Συγκριτική μελέτη μεθόδων βελτιστοποίησης με εφαρμογή σε κυψελωτά δίκτυα

Abstract

Η εξέλιξη των δικτύων τηλεπικοινωνιών τις τελευταίες δεκαετίες έχει γίνει με καταιγιστικό ρυθμό κυρίως χάρη στην εξάπλωση του Διαδικτύου. Η ανάγκη όμως για αποδοτικότερες υπηρεσίες τηλεπικοινωνιών σε χρήστες εν κινήσει εισήγαγε νέες τεχνολογίες. Η κύρια τεχνολογία που χρησιμοποιείται και αναπτύσσεται αυτή τη στιγμή στις ασύρματες ευρυζωνικές συνδέσεις είναι τα δίκτυα 4ης γενιάς. Επιτρέπουν σε έναν μεγάλο αριθμό χρηστών να χρηστών να κάνουν χρήση του μεγάλου εύρους ζώνης. Ειδικότερα για το WiMAX, οι συνδρομητές αυτοί μπορούν να βρίσκονται σε μεγάλη απόσταση από τον σταθμό βάσης. Το πρότυπο του WiMAX δίνει τη δυνατότητα να κατανεμηθούν δυναμικά οι πόροι του δικτύου, ανάλογα με τις ανάγκες που μπορεί να προκύψουν σε κάθε δεδομένη χρονική στιγμή. Στην παρούσα εργασία παρουσιάζεται ένα δίκτυο WiMAX με κινητούς συνδρομητές, στο οποίο γίνεται προσπάθεια για δυναμική κατανομή εύρους ζώνης με την χρήση αλγορίθμων. Στο μοντέλο προσομοιώνονται δύο αλγόριθμοι. Ο πρώτος είναι ένα αυτόματο μάθησης(Learning Automata)το οποίο χρησιμοποιεί τις αντιδράσεις από τις προηγούμενες επιλογές της κατανομής, για να προβλέψει την συμπεριφορά του δικτύου στο μέλλον. Ο δεύτερος είναι ο αλγόριθμος Βελτιστοποιημένης Αποικίας Μυρμηγκιών (Ant Colony Optimization) ο οποίος μιμείται την συμπεριφορά των μυρμηγκιών για να επιλέξει μια αποδεκτή επιλογή. Η καταλληλότερη επιλογή είναι αυτή που εξυπηρετεί τον μεγαλύτερο δυνατό αριθμό συνδρομητών, φροντίζοντας ταυτόχρονα για την εξισορρόπηση του συστήματος. Επομένως, με την χρήση αυτών των μηχανισμών επιτυγχάνεται η δυναμική κατανομή εύρους ζώνης στο κάθε πλαίσιο. Για την αξιολόγηση των αλγορίθμων προσομοιώθηκε η χρήση τους σε ένα σύστημα με τον αριθμό των συνδρομητών να μεταβάλλεται. Στο σύστημα αυτό πάρθηκαν μετρήσεις κάποιων μεταβλητών οι οποίες συγκρίθηκαν για την εξαγωγή των αποτελεσμάτων. Οι μεταβλητές αυτές είναι ο αριθμός των αδρανών θυρίδων, ο αριθμός των μη εξυπηρετημένων συνδρομητών και θυρίδων καθώς κα τα απορριφθέντα πακέτα.

The evolution of telecommunications networks in the last few decades is rapid, mostly because of the spread of the Internet, as the need for more efficient mobile telecommunications introduced new technologies. The main technology used at this moment in wireless broadband connections is 4G technology, which allows a large number of users to utilize the bandwidth. This Thesis is focused on WiMAX technology, where the subscribers are located far from the base station. The WiMAX standard enables the resources of the network to be dynamically allocated, depending on the needs that could arise at any given moment. This Thesis aims to study a WiMAX network, where mobile users are connected to a distant base station while moving around. To be more precise, two dynamic bandwidth allocation algorithms are examined which use machine learning for fair and efficient resource allocation. The context of this Thesis includes two resource allocation algorithms which are studied, simulated and evaluated. The first algorithm incorporates a learning automaton which utilizes the reactions from of the history choices of bandwidth allocation, to predict the network behaviour in the future. The second algorithm applied is based on the Ant Colony Optimization concept which mimics the ant's behaviour to pick an acceptable choice for bandwidth allocation. The two algorithms are assessed in terms of service utilization, while taking care of balancing the system. Therefore, by using this type of optimization the dynamic bandwidth allocation is achieved in a dynamic manner. For the algorithms to be evaluated their performance was simulated in a system with a gradual change in the number of subscribers. In this particular system measurements were collected from a variety of variables which were later compared to extract the results.