طراحي و بهبود يك الگوريتم يادگيرنده براي جستجوي منابع در شبكه نظير به نظير بر روي شبكه ادهاك سيار

A Novel Learning based Algorithm for Resource Searching in Peer-to-Peer over Mobile Ad-hoc Networks

شبكه نظير به نظير مجموعه اي از گره هاي خودسازمان دهنده و يكسان است كه با هم همكاري مي نمايند. اين نوع از شبكه ها نياز به هماهنگ كننده مركزي براي ارتباط باهم ندارند. از پياده سازي شبكه نظير به نظير بر بستر شبكه ادهاك سيار شبكه نظير به نظير سيار ايجاد مي گردد. ساختار توزيع شده شبكه هاي نظير به نظير سيار جستجوي منبعه را در آنها دشوار مي سازد. از سوي ديگر درخواست در اين شبكه ها معمولا به صورت سيل آسا و تصادفي پخش مي گردد كه سبب هدر رفت انرژي گره هاي سيار خواهد شد. لذا طراحي مكانيزمي خود تطبيق كه درخواست را آگاهانه در شبكه ارسال نمايد، حائز اهميت مي باشد، تا بتوان منبع درخواستي را با نرخ موفقيت بيشتر، صرف كمترين انرژي، تحميل بار كمتر به شبكه كشف كرد. الگوريتم پيشنهادي با هدف بهبود جستجو در شبكه نظير به نظير سيار با استفاده از يادگيري گره ها، ارائه گرديده است. از انوماناي بادگير به عنوان يك عامل يادگيرنده تقويتي كه از طريق تعامل با محيط عملكرد خود را بهبود مي بخشد، استفاده مي شود. در اين الگوريتم هر گرهاي كه درخواست داشته باشد، پيام جستجو را به تعدادي از همسايگاني كه از بقيه مفيد تر هستند، ارسال مي كند. همچنين منبع درخواستي از طريق بهترين مسير به گره درخواست دهنده انتقال مي يابد. علاوه بر اين بدليل ذخيره نتايج به دست آمده از هر گره ي همسايه در حافظه نهان، سابقه گره هاي همسايه در جلو راني هاي آتي تاثيرگذار است. نتايج شبيه سازي الگوريتم پيشنهادي و مقايسه آن با الگوريتم هاي جستجوي منابع شايعه پراكني - توازن بار و جستجوي احتمال تطبيقي بهبود يافته، نشان مي دهد كه اجتناب از انتخاب هاي تصادفي همسايگان براي جلوراني درخواست و در نظر گرفتن سابقه ي هر گره با استفاده از نتايج ذخيره شده در جداول حافظه نهان، سبب كاهش مصرف انرژي، تعداد بسته هاي ارسال شده و حذف شده و بار تحميل شده به شبكه مي گردد. از طرفي با در نظر گرفتن سابقه گره هاي همسايه در جلو راني، پيام درخواست به همسايه هايي ارسال مي گردد كه در جستجوهاي قبلي موفقتر بوده اند، نرخ موفقيت شبكه نيز افزايش مي يابد.

Peer to peer network is a set of self-adaptive and identic nodes that cooperate together without the central coordinator. Mobile peer to peer network is caused from the implementation of peer to peer network over mobile Ad-hoc networks’ platform. The distributed structure of these networks reinforces the resource searching. The requests in these networks are often propagated randomly and broadcast. Thus, designing a self- adavptive mechanism that sends the request intentionally to the network is crucial, to be able to discover the demanded source of the request with the maximum amount of success rate and minimum amount of energy and traffic load. In this research is presented solution with the aim of improving serach on the mobile peer to peer network. Learning automata are adaptive decision making units which run in random environments that learn the optimal action through repeated interaction with its environment.In the proposed algorithm, each node having a message sends a search request to some more useful neighbors. Correspondingly the best route from the source node will transmit the requested resource. Moreover Because of saving result in neighbourse cache table, Neighbourse experince are effective in future forwards. The simulation results of the proposed algorithm and comparison with the “Gossiping Load Balancing alghorithm” algorithm and “Imporoved Adaptive Probablitistic Search”, show that avoiding selecting random neighbors for forward request and considering the history of each node using the results stored in cache tables, reduce energy consumption, the number of sended and droped network packets , and the networkload. Since, due to the influence of neighboring nodes in proceeding, the request message is sent to the neighbors who have been more successful in previous searches, the success rate of the network also increases.