A self organizing social insect model for dynamic frequency allocation in cellular telephone networks

Abstract

This paper describes a mobile agent solution to the problem of frequency allocation encountered in cellular telephone networks. The mobile agents used follow a social insect behavioral model for division of labor and task allocation similar to that exhibited by swarms of ants, wasps and other social insects. Through this behavioral model, the "swarm" of agents self-organizes and displays an adaptive, swarm level intelligence that is transparent to each individual agent. Putting these agents to work in a simulated cellular telephone network, a simpler, distributed solution to frequency allocation was achieved.

An on demand path marking and capacity reservation method using split agent

“…Several agent-oriented approaches [5,6,8,9,14,15] have recently been proposed that appeal to principles extracted from Swarm Intelligence (SI) and aspire to solve routing problems to wired and wireless communication networks. On the other hand, within these methods there are some trade-offs that have to be taken into account.…”

Χρονοδρομολόγηση Εργασιών Σε Κατανεμημένα Συστήματα - Εκτίμηση Της Απόδοσης

“…Η μέθοδος αυτή προτάθηκε αρχικά και τυποποιήθηκε από τους Appleby και Steward [1] οι οποίοι κυρίως ασχολήθηκαν με την επικοινωνία των πρακτόρων και όχι με την ενθυλάκωσή τους στα πακέτα πληροφορίας σαν ένα μέρος ενεργό του δικτύου. Περαιτέρω μελέτες [8][9][10][11][12] έχουν δείξει ότι ένας αλγόριθμος πρακτόρων θα μπορούσε να εφαρμοστεί σε ένα κατανεμημένο σύστημα με σημαντική βελτιστοποίηση των μετρικών QoS του δικτύου [15][16][17][18]. Στο [1] δεν γίνεται βέβαια καθόλου λόγος για τ.β.ο σε συνδυασμό με πράκτορες.…”

“…Μία τ.β.ο-πράκτορας(τ.β.ο-Π) έχει ως στόχο να μπορεί να προσαρμόζεται σε οποιεσδήποτε απότομες αλλαγές στις διάφορες καταστάσεις μεταβολών στο δίκτυο και κυρίως να έχει την δυνατότητα να εξελίσσει την προσαρμοστικότητα του στις διαφορετικές καταστάσεις κυκλοφορίας (χαρακτηριστικά ευελιξίας). Έχουν προταθεί διάφορες προσεγγίσεις [1][2][3][5][6][7][8][9][10][11][12][13][14][15][16][17][18] πρόσφατα που κυρίως απευθύνονται στους νόμους και αρχές που εξάγονται από τη νοημοσύνη (Swarm Intelligence (SI)) σμηνών από τ.β.ο και επιδιώκουν να λύσουν τα προβλήματα δρομολόγησης στα συνδεμένα με καλώδιο δίκτυα επικοινωνίας και λιγότερο στα ασύρματα.…”

“…Σε κάθε κόμβο ο πράκτορας πρέπει να λάβει μια απόφαση σχετικά με τα στοιχεία που προορίζονται για τον επόμενο κόμβο. Μια σημαντική ενέργεια είναι η απόφαση δρομολόγησης όπου ο πράκτορας αξιολογεί στο αντίστοιχο χρονικό διάστημα τις επιλογές και την διάχυση της ποσότητας της φερομόνης για την δρομολόγηση [5,8,[11][12][13][14][15][16][17][18][19][20] που θα έχει επιπτώσεις στον επόμενο κόμβο με αυξανόμενες ή μειωμένες [24,25] πιθανότητες δρομολόγησης. Στο σχήμα 3.6 παρουσιάζεται η πιθανότητα για κάθε πιθανό προορισμό του κόμβου Ν(κ) με διπλές συνδέσεις κόμβων(δικάναλο), για uplink και downlink συνδέσεις.…”