Using machine learning methods to improve characteristics of self-organizing networks

Abstract

В данной работе рассматривается проблема оптимизации передачи информации в самоорганизующихся сетях МАНЕT (Mobile Ad Hoc Network) с использованием теоретико-игрового подхода и одного из методов машинного обучения. В исходной постановке задачи сетевыми агентами являются группы спасательных служб, расположенные в местах с недоступной сотовой связью.

В основе задачи лежит сетевая структура, рассматриваемая в виде графа, в вершинах которого находятся агенты, принадлежащие различным игрокам. Оптимизация сети производится с помощью дополнительных агентов, добавляемых в граф. На практике эту функцию выполняют дроны. В данной работе в качестве критерия отбора используется метрика Betweenness Centrality. В ходе работы был написан алгоритм на языке C++, находящий наилучший вариант положения дронов по выбранному критерию. Проанализированы отдельные характеристики сети, включая данные, полученные с помощью моделирования в симуляторе NS-3. В результате был выявлен алгоритм, где качество работы построенной сети оказалось выше.

This paper deals with the problem of optimizing the transmission of information in self-organizing MANET networks (Mobile Ad Hoc Network) using a game-theoretic approach and one of the methods of machine learning. In the initial formulation of the problem, the network agents are groups of rescue services located in places with inaccessible cellular communication.

The problem is based on a network structure, which is considered as a graph with agents belonging to different players at the vertices of the graph. Network optimization is performed using additional agents added to the graph. In practice, this function is performed by drones.

Two algorithms are considered for solving this problem. The first is based on a cooperative approach, where players strive to achieve maximum overall improvement. Then one of the measures of centrality - betweenness centrality-is applied to select a single solution among the set of optimal ones. And in the second algorithm — "greedy" - players want to improve each of their subnets.

In the course of the work, an algorithm was written in C++, which finds the best option for the position of the drones according to the selected criterion. The individual characteristics of the network, including the data obtained by modeling in NS-3, are analyzed. As a result, an algorithm is identified where the quality of the network is higher.