CN101164289A - 包括相关系统和方法的预测性移动自组织组网 - Google Patents

包括相关系统和方法的预测性移动自组织组网 Download PDF

Info

Publication number
CN101164289A
CN101164289A CNA2005800449363A CN200580044936A CN101164289A CN 101164289 A CN101164289 A CN 101164289A CN A2005800449363 A CNA2005800449363 A CN A2005800449363A CN 200580044936 A CN200580044936 A CN 200580044936A CN 101164289 A CN101164289 A CN 101164289A
Authority
CN
China
Prior art keywords
network
manet
prediction
node
internet resources
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CNA2005800449363A
Other languages
English (en)
Inventor
罗伯特·A·肯尼迪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harris Corp
Harrier Inc
Original Assignee
Harrier Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Harrier Inc filed Critical Harrier Inc
Publication of CN101164289A publication Critical patent/CN101164289A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/085—Retrieval of network configuration; Tracking network configuration history
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H04B17/3913—Predictive models, e.g. based on neural network models
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04J—MULTIPLEX COMMUNICATION
    • H04J1/00—Frequency-division multiplex systems
    • H04J1/02—Details
    • H04J1/16—Monitoring arrangements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04J—MULTIPLEX COMMUNICATION
    • H04J3/00—Time-division multiplex systems
    • H04J3/02—Details
    • H04J3/14—Monitoring arrangements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/147—Network analysis or design for predicting network behaviour
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/149—Network analysis or design for prediction of maintenance
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/22—Traffic simulation tools or models
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Small-Scale Networks (AREA)

Abstract

移动自组织网络(MANET)包括多个无线移动节点和将各移动节点连接起来的多个无线通信链路。一种操作MANET的方法包括预测MANET中未来需要的网络服务、网络资源和网络配置。基于预测的未来需要的网络服务、网络资源和网络配置，预测网络响应。在未来需要的网络服务、网络资源和网络配置在MANET中被实际需要之前，基于预测的网络响应调整MANET。

Description

包括相关系统和方法的预测性移动自组织组网
技术领域
本发明涉及通信网络领域，尤其涉及移动自组织(ad hoc)无线网络和相关方法。
背景技术
过去十年来，无线网络经历了迅速发展。其中一个最快速发展的领域是移动自组织网络。物理上，移动自组织网络包括多个地理上分布的、通过一个或多个射频信道无线连接的可能的移动节点。与其他类型的网络(如蜂窝网络或卫星网络)相比，移动自组织网络最不同的特征是缺少任何固定的基础架构。该网络仅由移动节点组成，并且当节点向/从其他节点发送/接收时随时(on the fly)创组网络。移动性可以从每时间单位零距离单位变化到对节点施加的任何上界。网络一般不依赖于特定节点，并且当某些节点加入或其他节点离开网络时动态调整。
在固定通信基础架构不可靠或不可用的不利环境中，例如在战场中或者在被地震或飓风打击的自然灾害区域中，可以快速地部署自组织网络并且提供迫切需要的通信。尽管军事仍然是发展这些网络的主要驱动力量，但是自组织网络正迅速地在民用或商用领域中找到新应用。自组织网络将允许人们在野外中或在教室中交换数据，而不使用任何网络结构(除了他们通过简单地打开他们的计算机或PDA创建的那个网络外)。
随着无线通信日益渗透到日常生活中，移动自组织网络的新应用将继续出现，并且成为通信结构的重要部分。移动自组织网络给设计者提出了严重的挑战。由于缺少固定的基础架构，当节点移动、加入或离开网络时它们必须自己组织和重新配置。所有节点有可能是功能相同的，并且网络中可能没有任何自然层次或中心控制器。许多网络控制功能分布在各节点之间的。节点常常由电池供电，并且具有有限的通信和计算能力。系统的带宽通常是有限的。两个节点之间的距离常常超过无线电传输范围，并且传输在到达其目的地之前需要由其他节点中继。因此，网络具有多跳的拓扑，并且该拓扑随着节点来回移动而改变。
因特网工程任务组(IETF)的移动自组织网络(MANET)工作组在积极评估和标准化路由(包括多播)协议。因为网络拓扑随着节点移动而任意改变，所以信息容易变得过时，并且不同的节点常常在时间方面(信息在某些节点上可能是过时的但在其他节点上是现用的)和空间方面(节点可能只知道通常离自己不远的附近的网络拓扑)都具有不同的网络视图。
收集关于整个网络的最新信息常常代价很高，而且也不切实际。网络需要适应频繁的拓扑改变以及不那么准确的信息。与网络相连的应用可能是时间敏感的，并且不能忍受传统网络框架和架构施加的延迟。
当前MANET架构常常是根据杂乱的各个传统TCP/IP协议和一个或多个“传统”MANET协议设计的。这里，词“传统”是指非交叉层、非预测性协议。然而，TCP/IP并非是设计来处理MANET中固有的普遍多层预测问题。因此，在传统架构中，必要的MANET交叉层交互，如路由、网络管理、QoS、移动性管理、功率管理、频率管理等被阻止，因此传统架构不能满足实时性和精确度性能要求。
发明内容
考虑到上述背景，因此本发明的一个目的是提供预测性移动自组织组网，其中网络预测未来需要的网络服务、资源和配置并且提供响应。
根据本发明的这个和其他目标、特征和优点通过一种方法来提供，该方法用于操作移动自组织网络(MANET)，该移动自组织网络包括多个移动节点和将各移动节点连接起来的多个无线通信链路。该方法包括：预测MANET中未来需要的网络服务、网络资源和网络配置；基于预测的未来需要的网络服务、网络资源和网络配置，预测网络响应；和在未来需要的网络服务、网络资源和网络配置在MANET中被实际需要之前，基于预测的适当的、网络响应调整MANET。
预测未来需要的网络服务、网络资源和网络配置可以包括生成MANET的描述性信息，该信息包括MANET的物理和操作特性中的至少一个。生成MANET的描述性信息可以包括：生成MANET的详细物理和操作特性；和生成MANET的不那么详细的物理和操作特性。预测未来需要的网络服务、网络资源和网络配置包括使用模糊逻辑和模糊if-then(如果-则)规则的知识库。预测未来需要的网络服务、网络资源和网络配置包括统计数字预计，如执行Holt-Winters预计。
预测网络响应也可以基于非预测的未来需要的网络服务、网络资源和网络配置。网络服务包括路由、服务质量(QoS)、网络管理、网络规划、资源管理、安全和移动性中的至少一个。也可以包括任何其他网络服务，其中接口可以扩展到本发明的预测能力。网络资源包括功率和频率中的至少一个。网络配置包括网络拓扑和网络中的每个单独节点的配置。
本发明的另一方面指向一种移动自组织网络(MANET)，包括：多个移动节点；和将各移动节点连接起来的多个无线通信链路。每个移动节点包括： 通信设备，用于通过无线通信链路与多个节点中的其他节点无线通信，和控制器，用于操作移动节点以及通过通信设备路由通信。至少一个移动节点的控制器包括网络预测器，用于预测MANET中对未来网络服务、网络资源和网络配置的需要，以及基于预测的未来需要的网络服务、网络资源和网络配置，预测网络响应。移动节点在MANET内通信，以便在未来需要的网络服务、网络资源和网络配置在MANET中被实际需要之前，基于预测的网络响应调整MANET。
网络预测器生成MANET的描述性信息，该信息包括MANET的物理和操作特性中的至少一个。MANET的描述性信息可以包括：MANET的详细物理和操作特性；和MANET的不那么详细的物理和操作特性。网络预测器最好使用模糊逻辑、模糊如果-则规则的知识库以及统计数字预计，如Holt-Winters预计。网络预测器也可以基于非预测的未来需要的网络服务、网络资源和网络配置，预测网络响应。
网络服务包括路由、服务质量(QoS)、网络管理、网络规划、资源管理、安全和移动性中的至少一个。网络资源包括功率和频率中的至少一个。网络预测器可以基于任务规划、调度、规划的业务模式和网络管理数据中的至少一个，预测对网络服务、网络资源和网络配置的未来需要。
本发明的另一方面指向一种在移动自组织网络(MANET)中使用的无线移动节点，该移动自组织网络包括：多个移动节点；和将各移动节点连接起来的多个无线通信链路。移动节点包括：通信设备，用于通过无线通信链路与多个节点中的其他节点无线通信，和控制器，用于操作无线移动节点以及通过通信设备路由通信。控制器包括网络预测器，用于预测MANET中对未来网络服务、网络资源和网络配置中的至少一个的需要，以及基于预测的未来需要的网络服务、网络资源和网络配置中的至少一个，预测网络响应。移动节点在MANET内通信，以便在未来需要的网络服务、网络资源和网络配置中的至少一个在MANET中被实际需要之前，基于预测的网络响应调整MANET。
网络预测器生成MANET的描述性信息，该信息包括MANET的物理和操作特性中的至少一个。MANET的描述性信息可以包括：MANET的详细物理和操作特性；和MANET的不那么详细的物理和操作特性。网络预测器使用统计数字预计，如Holt-Winters预计。网络预测器也可以基于非预测的未来需要的网络服务、网络资源和网络配置中的至少一个，预测网络响应。网络服务包括路由、服务质量(QoS)、网络管理、网络规划、资源管理、安全和移动性中的至少一个。网络资源包括功率和频率中的至少一个。网络预测器可以基于任务规划、调度、规划的业务模式和网络管理数据中的至少一个，预测对网络服务、网络资源和网络配置的未来需要。
附图说明
图1是根据本发明的移动自组织网络的示意图。
图2是示出根据本发明的、管理和控制移动自组织网络的方法的步骤的流程图。
图3是示出根据本发明网络的节点的路由器的示意图。
图4是示出图3中的路由器的控制器的细节的示意图。
图5是示出预测性或Psiactive组网的一般架构的示意图。
具体实施方式
现在下面将参照示出本发明优选实施例的附图，更充分地描述本发明。然而，本发明可以以许多不同的形式实现，而不应当认为本发明限于这里所述的实施例。相反，提供这些实施例以便使本公开透彻和完整，并且将本发明的范围充分传达给本领域技术人员。整个附图中相同的附图标记指代相同的元件，并且使用最初的标记来指示替代实施例中的类似元件。
本领域技术人员将理解，本发明的各部分可以作为方法、数据处理系统或计算机程序产品实现。因此，本发明的这些部分可以采用完全硬件实现、完全软件实现、或者软件和硬件方面组合实现的形式。此外，本发明的各部分可以是计算机可用存储介质上的计算机程序产品，该介质上具有计算机可读程序代码。可以使用任何适合的计算机可读介质，包括但不限于，静态和动态存储设备、硬盘、光存储设备和磁存储设备。
下面参照根据本发明实施例的方法、系统和计算机程序产品的流程图示，描述本发明。应当理解，图示的各方框以及图示中的方框组合可以通过计算机程序指令实现。这些计算机程序指令可以提供给通用计算机、专用计算机或者其他可编程数据处理装置的处理器来产生机器，使得通过计算机或其他可编程数据处理装置的处理器执行的指令实现方框中指定的功能。
这些计算机程序指令也可以存储在计算机可读存储器中，所述指令可以指示计算机或其他可编程数据处理装置以特定方式工作，从而存储在计算机可读存储器中的指令产生制造物品，其包括实现流程图方框中指定的功能的指令。计算机程序指令还可以加载到计算机或其他可编程数据处理装置，来引起要在计算机或其他可编程装置上执行的一系列操作步骤，来产生计算机或其他可编程装置实现的处理，使得在计算机或其他可编程装置上执行的指令提供用于实现流程图方框中指定的功能的步骤。
本发明可以使用移动自组织网络中的临时转换网络协议(TTNP)来通过移动自组织网络中的临时转换处理和事件有效地进行路由发现和相关过程的管理和控制，这在记录的同一受让人于2002年4月29日提交的序列号为10/134,856的共同待审申请中有描述，其全部内容通过引用并入这里。此外，本发明可以利用“IntellegentCommunication Node Obiect Beacon Framework”(ICBF)，用于任何通信节点对象智能、自适应的告知其存在，和/或另一节点对象或发送这些信标的这些节点对象的网络的相应检测(邻居发现)，这在记录的同一受让人于2002年9月4日提交的序列号为10/235,242的共同待审申请中有描述，其全部内容通过引用并入这里。此外，本发明可以利用“Predictive Routing Including The Use Of Fuzzy Logic In AMobile Ad Hoc Network”来在移动自组织网络中提供预测性的路由发现，这在记录的同一受让人于2003年4月30日提交的序列号为10/426,580的共同待审申请中有描述，其全部内容通过引用并入这里。
预测性组网-或者这里更正式地称为Psiactive组网(ψNet)，是移动自组织组网，其中网络“感测和预测”未来将出现的(当前可能不需要的)对网络服务、资源和配置的需要。从根本上，ψNet从多个相邻和不相邻的网络层融合关键信息，该关键信息对于完成未来需要的网络服务、资源和配置的可靠预测是必要的。
ψNet是自组织组网的集成的自组织组网框架和架构，其用于利用主要的预测性能力处理当前组网场景，其从根本上使用健壮预计技术来看到网络(或网络的部分)的某些未来状态，从而大大增加了自组织网络从慢到很快速及时响应整个网络动态范围的能力。在ψNet上下文中，“预计”是任何中间的预见步骤，而“预测”是导致最终(预测的)结果的所有步骤的结果。ψNet将用诸如抢先性的和反应性的路由的传统路由方案工作，以及诸如临时转换网络协议(TTNP)或区域路由协议(ZRP)之类的混合路由方案。抢先性方案包括但不限于，最优链路状态路由和开放式最短路径优先。反应性(按需)方案包括但不限于，自组织按需距离向量和动态资源路由。还有几个其他路由分类方案，但从一般意义上说，多数都可以套入这三种类型之一。
如上所述，当前MANET架构是根据杂乱的各个传统TCP/IP协议和其他传统MANET协议设计的。然而，TCP/IP并非是设计来处理MANET中固有的普遍多层预测问题。因此，在传统架构中，必要的MANET交叉层交互，如路由、网络管理、QoS、移动性管理、功率管理、频率管理等被阻止，因此传统架构不能满足实时性和精确度性能要求。
图1是移动节点12的示例网络10的快照，其示出连接节点的无线链路14。链路14是ψNet网络中最基本的连接，并且就是任何两个节点12之间的物理链路。节点12是链路14的端点。描述节点的信息包括ID(IP地址、ATM地址等)和位置信息(如果有的话)。
与该网络相连的应用是时间敏感的，并且不能忍受传统组网途径施加的延迟。因此，本发明创建框架和架构(通常是交叉层)，来最优地联合广泛的预测性网络功能和服务以及非预测性网络功能和服务。这些预测性功能和服务包括但不限于，路由、QoS、安全、移动性管理、网络管理和规划、天线和无线电管理、以及诸如功率、频率等的资源管理。此外，下面对网络架构的讨论包括以路由为中心的缺省视角，但也支持其他视角，如以QoS为中心或以安全为中心的视角。
该新网络和方法的一般属性包括使用应用信息来预测何时、何种、为何以及在哪将需要网络服务和资源，从而使用预测的动态来改善网络配置和健壮性，在实际需要之前提供服务、资源和配置，改善具有可能较少的开销的实时性响应能力(即，超级实时性响应)，并且使用与许多传统MANET协议组合的ψNet。基本的技术方法随后分成不同但相互联系的部分：预测应用将会需要的服务、资源和配置；预测网络中的故障/困难；和预测解决网络需要和预测的故障/困难所需要的解决方案或响应；以及在实际需要之前将对未来需要的正确响应准备就位。
模糊迭代预测提供用于MANET操作和服务的核心预测功能。下面进一步详细描述的模糊知识唯一地表征任何给定MANET操作或服务的预测，并且对于所有网络功能和服务的整合是很重要的。同样，可以定义规则，其混合来自多个传统网络层的、表示Psiactive功能和服务的模糊变量，来提供自然整合的系统。预测涉及处理关于多个网络功能和服务的规则以及有效提供从上到下的、基于预测的网络架构和协议集。
参照图1和图2，现在将描述操作移动自组织网络10的方法。网络10包括多个移动节点12，如便携式计算机、个人数字助理(PDA)或移动电话，如本领域技术人员将能理解的那样，它们通过无线通信链路14连接。
方法开始(图2；方框30)，并且包括预测MANET 10中未来需要的网络服务、网络资源和网络配置(方框32)。网络服务和资源包括路由、服务质量(QoS)、网络管理、网络规划、资源管理、安全、移动性、功率和频率管理。该预测步骤还包括预测在网络中将会出现的故障/困难。在方框34，基于预测的未来需要的网络服务、网络资源和网络配置，预测网络响应。预测网络响应也可以是基于非预测的未来需要的网络服务、网络资源和网络配置，并且包括预测解决所预测的故障/困难所需要的响应。在方框36，在未来需要的网络服务、网络资源和网络配置在MANET 10中被实际需要之前，基于预测的适当网络响应来调整MANET 10，然后在方框38结束。
预测未来需要的网络服务、网络资源和网络配置可以包括：生成MANET 10的描述性信息，该信息包括MANET的物理和操作特性的至少一个。生成MANET 10的描述性信息可以包括生成MANET的详细物理和操作特性，以及生成MANET的不那么详细的物理和操作特性。具体地说，网络预测使用组合两种类型的模糊变量的度量(metrics)。模糊焦点变量(FFV)提供健壮但详细的物理/网络和操作/服务信息。模糊感知变量(FPV)提供健壮但广泛、不那么详细的网络和服务信息。预测未来需要的网络服务、网络资源和网络配置包括使用模糊逻辑和模糊如果-则规则的知识库，并且最好包括统计数字预计，如执行Holt-Winters预计。
本发明的预测性网络和方法改进了及时和实时响应，增加了业务吞吐量，降低了端到端延迟，并且增加了网络可靠性和可信性。与非Psiactive组网途径相比，这些优点将随着MANET的复杂度和动态性的增加而增加。
下面将进一步参照图3和4描述本发明的系统方面。如上所述，移动自组织网络10具有多个无线移动节点12、以及将各节点连接起来的多个无线通信链路14。每个移动节点12包括路由器20，其具有通信设备22，用于通过无线通信链路14与多个节点中的其他节点无线通信。此外，路由器包括控制器24，用于通过通信设备22路由通信。此外，存储器26可以被包括为控制器24的一部分，或者与控制器连接。
网络10中的至少一个移动节点12的控制器24包括预测器32，用于预测MANET中对未来网络服务、网络资源和网络配置的需要，以及基于预测的未来需要的网络服务、网络资源和网络配置，预测网络响应。移动节点12在MANET 10内通信，以便在未来需要的网络服务、网络资源和网络配置在MANET中被实际需要之前，基于预测的网络响应来调整MANET。
网络预测器32生成MANET的描述性信息，该信息包括MANET的物理和操作特性的至少一个。MANET的描述性信息可以包括MANET的详细物理和操作特性，以及MANET的不那么详细的物理和操作特性。网络预测器32最好使用模糊逻辑、模糊如果-则规则的知识库34和统计数字预计，如Holt-Winters预计。网络预测器32还可以基于非预测的未来需要的网络服务、网络资源和网络配置，预测网络响应。
网络服务包括路由、服务质量(QoS)、网络管理、网络规划、资源管理、安全和移动性中的至少一个。网络资源包括功率和频率中的至少一个。网络预测器32可以基于任务规划、调度、规划的业务模式、改变的链路状况、网络管理数据和任何可以获得和处理的其他相关网络参数中的至少一个，预测对网络服务、网络资源和网络配置的未来需要。
ψNet的一般架构是建立在这一前提下的：标识和定义ψNet的部件，使得这些部件及其外部ψNet参数不依赖于任何特定应用或一般协议栈。如此定义的外部ψNet接口参数的一般集合要求应用系统选择的任何协议栈和应用设计符合接口规范。该符合可能要求特定应用系统通过定制参数转换或提取处理来创建这些参数。每个主要部件的架构保持独立，以便进一步保留该独立性。
图5示出ψNet的一般架构，包括其与传统协议栈的关系。各部件包括基于模糊逻辑的预测器和各个基于预测的网络服务，如网络管理、定时、路由和安全。此外，需要很多低层的网络功能来支持预测器和网络服务。这些包括但不限于，数据库/知识库管理和搜索、定时器、网络拓扑跟踪、数据转换等。
ψNet不明确地解决这些部件的任一个在物理上是如何映射到任何给定的节点或节点子集的。ψNet的哲学是，将物理映射留给目标应用或者必须支持一个或多个应用的网络的设计者。然而，可能有人会说，假使该节点的物理资源将支持同时驻留在每个节点上的所有这些部件，以及假设对于在每个节点上有这么多功能没有其他担心(如安全)的话，最好在每个节点上有所有这些部件。对在网络中功能应当完全分布到什么程度的要求、策略和原因要由网络设计者来确定。
并不是所有节点都需要是ψNet预测器使能的，而且由于可能的物理(功率、处理器类型、存储器容量、通信能力)或信息访问限制，导致也不是所有节点都必须是如此使能的。这是导致可能限制具有ψNet预测能力的ψNet网络中的节点数量的理由之一。这些“有利”节点，称为ψc(预测控制节点)，于是将能够向其他节点或者自己进行请求，以获取或请求被预测在未来某一时刻需要的资源、服务和配置。
为了使该预测器在一般MANET环境中是有效的，应当满足多个基本要求。下面的列表没有特别的顺序。
1预测器必须是可及时实现的。
·跟上网络中的每个微小变化的实时实现通常并不是必需的。在这些微小变化是至关重要的一些情况中，及时成为实时。
·改进的硬件和带宽在特定应用中可能有帮助，但在可应用性的广泛意义上并没有帮助。
2广泛可应用的预测器一定不能要求在能够进行可靠预测之前收集许多数据(＜100个数据点)。
·这不止是从实时性上考虑。收集许多数据常常会是不可能的，这是因为所有有意义的收集只可能在几个数据点上频繁发生。
·网络中的许多节点同时收集大量这样的数据可能导致过多的开销，从而威胁可用的数据带宽和网络的及时响应。
3预测器必需健壮，即使当相关网络状况“多少”在设计者期望的标准之外时，它也能发出可靠的预测。
4预测器不一定要复杂，但预测器自己的行为必须在它们服务的应用的可接受的可预测性的界线之内。
5该策略、基本预测器的技术基础必须健壮到足以不管该列表中的上述要求的优先级顺序如何，都能很好地工作。
·该优先级顺序可能在应用之间不同。
对动态改变的MANET的问题的预测器的候选可以是基于模糊逻辑、决策树、规则归纳或者这些的组合。在将数据发送到实际预测器之前，使用无参数统计或确定性分析来预处理该数据。
基于上面部分中列出的要求，ψNet预测器方法使用基于模糊规则的途径。在ψNet的一般应用中，使用多种类型的参数(度量)作为对ψNet的预测器的输入。这些度量包括诸如链路质量数据、位置信息、安全级别等数据。Psiactive组网的模糊逻辑途径允许可靠地完成基于多种类型的数据和知识(又称为度量)的预测，而不会遇到像使用非模糊计算途径时遇到的那么多的难以处理的计算和判决收敛问题。
ψNet预测器包括九个部件。这些部件是：
1数据库
2采样和数据库更新与策略
3知识库采样和知识库更新和策略
4统计数字预计
5信息结构接口
6模糊化器
7推论引擎
8去模糊化器
数据库包括在网络的实际操作期间收集的数据集合以及预配置到数据库中的数据。数据库典型地包含典型地描述网络的物理或操作特性的信息。预配置的数据可以是节点的物理特性的常数或者缺省值。该数据的形式可以是数字或文本。数据库中的很多信息是从物理和应用层取得的，并且与其相关。下面是信息的样本列表，其(有可能的话)被取得并放入该数据库中来帮助更准确和有用的预测。如可应用到给定Psiactive网络实例那样，可以使用参数的任何子集、超集或完全不同的集合。
1网络中的节点的初始数量；
2网络中允许的节点的最大数量(如果曾采样的话，不规则地采样)；
3每个节点的位置(频繁采样)；
4每个节点的最大可能或允许的速度；
5每个节点的ID-常常是IPv4/v6或ATM地址(采样)；
6每个节点允许用于通信的功率能力；
7节点通信功率利用率；
8当前剩余的用于通信的功率能力(采样)；
9在规划的时间期望的节点位置；
10在规划的时间与每个期望的节点位置相关联的概率；
11被规划为在各个时间相互通信的预定节点对或组；
12节点的预定义的运动模式；
13规划的从服务中移除节点；
14规划的激活节点进入服务；
15预定的所需资源路由路径；
16节点的移动所允许的位置边界；
17节点移动速率-速度和加速度(频繁采样)；
18节点发送距离；
19节点接收距离；
20天线类型(全向、有方向、单向)；
21天线的当前指向(如果有方向的话)；
22规划的未来天线指向；
23链路质量(稳定型、可靠性、可用性等)。
采样策略必须支持对于收集的信息类型和信息的有效性的数据库更新要求。典型的信息类型是上面数据库信息类型列表中标为“采样”的项。对许多节点保持大数据库和跨网络的采样信息的需要可以消耗所需的总网络带宽的很大比例，占用节点过多的存储器，并且耗尽节点的功率储备。因此，使数据库“大小合适”是至关重要的，其是多个节点之间有效和及时同步数据库的策略。
节点位置数据通过两种类型的采样机制获得，每种机制以两个不同的时标或频率(低频率、低分辨率位置和高频率、高分辨率位置)采样。第一采样机制使用路由发现技术来获得链路级分辨率的相关节点位置。第二采样机制使用坐标位置数据，该坐标位置数据是由该位置数据应用到的节点发送的，或者由被指定来将其位置数据发送给网络中其他节点的另一节点发送的。
每个节点可以独立地收集数据并且将其存储在它的本地数据库中。通常，每个节点的数据库不仅在数据项的数值方面，而且在收集的数据项的类型方面与其他节点的数据库不同。由于ψNet一般将需要基于某些调度获得其他节点的数据库中包含的信息，以便进行智能、消息灵通的预测，因此如需要确保数据的完整性那样，数据库彼此同步是必要的。这意味着一些需要的数据库可以分布在许多节点之间，以节省本地节点上的存储器资源，而其他资源必须在所选的节点子集中复制。该复制数据的更新通常是以某个速率进行的，该速率独立于节点的任何特定访问，以便保持实时预测吞吐量。
ψNet知识库包括下列大类的知识-编码的信息：通用系统模糊如果-则规则；应用特定的模糊如果-则规则；中间件模糊如果-则规则；元规则(规定关于规则的其他知识和类型的知识的规则)；用于构成(populate)数据库的采样策略；和用于在多个节点之间同步数据库的策略。
ψNet的统计数字预计部件默认使用Holt-Winters扩展到经典指数加权运动平均(EWMA)单变量预计过程，来产生在各个时标计算的数字预计(预测)。按照需要可以使用其他统计数字预计技术，而不改变ψNet的架构或处理流程。诸如Holt-Winters和EWMA之类的技术是“自组织”(ad hoe)技术，这是因为没有适当的统计模型与这些技术类型相关。然而，这些预计方法被证明在实践中非常有用和实用。来自每个时标的结果用作对总体ψNet预测的单独的数字输入。为了简单，仅利用两个时标产生统计数字预计，所述两个目标用作到模糊化映射的三个主要输入中的两个。如果在预测节点上有足够的计算能力，同时有足够的到这些预测节点的实时或及时数据输入可用，则可以增加时标的数量(多重时标粒度)，以改进应用可能需要的预测结果。
下面是对于任何时标用于Holt-Winters预计的方程集合。
( 1 ) , Y ^ t + P | t = M t + B t P + C t + P | t , P = 1,2 , . . . .
(2)Mt＝λ0Yt+(1-λ0)(Mt-1+Bt-1)
(3)Bt＝λ1(Mt-Mt-1)+(1-λ1)Bt-1
(4)Ct＝λP(Yt-Mt)+(1-λP)Ct-P 0＜λ0，λ1，λP≤1
Figure A20058004493600181
是给定值Mt、从当前时间t周期对未来观测P时间周期的预测，Mt是在时间t上Y的当前值或者Yt的预测。Bt是预测方程的斜率，它被解释为是指数据序列的本地线性趋势。Ct是“季节性”分量，在这种情况下被认为在性质上是加性的。一些季节性分量性质上可以是乘性的，因此将改变方程(1)以反映该乘性性质。对于本讨论，假设加性的情况。λ0、λ1、λP是上面规定的范围内的平滑常数。这些递归的方程允许重用早一个时间周期的结果来计算每个上述方程的当前时间周期结果。
从根本上，ψNet并不将数据的获取和分析限制于时域。ψNet还可以在频域中用公式表达，但这意味着从Holt-Winters方程集合改变到频域中的等效集合。这在本文档中并不进行讨论，这是因为时域抓住了提供ψNet的概念和功能所需的ψNet的任何公式化表达的本质。
ψNet模糊化器从SNF和知识库取出数字信息，并且将其映射到由模糊集合描述的“模糊”空间。在现实世界的动态网络，特别是MANET中，预测问题在目标预测本身或者是在达到目标预测所需的中间预计中，常常有一些不可统计量化的不确定性。例如，任务规划可以指定在某个给定的未来时间，将有必要建立在特定(Sn，Dn)对之间的路由。困难在于，如何指定作为候选的节点的位置和连接性，这是因为在指定的未来时间该路由中的中间节点给出复杂、多体交互问题。换而言之，该问题具有非常特定的目标，但要到达那儿，网络必须利用模糊可知的未来节点、链路和系统状态信息。
诸如统计处理之类的途径，包括自组织方法(如Holt-Winters)和传统的基于规则的系统产生的结果对于处理这些问题来说太“脆弱”。脆弱性与健壮性相对，因此违反了前面讨论的规则，该规则要求任何预测器在其处理网络状况、中间和部分网络解决方案、网络策略&目标、以及任何其他可模糊指定和相关的数量或质量的模糊规范的能力方面是健壮的。本发明提出用适当的模糊逻辑算子将该问题在模糊空间中公式化，各算子一起处理这种类型的模糊，并且克服较传统途径的脆弱性。
模糊空间映射和模糊逻辑运算用于计算信息以及公式化/评估生产规则。净效应是要允许ψNet在其预测方面比其他可能的更健壮。应用数学上严密的模糊逻辑来组合输入并且产生适当的输出。模糊逻辑的其他优点是，它要求最小的计算和存储器资源，并且可以容易地回溯来理解如何获得的结果。
推论引擎的功能是评估模糊生产规则，以及将多个规则的输出融合成单个模糊集合。这些规则可以作为来自每个或一预组合的时标的输入的结果而激活。与传统的推论引擎不同，与其传统推论引擎产生的输出相比，模糊推论引擎的输出典型地将远没有那么脆弱。
去模糊化器负责将推论引擎的输出映射到数值、范围或值的集合，这就是由可应用的ψNet功能和服务使用的适当预测。
下面是ψNet可以根据需要使用的可能信息的列表，它是从应用、数据链路和物理层得到的：在规划的时间期望的节点位置；在规划的时间与每个期望的节点位置相关联的概率；将在规划的时间相互通信的预定节点对或组；节点的预定义的运动模式；规划的从服务移除节点；规划的激活节点进入服务；预定的所需资源路由路径；节点的移动所允许的位置边界；节点移动速率；节点发送和接收距离；节点电源的剩余寿命；天线类型(全向、有方向、单向)；业务拥塞统计；天线的当前指向(如果有方向的话)；规划的未来天线指向；和链路质量(稳定性、可靠性、可用性等)。可以使用这里未列出的可应用的许多其他类型的数据和知识。其他协议栈在栈中可以具有不同的位置，以获取上述数据和知识列表。

Claims (10)

1.一种用于操作移动自组织网络(MANET)的方法，该移动自组织网络包括多个移动节点和将所述移动节点连接起来的多个无线通信链路，该方法包括：
预测该MANET中未来需要的网络服务、网络资源和网络配置；
基于预测的未来需要的网络服务、网络资源和网络配置，预测网络响应；和
在该MANET中实际需要该未来需要的网络服务、网络资源和网络配置之前，基于预测的网络响应调整该MANET。
2.如权利要求1所述的方法，其中，预测未来需要的网络服务、网络资源和网络配置包括：生成该MANET的描述性信息，该描述性信息包括该MANET的物理和操作特性中的至少一个。
3.如权利要求2所述的方法，其中生成该MANET的描述性信息包括：
生成该MANET的详细物理和操作特性；以及
生成该MANET的不那么详细的物理和操作特性。
4.如权利要求1所述的方法，其中，预测未来需要的网络服务、网络资源和网络配置包括：使用模糊逻辑和模糊如果-则规则的知识库。
5.如权利要求4所述的方法，其中，预测未来需要的网络服务、网络资源和网络配置包括：使用该模糊知识库和该模糊逻辑来整合网络服务、网络资源和网络配置。
6.一种移动自组织网络(MANET)，包括：
多个移动节点；
将各移动节点连接起来的多个无线通信链路；
每个移动节点包括：
通信设备，用于通过所述无线通信链路与该多个节点中的其他节点无线通信，和
控制器，用于操作该移动节点以及通过该通信设备路由通信；
至少一个移动节点的该控制器包括网络预测器，用于预测该MANET中对未来网络服务、网络资源和网络配置的需要，以及基于预测的未来需要的网络服务、网络资源和网络配置，预测网络响应；
该至少一个移动节点在该MANET内通信，以便在该MANET中实际需要该未来需要的网络服务、网络资源和网络配置之前，基于预测的网络响应调整该MANET。
7.如权利要求6所述的网络，其中，该网络预测器生成该MANET的描述性信息，该信息包括该MANET的物理和操作特性中的至少一个。
8.如权利要求7所述的网络，其中该MANET的描述性信息包括：
该MANET的详细物理和操作特性；和
该MANET的不那么详细的物理和操作特性。
9.如权利要求6所述的网络，其中，该网络预测器使用模糊逻辑和模糊如果-则规则的知识库。
10.如权利要求6所述的网络，其中，该网络预测器使用统计数字预计。
CNA2005800449363A 2004-11-15 2005-10-27 包括相关系统和方法的预测性移动自组织组网 Pending CN101164289A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/989,067 2004-11-15
US10/989,067 US20060104219A1 (en) 2004-11-15 2004-11-15 Predictive mobile ad hoc networking including associated systems and methods

Publications (1)

Publication Number Publication Date
CN101164289A true CN101164289A (zh) 2008-04-16

Family

ID=36386153

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA2005800449363A Pending CN101164289A (zh) 2004-11-15 2005-10-27 包括相关系统和方法的预测性移动自组织组网

Country Status (8)

Country Link
US (2) US20060104219A1 (zh)
EP (1) EP1813061B1 (zh)
JP (1) JP2008521283A (zh)
KR (1) KR101072365B1 (zh)
CN (1) CN101164289A (zh)
CA (1) CA2588110A1 (zh)
TW (1) TWI285038B (zh)
WO (1) WO2006055197A2 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102356327A (zh) * 2009-08-20 2012-02-15 普渡研究基金会 用于事件驱动的无线传感器网络的预测性负载循环适配方案
WO2012092802A1 (zh) * 2011-01-07 2012-07-12 索尼公司 无线网络管理系统和方法
CN105900378A (zh) * 2014-01-06 2016-08-24 思科技术公司 使用基于早期学习机器的故障预测来触发重新路由
CN107040394A (zh) * 2016-02-03 2017-08-11 黄吉川 网络拓朴系统及方法

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060105764A1 (en) * 2004-11-16 2006-05-18 Dilip Krishnaswamy Adaptive wireless networks and methods for communicating multimedia in a proactive enterprise
US7542436B2 (en) * 2005-07-22 2009-06-02 The Boeing Company Tactical cognitive-based simulation methods and systems for communication failure management in ad-hoc wireless networks
US8509098B2 (en) * 2006-04-28 2013-08-13 Alcatel Lucent Method and apparatus for identifying network connectivity changes in dynamic networks
US8654627B2 (en) * 2007-01-03 2014-02-18 Harris Corporation Data-path dynamic link maintenance in mobile ad hoc networks
US8028060B1 (en) * 2007-01-05 2011-09-27 Apple Inc. Background task execution over a network based on network activity idle time
US20080181237A1 (en) * 2007-01-25 2008-07-31 Cisco Technology, Inc. Building communities of interest and selecting borders between them based on relative motion
TWI415402B (zh) * 2007-12-13 2013-11-11 Chunghwa Telecom Co Ltd A Passive Optical Network Simulation Analysis System and Its Application to Bandwidth Assignment
US20100254312A1 (en) * 2008-12-11 2010-10-07 Adapt4, Llc Dynamically transformed channel set routing
JP5654769B2 (ja) * 2010-04-23 2015-01-14 京セラ株式会社 無線基地局及び通信制御方法
WO2011142227A1 (ja) * 2010-05-14 2011-11-17 インターナショナル・ビジネス・マシーンズ・コーポレーション コンピュータ・システム、方法及びプログラム
CN102158294B (zh) * 2011-02-25 2013-06-05 北京邮电大学 认知无线网络系统及其认知流的传输方法
US8898291B2 (en) * 2011-08-08 2014-11-25 International Business Machines Corporation Dynamically expanding computing resources in a networked computing environment
CN102547907A (zh) * 2012-01-16 2012-07-04 上海金网通信技术发展有限公司 一种用于移动宽带多跳自组网的联合节点网络设备
PL2670069T3 (pl) * 2012-06-01 2016-01-29 Ericsson Telefon Ab L M Sterowanie transmisją danych
CN106412917B (zh) * 2015-07-29 2019-08-13 中国移动通信集团公司 一种网络扩容方法及装置
CN105791403B (zh) * 2016-03-02 2018-11-16 西安电子科技大学 基于模糊算法的车辆自组织网络资源管理方法
CN108924851B (zh) * 2018-09-29 2021-09-10 南京工业大学 认知无线传感器网络QoS保障机会路由方法
US11133987B2 (en) * 2018-10-24 2021-09-28 Cox Communications, Inc. Systems and methods for network configuration management
EP3681180A1 (en) * 2019-01-09 2020-07-15 Volkswagen Aktiengesellschaft Method, apparatus and computer program for determining a plurality of traffic situations
US11706100B2 (en) * 2019-11-15 2023-07-18 Charter Communications Operating, Llc Methods and apparatus for supporting dynamic network scaling based on learned patterns and sensed data

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5341366A (en) * 1992-03-18 1994-08-23 Fujitsu Limited Connection admission control system
US6067287A (en) * 1997-09-15 2000-05-23 Accton Technology Neural fuzzy connection admission controller and method in a node of an asynchronous transfer mode (ATM) communication network
EP0959582A1 (en) 1998-05-20 1999-11-24 Ascom Tech Ag Process and architecture for controlling traffic on a digital communication link
US6563792B1 (en) * 1999-07-02 2003-05-13 Accton Technology Corporation Fuzzy leaky bucket method and apparatus for usage parameter control in ATM networks
US20020107824A1 (en) 2000-01-06 2002-08-08 Sajid Ahmed System and method of decision making
US6791949B1 (en) * 2000-04-28 2004-09-14 Raytheon Company Network protocol for wireless ad hoc networks
US6845106B2 (en) * 2000-05-19 2005-01-18 Scientific Atlanta, Inc. Allocating access across a shared communications medium
US7035937B2 (en) * 2001-04-25 2006-04-25 Cornell Research Foundation, Inc. Independent-tree ad hoc multicast routing
US7114001B2 (en) * 2001-05-11 2006-09-26 International Business Machines Corporation Predictive networking
US20030072289A1 (en) * 2001-10-16 2003-04-17 Maria Yuang Quality-of-service guaranteed media access control method with dynamic granularity control for local wireless ATM networks
US7342876B2 (en) * 2001-12-20 2008-03-11 Sri International Interference mitigation and adaptive routing in wireless ad-hoc packet-switched networks
CN1615600A (zh) * 2002-01-16 2005-05-11 三菱电机株式会社 基站、移动站、通信系统、基站通信方法、基站通信程序、移动站通信方法、移动站通信程序
US7113796B2 (en) * 2002-01-18 2006-09-26 Microsoft Corporation Framework and method for QoS-aware resource discovery in mobile ad hoc networks
GB0207059D0 (en) * 2002-03-26 2002-05-08 Hewlett Packard Co Task-related communication via wireless communication hotspots
WO2003105000A1 (en) * 2002-06-05 2003-12-18 Interdigital Technology Corporation Method and apparatus for switching between a wireless local area network and a wide area network
US20040063451A1 (en) * 2002-09-27 2004-04-01 Bonta Jeffrey D. Relaying information within an ad-hoc cellular network
US20050152305A1 (en) * 2002-11-25 2005-07-14 Fujitsu Limited Apparatus, method, and medium for self-organizing multi-hop wireless access networks
US7558262B2 (en) * 2002-11-29 2009-07-07 Telefonaktiebolaget L M Ericsson (Publ) Group hopping and channel zapping during transmission of multicast applications
JP4059088B2 (ja) * 2003-01-28 2008-03-12 日本電気株式会社 移動体無線通信システム、及びその無線パラメータ制御方法
JP2004312452A (ja) * 2003-04-08 2004-11-04 Sony Corp 無線通信システム及びその端末装置
US7382765B2 (en) * 2003-04-30 2008-06-03 Harris Corporation Predictive routing in a moble ad hoc network
US7299038B2 (en) 2003-04-30 2007-11-20 Harris Corporation Predictive routing including the use of fuzzy logic in a mobile ad hoc network
US7412241B2 (en) * 2003-06-06 2008-08-12 Meshnetworks, Inc. Method to provide a measure of link reliability to a routing protocol in an ad hoc wireless network
KR100631737B1 (ko) * 2003-09-22 2006-10-09 삼성전자주식회사 무선 애드 혹 네트워크에서의 서비스 탐색 시스템 및 방법
US20070218880A1 (en) * 2004-09-28 2007-09-20 Telefonaktiebolaget Lm Ericsson (Publ) Radio Access Network Database For Knowledge Of Radio Channel And Service Environment Network
US20060239207A1 (en) * 2005-04-20 2006-10-26 Nokia Corporation Combined load balancing for overlay and ad hoc networks

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102356327A (zh) * 2009-08-20 2012-02-15 普渡研究基金会 用于事件驱动的无线传感器网络的预测性负载循环适配方案
CN102356327B (zh) * 2009-08-20 2015-12-09 普渡研究基金会 用于事件驱动的无线传感器网络的预测性负载循环适配方案
WO2012092802A1 (zh) * 2011-01-07 2012-07-12 索尼公司 无线网络管理系统和方法
US9020474B2 (en) 2011-01-07 2015-04-28 Sony Corporation System and method for wireless network management
CN105900378A (zh) * 2014-01-06 2016-08-24 思科技术公司 使用基于早期学习机器的故障预测来触发重新路由
CN105900378B (zh) * 2014-01-06 2019-07-12 思科技术公司 使用基于早期学习机器的故障预测来触发重新路由的方法和装置
CN107040394A (zh) * 2016-02-03 2017-08-11 黄吉川 网络拓朴系统及方法
CN107040394B (zh) * 2016-02-03 2019-07-05 黄吉川 网络拓扑系统及方法

Also Published As

Publication number Publication date
CA2588110A1 (en) 2006-05-26
KR101072365B1 (ko) 2011-10-11
US20120322383A1 (en) 2012-12-20
WO2006055197A3 (en) 2007-04-26
EP1813061A4 (en) 2010-06-02
TWI285038B (en) 2007-08-01
US20060104219A1 (en) 2006-05-18
EP1813061A2 (en) 2007-08-01
US8717940B2 (en) 2014-05-06
KR20070085351A (ko) 2007-08-27
JP2008521283A (ja) 2008-06-19
TW200631356A (en) 2006-09-01
WO2006055197A2 (en) 2006-05-26
EP1813061B1 (en) 2013-05-01

Similar Documents

Publication Publication Date Title
CN101164289A (zh) 包括相关系统和方法的预测性移动自组织组网
Jiang Graph-based deep learning for communication networks: A survey
Alam Fuzzy control based mobility framework for evaluating mobility models in MANET of smart devices.
Krishnaraj et al. A multihoming ACO-MDV routing for maximum power efficiency in an IoT environment
Ozturk et al. Energy‐aware smart connectivity for IoT networks: enabling smart ports
Khan et al. Enabling multimedia aware vertical handover Management in Internet of Things based heterogeneous wireless networks
Nguyen et al. DRL‐based intelligent resource allocation for diverse QoS in 5G and toward 6G vehicular networks: a comprehensive survey
Cuka et al. Implementation and performance evaluation of two fuzzy-based systems for selection of IoT devices in opportunistic networks
Bukar et al. Architectural design, improvement, and challenges of distributed software-defined wireless sensor networks
Kumar et al. Using clustering approaches for response time aware job scheduling model for internet of things (IoT)
Math et al. Reliable federated learning systems based on intelligent resource sharing scheme for big data internet of things
Alfa et al. The role of 5G and IoT in smart cities
Li et al. Layered fault management scheme for end-to-end transmission in internet of things
Sreedevi et al. Comparative analysis of energy efficient routing protocols with optimization in WSN
Pathak et al. Clustering algorithms for MANETs: a review on design and development
Taleb et al. Mesh router nodes placement for wireless mesh networks based on an enhanced moth–flame optimization algorithm
Almuzaini et al. Optimization of the operational state's routing for mobile wireless sensor networks
Lin et al. Offloading for edge computing in low power wide area networks with energy harvesting
Sivasakthi et al. QoE‐aware mobile computation offloading in mobile edge computing
Ozturk et al. Context-aware wireless connectivity and processing unit optimization for iot networks
Golpayegani et al. Adaptation in Edge Computing: A review on design principles and research challenges
Zaza et al. Modern QoS solutions in WSAN: an overview of energy aware routing protocols and applications
Mezghani et al. WSN efficient data management and intelligent communication for load balancing based on Khalimsky topology and mobile agents
Karthik et al. A novel non-disjoint partitioning algorithm for inter-cluster communication in wireless sensor networks
Othman et al. Automated deployment of virtual network function in 5G network slicing using deep reinforcement learning

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication