xiiisimpo siobrasileirodeautomac ~aointeligente ... · candidatosàretransmitir. oprogresso p a...

ROTEAMENTO EM REDES SEM FIO AD-HOC: UMA ABORDAGEMMULTIOBJETIVO

Jean Nunes Ribeiro Araujo∗, Francirley Costa∗, Claudio de Castro Monteiro†, LucasSouza Batista‡

∗Programa de Pós-Graduação em Engenharia Elétrica - UFMGAv. Antônio Carlos 6627, 31270-901Belo Horizonte, Minas Gerais, Brasil†Instituto Federal do Tocantins - IFTO

Departamento de Ciência da ComputaçãoPalmas, Tocantins, Brasil

‡Operations Research and Complex Systems LaboratoryDepartamento de Engenharia Elétrica - UFMG

Belo Horizonte, Minas Gerais, Brasil

Emails: [email protected], [email protected], [email protected], [email protected]

Abstract— Ad hoc wireless networks provide a major base for ubiquitous computing development. Since, inthis scenario, the communication occurs by multiple hops, this work proposes a multi-objective approach thatconsiders the needs of the applications in the route discovery process. Thereby, it is proposed here a modifiedDijkstra algorithm based on a multicriteria scalar approach in order to obtain an estimate of the Pareto front.Subsequently, the best path is chosen by applying a technique to aid in decision making based on compromiseprogramming. Compared to the classical method that applies weighted sum, the proposed solution presentssignificant gains in terms of delay and reliability.

Keywords— ad-hoc networks, multicriteria optimization, planning, reasoning and intelligent decision-making.

Resumo— As redes sem fio ad hoc fornecem uma base fundamental para o desenvolvimento da computaçãoubíqua. Uma vez que, neste cenário, a comunicação ocorre por múltiplos saltos, este trabalho propõe umaabordagem multiobjetivo que considera as necessidades da aplicação no processo de descoberta da rota. Paratanto, uma versão do algoritmo Dijkstra empregando uma abordagem escalar multicritério é desenvolvida, a fimde obter uma estimativa da fronteira Pareto. Em seguida, o melhor caminho é escolhido aplicando uma técnica deauxílio à tomada de decisão baseada em programação de compromisso. Em comparação ao método clássico queaplica soma ponderada, a solução proposta apresenta ganhos significativos em termos de atraso e confiabilidade.

Palavras-chave— redes ad-hoc, otimização multicritério, planejamento, raciocínio e tomada de decisão inte-ligente.

1 Introdução

Assegurar o melhor aproveitamento possível dosrecursos de rede é um dos principais requisitos aser garantidos a fim de viabilizar o uso da tecnolo-gia wireless em cenários desassistidos de qualquerinfraestrutura de rede (Loo et al., 2016). Comovislumbre, a interconexão de dispositivos poderiaocorrer em regiões afastadas e de difícil conectivi-dade, como em áreas rurais, locais afetados por de-sastres naturais, minas terrestres, estações em altomar, submarinos, estações espaciais, zonas desabi-tadas, ambientes de alta mobilidade, fronteiras eáreas militares (Chakchouk, 2015; Umana, 2012).

A expansão da infraestrutura de telecomuni-cação celular, das redes de malha (Wireless MeshNetworks - WMN ) e das redes de sensores (Wire-less Sensor Network - WSN ) são exemplos conve-nientes da evolução sem fio que se propaga tam-bém nos centros urbanos. Da mesma forma, ascrescentes iniciativas com fins de integrar essas re-des, que são na prática heterogêneas, atestam oimportante papel dos dispositivos sem fio na con-

cepção da Internet das Coisas (Internet of Things- IoT ) (Yinbiao et al., 2015).

Nesse contexto, as redes sem fio ad-hoc repre-sentam relevante expoente, uma vez que elas pos-suem características especialmente desejadas. Sãoredes que se formam espontaneamente, onde osdispositivos trocam mensagens por meio de múl-tiplos saltos. Além disso, podem adotar modelosvariados de mobilidade e com custo baixo de im-plantação (Loo et al., 2016).

No entanto, dentre as diversas e relevantesquestões inerentes a tais redes, o problema de ro-teamento é um dos mais desafiadores. Os pro-tocolos de roteamento nativos das redes cabea-das geralmente calculam as rotas previamente eas armazenam em tabelas de roteamento. Es-ses métodos podem ser aplicados em redes ad-hocestacionárias. Por outro lado, em ambientes di-nâmicos e instáveis, é mais adequado construir arota sob demanda ou em tempo de transmissão(Chakchouk, 2015; Loo et al., 2016).

Independente do paradigma aplicado, a mé-trica escolhida para avaliar a qualidade dos links

XIII Simposio Brasileiro de Automacao Inteligente

Porto Alegre – RS, 1o – 4 de Outubro de 2017

ISSN 2175 8905 197

precisa representar adequadamente o objetivo quese deseja otimizar. Em geral, em uma rede exis-tem aplicações com requisitos de qualidade confli-tantes, o que implica em objetivos também con-flitantes. Aplicações elásticas, como transferên-cia de arquivo, são mais sensíveis a confiabilidade,logo, métricas que buscam maximizar a taxa deentrega de pacotes são preferíveis. De outro modo,aplicações de voz sobre IP são extremamente sen-síveis ao atraso, portanto, seria apropriado utilizarmétricas que visam minimizar a latência fim a fim(Kurose et al., 2010; Loo et al., 2016). Porém, osprincipais protocolos de roteamento não levam emconsideração o tradeoff associado entre objetivosconflitantes em uma rede sem fio ad-hoc.

A proposta deste artigo é demonstrar a im-portância de conhecer a relação de compromissoentre requisitos de aplicações distintas. Assim, arota se define adaptativamente para atender a ne-cessidade da aplicação requisitante. Para tanto,uma abordagem multiobjetivo foi proposta paraotimização de dois objetivos conflitantes em redesde múltiplos saltos. A métrica Progresso em Dire-ção ao Destino (PDD) (Heissenbüttel et al., 2004)é aplicada a fim de minimizar o atraso, enquanto,a métrica Taxa de Recepção de Pacotes (TRP)(Zhao et al., 2014) é adotada para maximizar aconfiabilidade.

Alinhado com tal perspectiva, o presente tra-balho está organizado da seguinte forma. Na Se-ção II os paradigmas de roteamento são revisa-dos. Além disso, algumas propostas que lidamcom múltiplas métricas de qualidade dos links sãoexaminadas. A Seção III discorre sobre a mode-lagem multiobjetivo sugerida. A avalição da pro-posta é apresentada na Seção IV. Na Seção V sãoanalisados os resultados obtidos. Por fim, na Se-ção VI temos as conclusões e considerações finais.

2 Trabalhos relacionados

Uma rede sem fio ad-hoc é composta de n nósdistribuídos em determinada área, onde os dispo-sitivos são capazes de se auto-organizarem (Looet al., 2016). Uma vez que a rede não demandaqualquer infraestrutura prévia para funcionar, atroca de mensagens é feita por múltiplos saltos.Neste modelo, os nós são responsáveis por man-ter o funcionamento da rede, exercendo o papelde retransmissores. Por isso, sempre que um nódeseja “conversar” com outro, uma rota precisa serestabelecida. Esta seção descreve os paradigmasde roteamento comumente aplicados para este fim.Além disso, as principais métricas de qualificaçãodos links são conceitualmente discutidas.

2.1 Paradigmas de Roteamento

Dentre os protocolos trandicionais desenvolvidospara atender essa demanda, os principais são:

OLSR (Optimized Link State Routing) e AODV(Ad Hoc On-Demand Distance Vector). O pro-tocolo OLSR foi projetado para as redes WLAN(Wireless Local Area Networks) e utiliza umaabordagem proativa que considera o estado do en-lace. No OLSR, as rotas são computadas a priorie mantidas em tabelas estáticas, que são acessadasa medida que as rotas são solicitadas. Seguindouma abordagem diferente, o AODV calcula as ro-tas para os destinos sob demanda, ou seja, a rotaé determinada reativamente com base nos veto-res de distância. Recetemente tem surgido mo-delos de roteamento oportunísticos que buscamconstruir as rotas enquanto o pacote é transmi-tido, capturando assim a condição mais recente darede. Esses protocolos são recomendados em cená-rios caracterizados por conectividade intermitentee alta mobilidade (Chakchouk, 2015).

Com efeito, independente do paradigma de ro-teamento, há a necessidade comum de utilizar nomínimo uma métrica de avaliação dos links. Umavez que as diversas aplicações disponíveis em umarede podem possuir diferentes requisitos de quali-dade, é recorrente na literatura propostas de pro-tocolos que aplicam mais de uma métrica, bus-cando responder adequadamente ao contexto datransmissão (Alwan, 2014; Zhao et al., 2014).

2.2 Métricas de Avaliação dos Links

Em abordagens tradicionais, as principais mé-tricas são: número de saltos, distância geográ-fica, número esperado de transmissões (ExpectedTransmission Count - ETX) e tempo esperadode transmissão (Expected Transmission Time -ETT). Em protocolos oportunísticos, métricas queconsideram a diversidade dos nós retransmissoressão mais adequadas, tais como: número esperadode transmissões por qualquer caminho (ExpectedAnypath Transmission Count - EAX) e tempoesperado de transmissão por qualquer caminho(Expected Anypath Transmission Time - EATT)(Chakchouk, 2015).

Sob o ponto de vista da aplicação, para dadosnegociados em tempo real e/ou com restrições detempo e energia, métricas que minimizam o atrasosão adequadas, o que tende a gerar rotas com me-nor número de saltos e, consequentemente, menortempo de propagação entre origem e destino (Zhaoet al., 2014). Por outro lado, em aplicações sensí-veis à perda de pacotes, o objetivo é maximizar aconfiabilidade de entrega. Assim, links com mai-ores taxas de entrega de pacotes geralmente sãoselecionados, o que gera rotas com mais saltos emcomparação às métricas que minimizam atraso.

No entanto, é importante destacar que emuma mesma rede é natural que existam aplicaçõessensíveis à atraso e aplicacões sensíveis à perda depacotes. Isso certamente provoca a necessidadede otimizar objetivos divergentes. Até por isso, o



198

número de métricas de avaliação dos links exis-tentes na literatura é significativamente grande(Chakchouk, 2015).

Lidar com objetivos conflitantes na concep-ção de novos protocolos de roteamento em redessem fio ad-hoc é, portanto, uma tarefa desafiadora,mas, ao mesmo tempo, de extrema relevância. Re-centemente, alguns trabalhos têm se ocupado empropor soluções que consideram, de algum modo,múltiplos critérios no processo de otimização dasrotas. Em (Zhao et al., 2014) é proposto um pro-tocolo que projeta uma métrica ponderada uti-lizando alguns critérios de contexto, tais como:qualidade do link, progresso geográfico e energiaresidual dos nós. Para cada critério é atribuídoum peso, compondo desta forma a métrica DFD(Dynamic Forwarding Delay).

Em (Alwan, 2014) também é utilizado o mé-todo de soma ponderada a fim de minimizar oatraso e maximizar a vazão da rota. A soluçãoé estabelecida como: U = β ×Atraso+ (1− β)×Capacidade. Se β = 0.5, Capacidade e Atrasorecebem pesos iguais. Se β = 0, os links são se-lecionados somente de acordo com a Capacidade.Por outro lado, se β = 1, os links são selecionadosconsiderando apenas o Atraso.

Diferente de (Zhao et al., 2014) e (Alwan,2014), este trabalho propõe otimizar dois critériossimultaneamente, obtendo assim um conjunto desoluções, onde o melhor caminho é escolhido apli-cando uma técnica de auxílio à tomada de decisãobaseada em programação de compromisso. Dessaforma, o tradeoff obtido irá favorecer o processode adaptação da rota às necessidades específicasda aplicação. O método de soma ponderada, queé aplicado por (Zhao et al., 2014) e (Alwan, 2014),é a abordagem mais habitual para se lidar commais de um critério no processo de otimização, eserá usado como referência de comparação.

3 Modelagem do Problema

Uma rede ad-hoc pode ser representada na formade um grafo direcionado G(V,E), onde os vérticesV = {v1, v2, . . . , vn} caracterizam um conjunto fi-nito de nós, e as arestas E = {e1, e2, . . . , em} cons-troem um conjunto finito de links entre os nós.Um subconjunto N(vi) ⊂ V de vizinhos é definidodentro da área de cobertura de determinado nóvi. No contexto de transmissão, há um nó destinoDN ⊂ V e um nó de origem SN ⊂ V . Cada linkek, k = [1,m], tem uma métrica de custo ou utili-dade wek associada. Do subconjunto de vizinhosN(vi) ⊂ V é selecionado um nó retransmissor Ft,a partir da métrica pré-definida. A finalidade écriar uma rota R = (SN,F1, . . . , Fn, DN) ⊂ Vque conecta SN a DN .

Seguindo a abordagem multicritério, o pre-sente trabalho visa otimizar a rota considerandodois objetivos: 1) minimizar o atraso e, 2) maximi-

zar a confiabilidade de entrega de pacotes. O pri-meiro objetivo será representado pela métrica Pro-gresso em Direção ao Destino (PDD), enquantoo segundo objetivo é caracterizado pela métricaTaxa de Recepção de Pacotes (TRP). As mesmassão descritas a seguir.

3.1 Taxa de Recepção de Pacotes

A Taxa de Recepção de Pacotes (TRP) é calcu-lada no receptor como a razão entre o número depacotes recebidos com sucesso e o número de pa-cotes transmitidos, em uma dada janela de tempo.Essa métrica é estimada previamente analisando aqualidade do link nas camadas inferiores, a partirde uma abordagem crosslayer (Zhao et al., 2014).A TRP entre os nós i e j é medida como segue

TRPi,j =

(1− 1

2exp

(−SNRi,j

2

BNR

))8L

(1)

em que L representa o tamanho do pacote a sertransmitido em bytes, BN descreve a taxa detransmissão de dados disponível, R é o ruído in-troduzido na comunicação e SNR (signal-to-noiseratio) é a relação sinal ruído entre i e j (Baccouret al., 2011).

3.2 Progresso em Direção ao Destino

A métrica de Progresso em Direção ao Destino(PDD) é derivada de abordagens de roteamentobaseadas em posição, onde as informações mí-nimas que um nó deve ter para tomar decisõesde rota são: 1) a sua posição, 2) a posição dosseus vizinhos e, 3) a localização do destino final(Heissenbüttel et al., 2004). Essas abordagens sãobaseadas na noção de progresso. O valor do PDDdo nó i é calculado como segue,

PDDi =

{2R−Pi

2R se DistCA−DN > R0 caso contrário (2)

em que Pi é o progresso do nó i, R é o raio decobertura, e DistCA−DN é a distância entre o nócandidato e o destino. Na Fig. 1, SN é a origeme DN é o destino. A, B e C são nós que estãodentro da área de cobertura de SN , portanto, são

Figura 1: Métrica de PDD



199

candidatos à retransmitir. O progresso PA do nóA é a projeção da linha SN − A sobre a linhaSN − DN . Neste cenário, o nó E não é candi-dato, pois está mais distante do destino do queo nó de origem. As coordenadas dos nós podemser aferidas a partir de informações de GPS oupor meio de estratégias de análise de qualidade desinal (Pflaum et al., 2017).

3.3 Proposta Multiobjetivo

Suponha um vetor F : Rn → Rk que representaas funções objetivo a serem otimizadas. Um pro-blema de maximização com múltiplos objetivos édefinido como

maxx

[f1(x), f2(x), ...., fk(x)]

s.a. x ∈ S,(3)

onde k é o número de funções objetivo, S é umaregião viável no espaço de decisão, x é o vetorde decisão e fi(x) representa o valor escalar do i -ésimo objetivo. No contexto de maximização, umvetor de decisão x ∈ S é dito ser Pareto ótimose não existe outro vetor de decisão x ∈ S talque fi(x) ≥ fi(x), para todo i ; e fi(x) > fi(x)para no mínimo um i = 1, . . . , k (Collette andSiarry, 2013).

Do ponto de vista prático, o otimizador deveser capaz de encontrar um subconjunto de solu-ções que possam auxiliar no processo de tomadade decisão a posteriori. As funções objetivo con-sideradas neste trabalho são dadas por:

f1 = fPDD =∑

(vi,vj)∈E

PDDi,j × xi,j

f2 = fTRP = min(TRPi,j)× xi,j(4)

A variável de decisão xi,j assume o valor 1caso o nó j ∈ N(vi) faça parte da rota. Caso con-trário, xi,j será 0. Uma vez que, no ambiente derede proposto, a localização dos nós é conhecida,o PDDi,j pode ser aferido previamente, conside-rando que a vizinhança do nó i é estabelecida pormeio da qualidade do link. A métrica PDD é adi-tiva ao longo do caminho. Da mesma forma, combase na vizinhança, a matriz de taxas TRPi,j podeser estimada antecipadamente. O enlace com mí-nima capacidade é tido como o gargalo da rota,o que representa a taxa mínima de recepção depacotes ao longo do caminho.

Idealmente, deseja-se minimizar o atrasomantendo a taxa de recepção de pacotes acima deum limiar aceitável. Esse limiar vai depender dosrequisitos da aplicação. O problema multiobje-tivo foi então modelado na forma de um problemamono-objetivo seguindo o método ε-restrito, ondea função TRP foi tratada como restrição (Jaimeset al., 2009). Iterativamente, estimativas de pon-tos da fronteira Pareto foram obtidos diversifi-cando a taxa de confiabilidade. Logo, o modelo

de um Problema de Caminho Mínimo é proposto,

max. fPDD =∑

(vi,vj)∈E

PDDi,j × xi,j (5)

s.a.

TRPi,k × xi,k > εb, k ∈ N(vi), (6)

∑(vi,vj)∈E

xi,j −∑

(vj ,vi)∈Exj,i = 0,∀vi ∈ V \{SN,DN}, (7)

∑(SN,vj)

xSN,j = 1,

∑(vj ,DN)

xj,DN = 1,(8)

xi,j ∈ {0, 1},∀(vi, vj) ∈ E (9)

onde εb = [εmin, εmax]. A confiabilidade iterativa-mente alterada permite obter diferentes alterna-tivas de projeto, i.e., εb pode assumir valores nointervalo [εmin, εmax], no qual εmin e εmax repre-sentam os limites inferior e superior de taxas derecepção de pacotes que um link precisa garantirpara que faça parte da rota. As demais restriçõesasseguram fluxo e certificam que o nó inicial seráa origem SN e o nó final será o destino DN . Porfim, a matriz de variáveis de decisão deve possuirvalores binários (xi,j ∈ {0, 1}), o que descreve seum link faz parte ou não da rota. Cada problemamono-objetivo gerado foi resolvido executando umalgoritmo Dijkstra modificado que inclui a restri-ção de confiabilidade mínima desejada. O Algo-ritmo 1 descreve o processo de otimização.

Algoritmo 1 Otimização multiobjetivo da rota

1: for i← 1 : V do2: for j ← 1 : V do3: PDDi,j ← obtem_pdd(SN,DN, Vi,j)4: TRPi,j ← obtem_trp(SNRi,j)5: ε← [εmin, . . . , εmax]6: for i← 1 : length(ε) do7: ε← εi8: X∗i = Dijkstra(PDD,TRP, SN,DN, ε)

9: rota = obtem_rota(X∗, tipo_aplicacao)

Inicialmente as matrizes com os valores dasmétricas são obtidas. Para calcular o PDDi,j nalinha 3 é necessário informar as coordenadas donó de origem SN , do nó de destino DN e do nóatual (Vi,j). Em seguida, a TRPi,j é estimada nalinha 4, repassando para o método o parâmetro dequalidade do sinal SNRi,j .

Na linha 5 o conjunto de limites de confiabili-dade em termos de TRP é definido. Por exemplo,ε = [0.50, 0.70, 0.95] significa que na primeira exe-cução a TRP mínima exigida para que um linkseja escolhido é de 50% (0.50). Na segunda eterceira execuções a confiabilidade do link subiriapara 70% (0.70) e 95% (0.95), respectivamente. Se



200

as restrições forem satisfeitas em cada execução,três rotas seriam obtidas. Essas rotas podem nãoser necessariamente diferentes.

Na abordagem proposta, ε é um vetor linear-mente espaçado de 100 valores de limite de confia-bilidade entre 10% e 100%, uma vez que se desejater uma visão clara da fronteira Pareto estimada.Em cenários reais, esse vetor pode ser compostopor valores que direcionem as soluções para re-giões particulares da fronteira, ou mesmo obtenhasoluções espaçadas que atendam a demandas es-pecíficas de diferentes aplicações.

Por fim, o algoritmo Dijkstra na linha 8 faz ocálculo da rota entre origem (SN) e destino (DN)maximizando o progresso, e considerando o valorde ε como restrição de confiabilidade. Em cadaexecução é obtida uma ou nenhuma rota, gerandoao final um conjunto de rotas X∗. A decisão dequal rota utilizar (linha 9) deve considerar o tipode aplicação que irá transmitir os dados, conformediscutido na próxima seção.

4 Avaliação da Proposta

A finalidade do presente trabalho é simular umarede sem fio ad-hoc sem mobilidade a fim de obterum conjunto de soluções de rota e, consequente-mente, determinar soluções de compromisso entreos dois objetivos modelados. Redes de sensoressem fio e redes mesh são possíveis ambientes paraaplicação dessa solução. Durante os experimentos,a aferição do atraso e da confiabilidade foi reali-zada de forma analítica considerando três tipos deaplicação que diferem em graus de sensibilidade àcada um dos objetivos.

4.1 Parâmetros e Experimentos

As simulações foram realizadas no MatlabR2016a. A camada física foi implementadausando o modelo de propagação log-normal sha-dowing path loss, onde o path loss Pl = Pt − Prem dB sobre uma distância d é definido como

Pl = 10log(c/4πf)2 + 10log(1/dλ) (10)

onde c é a velocidade da luz, f é a frequência dopadrão 802.11g (2.4GHz), d é a distância entre otransmissor e o receptor, e λ = 2 é o expoente dopath loss.

Foram gerados 20 nós aleatoriamente em umaárea plana de 100m × 100m, e mais 1 nó de ori-gem (SN) e 1 nó de destino (DN) com posiçõesfixas (SN = [10, 80]; DN = [80, 10]). Adicional-mente, a Tabela 1 apresenta os tipos de aplicação,os requisitos de atraso e confiabilidade simuladosextraídos de (Kurose et al., 2010), bem como osvetores de peso utilizados, onde o primeiro valor éo peso do critério atraso e o segundo é o peso docritério confiabilidade. Com tráfego simulado de

1500 bytes por pacote, o atraso total da transmis-são foi aferido analiticamente como segue:

Atotal = Ap +At +Af (11)

em que Ap = d/vl é o tempo de propagacão, onded é a distância e vl corresponde a velocidade daluz. At = L/bw representa o tempo de transmis-são, sendo que L é o tamanho do pacote e bw é alargura de banda em que o pacote é transmitido.Af corresponde ao atraso de fila nos retransmis-sores (Peterson and Davie, 2011).

Os experimentos foram realizados projetandodois cenários de rede distintos. O primeiro consi-dera uma rede em condições normais, com poucocongestionamento e atrasos de fila (Af ) nos hostsmenores ou iguais a 40 microsegundos. O segundocenário reproduz uma rede com congestionamentode moderado a forte, onde os atrasos de fila (Af )nos hosts podem chegar a 10 milissegundos. Paracada cenário foram realizadas 30 execuções do al-goritmo para fornecer intervalos com nível de con-fiança de 95%. Os resultados foram comparadoscom um modelo que aplica o método de soma pon-derada apresentado em (Alwan, 2014).

4.2 Estimação da Fronteira Pareto

A partir da execução do Algoritmo 1, um con-junto de soluções é gerado, bem como a fronteiraPareto estimada. A Fig. 2 ilustra um exemplode fronteira obtida na simulação considerando osdois objetivos normalizados.

Figura 2: Exemplo de fronteira Pareto estimada

Na fronteira pode-se observar alternativas desolução e seus respectivos valores de PDD e TRP.Os pontos em destaque equivalem às melhores ro-tas por salto. Essa informação é importante paradefinir a rota para cada tipo de aplicação. A me-lhor rota com 2 saltos corresponde a uma soluçãoque prioriza o progresso (≈ 0.75), com confiabili-dade de entrega de pacotes aproximada de 65%. Arota com 5 saltos descreve uma solução que pre-fere nós mais próximos e com melhor qualidade



201

Tabela 1: Aplicações, requisitos de qualidade e vetores de peso

Aplicação Descrição Requisito deAtraso

Requisito deConfiabilidade

Vetor dePesos (w)

Voz/Vídeosobre IP

Vídeo Conferênciaem tempo real

menor que400 milissegundos

perda de pacotesmenor que 20% w = [0.4,0.6]

Dados(FTP, E-mail)

Transferência dearquivo de 30 MB - nenhuma

perda de pacotes w = [0.1,0.9]

Áudio/Vídeosob demanda

Streaming devídeo em HD

reprodução em menosde 10 segundos

perda de pacotesmenor que 20% w = [0.2,0.8]

de conexão, logo, menor progresso (≈ 0.40). Essaalternativa garante uma confiabilidade de entregade, aproximadamente, 97%.

4.3 Suporte à Tomada de Decisão

A partir das soluções obtidas aplica-se uma po-lítica de decisão para selecionar a rota conside-rando os requisitos da aplicação e as condições darede. Para tanto, foi aplicado um módulo de sele-ção multicritério implementando Programação deCompromisso (Compromise Programming - CP).Essa estratégia caracteriza-se por ser um processoiterativo onde apenas um ponto é obtido a par-tir de uma referência considerada ideal (Jaimeset al., 2009). Seja a formulação CP (r,w) a seguir

minx

[n∑i=1

wi|fi(x)− f∗i |r]1r

(12)

S =

{gi(x) ≤ 0; i = 1, ..., phj(x) = 0; j = 1, ..., q

(13)

em que variando r de 1 a ∞ muda-se da minimi-zação da soma dos desvios para a minimização domáximo desvio. Geralmente, adota-se r = 2, re-sultando assim no cálculo da distância Euclidianaem relação ao valor de referência de cada fi(x).O vetor de pesos w é composto por valores nãonegativos atribuídos a cada função objetivo fi(x)e representa as preferências do decisor. Em nossaabordagem, a referência utilizada foi o ponto utó-pico (1,1) ilustrado na Fig. 2. Os pesos de cadafunção objetivo, cujo somatório deve ser igual a 1,são baseados nos requisitos de aplicação definidosna Tabela 1.

5 Resultados e Discussões

Os resultados obtidos são aqui descritos por tipode aplicação considerando os dois cenários de redeanalisados. O método proposto, que obtém umafronteira de soluções e seleciona uma solução atra-vés da programação de compromisso, é rotuladopela sigla MO-PC, enquanto o método que aplicasoma ponderada é identificado pela sigla SP.

5.1 Vídeo Conferência (VC)

Aplicações multimídia de tempo real interativascomo voz/vídeo sobre IP possuem fortes restriçõesde tempo. Atrasos maiores que 400 milissegun-dos inviabilizam a transmissão. Perda de pacotesocasionais são toleráveis, uma vez que a aplica-ção é capaz de suavizar o prejuízo, mas não de-vem ser superiores a 20% (Kurose et al., 2010).Logo, existe um tradeoff que precisa ser conside-rado. Uma vídeoconferência em tempo real trans-mitindo 37KB de dados por segundo foi simulada.

(a) Cenário 1: Rede em condições normais

(b) Cenário 2: Rede congestionada

Figura 3: Atraso e Confiabilidade estimados (VC)

As Figs. 3(a) e 3(b) mostram que as rotas cal-culadas pelo método SP geram menores atrasos,uma vez que são rotas com menor número de sal-tos e maior progresso (Tabela 2). Por outro lado,possuem baixo nível de confiabilidade na entregados pacotes (TRP). O método proposto (MO-PC),por estimar um conjunto de soluções e conheceros requisitos de atraso da aplicação, identifica queno cenário 1 (rede em condições normais) a redeatende a demanda de atraso sem comprometer aconfiabilidade, uma vez que os pacotes são entre-gues com um atraso bem menor que o limiar de400ms e com, aproximadamente, 77% de TRP.

No cenário 2 (rede congestionada), o métodoproposto na maioria das vezes extrapola os requi-sitos de atraso (média de 0.52s = 520ms), porém,mantendo certa confiabilidade na entrega (média



202

Tabela 2: Média de saltos, PDD, TRP e Atraso


Alg. Saltos PDD TRP Atraso[s]

VC MO-PC 3.2 0.67 0.77 0.0091

SP 1.4 0.92 0.20 0.0073

DE MO-PC 4.8 0.52 0.90 9.74

SP 3.9 0.54 0.87 8.03

VoD

MO-PC 3.7 0.60 0.85 1.3053SP 3.1 0.65 0.78 1.2199


Alg. Saltos PDD TRP Atraso[s]

VC MO-PC 3.0 0.68 0.76 0.5202

SP 1.8 0.84 0.39 0.2069

DE MO-PC 4.5 0.53 0.91 735.44

SP 3.9 0.56 0.86 616.12

VoD

MO-PC 3.7 0.59 0.87 96.83SP 3.1 0.65 0.78 75.77

de 76%), ou seja, o algoritmo busca encontrar efe-tivamente o equilíbrio entre os dois objetivos.

5.2 Dados Elásticos (DE)

Dados elásticos, como FTP e e-mail, são alta-mente sensíveis a confiabilidade. Um processo dedownload exige total integridade na entrega dospacotes. Por outro lado, atrasos são suportadosquando não muito grandes. Aqui, a transferênciade um arquivo de 30MB foi simulada.



Figura 4: Atraso e Confiabilidade estimados (DE)

As Figs. 4(a) e 4(b) mostram que, nos dois ce-nários, as rotas adotadas no método SP geram me-nores atrasos, mas com menor confiabilidade. Ométodo proposto (MO-PC), endereçando os requi-sitos da aplicação, escolhe rotas mais confiáveis. Oatraso adicional gerado pode ser compensado pelamenor necessidade de retransmissões (Tabela 2).

5.3 Vídeo sob Demanda (VoD)

Aplicações de vídeo sob demanda não são tão res-tritivas em relação ao atraso, principalmente porcausa do buffer de reprodução. Estratégias deadaptação da qualidade do vídeo também redu-zem o impacto de perdas de pacotes ocasionais.



Figura 5: Atraso e Confiabilidade estimados(VoD)

A única restrição de atraso está relacionada aotempo que o usuário está disposto a esperar até oinício da reprodução. Geralmente esse tempo é de1 a 10 segundos. A transmissão de um vídeo comsegmentos de 10 segundos e 5MB foi simulada.

As Figs. 5(a) e 5(b) mostram que, novamente,o método MO-PC consegue identificar um tra-deoff interessante entre atraso e confiabilidade.No cenário 1, a rede oferece boas condições detransmissão, logo, as soluções escolhidas garan-tem boa confiabilidade (média de 85%) mantendoo atraso em um limiar abaixo do requisitado (mé-dia de 1.3053 segundos). Observando a Tabela2 é possível destacar que as soluções calculadaspelo método SP têm maior progresso (PDD), masa diferença entre as médias de atraso (1.2199s vs.1.3053s) não é significante para a aplicação, princi-palmente porque o aumento de confiabilidade pro-vida pelo MO-PC pode reduzir o atraso final se aaplicação optar por retransmitir pacotes perdidos.

No cenário 2, a rede muito congestionada im-pede que os métodos gerem rotas capazes de aten-der a demanda da aplicação, uma vez que o atraso



203

de reprodução extrapola os 10 segundos deseja-dos. Entretanto, conhecer a relação de compro-misso entre as métricas pode ajudar na implanta-ção de estratégias auxiliares de qualidade de ser-viço. Nesse caso, o transmissor pode adaptar aqualidade da mídia e informar ao receptor a ne-cessidade de aumentar o tamanho do buffer dereprodução, por exemplo.

6 Conclusões e Trabalhos Futuros

O estudo de métodos para resolver problemasde otimização multiobjetivo tem ganhado grandedestaque nos trabalhos acadêmicos e, consequen-temente, vêm sendo aplicados à diversos proble-mas práticos. Existem inúmeros cenários ondedois ou mais objetivos são relevantes, com oadendo de que nem sempre é possível estabelecerpreferências a priori. O problema tratado nestetrabalho é um exemplo dessa realidade.

A finalidade principal foi propor uma aborda-gem onde duas métricas diferentes e igualmenteimportantes são aplicadas, e um conjunto de so-luções de rota são obtidas, em oposição as estra-tégias habituais que calculam somente uma solu-ção. A abordagem multiobjetivo proposta, junta-mente com o módulo decisor, se mostrou superiorao método básico que aplica soma ponderada, e éuma alternativa interessante que deve ser profun-damente estudada.

Diversos trabalhos futuros podem ser vislum-brados. O próximo passo é propor um protocolode roteamento aplicando essa abordagem multi-objetivo em redes ad-hoc, onde as informaçõesde tradeoff podem ser compartilhadas entre osnós. Para tanto, tal abordagem pode ser integradae comparada à protocolos tradicionais existentescomo AODV e OLSR. Uma avaliação detalhadada sobrecarga de processamento derivada da solu-ção é necessária, uma vez que, este fator impactadiretamente nos níveis de consumo de energia.

Considerando que roteamento em redes semfio ad-hoc é um campo de pesquisa importantepara popularizar o conceito de Internet das Coisas,novas estratégias e protocolos são desejados a fimde fomentar a implantação prática dessas redese garantir a comunicação com qualidade entre osdispositivos.

Agradecimentos

Os autores gostariam de agradecer as agênciasbrasileiras de fomento CAPES (PROEX), CNPqe FAPEMIG pelo suporte financeiro.

Referências

Alwan, N. A. (2014). Performance analysis ofdijkstra-based weighted sum minimizationrouting algorithm for wireless mesh networks,

Modelling and Simulation in Engineering2014: 32.

Baccour, N., Koubaa, A., Jamâa, M. B., Do Ro-sario, D., Youssef, H., Alves, M. and Becker,L. B. (2011). Radiale: A framework for de-signing and assessing link quality estimatorsin wireless sensor networks, Ad Hoc Networks9(7): 1165–1185.

Chakchouk, N. (2015). A survey on opportunisticrouting in wireless communication networks,IEEE Communications Surveys & Tutorials17(4): 2214–2241.

Collette, Y. and Siarry, P. (2013). Multiobjec-tive optimization: principles and case stu-dies, Springer Science & Business Media.

Heissenbüttel, M., Braun, T., Bernoulli, T. andWäLchli, M. (2004). Blr: beacon-less routingalgorithm for mobile ad hoc networks, Com-puter communications 27(11): 1076–1086.

Jaimes, A. L., Martınez, S. Z. and Coello, C. A. C.(2009). An introduction to multiobjective op-timization techniques, Optimization in Poly-mer Processing pp. 29–57.

Kurose, J. F., Ross, K. W., Marques, A. S. andZucchi, W. L. (2010). Redes de Computa-dores ea Internet: uma abordagem top-down,Pearson.

Loo, J., Mauri, J. L. and Ortiz, J. H. (2016). Mo-bile ad hoc networks: current status and fu-ture trends, CRC Press.

Peterson, L. L. and Davie, B. S. (2011). Computernetworks: A systems approach.

Pflaum, F., Erhardt, S., Weigel, R. and Koelpin,A. (2017). Rssi-based localization with mi-nimal infrastructure using multivariate sta-tistic techniques, Wireless Sensors and Sen-sor Networks (WiSNet), 2017 IEEE TopicalConference on, IEEE, pp. 69–72.

Umana, S. L. C. (2012). Ip mobility sup-port in multi-hop vehicular communicationsnetworks, PhD thesis, Citeseer.

Yinbiao, S., Lanctot, P. and Jianbin, F. (2015).Internet of things: wireless sensor networks,White Paper, International ElectrotechnicalCommission .

Zhao, Z., Rosário, D., Braun, T. and Cer-queira, E. (2014). Context-aware opportunis-tic routing in mobile ad-hoc networks incor-porating node mobility, 2014 IEEE WirelessCommunications and Networking Conference(WCNC), IEEE, pp. 2138–2143.



204

xiiisimpo siobrasileirodeautomac ~aointeligente ... · candidatosàretransmitir. oprogresso p a...

Documents