Routing in Dynamic Network using Ants and Genetic Algorithm

ABSTRACT

Routing in dynamic network is a challenging one, because the topology of the network is not fixed. This issue is addressed in this presentation using ant algorithm to explore the network using intelligent packets. The paths generated by ants are given as input to genetic algorithm. The genetic algorithm finds the set of optimal routes. The importance of using ant algorithm is to reduce the size of routing table. The significance of genetic algorithm is based on the principle evolution of routes rather than storing the precomputed routes.

INTRODUCTION

Routing is a process of transferring packets from source node to destination node with minimum cost. Hence
routing algorithm has to acquire, organize and distribute information about network states. It should generate feasible routes between nodes and send traffic along the selected path and also achieve high performance. Routing in conjunction with congestion control and admission control defines the performance of the network . Routing algorithm should have generic objective of routing strategy to be both dynamically reconfigurable and be based on locally available information. It should also satisfy user quality of service objectives. Some of the methods proposed in achieving these objectives are social insect metaphors and cognitive packet network. These two methods use the probabilistic routing table and allow thepackets themselves to investigate and report network topology and performance. Dorigo M & Di Caro G , presents Antnet as an approach for routing in communication network. R Schoonderwoerd, Owen Holland, Janet Bruten and Leon Rothkrantz , in their paper describe achieving load balancing in telecommunication networks using ant algorithm. Tony White, in his technical report describes how the biologically inspired agents can be used to solve control and management problems in telecommunications. The purpose of this work is to generate solution using ant algorithm (social inset metaphor) and optimize solution using genetic algorithms. Ant algorithm is a class of swarm intelligence.

چکیده

مسیریابی در شبکه دینامیکی چالش برانگیز است، زیرا توپولوژی شبکه ثابت نیست. این مسئله در این ارائه با استفاده از الگوریتم مورچه برای کشف شبکه با استفاده از بسته های هوشمند مورد توجه قرار گرفته است. مسیرهای تولید شده توسط مورچه ها به عنوان ورودی به الگوریتم ژنتیکی داده می شود. الگوریتم ژنتیک مجموعه ای از مسیرهای بهینه را پیدا می کند. اهمیت استفاده از الگوریتم مورچه برای کاهش اندازه جدول مسیریابی است. اهمیت الگوریتم ژنتیک بر مبنای تکامل اصلی مسیرها و نه ذخیره مسیرهای پیشین است.

مقدمه

مسیریابی فرایند انتقال بسته ها از گره منبع به گره مقصد با حداقل هزینه است. از این رو الگوریتم مسیریابی باید بدست آید، سازمان دهی و توزیع اطلاعات مربوط به وضعیت شبکه باشد. این باید مسیرهای عملیاتی بین گره ها را تولید کند و ترافیک را در مسیر انتخابی ارسال کند و همچنین به عملکرد بالا دست یابد. مسیریابی در ارتباط با کنترل احتمالی و کنترل پذیری عملکرد شبکه را تعریف می کند. الگوریتم مسیریابی باید هدف کلی مسیر راهبرد را داشته باشد که هر دو به صورت پویا قابل تنظیم باشد و بر اساس اطلاعات موجود در دسترس باشد. همچنین باید کیفیت خدمات کاربر را برآورده سازد. برخی از روش های ارائه شده در دستیابی به این اهداف عبارتند از استعاره های اجتماعی حشرات و شبکه بسته های شناختی. این دو روش از جدول مسیریابی احتمالاتی استفاده می کنند و به خود اجازه می دهند تا توپولوژی و عملکرد شبکه را بررسی و گزارش دهند. Dorigo M & Di Caro G، Antnet را به عنوان روشی برای مسیریابی در شبکه ارتباطی ارائه می دهد. R Schoonderwoerd، Owen هلند، Janet Bruten و Leon Rothkrantz در مقاله خود به دنبال دستیابی به توازن بار در شبکه های مخابراتی با استفاده از الگوریتم مورچه هستند. تونی وایت در گزارش فنی خود توضیح می دهد چگونه می توان عامل های الهام گرفته از زیست شناسی را برای حل مشکلات کنترل و مدیریت در ارتباطات مخابراتی مورد استفاده قرار داد. هدف از این کار، تولید راه حل با استفاده از الگوریتم مورچه (استعاره اجتماعی) و بهینه سازی راه حل با استفاده از الگوریتم های ژنتیک است. الگوریتم مورچه یک کلاس هوش هوشمند است.

Year: 2009

Publisher: IJCSNS International Journal of Computer Science and Network Security

By : Cauvery N K and Dr K V Viswanatha