Algoritmo multiobjetivo de polinización de flores aplicado a comunicación de redes vehiculares 5G
DOI:
https://doi.org/10.33448/rsd-v11i1.25020Palabras clave:
Redes de vehículos; 5G; mmWave; Computación evolutiva; Algoritmo de polinización de flores.Resumen
La tecnología celular vehículo-a-todo (C-V2X), una versión más amplia de la red ad-hoc vehicular (VANET), tiene como objetivo interconectar vehículos y cualquier otra infraestructura tecnológica vanguardista. En este contexto, la quinta generación de redes móviles (5G) basadas en ondas milimétricas (mmWave) es una excelente alternativa para la implementación de redes vehiculares, principalmente porque es capaz de brindar altas tasas de datos (Gbps) y latencia ultrabaja, requisitos del estándar C-V2X. Por otro lado, las señales mmWave son altamente susceptibles a bloqueos, lo que provoca una baja calidad de servicio (QoS) en los VANETs, comprometiendo la funcionalidad de la red y la seguridad de conductores y peatones. Así, en este trabajo se aplican técnicas de computación evolutiva en la simulación de una red vehicular 5G basada en ondas milimétricas, explorando los parámetros de la subcapa de control de acceso al medio (MAC) para optimizar la pérdida de paquetes, la latencia y la tasa de transferencia efectiva, con el fin de optimizar la comunicación inter-vehicular. Para este propósito se utilizó el Algoritmo de Polinización de Flores Multiobjetivo (MOFPA). Los resultados obtenidos muestran que el enfoque adoptado puede lograr resultados cercanos al Pareto óptimo de soluciones no dominadas, con una reducción del 75% en el tiempo de exploración en comparación con el proceso de búsqueda exhaustiva. Finalmente, se comparó el rendimiento de la metaheurística adoptada con el algoritmo genético de clasificación no dominado (NSGA-II) y el algoritmo evolutivo diferencial multiobjetivo (MODE).
Citas
Adibi, S., Jain, R., Parekh, S., & Tofighbakhsh, M. (Eds.). (2010). Quality of service architectures for wireless networks: Performance metrics and management. Hershey. Information Science Reference.
Andrade, H. G. V., Rios, M. F. R., Lima, R. N., Lacerda, H. F., & Silva-Filho, A. G. (2018). Multi-objective approaches to improve QoS in vehicular ad-hoc networks. Proceedings of the 8th ACM Symposium on Design and Analysis of Intelligent Vehicular Networks and Applications - DIVANet’18.
Atallah, R. F., Khabbaz, M. J., & Assi, C. M. (2015). Vehicular networking: A survey on spectrum access technologies and persisting challenges. Vehicular Communications, 2(3), 125–149. https://doi.org/10.1016/j.vehcom.2015.03.005
Attaran, M. (2021). The impact of 5G on the evolution of intelligent automation and industry digitization. Journal of Ambient Intelligence and Humanized Computing, 1–17. https://doi.org/10.1007/s12652-020-02521-x
Chang, C.-Y., Yen, H.-C., & Deng, D.-J. (2016). V2V QoS Guaranteed Channel Access in IEEE 802.11p VANETs. IEEE Transactions on Dependable and Secure Computing, 13(1), 5–17. https://doi.org/10.1109/tdsc.2015.2399912
Chen, S., Hu, J., Shi, Y., Zhao, L., & Li, W. (2020). A vision of C-V2X: Technologies, field testing, and challenges with Chinese development. IEEE Internet of Things Journal, 7(5), 3872–3881. https://doi.org/10.1109/jiot.2020.2974823
Crawley, E., Nair, R., Rajagopalan, B., & Sandick, H. (1998). A framework for QoS-based routing in the internet. RFC Editor.
Deb, K., Pratap, A., Agarwal, S., & Meyarivan, T. (2002). A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE Transactions on Evolutionary Computation : A Publication of the IEEE Neural Networks Council, 6(2), 182–197. https://doi.org/10.1109/4235.996017
Ge, X., Li, Z., & Li, S. (2017). 5G Software Defined Vehicular Networks. IEEE Communications Magazine, 55(7), 87–93. https://doi.org/10.1109/mcom.2017.1601144
Kayabekir, A. E., Bekdaş, G., Nigdeli, S. M., & Yang, X.-S. (2018). A comprehensive review of the flower pollination algorithm for solving engineering problems. In Nature-Inspired Algorithms and Applied Optimization (pp. 171–188). Springer International Publishing.
Lacerda, H. F., Andrade, H. G. V., & Silva-Filho, A. G. (2018). Improving QoS in Vehicular ad-hoc Networks using a multi-objective optimization algorithm. 2018 IEEE Symposium on Computers and Communications (ISCC).
Mezzavilla, M., Zhang, M., Polese, M., Ford, R., Dutta, S., Rangan, S., & Zorzi, M. (2018). End-to-end simulation of 5G mmWave networks. IEEE Communications Surveys & Tutorials, 20(3), 2237–2263. https://doi.org/10.1109/comst.2018.2828880
Rasheed, I., & Hu, F. (2021). Intelligent super-fast Vehicle-to-Everything 5G communications with predictive switching between mmWave and THz links. Vehicular Communications, 27(100303), 100303. https://doi.org/10.1016/j.vehcom.2020.100303
Rawat, D. B., Popescu, D. C., Yan, G., & Olariu, S. (2011). Enhancing VANET performance by joint adaptation of transmission power and contention window size. IEEE Transactions on Parallel and Distributed Systems: A Publication of the IEEE Computer Society, 22(9), 1528–1535. https://doi.org/10.1109/tpds.2011.41
Santos, T., & Xavier, S. (2018). A Convergence Indicator for Multi-Objective Optimisation Algorithms. TEMA. Tendencias Em Matematica Aplicada e Computacional, 19(3), 437. https://doi.org/10.5540/tema.2018.019.03.437
Sheikh, M. S., & Liang, J. (2019). A comprehensive survey on VANET security services in traffic management system. Wireless Communications and Mobile Computing, 2019, 1–23. https://doi.org/10.1155/2019/2423915
Sheng, Z., Pressas, A., Ocheri, V., Ali, F., Rudd, R., & Nekovee, M. (2018). Intelligent 5G vehicular networks: An integration of DSRC and mmWave communications. 2018 International Conference on Information and Communication Technology Convergence (ICTC).
Storck, C., & Duarte-Figueiredo, F. (2019). A 5G V2X ecosystem providing Internet of vehicles. Sensors (Basel, Switzerland), 19(3), 550. https://doi.org/10.3390/s19030550
Tian, Y., Cheng, R., Zhang, X., & Jin, Y. (2017). PlatEMO: A MATLAB platform for evolutionary multi-objective optimization. IEEE Computational Intelligence Magazine, 12(4), 73–87. https://doi.org/10.1109/mci.2017.2742868
Tripathi, S., Sabu, N. V., Gupta, A. K., & Dhillon, H. S. (2021). Millimeter-wave and terahertz spectrum for 6G wireless. In Computer Communications and Networks (pp. 83–121). Springer International Publishing.
Yang, X.-S., Karamanoglu, M., & He, X. (2013). Multi-objective flower algorithm for optimization. Procedia Computer Science, 18, 861–868. https://doi.org/10.1016/j.procs.2013.05.251
Zhang, M., Zhao, S., & Wang, X. (2009). Multi-objective evolutionary algorithm based on adaptive discrete Differential Evolution. 2009 IEEE Congress on Evolutionary Computation.
Zugno, T., Drago, M., Giordani, M., Polese, M., & Zorzi, M. (2020). Toward standardization of millimeter-wave vehicle-to-vehicle networks: Open challenges and performance evaluation. IEEE Communications Magazine, 58(9), 79–85. https://doi.org/10.1109/mcom.001.2000041
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 Francisco Jonatas Siqueira Coelho; Eulogio Gutierrez Huampo; Henrique Figueirôa Lacerda; Arthur Doria Meneses de Freitas; Abel Guilhermino da Silva Filho
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
