Beruflich Dokumente
Kultur Dokumente
2. Protocolo OLSR
3. Evolución Diferencial
OLSR [7] es un protocolo de encaminamien-
to proactivo diseñado expresamente para redes La Evolución Diferencial (DE - Dierential
móviles ad hoc altamente dinámicas y con un Evolution [12]) es un algoritmo estocástico po-
ancho de banda limitado. Este protocolo pro- blacional diseñado para la resolución de pro-
vee de un mecanismo eciente de diseminación blemas de optimización continua. En DE, la
(ooding ) de información parcial del estado de generación de nuevos individuos se realiza me-
la red empleando un conjunto de nodos espe- diante operadores como la mutación y el cruce
ciales, los Multipoint Relays (MPR). Periódi- diferencial. Un individuo mutado wg+1i
se ge-
camente, los MPR intercambian información nera mediante la siguiente ecuación (1):
Algoritmo 1 Pseudocódigo de DE
i
wg+1 ← vgr1 + µ · (vgr2 − vgr3 ) (1) 1: initializaPoblación()
2: mientras g < maxGeneraciones hacer
3: para cada individuo vgi hacer
en la cual r1, r2, r3 ∈ {1, 2, . . . , i − 1, i + 4: elegir mutuamente diferentes(r1 , r2 , r3 )
1, . . . , N } son valores enteros obtenidos alea- 5: i
wg+1 ← muta(vgr1 , vgr2 , vgr3 , µ)
toriamente y diferentes entre si, además de di- 6: uig+1 ← cruza(vgi , wg+1
i , cp)
ferentes al índice i. La constante de mutación 7: evalúa(uig+1 )
µ > 0 introduce diversidad entre los indivi- 8: i
vg+1 ← selecciona(vgi , uig+1 )
duos vgr2 y vgr3 evitando así el estancamiento 9: n para
del proceso de búsqueda. 10: n mientras
Para incrementar aún más la diversidad en-
tre los individuos de la población, cada indivi-
duo mutado realiza una operación de cruce con dar (ver Tabla 1) ofrece una pobre calidad de
el individuo objetivo (target) vgi , mediante la servicio en redes vehiculares [13]. Por ello, en
cual se genera un individuo intermedio (trial) este trabajo pretendemos obtener la congura-
uig+1 . A continuación, se obtiene una posición ción de los parámetros de OLSR que se adapte
aleatoria del individuo mutado para evitar que mejor a los requisitos especícos de las redes
el individuo intermedio replique totalmente al VANETs.
individuo objetivo. A partir de los parámetros presentados en
la Tabla 1 hemos denido un vector solución
cuyos valores son continuos (reales) dentro del
if r(j) ≤ P c or j = jr ,
(
i
wg+1 (j)
uig+1 (j) ← rango denido. Así, podemos emplear una téc-
en otro caso
vgi (j) nica metaheurística para obtener automática-
(2) mente los valores del vector solución que repre-
Tal y como se muestra en la Ecuación 2, de- sente una conguración de OLSR cuyo rendi-
pendiendo de la probabilidad de cruce P c se miento en VANETs mejore al de la parame-
seleccionará un elemento del individuo objeti- trización que se dene en su RFC 3626 origi-
vo o del individuo intermedio. Finalmente, el nal. A su vez, en este trabajo compararemos
individuo intermedio será aceptado para la si- de forma analítica distintas conguraciones y
guiente generación si y sólo si es mejor que el su rendimiento, para ofrecerle a los expertos
individuo actual (minimiza, Ecuación 3). una ayuda que puedan emplear en el diseño
(
uig+1 if f (uig+1 ) ≤ f (vgi ), de protocolos de encaminamiento especícos
i
vg+1 ← (3) para VANETs.
vgi (j) en otro caso
Para evaluar el rendimiento de las distin-
En el Algoritmo 1 se muestra el pseudocó- tas conguraciones de OLSR (soluciones), y
digo del algoritmo DE. Tras inicializar la po- así guiar al algoritmo en la búsqueda, hemos
blación (Linea 1) los individuos evolucionan empleado tres métricas de calidad de servicio
durante un número máximo de evaluaciones. ampliamente empleadas en este área:
En cada generación se realiza una operación
de mutación (Linea 5) y cruce (Linea 6). Se • Ratio de envío de paquetes (PDR-Packet
selecciona un nuevo individuo según la Ecua- delivery ratio): Fracción de los paquetes
ción 3 (Lineas 7 y 8). enviados, que son recibidos de forma com-
pleta y correcta por el destinatario.
4. Conguración Óptima de OLSR
• Carga de gestión de routing (NRL-
Al ser OLSR un protocolo expresamente di- Normalized routing load): Relación entre
señando para MANETs de alta movilidad tam- el número de paquetes empleados para la
bién se está empleando en VANETs. Sin em- gestión del protocolo de encaminamiento
bargo, el uso de la conguración ocial están- y los paquetes de datos enviados.
Figura 1: Modelo de optimización para la conguración de OLSR. El algoritmo DE realiza una simulación
llamando a ns-2 en cada evaluación de solución.
• Retardo medio punto a punto (E2ED- el cual se tiene en cuenta las carreteras, los
Average End-to-End delay of a data pa- edicios, las señales de tráco, la interacción
cket): Tiempo medio que tarda un paque- entre vehículos, etc. Después de la simulación
te en llegar a su destinatario tras ser crea- donde se analizan desde varios puntos de vis-
do por una aplicación para su envío. ta el mismo escenario VANET, ns-2 devuelve
una traza a partir de la cual se calculan las
métricas (PDR, NRL, E2ED) para las comu-
5. Modelo de Optimización nicaciones de toda la red. Una vez obtenidos
los valores de las métricas, el tness de una
Para la resolución del problema de optimiza-
solución se calcula como sigue:
ción del protocolo OLSR hemos empleado de
forma conjunta un algoritmo de optimización
y un proceso de simulación. El algoritmo de
optimización utilizado en este trabajo ha sido f it = w1 ·(−P DR)+w2 ·N RL+w3 ·E2ED·C (4)
la metaheurística Evolución Diferencial (DE).
El proceso de simulación se ha utilizado pa- Para mejorar la calidad de servicio del pro-
ra asignarle un valor de calidad o tness a las tocolo OLSR, el objetivo consiste en maximi-
conguraciones calculadas por el algoritmo de zar el PDR, minimizando el NRL y el E2ED.
optimización. Para ello se ha utilizado ns-2 [1], Como se puede observar en la Ecuación 4,
simulador empleado previamente para simular se ha empleado una función de minimización
redes VANET que ha demostrado proveer re- agregativa, de ahí que el PDR se haya formu-
sultados cercanos a la realidad [4]. El simula- lado con un signo negativo. En esta ecuación,
dor ha sido modicado para poder interaccio- los factores w1 , w2 y w3 (0,8, 0,1 y 0,1, respec-
nar de forma automática con algoritmos me- tivamente) se emplean para introducir un peso
taheurísticos para así poder emplearlo en este a la inuencia de cada métrica en la función de
y futuros trabajos. tness. Así, el PDR es claramente prioritario
El método completo de optimización es un frente a las otras dos, ya que hemos priorizado
proceso evolutivo dirigido por el algoritmo DE. la efectividad del protocolo de encaminamien-
Como se muestra en la Figura 1, cuando DE to. La constante C = 0,01 normaliza el valor
quiere evaluar una solución invoca el proceso de E2ED, para que su rango sea del mismo
de simulación de dicha conguración del OLSR orden de magnitud que el de las otras dos mé-
sobre un escenario denido para VANETs, en tricas.
N
MÁLAGA w E
a
Se
an
ne
rra
dite
e
M
0m 2000 m
Figura 2: Área seleccionada (2000 × 2000 m2 ) para el escenario VANET en el centro urbano de Málaga.
do (vehículo). De esta forma, los vehículos in- (Málaga). Cada una de las ejecuciones inde-
terconectados intercambian datos mediante su pendientes realiza un número de 1000 simula-
respectivo agente CBR. El tamaño de paquete ciones con diferentes conguraciones de OLSR.
de datos CBR es de 512 bytes, con un ratio Las máquinas utilizadas consisten en PCs Pen-
de envío de 4 paquetes por segundo. La Ta- tium IV 2.4 GHz core, 1 GB de RAM, y S.O.
bla 2 contiene un resumen de los parámetros Linux Fedora core 6.
de simulación utilizados.
7. Resultados
6.2. Procedimiento Experimental
A continuación se presentan los resultados
Para este estudio hemos empleado la imple- obtenidos tras la experimentación con nuestra
mentación del algoritmo de Evolución Diferen- propuesta de optimización de OLSR.
cial (DE) disponible en la biblioteca de me-
taheurísticas MALLBA [5], un framework en 7.1. Funcionamiento de DE
C++ para la resolución de problemas de op-
timización. La Tabla 4 contiene los valores de En la Tabla 3 se pueden observar los resul-
los principales parámetros de DE. tados obtenidos por el algoritmo DE en cuanto
a los valores de tness calculados por las con-
guraciones Mejor, Mediana y Peor de OLSR,
Tabla 4: Parámetros de DE en las 30 ejecuciones independientes. Además,
Parámetro Valor se disponen los valores de PDR, NRL y E2ED
Número de individuos 10 de cada solución y se calculan las medias de
Número de generaciones 100 todos éstos. La última la de esta tabla contie-
Probabilidad de cruce (P c) 0,9 ne los resultados obtenidos tras la simulación
Factor de mutación (µ) 0,1
de los parámetros de la conguración estándar
del protocolo OLSR (tomados de RFC 3626).
En cuanto a la fase de simulación, para las La primera observación que podemos resal-
evaluaciones de cada solución (conguración tar consiste en la mejora de los valores de t-
OLSR) se ha utilizado el simulador de redes ness obtenidos por DE, los cuales son sustan-
ns-2 en su versión v-2.34. De manera adicio- cialmente menores que el tness de la congu-
nal, debido a que las versiones actuales de ns- ración ocial (-49,88 de media sobre 61,22, ya
2 no incluyen aún ninguna implementación que estamos minimizando), incluyendo la peor
del protocolo OLSR, hemos incorporado para de las soluciones obtenidas por DE (-21,53 de
nuestros experimentos la implementación UM- media sobre 61,22). Si analizamos más en de-
OLSR (version 0.8.8) [2]. talle los valores de QoS podemos ver que ésta
Para los experimentos se han llevado a ca- mejora se debe principalmente a la gran reduc-
bo 30 ejecuciones independientes del algorit- ción de la carga de red (NRL) y del retardo
mo DE, siguiendo el modelo de optimización medio (E2ED) que las conguraciones optimi-
propuesto sobre el escenario VANET denido zadas (DE) experimentan sobre la congura-
Tabla 5: Conguraciones OLSR encontradas en el estado del arte por parte de expertos (Gómez
et al. [9]), conguración estándar de RFC 3626, y mejor conguración obtenida por nuestro DE
ción ocial estándar (49,37 kbps de media so- Desde el punto de vista del funcionamien-
bre 328,42 kbps en NRL y 6,85 ms de media to interno de DE, en la Figura 3 podemos ver
sobre 1347,22 ms en E2ED). Además, la tasa las trazas de evolución del mejor tness encon-
de paquetes recibidos (PDR) muestra un por- trado durante las ejecuciones Mejor, Mediana
centaje medio adecuado para redes VANETs y Peor. En este sentido, la principal caracte-
(66,00 %), obteniendo incluso un porcentaje rística consiste en la rápida convergencia que
del 94 % en la mejor conguración encontrada. experimenta el algoritmo ya que consigue una
Curiosamente, en la peor conguración encon- amplia reducción de tness durante las 60 pri-
trada por DE se obtiene el mejor valor de NRL meras generaciones. Este es un comportamien-
(40,62 kbps) y de E2ED (4,18 ms), aunque en to bastante deseable en este tipo de problemas
este caso, a costa de un bajo rendimiento en el ya que debido al alto tiempo requerido en cada
envío efectivo de paquetes (PDR de 32 %). Por evaluación de solución (37,6 segundos de me-
tanto, podemos resaltar ya la principal con- dia por simulación de ns-2 con nuestro escena-
tribución de este trabajo: utilizando nuestro rio VANET), el número de evaluaciones debe
modelo de optimización con DE, conseguimos ser lo sucientemente reducido para abordar
aumentar la tasa de envío (de 80 % a 94 %) y el problema de manera práctica y eciente. El
reducir tanto la carga de red (en un 85 %) co- tiempo medio de cómputo es de 10,44 horas
mo el retardo medio (en un 99,5 %) respecto a por ejecución de DE.
la conguración ocial de OLSR.
7.2. Comparación con Otras Conguracio-
nes del Estado del Arte
En esta sección comparamos los resultados
obtenidos por nuestras conguraciones OLSR
optimizadas por DE con una serie de congu-
raciones propuestas en el estado del arte por
expertos humanos en la materia.
En concreto, nos centramos en el trabajo
presentado por Gómez et al. [9] en el que se
analizan tres conguraciones de OLSR y se
comparan con la conguración estándar. Para
ello se centran principalmente en la latencia
de cambio de ruta (RCL) y evalúan la conec-
Figura 3: Evolución del mejor tness obtenido por tividad punto a punto (End-to-End) mediante
DE en las ejecuciones Mejor, Mediana y Peor. una instancia de MANET básica.
Tabla 6: Comparación de los resultados obtenidos por la mejor conguración OLSR de nuestro
DE con otras conguraciones analizadas por expertos (Gómez et al. [9]) del estado del arte
Conguración Fitness PDR NRL E2ED
#1 46,19 90,00 % 1170,02 kbps 1197,25 ms
Gómez et al, [9] #2 -15,31 90,00 % 554,75 kbps 1208,91 ms
#3 -29,47 66,00 % 208,84 kbps 2435,22 ms
RFC 3626 61,22 80,00 % 328,42 kbps 1347,22 ms
DE Mejor -68,35 94,00 % 68,34 kbps 8,36 ms