이 글은 이전 포스팅에서 a. 어떤 objective를 사용하여 classification을 해주어야하는가? 를 해결하며 작성한 글이다.
일단 떠오르는 노드의 현재 상태를 평가할 수 있는 요소는 다음과 같다.
1. 현재 노드가 처리하고 있는 Traffic의 양.(Traffic load)
2. Queue-Length
3. 에너지 소비
4. 주변 노드의 갯수
5. 대역폭
6. Delay
이 점을 명심하고 논문들을 찾아봤다.
A Clustering Routing Protocol for Mobile Ad Hoc Network(Jinke Huang, 2016)에 따르면, Clustering의 헤더를 정할 때 Link Experiation Time, Node's Relative Degree를 고려한다고 했다.
An Investigation into Node Strength Connectivity Correlation(Shi Jian-jun, 2009)에 따르면, Node Strength와 Connectivity는 상관관계가 있는 데이터임을 알 수 있다.
따라서 Node's Realtive Degree와 Node Strength에 속하는 주변 노드의 갯수, Connectivity에 속하는 에너지 수준을 분류하는 factor로 일단 사용하는 것으로 하겠다.
그 외에도 고려했던 factor로는 다음이 있다.
1. 노드간 거리
2. 링크 품질
3. 노드의 이동성
그 다음에는 b.를 해결해주어야 한다. a.의 과정에서 분류가 끝난 노드들의 조합으로 이루어진 route를 학습할 학습법을 정해야한다. 지금 떠올린 방법은 다음들과 같다.
1. 강화 학습 : 각 경로를 하나의 에피소드로 간주, 경로 전체의 성능을 통해 보상을 부여.
2. 딥 러닝
3. 회귀 분석 : 라우팅 경로의 성능지표(지연시간 등)을 연속적인 값으로 보아 회귀 분석
4. 앙상블 학습 : Random forest?
이렇게 고안한 아이디어들을 가지고 교수님과 면담을 가진 후, 더 아이디어를 구체화시켜나가겠다.
'학부연구생' 카테고리의 다른 글
문제 해결을 위한 시뮬레이션 제작 및 Tracing source 추출-3 (0) | 2024.03.17 |
---|---|
현재까지 제시된 Routing protocol based on ML - 2 (0) | 2024.03.17 |
문제 해결을 위한 시뮬레이션 제작 및 Tracing source 추출-2 (0) | 2024.03.14 |
문제 해결을 위한 시뮬레이션 제작 및 Tracing source 추출-1 (0) | 2024.03.13 |
현재까지 제시된 Routing protocol based on ML (0) | 2024.03.11 |