MétaCan
Menu
Retour à la cohorte
Enregistrement W2031628231 · doi:10.1145/1868497.1868499

Adaptive routing in mobile ad hoc networks based on decision aid approach

2010· article· en· W2031628231 sur OpenAlexaff
Yağız Onat Yazır, Roozbeh Farahbod, Adel Guitouni, Sudhakar Ganti, Yvonne Coady

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Ad Hoc Networks
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésComputer scienceMobile ad hoc networkRouting (electronic design automation)Adaptation (eye)LimitingDestination-Sequenced Distance Vector routingWireless ad hoc networkVotingAdaptive quality of service multi-hop routingDistributed computingOptimized Link State Routing ProtocolWork (physics)Scale (ratio)Routing protocolProcess (computing)Computer networkLink-state routing protocolWirelessEngineering

Résumé

récupéré en direct d'OpenAlex

In this paper, we propose a new approach to the problem of adaptive routing in small scale Mobile Ad Hoc Networks (MANET). The proposed approach focuses on leveraging the already existing routing algorithms in real-time through switching from one routing algorithm to another as the conditions change. The contribution of this work is three-fold: (1) nodes use a Multiple Criteria Decision Analysis method called PROMETHEE to make local decisions, (2) the final decision is evaluated as an aggregation of all the local decisions in the MANET through weighted voting, and (3) the network-wide decision process is carried out through a hybrid method that aims to benefit from the advantages of centralized and distributed methods, while limiting their disadvantages. The analyses based on the results extracted from simulations underline that the proposed approach produces stable configurations with minimal interruptions. Furthermore, the completion of global adaptation cycles are performed an order of magnitude faster in comparison to the results outlined in the previous work. These results indicate that the proposed solution is a promising alternative to the existing solutions, and forms a strong basis for further research on larger scale MANETs.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,012
Tête enseignante GPT0,232
Écart entre enseignants0,221 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMobile Ad Hoc NetworksTravaux en français237 207