مسیریابی مبتنی بر خوشه بندی در شبکه های بین خودرویی با ترکیب الگوریتم های گرگ خاکستری و جهش قورباغه

شبکه های بین خودرویی یک شبکه ارتباطی سیار است که خودروهای هوشمند را به یکدیگر متصل میکند. بدلیل متحرک بودن گره ها و تغییرات سریع توپولوژی، ارائه روش مسیریابی مناسب با کیفیت سرویس مناسب برای این شبکه ها با چالش جدی روبرو است. در واقع سرعت زیاد گرهها، پایداری توپولوژی شبکه را کاهش داده و باعث افزایش شکست پیوندهای ارتباطی بین خودروها می شود. شکستن پیوندهای ارتباطی باعث افزایش تاخیر، کاهش توان عملیاتی، افزایش سربار شبکه و کاهش نرخ تحویل بسته های اطلاعاتی را به دنبال دارد. خوشه بندی یکی از روش های بسیار مناسب برای بهبود پارامترهای کیفیت سرویس در شبکه های بین خودرویی می باشد. با توجه به این که خوشه بندی از مسایل NP-Hard می باشد، الگوریتم های فراابتکاری برای فرایند خوشه بندی و یافتن سرخوشه های مناسب، به صورت بهینه عمل می نمایند. بنابراین، در این مقاله یک روش مسیریابی مبتنی بر خوشه بندی با ترکیب الگوریتم های فراابتکاری گرگ خاکستری و جهش قورباغه و با در نظر گرفتن توابع برازندگی با پارامترهای مناسب ارایه شده است. در روش پیشنهادی، عمل خوشه بندی و تعیین سرخوشه مناسب با الگوریتم گرگ خاکستری و با در نظر گرفتن پارامترهایی مانند فاصله بین گره ها، کیفیت پیوند ارتباطی و درجه گره های همسایه انجام می شود. مسیریابی چند گامی بین سرخوشه ها با الگوریتم جهش قورباغه و با در نظر گرفتن پارامترهای میزان بافر خالی گره و فاصله بین گره ها انجام شده است. نتایج حاصل از شبیه سازی روش پیشنهادی در متلب نشان دهنده بهبود معیارهای ارزیابی کیفیت سرویس مانند توان عملیاتی، نرخ تحویل بسته و میانگین تاخیر انتها به انتها نسبت به روش الگوریتم رقابتی استعماری و شبکه عصبی مبتنی بر توابع شعاعی است.