面向FANETs自适应路由拓扑管理的优化学习混合智能路由 (HIROL)
网络与互联网体系结构
2024-06-24 v1
摘要
增强FANETs(众多无人机编队网络)的路由效能，这类网络因无人机的多样化 mobility、速度、方向及快速拓扑变化而面临诸多挑战。鉴于无人机的特殊特征——高速 mobility、频繁的拓扑变化及三维空间运动，直接通过FANETs提出显然困难。本文提出一种完整的混合模型：HIROL (Hybrid Intelligent Routing with Optimized Learning)，集成了ABC算法、通过集成OLSR的DSR (Dynamic Source Routing)以及人工神经网络(ANN)，以优化路由过程。HIROL通过ABC优化算法优化链路管理，利用OLSR和DSR的特征可靠分析链路状态；同时，基于ANN的技术成功分类连接状态。为提供最优路由设计与维护，HIROL根据网络拓扑条件动态在OLSR与DSR方法之间迁移。经过在网络仿真器2(NS-2)中的深入测试，与传统DSR和OLSR模型相比，混合模型HIROL在仿真和测试中表现更佳。在吞吐量(3.5 Mbps vs. 3.2-3.4 Mbps)、通信开销(15% vs. 18-20%)及数据包交付比率(97.5% vs. 94-95.5%)方面均取得显著改进。这些结果表明，所提出的HIROL模型在不同类型的网络中改善了FANETs的路由性能。
引用
@article{arxiv.2406.15105,
title = {Hybrid Intelligent Routing with Optimized Learning (HIROL) for Adaptive Routing Topology management in FANETs},
author = {Ch. Naveen Kumar Reddy and M. Anusha},
journal= {arXiv preprint arXiv:2406.15105},
year = {2024}
}