Troca automática de protocolos MAC empregando aprendizado por reforço
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFMG |
Texto Completo: | http://hdl.handle.net/1843/ESBF-BB2J75 |
Resumo: | Há uma crescente demanda por redes sem fio impulsionada pela popularização de dispositivos como laptops, smartphones e tablets, e por tecnologias emergentes como Internet das Coisas. Se por um lado a demanda é crescente, por outro, o uso eficiente de redes sem fio é desafiador. O ambiente sem fio é sensível, por exemplo, a variações de topologia da rede, obstáculos entre dispositivos, mobilidade, variações do meio de propagação como umidade do ar ou condições climáticas, etc. Não suficiente, o mesmo meio (o ar) é utilizado por todos os dispositivos, disputando entre si o uso do recurso. Apesar da crescente demanda, dinamismo e complexidade de redes sem fio, alguns protocolos de comunicação são focados em situações específicas de utilização. Esse é o caso de protocolos MAC. Por exemplo, classes de protocolos MAC baseadas em contenção tendem a ter melhor desempenho em redes sem fio com baixa disputa de acesso ao meio, tornando-se ineficientes a medida que a disputa aumenta. Por outro lado, protocolos MAC sem contenção possuem comportamento contrário, ineficientes em situações de baixa disputa. Devido ao dinamismo de redes sem fio, um único protocolo MAC é dificilmente o melhor durante todo o tempo. Uma alternativa é a troca do protocolo MAC de acordo com as condições da rede sem fio ao longo do tempo. A proposta dessa dissertação ataca esse problema, consistindo em uma subcamada MAC auto-organizável (SOMAC) capaz de selecionar e trocar o protocolo MAC automaticamente ao longo do tempo. Há dois viabilizadores dessa solução. O primeiro consiste em rádios definidos por software, dispositivos que permitem a programação e a flexibilização da subcamada MAC. O segundo corresponde a técnicas de aprendizado de máquina, possibilitando a seleção autônoma de protocolos MAC. SOMAC faz uso dos dois, rádios definidos por software para implementação e validação, e aprendizado de máquina para o motor de seleção de protocolos. SOMAC emprega o algoritmo de aprendizado por reforço Q-Learning e lida com o dinamismo de redes sem fio. O sistema periodicamente avalia métricas de rede e seleciona o protocolo MAC de melhor desempenho. SOMAC é implementado e validado em ambientes de redes sem fio reais. Resultados experimentais sugerem que SOMAC é capaz de selecionar o melhor protocolo MAC em, pelo menos, 80% do tempo, chegando a atingir limiares de otimalidade de 90%. Além disso, resultados experimentais também retratam que SOMAC supera seus principais concorrentes em múltiplas situações, batendo o estado da arte. |
id |
UFMG_caffe028971987de9d3ee9d566e8d0de |
---|---|
oai_identifier_str |
oai:repositorio.ufmg.br:1843/ESBF-BB2J75 |
network_acronym_str |
UFMG |
network_name_str |
Repositório Institucional da UFMG |
repository_id_str |
|
spelling |
Daniel Fernandes MacedoLuiz Filipe Menezes VieiraLuiz Filipe Menezes VieiraGisele Lobo PappaLuiz Henrique Andrade CorreaAndré Vinicius Gomes Santos Gonçalves2019-08-09T14:48:36Z2019-08-09T14:48:36Z2019-01-30http://hdl.handle.net/1843/ESBF-BB2J75Há uma crescente demanda por redes sem fio impulsionada pela popularização de dispositivos como laptops, smartphones e tablets, e por tecnologias emergentes como Internet das Coisas. Se por um lado a demanda é crescente, por outro, o uso eficiente de redes sem fio é desafiador. O ambiente sem fio é sensível, por exemplo, a variações de topologia da rede, obstáculos entre dispositivos, mobilidade, variações do meio de propagação como umidade do ar ou condições climáticas, etc. Não suficiente, o mesmo meio (o ar) é utilizado por todos os dispositivos, disputando entre si o uso do recurso. Apesar da crescente demanda, dinamismo e complexidade de redes sem fio, alguns protocolos de comunicação são focados em situações específicas de utilização. Esse é o caso de protocolos MAC. Por exemplo, classes de protocolos MAC baseadas em contenção tendem a ter melhor desempenho em redes sem fio com baixa disputa de acesso ao meio, tornando-se ineficientes a medida que a disputa aumenta. Por outro lado, protocolos MAC sem contenção possuem comportamento contrário, ineficientes em situações de baixa disputa. Devido ao dinamismo de redes sem fio, um único protocolo MAC é dificilmente o melhor durante todo o tempo. Uma alternativa é a troca do protocolo MAC de acordo com as condições da rede sem fio ao longo do tempo. A proposta dessa dissertação ataca esse problema, consistindo em uma subcamada MAC auto-organizável (SOMAC) capaz de selecionar e trocar o protocolo MAC automaticamente ao longo do tempo. Há dois viabilizadores dessa solução. O primeiro consiste em rádios definidos por software, dispositivos que permitem a programação e a flexibilização da subcamada MAC. O segundo corresponde a técnicas de aprendizado de máquina, possibilitando a seleção autônoma de protocolos MAC. SOMAC faz uso dos dois, rádios definidos por software para implementação e validação, e aprendizado de máquina para o motor de seleção de protocolos. SOMAC emprega o algoritmo de aprendizado por reforço Q-Learning e lida com o dinamismo de redes sem fio. O sistema periodicamente avalia métricas de rede e seleciona o protocolo MAC de melhor desempenho. SOMAC é implementado e validado em ambientes de redes sem fio reais. Resultados experimentais sugerem que SOMAC é capaz de selecionar o melhor protocolo MAC em, pelo menos, 80% do tempo, chegando a atingir limiares de otimalidade de 90%. Além disso, resultados experimentais também retratam que SOMAC supera seus principais concorrentes em múltiplas situações, batendo o estado da arte.There is an increasing demand for wireless networks propelled by the popularization of mobile devices such as laptops, smartphones and tablets, and by emerging technologies such as the internet of things. If the demand is increasing on one hand, the efficient use of wireless networks is challenging on the other. For instance, wireless networks are at mercy of changes in the network topology, obstacles between devices, node's mobility, propagation medium fluctuations such as humidity or weather conditions etc. Further, the same medium is used by all devices, resulting in competition between nodes. Despite the increasing demand, dynamism and complexity of wireless networks, some communication protocols focus on specific application scenarios, which is the case for MAC protocols. For example, contention-based MAC protocols tend to perform better in networks under low competition, becoming inefficient as competition rises. Conversely, contention-free MAC protocols tend to perform better when network competition is high. Since wireless networks are dynamic environments, a single MAC protocol is unlikely the best one all the time. A more efficient approach is to switch the MAC protocol according to the network conditions over time. This dissertation tackles that problem, consisting of a Self-Organizing MAC sublayer (SOMAC) capable of automatically selecting and switching the MAC protocol over time. This solution is feasible for two reasons. The first is called software defined radios, consisting of programmable radios that allow the flexibilization of the MAC sublayer. The second corresponds to machine learning techniques, allowing an automatic MAC protocol selection. SOMAC deploys both: a) implementation and validation through software defined radios and b) a selection engine powered by machine learning. SOMAC uses the reinforcement learning algorithm Q-Learning and copes with the dynamic nature of wireless networks. Our solution periodically assesses the wireless network performance through network metrics and selects the best MAC protocol. In addition, SOMAC is implemented and validated in real-world wireless networks. Our results indicate that SOMAC selects the best MAC protocol at a minimum rate of 80% of the time, reaching up to 90% of optimality. Furthermore, they also point that SOMAC defeats its main competitors by a significant extent, outperforming the state of the art.Universidade Federal de Minas GeraisUFMGComputaçãoRedes de ComputadoresAprendizado do computadorSistemas de comunicação sem fioseleção protocolos MACAprendizado por reforçoAprendizado de máquinasubcamada MACRedesTroca automática de protocolos MAC empregando aprendizado por reforçoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALandreviniciusgomes.pdfapplication/pdf2155781https://repositorio.ufmg.br/bitstream/1843/ESBF-BB2J75/1/andreviniciusgomes.pdffb7e5178aa8d698b0cc8ef3ea41be7b3MD51TEXTandreviniciusgomes.pdf.txtandreviniciusgomes.pdf.txtExtracted texttext/plain160125https://repositorio.ufmg.br/bitstream/1843/ESBF-BB2J75/2/andreviniciusgomes.pdf.txtd945cb4ca92f1df22f626bf98c13cdd2MD521843/ESBF-BB2J752019-11-14 08:48:15.744oai:repositorio.ufmg.br:1843/ESBF-BB2J75Repositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T11:48:15Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false |
dc.title.pt_BR.fl_str_mv |
Troca automática de protocolos MAC empregando aprendizado por reforço |
title |
Troca automática de protocolos MAC empregando aprendizado por reforço |
spellingShingle |
Troca automática de protocolos MAC empregando aprendizado por reforço André Vinicius Gomes Santos Gonçalves seleção protocolos MAC Aprendizado por reforço Aprendizado de máquina subcamada MAC Redes Computação Redes de Computadores Aprendizado do computador Sistemas de comunicação sem fio |
title_short |
Troca automática de protocolos MAC empregando aprendizado por reforço |
title_full |
Troca automática de protocolos MAC empregando aprendizado por reforço |
title_fullStr |
Troca automática de protocolos MAC empregando aprendizado por reforço |
title_full_unstemmed |
Troca automática de protocolos MAC empregando aprendizado por reforço |
title_sort |
Troca automática de protocolos MAC empregando aprendizado por reforço |
author |
André Vinicius Gomes Santos Gonçalves |
author_facet |
André Vinicius Gomes Santos Gonçalves |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Daniel Fernandes Macedo |
dc.contributor.advisor-co1.fl_str_mv |
Luiz Filipe Menezes Vieira |
dc.contributor.referee1.fl_str_mv |
Luiz Filipe Menezes Vieira |
dc.contributor.referee2.fl_str_mv |
Gisele Lobo Pappa |
dc.contributor.referee3.fl_str_mv |
Luiz Henrique Andrade Correa |
dc.contributor.author.fl_str_mv |
André Vinicius Gomes Santos Gonçalves |
contributor_str_mv |
Daniel Fernandes Macedo Luiz Filipe Menezes Vieira Luiz Filipe Menezes Vieira Gisele Lobo Pappa Luiz Henrique Andrade Correa |
dc.subject.por.fl_str_mv |
seleção protocolos MAC Aprendizado por reforço Aprendizado de máquina subcamada MAC Redes |
topic |
seleção protocolos MAC Aprendizado por reforço Aprendizado de máquina subcamada MAC Redes Computação Redes de Computadores Aprendizado do computador Sistemas de comunicação sem fio |
dc.subject.other.pt_BR.fl_str_mv |
Computação Redes de Computadores Aprendizado do computador Sistemas de comunicação sem fio |
description |
Há uma crescente demanda por redes sem fio impulsionada pela popularização de dispositivos como laptops, smartphones e tablets, e por tecnologias emergentes como Internet das Coisas. Se por um lado a demanda é crescente, por outro, o uso eficiente de redes sem fio é desafiador. O ambiente sem fio é sensível, por exemplo, a variações de topologia da rede, obstáculos entre dispositivos, mobilidade, variações do meio de propagação como umidade do ar ou condições climáticas, etc. Não suficiente, o mesmo meio (o ar) é utilizado por todos os dispositivos, disputando entre si o uso do recurso. Apesar da crescente demanda, dinamismo e complexidade de redes sem fio, alguns protocolos de comunicação são focados em situações específicas de utilização. Esse é o caso de protocolos MAC. Por exemplo, classes de protocolos MAC baseadas em contenção tendem a ter melhor desempenho em redes sem fio com baixa disputa de acesso ao meio, tornando-se ineficientes a medida que a disputa aumenta. Por outro lado, protocolos MAC sem contenção possuem comportamento contrário, ineficientes em situações de baixa disputa. Devido ao dinamismo de redes sem fio, um único protocolo MAC é dificilmente o melhor durante todo o tempo. Uma alternativa é a troca do protocolo MAC de acordo com as condições da rede sem fio ao longo do tempo. A proposta dessa dissertação ataca esse problema, consistindo em uma subcamada MAC auto-organizável (SOMAC) capaz de selecionar e trocar o protocolo MAC automaticamente ao longo do tempo. Há dois viabilizadores dessa solução. O primeiro consiste em rádios definidos por software, dispositivos que permitem a programação e a flexibilização da subcamada MAC. O segundo corresponde a técnicas de aprendizado de máquina, possibilitando a seleção autônoma de protocolos MAC. SOMAC faz uso dos dois, rádios definidos por software para implementação e validação, e aprendizado de máquina para o motor de seleção de protocolos. SOMAC emprega o algoritmo de aprendizado por reforço Q-Learning e lida com o dinamismo de redes sem fio. O sistema periodicamente avalia métricas de rede e seleciona o protocolo MAC de melhor desempenho. SOMAC é implementado e validado em ambientes de redes sem fio reais. Resultados experimentais sugerem que SOMAC é capaz de selecionar o melhor protocolo MAC em, pelo menos, 80% do tempo, chegando a atingir limiares de otimalidade de 90%. Além disso, resultados experimentais também retratam que SOMAC supera seus principais concorrentes em múltiplas situações, batendo o estado da arte. |
publishDate |
2019 |
dc.date.accessioned.fl_str_mv |
2019-08-09T14:48:36Z |
dc.date.available.fl_str_mv |
2019-08-09T14:48:36Z |
dc.date.issued.fl_str_mv |
2019-01-30 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/1843/ESBF-BB2J75 |
url |
http://hdl.handle.net/1843/ESBF-BB2J75 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.publisher.initials.fl_str_mv |
UFMG |
publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMG instname:Universidade Federal de Minas Gerais (UFMG) instacron:UFMG |
instname_str |
Universidade Federal de Minas Gerais (UFMG) |
instacron_str |
UFMG |
institution |
UFMG |
reponame_str |
Repositório Institucional da UFMG |
collection |
Repositório Institucional da UFMG |
bitstream.url.fl_str_mv |
https://repositorio.ufmg.br/bitstream/1843/ESBF-BB2J75/1/andreviniciusgomes.pdf https://repositorio.ufmg.br/bitstream/1843/ESBF-BB2J75/2/andreviniciusgomes.pdf.txt |
bitstream.checksum.fl_str_mv |
fb7e5178aa8d698b0cc8ef3ea41be7b3 d945cb4ca92f1df22f626bf98c13cdd2 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG) |
repository.mail.fl_str_mv |
|
_version_ |
1803589217540898816 |