Разработка адаптивного алгоритма маршрутизации для беспроводным многоузловых сетей передачи данных тема диссертации и автореферата по ВАК РФ 05.12.13, кандидат наук Дугаев Дмитрий Александрович

• Дугаев Дмитрий Александрович
• кандидат наук
• 2018

Оглавление диссертации кандидат наук Дугаев Дмитрий Александрович

Перечень иллюстраций

Перечень таблиц

1 Введение

1.1 Общая характеристика работы

1.2 Анализ беспроводных многоузловых сетей связи

1.2.1 Проблемы производительности беспроводных многоузловых сетей передачи данных

1.3 Теория машинного обучения, обучение с подкреплением

1.4 Цель исследования, основная идея

2 Анализ алгоритмов маршрутизации в беспроводных многоузловых сетях передачи данных

2.1 Основные схемы маршрутизации

2.2 Сравнение существующих протоколов маршрутизации, используемых в беспроводных многоузловых сетях

2.2.1 Реактивные протоколы маршрутизации

2.2.1.1 ЛОБУ протокол

2.2.1.2 ОБЯ протокол

2.2.2 Проактивные протоколы маршрутизации

2.2.2.1 ББОУ протокол

2.2.2.2 ОЬБЯ протокол

2.3 Выбор метрик маршрутизации

3.1 Классификация задач машинного обучения

3.2 Машинное обучение с подкреплением

3.3 Основные элементы теории машинного обучения с подкреплением

3.4 Расчет функции значений

3.5 Метод взвешенного выбора действия

4 Алгоритм сетевой маршрутизации на основе машинного обучения с подкреплением

4.1 Взаимосвязь теории обучения с подкреплением и задачи маршрутизации

4.2 Процедура поиска маршрута, алгоритм первичного обновления весов маршрутов

4.3 Алгоритм обновления весов маршрутов на основе обратной связи

4.4 Алгоритм выбора маршрута

4.5 Аналитическое описание разработанного алгоритма

4.7 Программная имплементация разработанного алгоритма

5 Экспериментальное исследование разработанного алгоритма маршрутизации

5.1 Описание тестовой сети, технические характеристики узлов сети

5.2 Описание тестовой топологии и пакетного трафика

5.3 Описание протокола маршрутизации B.A.T.M.A.N

5.4 Методика оценки производительности протоколов маршрутизации в условиях реальной сети

5.5 Результаты экспериментов

5.6 Выводы

6 Сфера применения разработанного протокола

7 Заключение

Список использованных источников

Список сокращений

Приложение А

Перечень иллюстраций

Рисунок 1 - Архитектура беспроводной сенсорной сети (WSN)

Рисунок 2 - Концепция сети интеллектуального уличного освещения

SmartLighting

Рисунок 3 - Архитектура беспроводной ячеистой сети на примере проекта

Freifunk [24]

Рисунок 4 - Обобщенный механизм работы обучения с подкреплением

Рисунок 5 - Пример марковской цепи принятия решения (MDP) с тремя

состояниями и двумя действиями

Рисунок 6 - Пример реактивной схемы маршрутизации

Рисунок 7 - Пример проактивной схемы маршрутизации

Рисунок 8 - Процедура поиска маршрута в протоколе AODV

Рисунок 9 - Процедура запроса маршрута в протоколе DSR

Рисунок 10 - Процедура обновления маршрутов в протоколе DSDV

Рисунок 11 - Передача служебных TC сообщений в протоколе OLSR

Рисунок 12 - График средних скоростей передачи данных в зависимости от

расстояния в сети Wi-Fi 802.11g, 2.4GHz [45]

Рисунок 13 - Процентное соотношение оптимальных действий при использовании

методов greedy и s-greedy для задачи N-рукого бандита,

Рисунок 14 - Взаимосвязь задачи маршрутизации (слева) с задачей обучения с

подкреплением (справа)

Рисунок 15 - Процедура обмена широковещательными RREQ и RREP

сообщениями от источника (узел 1) до получателя (узел 2) и обратно

Рисунок 16 - Обобщенная схема обратной связи

Рисунок 17 - Логическая блок-схема обратной связи при выборе маршрута для входящего пакета данных

Рисунок 18 - Распределение вероятностей выбора узлов 1-5 в зависимости от

PLR; P(0) = {#1 : 0.35, #2 : 0.07, #3 : 0.01, #4 : 0.2, #5 : 0.37}

Рисунок 19 - Процесс передачи пакета узлу-соседу с обратным ACK-сообщением

с наградой

Рисунок 20 - График зависимости награды R2-2 = y = f(x) от числа неуспешных

передач x, при x Е [1, &>)

Рисунок 21 - Вероятностный граф состояний переходов {A, Ps% , Rfs,}

Рисунок 22 - Расположение служебного заголовка (RLRP) в пакете данных

Рисунок 23 - Обобщенная схема инициализации модулей программной

имплементации протокола

Рисунок 24 - Прототип сетевого узла системы SmartLighting [8]

Рисунок 25 - Beaglebone Black Linux SoC

Рисунок 26 - Адаптер TP-LINK TL-WN722N

Рисунок 27 - Схема тестовой топологии

Рисунок 28 - Обобщённая архитектура ячеистой сети с протоколом

маршрутизации B.A.T.M.A.N

Рисунок 29 - Процесс обмена ICMP сообщениями для измерения RTT

Рисунок 30 - Средние значения двусторонней задержки в маршруте при

разработанном протоколе и протоколе B.A.T.M.A.N

Рисунок 31 - Средние значения процента потерь пакетов (PLR) в маршруте при

разработанном протоколе и протоколе B.A.T.M.A.N

Рисунок 32 - Средние значения времени восстановления маршрута для разработанного протокола маршрутизации (RLRP) и протокола B.A.T.M.A.N

Перечень таблиц

Таблица 1 - Классификация беспроводных многоузловых сетей

Таблица 2 - Пятиуровневая модель OSI для многоузловых сетей передачи данных

Таблица 3 - Основные характеристики выбранных протоколов

Таблица 4 - Обобщенная структура предлагаемой таблицы маршрутов

Таблица 5 - Переходы между состояниями и значения наград

Таблица 6 - Список заголовков сообщений разработанного протокола

Таблица 7 - Основные технические характеристики платформы Beaglebone Black

Таблица 8 - Значения показателей производительности сети с разработанным

протоколом маршрутизации

Таблица 9 - Значения производительности сети с протоколом маршрутизации B.A.T.M.A.N

1 Введение

1.1 Общая характеристика работы

Введение диссертации (часть автореферата) на тему «Разработка адаптивного алгоритма маршрутизации для беспроводным многоузловых сетей передачи данных»

Актуальность работы

В настоящее время, доставка информации до обычного пользователя во многих случаях осуществляется при помощи беспроводных технологий передачи данных. Скорости передачи данных по беспроводным каналам связи непрерывно растут [1], тем самым стимулируя рынок связи предоставлять всё большее количество контента конечным пользователям, расширяя рынок телекоммуникаций. Только за последние 10 лет, средняя скорость передачи данных по мобильной сети выросла с 0,02 МБ/с до 300 МБ/с, а текущие современные стандарты беспроводных сетей Wi-Fi, являющиеся де-факто основными способами первичного доступа в сеть Интернет для большинства мобильных устройств, достигают скоростей в несколько гигабит в секунду (стандарты IEEE 802.11ac/ad) [2].

В связи с этим, именно технологии беспроводной передачи данных имеют огромный потенциал для развития, и постоянно находят всё новые ниши для применения, в числе которых, так называемая концепция интернета вещей (Internet of Things, IoT) [3] и Industry 4.0 [4], которые подразумевают всестороннее объединение различных умных вещей (Smart Things) в единую беспроводную сеть для передачи различного рода сообщений. Сюда же можно отнести беспроводные сенсорные сети (Wireless Sensor Networks, WSN) [5], а также беспроводные ячеистые сети (Wireless Mesh Networks) [6], которые являются основой для разнообразных сетевых приложений, начиная от распределенных мобильных мессенджеров (например, FireChat [7]), до интеллектуальных систем уличного освещения (проект SmartLighting [8]). Некоторые из проектов, имеющих прямое

отношение к данной работе, будут рассмотрены более подробно в последующих главах.

Однако, такие сети имеют недостатки, связанные, прежде всего, с использованием беспроводных каналов передачи, а именно - с проблемами обеспечения эффективного множественного доступа (Medium Access Control -MAC), распределения частотных ресурсов, высокой вероятности битовых и пакетных ошибок, коллизий, интерференций, а также передачи информации в открытой беспроводной среде. Все вышеперечисленные проблемы имеют корни, связанные с физическими характеристиками беспроводного канала, и имеют решение на первых и вторых (L1 и L2) уровнях модели OSI [9] того или иного беспроводного стандарта, например, IEEE 802.11, 802.15.1, 802.15.4 [10, 11, 12]. Нужно отметить, что в контексте беспроводных ячеистых сетей, интернета вещей (IoT) и беспроводных сенсорных сетей, где, помимо ограничений физического канала, существует проблема эффективной доставки пакетов данных от узла-источника до узла-получателя, через множество промежуточных узлов данной сети. Так, в большинстве сенсорных сетей существует необходимость передать накопленные данные из сенсорной сети во внешнюю сеть через узел-шлюз (Gateway Node), для чего необходимо осуществить процедуру поиска наилучшего маршрута через соседние узлы-сенсоры (рис. 1). В случае беспроводных ячеистых сетей, также часто стоит задача оптимально передать некоторый поток данных (пакетов) от узла-источника до узла-получателя. В подавляющем большинстве случаев, на сеть действуют всевозможные негативные факторы, например те же факторы физического канала, такие как интерференция, резкое ухудшение уровня сигнал/шум (Signal-to-Noise Ratio - SNR), а также факторы более высокого уровня, а именно - скопление трафика на определенном узле, мобильность самих узлов, особенности формы трафика (Traffic Profile - TP), и так далее, которые должны быть приняты во внимание на третьем (L3) уровне модели OSI и выше.

В настоящий момент, в беспроводных ячеистых сетях повсеместно используется протокол маршрутизации B.A.T.M.A.N. (Better Approach to Mobile Ad hoc Networking). Прежде всего, это связано с эффективной программной

имплементацией протокола, код которого постоянно поддерживается и обновляется разработчиками. Протокол В.А.Т.М.А.М базируется на улучшенном алгоритме проактивной маршрутизации и хорошо использует ресурсы сети, однако имеет ряд проблем, которые связаны с динамической топологией сети, а также ненадежными беспроводными каналами передачи, что приводит к очень высоким процентам потерь пакетов на маршруте. Множество других протоколов маршрутизации для данных сетей, к сожалению, не имеют актуальной программной реализации, что делает затруднительным их применение в реальных сетях. Таким образом, протокол В.А.Т.М.А.М является де-факто основным протоколом маршрутизации в беспроводных ячеистых сетях, но имеет ряд проблем с надежностью пересылки данных по маршруту.

Тема маршрутизации трафика в различных сетях передачи данных всегда являлась важнейшим объектом для исследований. Среди отечественных авторов по данной тематике можно выделить работы А.Е. Кучерявого, А.И. Парамонова, А.В. Прокопьева, Б.С. Гольдштейна, С.Н. Новикова.

Также стоит отметить, что в последнее время идея применения различных алгоритмов на основе теории машинного обучения для сетевой маршрутизации трафика находит всё большее применение. Это связано с тем, что алгоритмы машинного обучения (и алгоритмы обучения с подкреплением, в частности) хорошо подходят для решения задач оптимизации заданных параметров системы при большом массиве входных данных. Задача маршрутизации трафика является частным случаем таких задач, так как имеет множество входных данных в виде набора сетевых узлов и адресов получателей, а также задачу оптимизации в виде нахождения маршрута (т.е. некоего подмножества узлов) в сети с заданной метрикой - например, количеством промежуточных узлов в маршруте, процентом потерь пакетов, уровнем беспроводного сигнала (КЗЗ^, или комбинацией нескольких метрик и т.д. Работы L.Peshkin и J.Dowling [36, 38] описывают концепцию применения таких алгоритмов для задачи маршрутизации в беспроводных многоузловых сетях. Данная диссертационная работа развивает эту

концепцию и предлагает улучшенные алгоритмы нахождения узла-получателя при минимальном проценте потерь пакетов на маршруте.

Беспроводная Сенсорная Сеть

@ Узел-шлюз

Промежуточный узел —► Маршрут

Рисунок 1 - Архитектура беспроводной сенсорной сети ^БК)

Цель работы

Целью данной диссертационной работы является решение проблемы эффективной маршрутизации трафика в многоузловых беспроводных сетях передачи данных. А именно:

- разработка адаптивной схемы маршрутизации, обеспечивающей приемлемый процент потерь пакетов в маршруте для многоузловых беспроводных сетей передачи данных, основанной на математическом аппарате выбора действия с использованием теории машинного обучения с подкреплением;

- разработка механизма первичного обновления весов маршрутов и схемы передачи пакетов по маршруту с применением обратной связи;

- разработка механизма увеличения/уменьшения награды соответственно за выбор маршрута с высоким/низким процентом потерь пакетов на маршруте;

- анализ модели адаптивной маршрутизации на основе марковского процесса принятия решений.

Данная диссертационная работа концентрируется на проблемах производительности беспроводных многоузловых сетей передачи данных (WSN, WMN, MANET) более высокого уровня - уровня 3 модели OSI, а именно, на проблеме эффективной маршрутизации трафика в таких сетях, а также описывает текущие варианты её решения в виде протоколов маршрутизации AODV, DSR, OLSR и B.A.T.M.A.N. [13, 14, 15, 16]. Вопросы, связанные с работой беспроводных протоколов на уровне 1 и 2 модели OSI в данной работе будут рассмотрены кратко. В последующих главах будет дано описание и реализация предлагаемого алгоритма маршрутизации, основанного на математическом аппарате из области машинного обучения [17], и обучения с подкреплением (Reinforcement Learning - RL) [18], который будет опираться на стандарты IEEE 802.11 и 802.15.4, имеющие эффективные механизмы для борьбы с проблемами физического и канального уровней модели OSI, получившие широкое распространение в беспроводных сетях в качестве стандарта для сети доступа.

Методы исследования

Для решения поставленных задач выполнялся эксперимент на реальной сети, а также математическое моделирование на основе марковского процесса принятия решений. Методом статистического анализа, были получены значения показателей производительности сети при применении разработанной схемы маршрутизации и выполнено сравнение с традиционной схемой маршрутизации. Показано преимущество разработанного алгоритма по показателю процента потерь пакетов (Packet Loss Ratio - PLR).

Соответствие паспорту специальности

Результаты исследования соответствуют следующим пунктам паспорта научной специальности 05.12.13 «Системы, сети и устройства телекоммуникаций»:

Пункт 2: «Исследование процессов генерации, представления, передачи, хранения и отображения аналоговой, цифровой, видео-, аудио- и мультимедиа информации; разработка рекомендаций по совершенствованию и созданию новых соответствующих алгоритмов и процедур».

В работе предложен новый алгоритм адаптивного выбора маршрута в беспроводной многоузловой сети для входящего пакета данных, а также схема передачи пакетов с применением механизма обратной связи.

Пункт 4: «Исследование путей совершенствования управления информационными потоками».

В работе предложены схемы управления потоками данных в случае сетевых перегрузок для целей балансировки сетевого трафика.

Пункт 12: «Разработка методов эффективного использования сетей, систем и устройств телекоммуникаций в различных отраслях народного хозяйства».

В работе предложен адаптивный метод маршрутизации трафика, позволяющий эффективно использовать ресурсы сети.

Пункт 14: «Разработка методов исследования, моделирования и проектирования сетей, систем и устройств телекоммуникаций».

В работе представлена математическая модель разработанной схемы адаптивной маршрутизации, позволяющая оценивать характеристики производительности маршрутизации в реальной сети, при условии наличия информации о типе трафика и топологии данной сети.

Научная новизна

- предложены формулы для вычисления награды за выбор маршрута, учитывающие уровень беспроводного сигнала (RSSI), что позволило включить в оценку качества маршрута текущие физические характеристики беспроводной

многоузловой сети, в отличие от существующих схем адаптивной маршрутизации на основе алгоритмов машинного обучения с подкреплением;

- разработан механизм первичного распределения и вычисления весов маршрутов на основе комбинации параметров уровня сигнала (КББТ) и количества промежуточных узлов, который позволил более точно оценивать качество маршрута в беспроводной многоузловой сети;

- разработан адаптивный алгоритм вычисления весов маршрутов в зависимости от текущего процента потерь пакетов в канале, который позволил значительно уменьшить количество потерянных пакетов в маршруте, по сравнению с существующими решениями (протокол маршрутизации В.Л.Т.М.Л.К);

- разработан алгоритм генерации негативной награды при передаче пакета по ненадежному соединению, который позволил значительно уменьшить время переключения на альтернативный, более надежный маршрут по сравнению с традиционными схемами маршрутизации;

- предложен метод оценки вероятностей переходов «пакет отправлен» и «пакет удален» для анализа производительности реальной сети, работающей по предлагаемой схеме маршрутизации.

Достоверность

Достоверность полученных результатов исследований подтверждена:

- результатами экспериментов на реальной сети;

- успешным внедрением разработанных алгоритмов в эксплуатацию.

Практическая ценность работы

В рамках диссертационной работы был разработан универсальный протокол маршрутизации для многоузловых сетей передачи данных, эффективно работающий в сетях с ненадежными беспроводными соединениями, а также в сетях с быстро меняющимися топологиями. Разработанный протокол отличается высокой надежностью передачи пакетов до узла-получателя, а также механизмом

адаптации к изменениям топологии за счёт обратной связи, что отличает его от существующих имплементаций других протоколов для подобных сетей, в частности - протокола маршрутизации B.A.T.M.A.N. Кроме того, разработанный протокол является готовым программным решением для эксплуатации в реальных сетях.

Внедрение работы

Разработанный протокол маршрутизации был успешно внедрен в рамках индустриального проекта интеллектуального уличного освещения SmartLighting, разработанного при участии диссертанта в лаборатории FILA (Future Internet Lab Anhalt), и развернутого в виде беспроводной многоузловой сети с 19 узлами, расположенными на улице Магдебургер Шоссе, в городе Бернбург, Германия.

Апробация работы

Основные результаты работы были доложены в рамках следующих научно-технических конференций:

- Конференция SibCON, Омск, 2015: «A survey and performance evaluation of ad-hoc multi-hop routing protocols for static outdoor networks»;

- V Научно-практическая конференция «Информационно-измерительная техника и технологии», Томск, 2014: «A Survey of Multi-Hop Routing Schemes in Wireless Networks applied for the Smartlighting Scenario»;

- Конференция ICAIIT, Кётен, 2014: «A wireless mesh network NS-3 simulation model: implementation and performance comparison with a real test-bed»;

- XXV международная научно-практическая конференция «Инновации в науке», СибАК, 2013: «Архитектура и гибридный протокол маршрутизации для беспроводных ячеистых сетей на базе стандарта IEEE 802.11s»;

- Научно-техническая конференция «Современные проблемы телекоммуникаций», СибГУТИ, 2013: «Моделирование процедуры случайного доступа в сетях мобильной связи LTE»;

- Научно-техническая конференция «Обработка информации и математическое моделирование», СибГУТИ, 2013: «Описание симулятора RACH канала сети LTE, Научно-техническая конференция»;

- V Международная научно-практическая конференция «Телекоммуникационные и вычислительные системы», Москва, 2013: «Обзор методов предварительного резервирования в WDM сетях»;

- IV Международная научно-практическая конференция «Телекоммуникационные и вычислительные системы», Москва, 2012: «Расчет коэффициента готовности служебного канала RACH при использовании его в качестве ресурса для передачи пакетов из внешней сенсорной сети в сеть LTE».

Положения, выносимые на защиту

- алгоритм адаптивной маршрутизации с применением теории обучения с подкреплением, позволяющий передавать пакеты данных с меньшими потерями по беспроводной многоузловой сети, в отличие от традиционных схем маршрутизации в подобных сетях;

- методика применения теории обучения с подкреплением для адаптивной маршрутизации пакетного трафика в условиях ненадежной беспроводной среды передачи;

- алгоритмы вычисления награды за выбор маршрута и обновления веса маршрута в зависимости от коэффициента потерь пакетов и уровня сигнала (RSSI);

- алгоритм первичного обновления весов маршрутов при начальном поиске узла-получателя;

Личное участие автора в получении научных результатов

Автору принадлежит основная роль в решении задач и обобщении результатов, представленных в диссертации.

Публикации

По результатам проведенных исследований в рамках диссертационной работы имеется 11 публикаций, 2 из которых опубликованы в изданиях, рекомендованных ВАК, 1 проиндексирована в базе IEEE, Scopus и WoS.

Структура и объём работы

Диссертация содержит 137 страниц, 32 рисунка, 9 таблиц, и включает введение, 5 глав и заключение. Список литературы содержит 89 источников.

Диссертационная работа разбита на 5 основных частей:

1) введение и общее описание предлагаемой концепции маршрутизации;

2) аналитическая / теоретическая часть - содержит описание существующих алгоритмов маршрутизации для беспроводных многоузловых сетей;

3) описание теории машинного обучения, используемого для задач маршрутизации;

4) описание предлагаемого алгоритма, с объяснением математического аппарата для вычисления оптимальных маршрутов;

5) экспериментальная часть - содержит подробное описание проведенных реальных экспериментов с обработанными результатами.

В дополнение основным частям, также изложены варианты применения разработанного алгоритма в рамках реальных проектов, а также сделан обобщенный вывод по проделанному исследованию.

1.2 Анализ беспроводных многоузловых сетей связи

Беспроводные многоузловые сети (Wireless Multihop Networks) являются обобщением беспроводных одноранговых сетей с множеством промежуточных узлов связи. В подмножество таких сетей входят мобильные сети ad hoc (Mobile Ad Hoc Networks - MANET), беспроводные ячеистые сети (Wireless Mesh Networks - WMN) и беспроводные сенсорные сети (Wireless Sensor Networks - WSN). Всех их объединяет общая концепция множества узлов-передатчиков, генерирующих и

пересылающих пакетный трафик определенной интенсивности. Такие сети могут иметь узлы-шлюзы (gateway nodes), играющие роль моста во внешние сети передачи данных, а также узлы-точки-доступа (в случае с WMNs), предоставляющие возможность сторонним клиентам получать доступ к узлам беспроводной многоузловой сети.

В таблице 1 представлены основные классы беспроводных многоузловых сетей, с описанием их особенностей в контексте генерируемого и пересылаемого трафика, размера, топологии, области применения и автономности. Приведенные в таблице сетевые протоколы уровня L3 будут подробно описаны во второй части работы.

Таблица 1 - Классификация беспроводных многоузловых сетей

Беспроводная сенсорная сеть, WSN Беспроводная ячеистая сеть, WMN Мобильная ad hoc сеть, MANET

Интенсивность трафика Низкая Высокая Средняя

Скорость передачи данных 10 - 100 Кбит/с 1 - 300 Мбит/с 0,1 - 1 Мбит/с

Размер сети Средний - большой, 100 - 1000 узлов Средний, 10 - 100 узлов Средний - большой, 100 - 1000 узлов

Топология Статическая и динамическая Статическая Динамическая

Степень автономности Высокая Низкая Средняя

Ь3-протокол LEACH [19], SPIN [20], Flooding ЛОБУ, ОЬБЯ, В.Л.Т.М.Л.К AODV, OLSR, DSR

Область применения Системы распределенного мониторинга Сеть передачи данных, сеть доступа Сеть мониторинга, сеть передачи сообщений

Область применения беспроводных многоузловых сетей очень широка -начиная от сетей для мониторинга окружающей среды, интернета вещей, и заканчивая сетями быстрого развертывания для военного применения.

В качестве примера использования беспроводной сенсорной сети (WSN), можно представить проект интеллектуальной сети уличного освещения

SmartLightmg [8], в которой каждый узел сети оснащен микроконтроллером с сенсорами движения, беспроводным интерфейсом передачи данных, а также контроллером включения/выключения лампы (рисунок 2), установленным на столбах уличного освещения. Таким образом, каждый узел такой сети имеет возможность детектировать движение, и передавать информацию соседним лампам для определения вектора и скорости движения пешехода.

Рисунок 2 - Концепция сети интеллектуального уличного освещения

SmartLighting

Примерами сетей MANET (мобильных ad hoc сетей) являются распределенные мобильные мессенджеры (такие как Firechat) [7], в которых передача текстовых сообщений осуществляется непосредственно между мобильными устройствами (смартфонами), без участия централизованной инфраструктуры (базовых станций, Wi-Fi точек доступа, и т.п.). Таким образом, сервис передачи сообщений остается доступным даже в случае, если доступ во внешнюю сеть отсутствует. По схожему принципу работает система мобильного мониторинга Serval Project [21], которая позволяет пользователям осуществлять звонки, отправлять сообщения, а также осуществлять мониторинг на определенной территории с различными целями, такими как контроль за

окружающей средой, и так далее. Как в случае с Firechat, так и в случае с Serval Project, вся коммуникация осуществляется через смартфон пользователя, с использованием стандартных беспроводных интерфейсов, таких как Wi-Fi и Bluetooth. При этом, пользователь может быть мобильным, что вносит изменения в текущую топологию, а также постоянно меняет маршруты соединений в MANET сети.

Одной из разновидностей сетей MANET являются сети VANET (Vehicular Ad hoc Networks) [22], основной функцией которых является передачи сообщений между движущимися автомобилями и дорожной инфраструктурой для осуществления доступа в сеть Интернет, а также реализации сервисов для безопасности дорожного движения посредством обмена соответствующими сообщениями, и для поддержки движения автономных транспортных средств (например, проект Platooning [23]).

К классу беспроводных ячеистых сетей (Wireless Mesh Networks, WMNs) относятся беспроводные сети передачи данных, которые предоставляют первичный доступ пользователям во внешние сети (чаще всего, в сеть Интернет), а также осуществляют маршрутизацию и балансировку трафика пользователей в ячеистой сети. Как правило, такие сети, в отличие от вышеперечисленных, уже имеют некую иерархию узлов, которые можно разделить на:

• узлы доступа (mesh points) - осуществляют маршрутизацию трафика, а также предоставляют доступ для конечных пользователя в ячеистую сеть;

• узлы-шлюзы (mesh gateways) - осуществляют маршрутизацию трафика, и выполняют функцию узла-шлюза во внешние сети;

• узлы ячеистой сети (mesh nodes) - простейшие, промежуточные узлы ячеистой сети, которые выполняют только функцию маршрутизации и перенаправления трафика либо в сторону узлов-доступа, либо в сторону узлов-шлюзов.

Обобщенная схема таких сетей представлена на рисунке 3. В качестве реального и вполне эффективного применения беспроводных ячеистых сетей (WMNs) на практике является проект Freifunk (нем. "свободное радио") [24],

который предоставляет доступ в интернет для пользователей по технологии Wi-Fi, без развертывания проводной инфраструктуры. В данном проекте, беспроводные Wi-Fi роутеры объединяются в одну беспроводную mesh-сеть, покрывающую целые районы таких городов как Гамбург и Берлин, с более чем 300-ми узлов. Маршрутизация пользовательского трафика здесь осуществляется с помощью беспроводных протоколов маршрутизации OLSR и B.A.T.M.A.N [15, 16].

Рисунок 3 - Архитектура беспроводной ячеистой сети на примере проекта

Freifunk [24]

Таким образом, беспроводные многоузловые сети являются крайне востребованной сферой телекоммуникаций с множеством различных ниш для применения. Кроме того, со стремительным развитием концепции интернета вещей, а также постоянным ростом числа беспроводных устройств и скоростей передачи данных, задача поиска эффективного алгоритма маршрутизации и распределения потоков трафика в таких сетях будет становиться всё более актуальной. В связи с этим, всё более остро встает ряд проблем беспроводных многоузловых сетей, которые будут описаны в следующей главе, и подробный анализ которых будет дан в соответствующем разделе второй части работы.

1.2.1 Проблемы производительности беспроводных многоузловых сетей передачи данных

Производительность беспроводных многоузловых сетей, как упоминалось выше, зависит от многих факторов, но основные проблемы возникают на первых трёх уровнях модели ОБ! В таблице 2 представлена пятиуровневая схема модели ОБ! с протоколами и стандартами, использующимися на соответствующих уровнях таких сетей.

Таблица 2 - Пятиуровневая модель ОБ! для многоузловых сетей передачи данных

Номер уровня модели OSI Название уровня Используемые протоколы/стандарты

1 Физический Физическая среда передачи - проводная/беспроводная

2 Канальный (звена данных) Стандарты MAC-доступа IEEE 802.3, 802.11, 802.15.1, 802.15.4

3 Сетевой IPv4, IPv6 адресация, Zigbee, 6LowPAN

4 Транспортный UDP, TCP

5 Прикладной (уровень приложения) Приложение, генерирующее сетевой трафик

Рассмотрим проблемы производительности в беспроводных многоузловых сетях, возникающие на различных уровнях модели ОБ!:

1 уровень (физический):

На физическом уровне на производительность беспроводных сетей влияют факторы, связанные с характеристиками распространения электромагнитного сигнала в беспроводной среде передачи, а именно: уровень затухания, наличие отражений сигнала от препятствий, интерференция, а также уровень электромагнитного шума в среде - как широкополосного, так и узкополосного.

Прежде всего, это влияет на вероятность корректного приема и декодирования передаваемой информации, что, в свою очередь, влияет на поведение протоколов 2-го уровня, которые должны обеспечивать надежность передачи информации на уровне прямого канала (звена данных). В конечном итоге, негативные условия для беспроводной передачи сигнала увеличивают время доставки фреймов (кадров) с данными от одного узла до другого, так как механизм ARQ второго уровня вносит задержку на повторную передачу кадров.

• 2 уровень (канальный):

Канальный уровень, помимо его основной функции - надежной доставки информации по линку/каналу, в беспроводных сетях реализует механизм контроля множественного доступа в среду (MAC), который осуществляет контроль за доступом множества устройств к общему радио-ресурсу в частотном, временном и пространственных диапазонах. Очевидно, что чем больше устройств конкурируют за доступ к общему радио-ресурсу, тем больше время ожидания доступа. Соответственно, время передачи кадра до получателя прямо пропорционально количеству одновременно конкурирующих абонентских устройств. Кроме того, повышенное число беспроводных устройств увеличивает вероятность интерференции, что, в свою очередь, увеличивает время доставки информации из-за процедуры повторной передачи кадра в механизме ARQ.

Как правило, именно на втором уровне также происходит шифрование данных перед отправкой, что призвано решать проблему безопасности передачи данных по открытым беспроводным каналам. Например, алгоритмы шифрования WEP, WPA, WPA2, повсеместно применяются в стандарте IEEE 802.11 Wi-Fi [10].

Список литературы диссертационного исследования кандидат наук Дугаев Дмитрий Александрович, 2018 год

Список использованных источников

1. Yiran Ma, Zhensheng Jia Evolution and Trends of Broadband Access Technologies and Fiber-Wireless Systems, Fiber-Wireless Convergence in Next-Generation Communication Networks, pp.43-75, Springer, 2017.

2. IEEE Standard for Information technology—Telecommunications and information exchange between systems, IEEE 802.11ac-2013.

3. M. A. Razzaque, m. Milojevic-Jevric, A. Palade, and S. Clarke, "Middleware for Internet of Things: A Survey", IEEE Internet of Things Journal, vol. 3, pp. 70-95, 2016.

4. Rainer Schmidt, Michael Mohring, Ralf-Christian Harting et al., Industry 4.0 -Potentials for Creating Smart Products: Empirical Research Results, Springer, pp. 16 -27, 2015.

5. I.F. Akyildiz, W. Su, Y. Sankarasubramaniam, E. Cayirci, Wireless Sensor Networks: A survey, Computer Networks, Elsevier 38 (4) (2002) 393-422.

6. I.F. Akyildiz and X. Wang, "A Survey on Wireless Mesh Networks", IEEE Communications Magazine, vol. 43, no. 9, pp. S23-S30, 2005.

7. FireChat - https://en.wikipedia.org/wiki/FireChat.

8. D. Dugaev, S. Zinov, E. Siemens A Survey of Multi-Hop Routing Schemes in Wireless Networks applied for the Smartlighting Scenario // V international science conference "Technologies and equipment for information measurement", Tomsk. Russia. May 2014.

9. ГОСТ Р ИСО/МЭК 7498-1-99 «Взаимосвязь открытых систем. Базовая эталонная модель».

10. IEEE Standard for Information technology - Telecommunications and information exchange between systems, Wireless LAN Medium Access Control (MAC) and

Physical Layer (PHY) Specifications, IEEE Std 802.11-2016 (Revision of IEEE Std 802.11-2012).

11. IEEE Standard for Information technology - Telecommunications and information exchange between systems, Wireless medium access control (MAC) and physical layer (PHY) specifications for wireless personal area networks (WPANs), IEEE Std 802.15.12005 (Revision of IEEE Std 802.15.1-2002).

12. IEEE Standard for Low-Rate Wireless Networks, IEEE Std 802.15.4-2015 (Revision of IEEE Std 802.15.4-2011).

13. C. Perkins, E. Belding-Royer, and S. Das, "Ad hoc On-Demand Distance Vector (AODV) Routing," IETF RFC 3561, Jul. 2002.

14. David B. Johnson, David A. Maltz, and Josh Broch. DSR: The Dynamic Source Routing Protocol for Multi-Hop Wireless Ad Hoc Networks. in Ad Hoc Networking, edited by Charles E. Perkins, Chapter 5, pp. 139-172, Addison-Wesley, 2001.

15. T. Clausen and P. Jacquet. Optimized Link State Routing Protocol (OLSR). RFC 3626 (Experimental), October 2003.

16. R. Sanchez-Iborra et al., "Performance evaluation of BATMAN routing protocol for VoIP services: a QoE perspective", IEEE Transactions Wireless Communication, vol. 13, no. 9, pp. 4947 - 4958, 2014.

17. S. Sharma, J. Agrawal, S. Agarwal and S. Sharma, "Machine Learning Techniques for Data Mining: A Survey", IEEE International Conference on Computational Intelligence and Computing Research, 2013.

18. R.S. Sutton, A.G. Barto, Reinforcement Learning: An Introduction, MIT Press, Cambridge, MA, 1998.

19. W.R. Heinzelman, A. Chandrakasan, H. Balakrishnan, Energy-efficient communication protocol for wireless microsensor networks, IEEE Proceedings of the Hawaii International Conference on System Sciences, January 2000, pp. 1-10.

20. W.R. Heinzelman, J. Kulik, H. Balakrishnan, Adaptive protocols for information dissemination in wireless sensor networks, Proceedings of the ACM MobiCom'99, Seattle, Washington, 1999, pp. 174-185.

21. Serval Project - https://en.wikipedia.org/wiki/Serval_Project.

22. S. Yousefi, M. S. Mousavi, and M. Fathy, "Vehicular Ad Hoc Networks (VANETs): Challenges and Perspectives," in 6th International Conference on ITS Telecommunications (ITST 2006), Chengdu, China, June 21-23, 2006, pp. 761-766.

23. Bergenhem, C., Shladover, S., Coelingh, E., Englund, C., & Tsugawa, S. (2012). Overview of platooning systems. In Proceedings of the 19th ITS World Congress, Oct. 22-26, Vienna, Austria (2012).

24. Freifunk - https://freifunk.net.

25. IEEE 802.11s. IEEE Standard for Information Technology - Telecommunications and Information Exchange Between Systems - Local and Metropolitan Area Networks -Specific Requirements - Part 11: Wireless LAN Medium Access Control (MAC) and Physical Layer (PHY) Specifications - Amendment 10: Mesh Networking, IEEE Std., 2011.

26. D. Dugaev, S. Zinov, E. Siemens, and V. Shuvalov, "A survey and performance evaluation of ad-hoc multi-hop routing protocols for static outdoor networks," in 2015 International Siberian Conference on Control and Communications (SIBCON), 2015, pp. 1-11.

27. A. Shrestha, F. Tekiner, "Investigation of MANET routing protocols for mobility and scalability" International Conference on Parallel and Distributed Computing, Applications and Technologies, Higashi Hiroshima, 2009.

28. W. R. Stevens, M. Allman, and V. Paxson, "TCP Congestion Control", IETF, RFC 2581, Apr-1999. [Online]. Available: https://tools.ietf.org/html/rfc2581.

29. R. Stewart et al., "Stream Control Transmission Protocol", IETF RFC 2960, Oct. 2000.

30. Y. Gu and R. L. Grossman, "UDT: UDP-based Data Transfer for High-speed Wide Area Networks", Computer Networks, vol. 51, no. 7, pp. 1777-1799, May 2007.

31. J. Postel et al., "User Datagram Protocol", IETF RFC 768, Aug. 1980.

32. Y. Wu, S. Kumar, and S.-J. Park. "Measurement and performance issues of transport protocols over 10 Gbps high-speed optical networks". Computer Networks, vol. 54., 2010, pp. 475-488. doi:10.1016/j.comnet.2009.09.017.

33. V. Frost and B. Melamed, "Traffic Modeling for Telecommunication Networks", IEEE Communications Magazine, 32(3), pp. 70-80, March, 1994.

34. Munoz, Andres, "Machine Learning and Optimization". URL: https : //www.cims .nyu.edu/~munoz/files/ml_optimization.pdf (2014).

35. Machine Learning - https://en.wikipedia.org/wiki/Machine_learning.

36. L. Peshkin and V. Savova, "Reinforcement learning for adaptive routing," in Neural Networks, 2002. IJCNN'02. Proceedings of the 2002 International Joint Conference on, vol. 2. IEEE, 2002, pp. 1825-1830.

37. Nallusamy, R., et al. "Energy efficient dynamic shortest path routing in wireless Ad hoc sensor networks using genetic algorithm." Wireless Communication and Sensor Computing, 2010. ICWCSC 2010. International Conference on. IEEE, 2010.

38. J. Dowling, E. Curran, R. Cunningham, and V. Cahill, "Using feedback in collaborative reinforcement learning to adaptively optimize MANET routing," Systems, Man and Cybernetics, Part A, IEEE Transactions on, vol. 35, no. 3, pp. 360-372, 2005.

39. M. Woo, N.H. Dung, W.J. Roh, "An Efficient Antbased Routing Algorithm for MANETs", Proceedings Of 10th International Conference on Advanced Communication Technology (ICACT) 2008, Vol. 2, pp. 933-937.

40. Z. Qin, Z. Jia, X. Chen. "Fuzzy Dynamic Programming based Trusted Routing Decision in Mobile Ad Hoc Networks", 2008, The Fifth IEEE International Symposium on Embedded Computing(SEC '08). Beijing, China , pp.180-185.

41. Skiena, S. "Dijkstra's Algorithm." §6.1.1 in Implementing Discrete Mathematics: Combinatorics and Graph Theory with Mathematica. Reading, MA: Addison-Wesley, pp. 225-227, 1990.

42. R. Bellman, "On a routing problem," Quarterly of Applied Mathematics, vol. 16, pp. 87-90, 1958.

43. Perkins Charles E., Bhagwat Pravin: Highly Dynamic Destination-Sequenced Distance-Vector Routing (DSDV) for Mobile Computers, London England UK, SIGCOMM 94-8/94.

44. C. Hedrick et al., "Routing Information Protocol", IETF RFC 1058, Jun. 1988.

45. J.N.Davies, V.Grout and R.Picking, "Prediction of Wireless Network Signal Strength within a Building", Proceedings of the Seventh International Network Conference (INC), pp. 193-207 2008.

46. N, Javaid. A, Khan. I. A, Djouani. K, "Performance study of ETX based wireless routing metrics," 2nd IEEE International Conference on Computer, Control and Communications (IC4 2009), Karachi, Pakistan, pp.1-7, 2009.

47. S. Ju, and J. B. Evans, "Scalable Cognitive Routing Protocol for Mobile Ad-Hoc Networks", IEEE Globecom Symposium on Selected Areas in Communications, December, 2010.

48. Bkassiny M, Li Y, Jayaweera S K. A survey on machine-learning techniques in cognitive radios [J]. Communications Surveys & Tutorials, IEEE, 2013, 15(3): 1136-1159.

49. Mitchell, T. Machine Learning. McGraw Hill. p. 2. ISBN 0-07-042807-7, 1997.

50. Mehryar Mohri, Afshin Rostamizadeh, Ameet Talwalkar (2012) Foundations of Machine Learning, The MIT Press ISBN 9780262018258.

51. Duda, Richard O.; Hart, Peter E.; Stork, David G. "Unsupervised Learning and Clustering". Pattern classification (2nd ed.). Wiley. 2001. ISBN 0-471-05669-3.

52. C. J. C. H. Watkins, "Learning with delayed rewards," Ph.D. dissertation, Psychology Department, University of Cambridge, UK, 1989.

53. Вентцель Е.С. Исследование операций: задачи, принципы, методология: учебное пособие / Е.С. Вентцель. — 5-е изд., стер. — М. : КНОРУС, 2010. - 192 с.

54. Sniedovich, M., Dynamic Programming: Foundations and Principles, Taylor & Francis, 2010, ISBN 978-0-8247-4099-3.

55. Ландау, Л. Д., Лифшиц, Е. М. Статистическая физика. Часть 1. — Издание 3-е, дополненное. — М.: Наука, 1976. — 584 с. — («Теоретическая физика», том V).

56. Douglas E. Comer. Internetworking with TCP/IP - Principles, Protocols and Architecture. ISBN 86-7991-142-9.

57. Internet Protocol, IETF RFC 791, Sep. 1981.

58. S. Deering, R. Hinden, "Internet Protocol, Version 6 (IPv6)", IETF RFC 2460, December, 1998.

59. Г. Россум, Ф.Л.Дж. Дрейк, Д.С. Откидач, М. Задка, М. Левис, С. Монтаро, Э.С. Реймонд, А.М. Кучлинг, М.-А. Лембург, К.-П. Йи, Д. Ксиллаг, Х.Г. Петрилли, Б.А. Варсав, Дж.К. Ахлстром, Дж. Роскинд, Н. Шеменор, С. Мулендер. Язык программирования Python. / 2001 - 454 c.

60. Ellen Siever, Stephen Figgins, Robert Love, and Arnold Robbins, "Linux in a Nutshell", Sixth Edition, 2009. ISBN: 978-0-596-15448-6.

61. IEEE Standard for Ethernet, IEEE Std 802.3TM-2015 (Revision of IEEE Std. 802.3-2012).

62. A. Majumder and J. Caffrey, Jr., "Power line communications: An overview," IEEE Potentials, vol. 23, no. 4, pp. 4-8, Oct./Nov. 2004.

63. Universal TUN/TAP device driver. Copyright (C) 1999-2000 Maxim Krasnyansky. https: //www.kernel. org/doc/Documentation/networking/tuntap.txt.

64. Linux Programmer's Manual, http://man7.org/linux/man-pages/man2/socket.2.html.

65. Mike Muuss. "The Story of the PING Program". U.S. Army Research Laboratory. Archived from the original on 8 September 2010. Retrieved 8 September 2010.

66. W. Fenner, "Internet Group Management Protocol, Version 2", IETF RFC 2236, Nov. 1997.

67. T. Narten et al., "Neighbor Discovery for IP version 6 (IPv6)", IETF RFC 4861, Sep. 2007.

68. David C. Plummer, "An Ethernet Address Resolution Protocol", IETF RFC 826, Nov. 1982.

69. R. Droms, "Dynamic Host Configuration Protocol", IETF RFC 2131, Mar. 1997.

70. T. Ylonen et al., "The Secure Shell (SSH) Authentication Protocol", IETF RFC 4252, Jan. 2006.

71. https://fila-lab.de/.

72. NS-3 network simulator official website. [Online]. Available: www.nsnam.org.

73. https: //www.linux-kvm.org/page/Main_Page.

74. D. Dugaev A wireless mesh network NS-3 simulation model: implementation and performance comparison with a real test-bed. Proceedings of 2nd ICAIIT conference, Kothen, Germany, 2014.

75. https://www.isi.edu/nsnam/ns/.

76. "OMNeT++ Discrete Event Simulator - Home". omnetpp.org. Retrieved 2016-12-25.

77. J. Chroboczek, "The Babel Routing Protocol", IETF RFC 6126, Apr. 2011.

78. "BeagleBoard.org," Beagleboard-black. [Online]. Available: http://beagleboard.org/black. [Accessed: 17-Aug-2016].

79. http://www.tp-link.com/us/download/TL-WN722N.html.

80. https://en.wikipedia.org/wiki/SMA_connector.

81. NS-3 doxygen documentation. [Online]. Available: www.nsnam.org/doxygen-release/index.html.

82. Iperf - The TCP/UDP Bandwidth Measurement Tool. [Online]. Available: http://iperf.fr/.

83. https://en.wikipedia.org/wiki/Freifunk.

84. https: //en.wikipedia.org/wiki/GNU_General_Public_License.

85. J. Huang, "Distributed algorithm design for network optimization problems with coupled objectives," in Proc. IEEE TENCON 2009, pp. 1-6, Jan. 2009.

86. Д. А. Дугаев, Д. С. Качан, И. С. Федотова Концепция маршрутизации трафика в мобильных ad-hoc сетях с использованием высокоточных измерений доступной полосы пропускания // Вестник СибГУТИ №4. - 2015. - Новосибирск. - С. 90-98.

87. Дугаев Д.А. Исследование времени установления соединения в восходящем (uplink) направлении в сетях LTE // T-Comm - Телекоммуникации и Транспорт. -Москва. - № 5, 2013. - С. 25-28.

88. Дугаев Д.А. Архитектура и гибридный протокол маршрутизации для беспроводных ячеистых сетей на базе стандарта IEEE 802.11s // XXV международная научно-практическая конференция «Инновации в науке». -СибАК. - 2013. - С. 39-44.

89. Дугаев Д.А. Моделирование процедуры случайного доступа в сетях мобильной связи LTE, Научно-техническая конференция «Современные проблемы телекоммуникаций». - СибГУТИ. - 2013. - С. 81-82.

Список сокращений

6LowPAN - IPv6 over Low power Wireless Personal Area Networks

ACK - Acknowledgement

ADC - Analog-to-Digital Converter

AODV - Ad hoc On-Demand Distance Vector

ARM - Advanced RISC Machine

ARP - Address Resolution Protocol

ARQ - Automatic Repeat Query

B.A.T.M.A.N. - Better Approach To Mobile Adhoc Networking CAN-Bus - Controller Area Network Bus

CSMA/CA - Carrier-Sense Multiple Access with Collision Avoidance

DDR - Double Data Rate

DHCP - Dynamic Host Configuration Protocol

DSDV - Destination-Sequenced Distance-Vector

DSN - Destination Sequence Number

DSR - Dynamic Source Routing

ETX - Expected Transmission Count

FILA - Future Internet Lab Anhalt

GPL - General Public License

GPMC - General Purpose Memory Controller

GW - Gateway

HWMP - Hybrid Wireless Mesh Protocol

I2C - Inter-Integrated Circuit

ICMP - Internet Control Message Protocol

IEEE - Institute of Electrical and Electronics Engineers

IGMP - Internet Group Management Protocol

IoT - Internet of Things

IP - Internet Protocol

IPv4 - Internet Protocol version 4

IPv6 - Internet Protocol version 6

KVM - Kernel-based Virtual Machine

LCD - Liquid-Crystal Display

LEACH - Low-energy adaptive clustering hierarchy

LED - Light-Emitting Diode

MAC - Media Access Control

MANET - Mobile Ad hoc Network

MDP - Markov Decision Process

ML - Machine Learning

MMC - Multi-Media Card

MPR - Multipoint Relay

NS-2 - Network Simulator 2

NS-3 - Network Simulator 3

OLSR - Optimized Link State Routing

OMNeT++ - Objective Modular Network Testbed in C++

OSI - Open Systems Interconnection

PIR - Passive Infra-Red

PLC - Power Line Communication

PLR - Packet Loss Ratio

PWM - Pulse-Width Modulation

QoS - Quality of Service

RAM - Random-Access Memory

RERR - Route Error

RL - Reinforcement Learning

RLRP - Reinforcement Learning Routing Protocol

RP-SMA - Reversed-Polarity Sub-Miniature version A

RREP - Route Reply

RREQ - Route Request

RRT - Route Recovery Time

RTT - Round Trip Time

SCTP - Stream Control Transmission Protocol

SNR - Signal-to-Noise Ratio

SoC - System on Chip

SPI - Serial Peripheral Interface

SPIN - Sensor Protocol for Information via Negotiation

SSH - Secure Socket Shell

TC - Traffic Control

TCP - Transmission Control Protocol

TP - Traffic Profile

TTL - Time To Live

UART - Universal Asynchronous Receiver Transmitter

UDP - User Datagram Protocol

UDT - UDP-based Data Transfer

USB - Universal Serial Bus

VANET - Vehicular Ad hoc Network

WEP - Wired Equivalent Privacy

WLAN - Wireless Local Area Network

WMN - Wireless Mesh Network

WPA - Wi-Fi Protected Access

WSN - Wireless Sensor Network

ОЗУ - Оперативное Запоминающее Устройство

ПЗУ - Постоянное Запоминающее Устройство

СКО - Среднеквадратическое Отклонение

Приложение А

(справочное)

Акты о внедрении научных результатов

Bernburg

Dessau

Kothen

Hochschule Anhalt

Hochschule Anhalt. FB 6. Postfach 1458. 06354 Köthen

Anhalt University of Applied Sciences pm\A/

To whom it may concern

Elektrotechnlcal, Mechanical and Industrial Engineering

Prof. Dr.-lng. Eduard Siemens Communication Technologies

Department of

Head of the Future Internet Lab Anhalt

Bernburger Straße 57 06366 Koethen

Telefon: [phone] Telefax:[phone] Mobil: [phone]

E-Mail: [e-mail]

Köthen, 09/11/17

Confirmation of application and use

Herewith, Future Internet Lab Anhalt (FILA) confirms the applicability of the algorithms, presented in PhD thesis of Dmitrii Dugaev "Development of Adaptive Routing Algorithm for Wireless Multihop Networks".

Main results of the thesis have been successfully adapted to SmartLighting research project, conducted at FILA. In particular, the developed adaptive routing scheme presents the main basis for communication among the wireless SmartLighting nodes, providing reliable overall connectivity. This ensures the stability of the smart illumination process as a service. The developed algorithms were successfully tested in real-field application as a part of the first street-lighting setup under the SmartLigthing project.

Moreover, the results of the PhD thesis establish a basis for further research in the topic of wireless distributed systems, enabling many opportunities for prospective projects, related to the topic.

With kind reqards,

Prof. Dr.-lng Eduard Siemens Head of the Future Internet Lab

flla_use_confïrmatlon_Dugaev_v2.odt

Bernburg

Dessau

Kothen

Hochschule Anhalt

NocMchu'e Anhalt Г В 6. rostfach U58 06344 Köthen

Anhalt University of Applied Sciences

рт\л/

Elektrotechnlcal, Mechanical and Industrial Engineering

Prof. Dr.-lng. Eduard Siemens Communication Technologies

Department of

To whom it may concern

Head of the Future Internet Lab Anhalt

Bernburger Straße 57 06366 Koethen

Telefon: [phone] Telefax:+ 49 3496 67-23 99 Mobil: [phone]

E-Mail: [e-mail]

Kothen, 11.09.17

Акт об использовании в учебном процессе

Основные результаты исследования, представленные в диссертационной работе Д. Дугаева "Разработка адаптивного алгоритма маршрутизации для беспроводных многоузловых сетей передачи данных", используются в учебном процессе в университете прикладных наук Анхальта (г. Кётен, Германия). Ряд алгоритмов, представленных в работе, являются основой успешно защищенных магистерских выпускных работ по тематике алгоритмов распределенных систем коммуникации (algorithms in distributed systems).

Кроме того, значительная часть результатов диссертационной работы Д. Дугаева используется в качестве основы проекта по разработке интеллектуальной системы уличного освещения SmartLighting, который входит в учебный процесс магистров 2-го курса в качестве индивидуальных, либо выпускных исследовательских работ.

Prof. Dr.-lng Eduard Siemens

Head of the Future Internet Lab Anhalt

studyj}roce55jntegratlon_Dugaevj/?.odt