Routing Optimization in Vehicular Social Networks Using Firefly Algorithm

محورهای موضوعی : مجله بین المللی ریاضیات صنعتی

M. Zandi ¹ (Department of Computer Engineering, Central Tehran Branch, Islamic Azad University, Tehran, Iran.)
M. Jahanshahi ² (Department of Computer Engineering, Central Tehran Branch,Islamic Azad University, Tehran, Iran.)
AR Hedayati ³ (Department of Computer Engineering, Central Tehran Branch, Islamic Azad University, Tehran, Iran.)

تاریخ دریافت : 1398/12/09 تاریخ پذیرش : 1399/11/19 تاریخ انتشار : 1400/07/09

کلید واژه: Vehicle Social Networks (VSNs)‎, ‎ Routing, 5G, Vehicular ad-hoc network (‎VANET)‎,

چکیده مقاله :

Vehicular communications have been considered to be an enabler for numerous vehicle safety and information applications.Vehicle Social Networks (VSNs) are a type of ad-hoc networks which allows wireless communication between two adjacent vehicles. Routing and communicating with adjacent nodes are one of the problems in VSNs. A literature review indicated that the time limit to transmit data and route is a problem due to the geographical distance and speed..

چکیده انگلیسی:

شبکه‌های اجتماعی بین‌خودرویی(VSNs) ، نوعی از شبکه‌های­ موردی هستند که امکان برقراری ارتباط بین دو وسیله نقلیه مجاور را بصورت بی­سیم برقرار می‌کنند. یکی از مشکلات موجود در شبکه­های VSN مشکل مسیریابی و ارتباط با گره­ها ی مجاور است؛ بنابراین با بررسی تحقیقات موجود در این زمینه مشخص شد که بعلت وسعت جغرافیایی و سرعت تحرک وسایل نقلیه با مشکل محدودیت زمان جهت انتقال داده و مسیریابی روبرو هستیم. در این مقاله با استفاده از الگوریتم بهینه سازی کرم شب­تاب تلاش می­شود یک راه حل نزدیک به بهینه با کمترین تاخیر  برای مساله مسیریابی در این شبکه­ها ارائه شود که تا بحال در هیچ پژوهشی استفاده نشده است بطوریکه قابلیت بکارگیری در محیط پویا و وسعت جغرافیایی بزرگ را نیز دارا باشد. وسایل نقلیه (خودروها) در حکم کرم‌های شب‌تاب لحاظ شده و حرکت بین خودروها در حکم جذب کرم‌های شب‌تاب توسط سایرین لحاظ می‌شود. دو معیار میانگین فاصله و احتمال رسیدن دو خودرو به یکدیگر برای جذب خودروها و مسیریابی مورد آزمایش قرارگرفت. همچنین، تعداد خودروهای هر ناحیه که با چگالی متفاوت وسایل نقلیه  در دو منطقه شهری و بین‌شهری سنجیده می‌شود نیز معیاری است که در صحت مسیریابی تاثیر مستقیم دارد. نهایتا روش پیشنهادی در حوزه شبکه­های نسل پنجم مخابراتی شبیه­سازی می‌شود و نتایج عددی نشان داد که روش پیشنهادی در مقایسه با نتایج استفاده از الگوریتم تقسیم پویای دسته جمعی از نظر میانگین فاصله مسیریابی خودروها، تفکیک مناطق شهری و بین شهری، تغییرات پارامتر میزان روشنایی، تغییرات پارامتر­ضریب جذب نور، تغییرات پارامتر عدد تصادفی بین صفر و یک، تغییرات پارامترحرکت اولیه خوردوها بطورتصادفی به­ترتیب 68.14، 63.13، 65.2، 08.20، 39.18، 57.17، 45.18بهبود حاصل شد.

منابع و مأخذ:

[1] Asha Gowda Karegowda, Mithilesh Prasad, A Survey of Applications of Glowworm Swarm Optimization Algorithm, International Journal of Computer Applications (0975-8887). Int. Conf. Computing and Information Technology (IC2IT-2013).
[2] R. Azizur Rahim, M. Kai, Z. Wenhong, T. Amr, Zafer Al-Makhadmeh, X. Feng, Cooperative data forwarding based on crowdsourcing in vehicular social networks, Pervasive and Mobile Computing 51 (2018) 43-55.
[3] R. Azizur, K. Xiangjie, X. Feng, N. Zhaolong, W. Jinzhong, K. Sajal, Vehicular Social Networks: A Survey, Pervasive and Mobile Computing December (2017). http://dx.doi.org/10.1016/j.pmcj.2017.12.004/
[4] B. Amiri, L. Hossain, J. W. Crawford, R. T. Wigand, Multi-objective Enhanced Firefly Algorithm for Community Detection in Complex Network, (2013) S0950-7051(13)00008-7.
[5] C. Zhang, L. Zhu, Ch. Xu, INBAR: A new INterest-BAsed Routing framework in vehicular social networks, IEEE 6 (2017) 978-1-5386-3016-7/17/31.00.

[6] D. Liao, H. Li, G. Sun, M. Zhang, V. Chang, Location and Trajectory Privacy Preservation in 5G-Enabled Vehicle Social Network Services, Journal of Network and Computer Applications Volume 110 (2018) 108-118.
[7] L. Zhang, L. Liu, X. Yang, Y. Dia, A Novel Hybrid Firefly Algorithm for global Optimization, 8 (2016). http://dx.doi.org/10.137/journal.pone.0163230/

[8] N. Farahlina Johari, A. Mohd Zain, N. Haszlinna Mustaffa, A. Udin, Firefly Algorithm for Optimization Problem, 9 (2013) ID: 115.135.227.139-13,17:26:14.

[9] P. Hui, J. Crowcroft, How small labels create big improvements inProc. 5th Annu, IEEE Intl. Conf. Pervasive Comput. CommunWorkshops. New York, NY, USA 8 (2007) 65-70.
[10] P. Hui, J. Crowcroft, E. Yoneki, Bubble rap: Social -based forwarding in delay tolerant networks in Proc. ACM MobiHoc, Hong Kong 5 (2008) 241-250.

[11] R. Oliveria, M. Luis, Susana Sargento,

n and	the	performance	of	social	-based Strate
Location-aware	Forwarding

gies in urban Vehicular Social Network, 5 (2019) http://dx.doi.org/10.1016/j. adhoc.2019.101925/, Smart Mobility, April (2017), IEEE Communications Magazine.
[12] S. Luleseged, T. Hong Choon Ong, Modified Firefly Algorithm, 3 (2017). http://dx. doi.org/10.1109/
[13] W. Chen, R. K. Guha, T. Jin Kwon, J. Lee, Y. Ying Hsu, A Survey and Challenges in routing and data dissemination in vehicular and ad hoc networks, Wireless communications and Mobile Computing 11 (2011) 787-795. http://dx.doi.org/10. 1002/wcm.862/
[14] X. Kong, M. Li, K. Ma, K. Tian, M. Wang, Z. Ning, (Member IEEE) and Feng Xia, Big Trajectory Data: A Survey of Applications and Services, Digital Object Identifier 10 (2017) 134-142. http://dx.doi.org/10.1109/ACCESS.2017./
[15] X. Kong, Feng Xia, Z. Ning, A. Rahim,Y. Cai, Z. Gao, J. Ma, Mobility Dataset Generation for Vehicular Social Networks Based on Floating Car Dat, Article in IEEE Transactions on Vehicular Technology 1 (2018). http://dx.doi.org/10.1109/TVT. 2017.2788441/
[16] X. Zhang, G. Cao, Transient Community Detection and Its Application to Data Forwarding in delay Tolerant Networks, Pennsylvania (2013).

[17] Z. Ning, F. Xia, N. Ullah, X. Kong, X. Hu, Vehicular Social Networks: Enabling Smart Mobility, IEEE Communications MagazineApril (2017)