Multipath Routing Protocol Using Genetic Algorithm in Mobile Ad Hoc Networks
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Mobile ad hoc network (MANET) is a cluster of wireless mobile gadgets that creates a temporary network without seeking support from any infrastructure or central management. Energy consumption should be considered as one of the foremost vital limitations in MANETs because the mobile nodes do not possess a constant power supply and its shortage will minimize the network's lifetime. MANETs get energy from the batteries which get exhausted very quickly because of issues like node mobility, computation power, frequent data retransmissions needed in wireless communication, etc. Secondly, there is a data packet loss caused by different reasons such as traffic congestion or random loss as a result of nodes mobility or noise. This data loss, in turn, would delay packets delivery degrading data transmission in real-time applications. This paper provides management for this combination of major problems in MANETs. We present a new fitness function (FFn) used in the Genetic Algorithm (GA) to obtain the optimized route from those routes offered by the Ad hoc On-demand Multipath Distance Vector (AOMDV) routing protocol. Accordingly, we propose a routing protocol titled as AOMDV with FFn (AOMDV-FFn). We also integrate the AOMDV mechanism with the genetic algorithm (AOMDV-GA). These protocols provide an optimization process to select the efficient routes that have the highest fitness values implementing the shortest route, maximum residual energy, and less data traffic even if a random loss of data packets happens. In this regard, we introduce a mechanism where the TCP Congestion Control Enhancement for Random Loss (TCP CERL) can be utilized in the FFn to optimize the efficient route. The performance of the proposed mechanisms is compared with other preferred protocols proposed in this area.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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