алгоритма [15, 16]. Такие обобщенные задачи имеют множество схожих подзадач и предполагают поиск составного решения.
Процесс построения решения в предлагаемой мультиколониальной муравьиной системе осуществляется в терминах теории графов. В зависимости от типа задачи на каждой итерации муравьиного алгоритма происходит формирование решения муравьём в виде последовательности выборов состояний, действий, пунктов назначений и т.д., обозначаемых как вершины графа. В мультиколониальной муравьиной системе части решения строятся одновременно несколькими муравьями. Первым делом формируются группы муравьёв, включающие по одному представителю от каждой колонии. По сути, каждая такая межколониальная группа является заменой отдельного муравья традиционного варианта алгоритма. Муравьи группы в результате «жеребьёвки» шаг за шагом формируют решение, включая вершины на каждом шаге в порядке, определяемом вероятностно на основе объединенного множества альтернатив.
Муравей в группе , принадлежащий колонии , включит в свою часть решения вершину I на итерации £ с нормализованной вероятностью (1):
рк №л(0]" (1)
Т.уеу^еЖМ X Ш
где Y - множество колоний; ]к - множество доступных вершин для группы к; г\ г
- априорная привлекательность альтернативы, обратная стоимости перехода из
" 1 к текущей вершины муравья группы к колонии х в вершину ц ткг - априорная
эффективность альтернативы, определяемая количеством феромона колонии х на
переходе из текущей вершины муравья группы к колонии х в вершину ц а,р -
настраиваемые параметры алгоритма.
Чтобы исключить многократное повторение расчёта суммы произведений в знаменателе формулы, при программной реализации целесообразно осуществлять нормализацию в последнюю очередь. Для этого предлагается использовать сначала формулу расчёта ненормализованных вероятностей (2):
р >) _ ЬкдоГ х ш" (2)
Затем однократно вычислить сумму полученных значений ненормализованных вероятностей всей группы к (3):
рЧО =
к , ч
Р.,г (О
-тубУ ¿-17 ьу- г зу- -
После его выполнить нормализацию для каждого значения по формуле (4):
(3)
(4)
Если требуется более агрессивная стратегия разделения вершин между колониями с целью повышения качества самих маршрутов, может применяться усложненная формула расчёта ненормализованной вероятности (5):
* Ю = х ш'
к,соГ
(5)
где у - новый параметр муравьиного алгоритма, контролирующий отталкивающее воздействие феромона на других колоний. Очевидно, наличие в знаменателе дополнительной суммы сказывается на времени расчёта вероятностей, особенно при большом количестве колоний, а ещё один управляемый параметр усложняет настройку алгоритма.
Как только множество альтернатив окажется пустым, то есть все вершины будут посещены, осуществляется возврат всех муравьёв в стартовую вершину и решение считается сформированным. Точно так же строят свои решения все межколониальный группы муравьёв.
Для каждого решения увеличивается количество феромона на дугах, использованных соответствующими колониями, обратно пропорционально суммарному весу всех дуг решения, а затем традиционным образом происходит частичное повсеместное испарение феромона.
На рис. 1 показана диаграмма последовательности работы мобильного устройства с использованием муравьиного алгоритма для построения маршрута передачи данных.
Рис. 1. Диаграмма последовательности
На диаграмме представлено взаимодействие объектов, упорядоченных по времени их появления. Так, в качестве объектов выступает пользователь, текстовый блок мобильного приложения, блок муравьиного алгоритма, блок приёма/передачи и мобильная сеть. Муравьиный алгоритм осуществляет передачу пакета маршрутизации («муравья» в терминах муравьиного алгоритма) в мобильную сеть и принимает пакет маршрутизации из мобильной сети через блок приёма/передачи.
Обмен служебной информацией о конфигурации сети между узлами сети может осуществляться по протоколу, схожему с DHT (Distributed Hash Table) [17] и P2P (Peer-to-Peer) [18], модифицированных для работы в Mesh-сетях, прежде всего исходя из требований минимизации служебного трафика между узлами сети.
В заключение следует отметить, что, несмотря на многочисленные работы, посвященные построению эффективных Mesh-сетей, многие вопросы, уже имеющие устоявшиеся решения для стационарных сетей, еще требуют проведения исследований. Эффективным способом моделирования и исследования Mesh-сетей является имитационное моделирования, а средой для практической проверки - сети мобильных операторов и специально разработанные мобильные приложения, взаимодействующие между собой посредством мобильного интернета.
Список литературы
1. Попков Г.В. MESH-сети: перспективы развития, возможные применения // Проблемы информатики, 2012. № 3. С. 74-79
2. Павлов А.А., Датьев И.О. Исследование влияния различных параметров на характеристики передачи данных беспроводных многошаговых сетей // Труды Кольского научного центра РАН, 2016. № 7 (40).
3. Чеботарев М.А., Игнатов Д.В. Организация связи внутри тактического звена при помощи стандарта 802.11 на основе использования протокола WI-FI MESH-СЕТИ CJDNS // Международный молодёжный сборник научных статей «Молодёжь в науке: новые аргументы», 2018. С. 44-46.
4. Смирных Ю.В. Основные принципы организации беспроводных Ad-Hoc сетей // Современные проблемы телекоммуникаций, 2017. С. 536-539.
5. Кайсина И.А., Титов В.В., Васильев Д.С., Мейтис Д.С., Абилов А.В., Кайсин А.Е. Экспериментальное исследование эффективности протокола маршрутизации
B.A.T.M.A.N. в сети с топологией точка-точка для FANET // Приборостроение в XXI веке-2018. Интеграция науки, образования и производства, 2018. С. 259-267.
6. Лукашенко В.В., Новгородцев А.И. Обзор и специфика применения сетей DTN // Проблемi шформатизацп та управлшня, 2015. С. 79-85.
7. Кудряшова Э.Е., Вовченко А.В., Олейников Р.А. Исследование сети Netsukuku на основе фрактальных множеств // Вестник международной академии системных исследований. Информатика, экология, экономика, 2008. С. 55-57.
8. Датьев И.О., Павлов А.А. Моделирование беспроводных многошаговых самоорганизующихся мобильных сетей // Вестник Кольского научного центра РАН, 2016. № 1 (24). С. 116-126.
9. Sridhara V., Kim J., Bohacek S. Perfomance of Urban Mesh Networks // Proceedings of the 8th International Symposium on Modeling Analysis and Simulation of Wireless and Mobile Systems, 2005.
10. Fu Y. Research of Wireless MESH Network Performance based on NSTUns // International Conference on Computational and Information Sciences, 2013.
11. Ляхов А.И., Пустогаров И.А., Шпилев С.А. Многоканальные Mesh-сети: анализ подходов и оценка производительности // Информационные процессы, 2008. № 3.
C. 173-192.
12. Beljadid A., Hafid A.S. & Gendreau M., 2007. Optimal Design of Broadband Wireless Mesh Networks. IEEE GLOBECOM 2007-2007 IEEE Global Telecommunications Conference. doi:10.1109/glocom.2007.918.
13. Niculescu D. et al. Performance of VoIP in a 802.11 wireless mesh network // Proceedings IEEE INFOCOM 2006. 25TH IEEE International Conference on Computer Communications. IEEE, 2006. С. 1-11.
14. Кубил В.Н. Исследование и разработка методов решения многокритериальных задач маршрутизации транспорта на основе муравьиного алгоритма: диссертация на соискание учёной степени канд. тех. наук, Новочеркасск, 2019, 184 с.
15. Кубил В.Н. Многоколониальный муравьиный алгоритм // Фундаментально-прикладные проблемы безопасности, живучести, надёжности, устойчивости и эффективности систем: материалы II междунар. науч.-практ. конф. Елец: Елецкий государственный университет им. И.А. Бунина, 2018. С. 305-311.
16. Кубил В.Н., Мохов В.А. Многоколониальный муравьиный алгоритм с модификациями для решения многокритериальных задач маршрутизации транспорта // Известия высших учебных заведений. Электромеханика. Т. 61. № 6, 2018. С. 94-109.
17. Шурховецкий П.П. Управление и контроль в Р2Р сетях распределённых вычислений // Технические и программные средства систем управления, контроля и измерения, 2010. С. 1240-1251.
18.Даденкова А.П., Даденков С.А. Исследование характеристик модели протокола поискового сервиса DHT // Автоматизированные системы управления и информационные технологии, 2018. С. 223-228.
