GrAnt: Inferring best forwarders from complex networks’ dynamics through a greedy Ant Colony Optimization

Abstract

This paper presents a new prediction-based forwarding protocol for the complex and dynamic Delay Tolerant Networks (DTN). The proposed protocol is called GrAnt (Greedy Ant) as it uses a greedy transition rule for the Ant Colony Optimization (ACO) metaheuristic to select the most promising forwarder nodes or to provide the exploitation of good paths previously found. The main motivation for the use of ACO is to take advantage of its population-based search and of the rapid adaptation of its learning framework. Considering data from heuristic functions and pheromone concentration, the GrAnt protocol includes three modules: routing, scheduling, and buffer management. To the best of our knowledge, this is the first unicast protocol that employs a greedy ACO which: (1) infers best promising forwarders from nodes' social connectivity, (2) determines the best paths to be followed to a message reach its destination, while limiting the message replications and droppings, (3) performs message transmission scheduling and buffer space management. GrAnt is compared to Epidemic and PROPHET protocols in two different scenarios: a working day and a community mobility model. Simulation results obtained by ONE simulator show that in both environments, GrAnt achieves higher delivery ratio, lower messages redundancy, and fewer dropped messages than Epidemic and PROPHET.

OPAIC: An optimization technique to improve energy consumption and performance in application specific network on chips

“…According to the greedy principle link p, indicated in equation (30), is merit to get one extra virtual channel. (30) In this study the stopping criterion of the Greedy method is the existence of the negative gain.…”

“…According to the greedy principle link p, indicated in equation (30), is merit to get one extra virtual channel. (30) In this study the stopping criterion of the Greedy method is the existence of the negative gain. Other stopping criteria could be the followings: (a) the maximal gain is under a threshold, (b) the maximum number of virtual channels is a priori determined to be achieved.…”

“…A Greedy method [29,30,31] is used for assigning the virtual channels to each link. At first, we assign two virtual channels to every links; then, according to equation (27), we estimate the latency of each link.…”

Utilização de Enxame de Partículas para Roteamento em Redes Oportunistas

“…O comportamento que emergeé o de um grupo de indivíduos que interagem através regras simples e dinamicamente se autoorganizam mantendo as suas posições ao redor de localizaçõeś otimas [9]. Como exemplos de protocolos de roteamento que utilizam inteligência coletiva pode-se citar: [10] e [11] propõem o uso de Otimização por Colônia de Formigas (ACO do inglês Ant Colony Optimization) para roteamento em redes móveis ad hoc com conectividade limitada; [12] empregam ACO para obter informações sobre a dinâmica de uma OPNET e auxiliar no roteamento, escalonamento e gerenciamento de buffer; [13] utilizam ACO e Algoritmos Culturais para prover qualidade de serviço no roteamento de uma topologia fixa de nós; [14] propõem o uso de ACO e Algoritmos Culturais para prover roteamento, escalonamento e gerenciamento de buffer nas OPNETs; e [15] propõe o uso do PSO em uma rede estática com topologia pequena de nós.…”

Avaliação do Protocolo PSONET em Redes Oportunistas com Modelo de Mobilidade Aleatória

“…Em [7] e [18] os autores utilizam a Otimização por Colônia de Formigas (ACO do inglês Ant Colony Optimization) para roteamento em redes móveis ad hoc com conectividade limitada. Em [8] emprega-se o ACO para a obtenção de informações sobre a dinâmica de uma DTN e para o auxilio no roteamento, escalonamento e gerenciamento de buffer. Em [19], os autores utilizam ACO e Algoritmos Culturais para prover qualidade de serviço no roteamento de uma topologia fixa de nós.…”