Кластерный маршрутизатор на основе анализа эксцентриситета
DOI:
https://doi.org/10.31489/2022No3/84-90Ключевые слова:
кластерный маршрутизатор, эксцентриситет, сложные сети, алгоритмы делящие сети на кластеры, размерности Цаллиса и РеньиАннотация
В данной работе разработан кластерный маршрутизатор на основе эксцентриситета, относящийся к области телекоммуникаций, в частности, к области передачи сообщений. Сообщения в этом маршрутизаторе передаются в виде пакетов по указанному в нем маршруту между устройствами, подключенными к сети. Каждому узлу в этой сети присваивается уникальный адрес, благодаря чему можно ускорить маршрутизацию. Каждый маршрутизатор формирует карту маршрутизации, благодаря рассчитанному эксцентриситету узлов, с помощью которого выбирается физический маршрут пакета по логическому адресу кластера. Кроме того, карта маршрутизации хранится в регистре и энергонезависимой памяти устройства для предотвращения потери информации. Для анализа этого кластерного устройства был проведен фрактальный анализ модельной сети ‘UV-flower’ и рассчитаны информационные размерности Цаллиса и Реньи.
Библиографические ссылки
Mazloomi N., Gholipour M., Zaretalab A., Efficient configuration for multi-objective QoS optimization in wireless sensor network. Ad Hoc Networks. 2022, 125 p.
Mehbodniya A., Bhatia S., Mashat A., et al. Proportional fairness based energy efficient routing in wireless sensor network. Computer Systems Science and Engineering. 2022. Vol. 41(3), pp. 1071-1082.
Nasri M., et al. Energy-efficient fuzzy logic-based cross-layer hierarchical routing protocol for wireless internet-of-things sensor networks. International Journal of Communication Systems. 2021.Vol.34(9), pp. 4808.
Khan M.K., et. al., Hierarchical routing protocols for wireless sensor networks: functional and performance analysis. Journal of Sensors. 2021. pp. 1-18.
Al-Zubi R. T., et al. Solution for intra/inter-cluster event-reporting problem in cluster-based protocols for wireless sensor networks. International Journal of Electrical and Computer Engineering. 2022. Vol. 12(1), pp. 868-879.
Daanoune I., Abdennaceur B., Ballouk A. A comprehensive survey on LEACH-based clustering routing protocols in wireless sensor networks. Ad Hoc Networks, 2021, Vol.114, pp.102409.
Blazevic L., Le Boudec J.Y., Giordano S. A location based routing method for mobile ad hoc networks. IEEE Transactions on Mobile Computing. 2005. Vol.4, pp. 97–110.
Sarkar A., Murugan T.S., Cluster head selection for energy efficient and delay-less routing in wireless sensor network. Journal of Wireless Networks. 2019. Vol. 25, No. 1, pp. 303– 320.
Soni V., Mallick D.K. Location-based routing protocols in wireless sensor networks: A survey. International Journal of Internet Protocol Technology. 2014. Vol. 8(4), pp. 200 – 213.
Huang R., Cui X., Pu H. Wireless sensor network clustering routing protocol based on energy and distance. Lecture Notes in Electrical Engineering. 2020. Vol. 675, pp. 1735 – 1745.
Song C., et al. How to calculate the fractal dimension of a complex network: the box covering algorithm. Journal of Statistical Mechanics: Theory and Experiment. 2007. Vol. 2007, No.03, pp. P03006.
Schneider C.M., et al. Box-covering algorithm for fractal dimension of complex networks. Physical Review E. 2012. Vol. 86, No.1, pp. 016707.
Song C., Havlin S., Makse H.A. Origins of fractality in the growth of complex networks. Nature physics. 2006. Vol.2, No.4, pp. 275 – 281.
Gallos L.K., Song C., Makse H.A. A review of fractality and self-similarity in complex networks. Physica A: Statistical Mechanics and its Applications. 2007. Vol. 386, No.2, pp. 686 – 691.
Wen T., Cheong K. H. The fractal dimension of complex networks: A review. Information Fusion. 2021. Vol. 73, pp.87 – 102.
Akhtanov S. et al. Centre including eccentricity algorithm for complex networks. Electronics Letters. 2022. Vol. 58, No. 7, pp. 283 – 285.
Kim J.S., et al. Fractality in complex networks: Critical and supercritical skeletons. Physical Review E. 2007, Vol.75. No.1, pp. 016110.
Long G.U.O., Cai X.U. The fractal dimensions of complex networks. Chinese Physics Letters. 2009, Vol.26. No.8, pp. 088901.
Zhang Q., et al. Tsallis information dimension of complex networks. Physica A: Statistical Mechanics and its Applications. 2015. Vol. 419, pp. 707 – 717.
Ramirez-Arellano A., Hernandez-Simon L.M., Bory-Reyes J. A box-covering Tsallis information dimension and non-extensive property of complex networks. Chaos, Solitons & Fractals. 2020. Vol.132, pp. 109590.
Bromiley P. A., Thacker N. A., Bouhova-Thacker E. Shannon entropy, Renyi entropy, and information. Statistics and Inf. Series (2004-004). 2004. Vol. 9, pp. 2 – 8.
Zyczkowski K. Renyi extrapolation of Shannon entropy. Open Systems & Information Dynamics. 2003. Vol.10, No.03, pp. 297 – 310.
Wei D., et al. A new information dimension of complex networks. Physics Letters A. 2014. Vol.378, No.16-17, pp.1091 – 1094.
Farmer J.D. Information dimension and the probabilistic structure of chaos. Zeitschrift für Naturforschung A. 1982. Vol. 37, No.11, pp. 1304 – 1326.
Geiger B.C., Koch T. On the information dimension of stochastic processes. IEEE transactions on information theory. 2019. Vol.65, No. 10, pp. 6496 – 6518.
Barth A., Baumann G., Nonnenmacher T. F. Measuring Renyi dimensions by a modified box algorithm. Journal of Physics A: Mathematical and General. 1992. Vol. 25, No.2, pp. 381.
Zhang Q. et al. Tsallis information dimension of complex networks. Physica A: Statistical Mechanics and its Applications. 2015. Vol. 419, pp. 707 – 717.
Duan S., Wen T., Jiang W. A new information dimension of complex network based on Rényi entropy. Physica A: Statistical Mechanics and its Applications. 2019. Vol.516, pp. 529 – 542.
