بهبود شبکه های بی سیم تلفیقی به وسیله بازی های مارکوف
الموضوعات : electrical and computer engineeringپیام پرکار رضائیه 1 , حمید شکرزاده 2 , مهدی دهقان تخت فولادی 3 , امیرمسعود رحمانی 4
1 - گروه مهندسی کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران،ایران
2 - گروه مهندسی کامپیوتر، واحد پردیس، دانشگاه آزاد اسلامی، پردیس، ايران
3 - گروه مهندسی کامپیوتر، دانشکده مهندسی کامپیوتر، دانشگاه امیرکبیر، تهران، ایران
4 - گروه مهندسی کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
الکلمات المفتاحية: شبکه‌های محلی تلفیقی, شبکه Li-Fi, شبکه Wi-Fi, نقاط دسترسی و توازن بار.,
ملخص المقالة :
امروزه شبکه‌های بی‌سیم تلفیقی اهمیت فراوان پیدا کرده‌اند. ازجمله فناوری‌های مهم در این زمینه، فناوری تلفیقی ارتباطات نور مرئی و فرکانس رادیویی است که نمونه مهم آن، ترکیب شبکه‌های محلی Wi-Fi و Li-Fi است. این ترکیب موجب پوشش نقاط ضعف و تقویت نقاط قوت شبکه بی‌سیم محلی میشود. همچنین موضوعی که می‌تواند بهره‌وری را در شبکه افزایش دهد تعادل بار است؛ به‌ویژه وقتی وجود نقاط دسترسی از هر دو شبکه موجب انتخاب‌های بیشتر خواهد شد. در واقع در الگوریتم انتخاب نقطه دسترسی روش پیشنهادی در این پژوهش به گونه‌ای عمل شده که در هنگام قرارگرفتن در یک نقطه دسترسی، تصمیم‌گیری برای انتخاب محل قرارگیری بر پایه تعادل بین عامل‌های موجود در بازی مارکوف در رفتار استراتژیک اشیا باشد و به این ترتیب میزان تأخیر شبکه کاهش یافته و تعادل بار افزایش خواهد یافت. بدین ترتیب یک روش پویا پیشنهاد شده که با استفاده از آن در هر زمان و به‌ویژه هنگام تغییر توپولوژی در شبکه، تصمیمات متناسب با شرایط گرفته میشود. روش پیشنهادی مزایایی همچون انتخاب پویای نقاط دسترسی با توجه به شرایط شبکه، بازخورد مستقیم از کارایی شبکه و کانال اشتراکی، هوشمندی و یادگیری نسبت به تغییرات برای انتخاب نقاط، تعامل با عامل‌های مشابه در گرهها و کاهش احتمال ازدحام در هر نقطه دسترسی دارد. همچنین با افزایش ترافیک کاربران (که منجر به شرایط پرازدحام میشود و احتمال ازدحام در گرهها و نقاط دسترسی بالا می‌رود)، این روش کمک بیشتری را نسبت به توازن بار و کاهش سطح ازدحام مینماید به طوری که اختلاف آن با روشهای مورد مقایسه که از تکنیکهای ثابتتری مانند روش فازی استفاده میکنند، افزایش چشمگیری مییابد. با توجه به نتایج به دست آمده این روش توانسته است بیش از 10% بهبود کارایی در شبکه محلی نسبت به روشهای پیشین همچون روش فازی و بالاتر از 30% بهبود کارایی نسبت به سیاست انتخاب SSS در شرایط بار ترافیکی بالا ایجاد کند.