Nghiên cứu cây R+ cho định tuyến phân cấp đảm bảo chất lượng dịch vụ với định tuyến đa đường đa truyền phát

Bài báo sẽ tập trung nghiên cứu và đánh giá: (i) Áp dụng cây R để quản lý cấu hình mạng theo mô hình phân cụm phân cấp với các bộ điều khiển mạnh tại các điểm nút quản lý nhóm; (ii) Tạo cây đa truyền phát từ nút quản lý nhóm đến các nút thành viên tăng hiệu suất truyền; (iii) Tạo các tuyến tối ưu sử dụng thuật toán ACO (tối ưu hóa đàn kiến); (iv) Sử dụng mạng neuron nhân tạo để tối ưu ư. Mạng neuron là một kỹ thuật mới thuộc ngành trí tuệ nhận tạo, được sử dụng nhiều trong khoa học để phân cụm và nhận dạng.

Cơng nghệ thơng tin & Cơ sở tốn học cho tin học NGHIÊN CỨU CÂY CHO ĐỊNH TUYẾN PHÂN CẤP ĐẢM BẢO CHẤT LƯỢNG DỊCH VỤ VỚI ĐỊNH TUYẾN ĐA ĐƯỜNG ĐA TRUYỀN PHÁT Nguyễn Thành Long1*, Nguyễn Đức Thuỷ2, Phạm Huy Hồng3* Tóm tắt: Hiện vấn đề định tuyến hướng dịch vụ cấp thiết, đó, vấn đề phân cụm định tuyến đặt thường giải chưa tổng quát Thường tác giả đặt số cố định mức, hai ba mức phân cấp Vì vậy, giải pháp đưa thường khó phát triển mạng trở nên phức tạp Bài báo đề cập đến mô hình định tuyến phân cụm phân cấp tổng quát số cách để tối ưu việc phân cụm tìm đường hệ thống mạng Tương tự định tuyến hướng nội dung, định tuyến hướng dịch vụ thơng tin tổ chức theo lớp, theo dịch vụ Tuy nhiên, định tuyến lớp dựa định tuyến từ lớp để đưa định Bài báo tập trung nghiên cứu đánh giá: (i) Áp dụng R để quản lý cấu hình mạng theo mơ hình phân cụm phân cấp với điều khiển mạnh điểm nút quản lý nhóm; (ii) Tạo đa truyền phát từ nút quản lý nhóm đến nút thành viên tăng hiệu suất truyền; (iii) Tạo tuyến tối ưu sử dụng thuật tốn ACO (tối ưu hóa đàn kiến); (iv) Sử dụng mạng neuron nhân tạo để tối ưu phân cụm mạng Mạng neuron kỹ thuật thuộc ngành trí tuệ nhận tạo, sử dụng nhiều khoa học để phân cụm nhận dạng Từ khoá: MANET, Mạng nơ ron , Dịch vụ, Định tuyến, Đa đường, Băng thông, Cụm, tree, Multicast, QOS, Overhead, MƠ HÌNH MẠNG PHÂN CỤM PHÂN CẤP Quản lý mạng phân cụm phân cấp mạng di động với nút thường xuyên thay đổi vị trí, thủ tục để chấp nhận nút vào mạng nhóm phải thực nhanh hiệu Các nút phải trao đổi thơng tin định kỳ, có u cầu Để phân cụm ta phải đưa điều kiện, viết sử dụng mạng Neuron để đánh giá nút có thuộc cụm chọn trưởng cụm Các cụm hình thành ban đầu mức R, với nút trưởng cụm nút Để tạo nên mơ hình phân cấp, nút gom lại thành nhóm cách để hình thành cụm cấp trên, nhóm có trưởng cụm nút Cứ hình thành dần lên ta có nút gốc quản lý mạng lớp Để đánh giá liên kết tuyến mạng ta sử dụng thuật toán tối ưu lập cụm đàn kiến (ACO) Mỗi liên kết tuyến có xác suất tồn xác định Xác suất tính tốn theo ACO Khi xác suất nhỏ khả tồn thấp, vậy, phải tìm nhiều tuyến cặp nút (nguồn, đích) Khi cần truyền từ nút đến tập nút ta hình thành đa truyền phát nút cần truyền tập nút đích từ tập tuyến tìm ACO Khi truyền đồng thời tuyến có đảm bảo chất lượng để tăng hiệu suất Để quản lý mạng phân cụm phân cấp hiệu có nhiều cách tác giả đề Nhưng giải pháp chưa giải triệt để vấn đề cập nhật mạng tìm đường tối ưu Bài báo đề nghị dùng cấu trúc R để quản lý mơ hình mạng Cây R cân có số nút nhánh ổn định Ngoài ra, thuật tốn để tìm kiếm hình thành dễ dàng có sẵn Thời gian tìm kiếm gần khơng tăng số mức tăng dựa kết thực nghiệm báo trước Tuy nhiên, R ln trì tính ổn định nội tại, thêm bớt nút điều chỉnh lại để giữ cân Việc thêm nút vào thực 106 N T Long, N Đ Thủy, P H Hoàng, “Nghiên cứu R+… đa đường đa truyền phát.” Nghiên cứu khoa học công nghệ nút lá, nút nút mức cuối để quản lý toàn phần tử cần quản lý nút mạng hay thiết bị viễn thông di động Các phần tử cần quản lý thứ thực tế nút mạng, liệu thơng thường, q trình nút chấp nhận vào cụm theo thuật toán trình bày phần … Vậy dùng R để quản lý mạng ta có: nút quản lý phần tử mạng, nút tiếp tục lập cụm chọn phần tử quản lý nhóm hình thành nhóm lớp Hệ thống nút quản lý phân cấp, phần tử mạng cấp quản lý phần tử mạng cấp Cứ nút gốc quản lý toàn Tuy nhiên, nút gốc nhiều R hợp tác lại để quản lý hệ thống mạng lớn Trong viết không đưa khái niệm nút trìu tuợng mà sử dụng ln nút mạng làm nút quản lý điều phù hợp với môi trường mạng phân cấp Tuy vậy, chọn nút quản lý phải tuân theo điều kiện định phải tối ưu sử dụng logic mờ, đề cập viết [6] Ví dụ: ban đầu có nút nút có chức năng, gốc, lá, thành phần, nút trong, quản lý nhóm Vì quản lý nhóm nên nút phát thơng điệp cho phép tham gia nhóm Khi có nút đến gần phát thơng điệp HELLO, hai bên bắt tay nút gia nhập mạng có nút Lúc nút đàm phám tìm trưởng nhóm Do nút đạt tiêu chí làm trưởng nhóm Lúc trưởng nhóm phát thơng điệp mời gia nhập, nút thành viên có kết nối với trưởng nhóm Khi số thành viên nhóm ban đầu đạt ngưỡng quy định nhóm phân đơi Số thành viên mạng lúc tìm theo cơng thức: N= + +3 (1) số phần tử nhóm vừa hình thành , thuộc khoảng [m, M] số nút nhóm Các nút kết nạp dần vào nhóm đạt đến ngưỡng M lại tách thành nhóm Do vậy, giá trị m phải thuộc khoảng [0, ] Khi số phần tử nhóm m-1, nhóm bị huỷ để thêm nút cụm vào theo thuật toán thêm nút Cứ lên mức tiếp tục tạo cụm nút quản lý nhóm, nút quản lý nhóm có liên kết: i) Liên kết đến nút cấp dưới, có nhiều liên kết phải thường xuyên cập nhật trạng thái; ii) Một liên kết lên nút quản lý nhóm cấp Do vậy, nút hay nút cần quản lý nhiều là: M+1 liên kết Mỗi nút thành viên nhóm mức lưu liên kết lên nút Có nghĩa nút bị quản lý, không tham gia quản lý Nút gốc quản lý tối đa M liên kết Thuật toán mạng Neural dùng để luyện với liệu ban đầu trưởng cụm để tìm ma trận trọng số Sau đó, nút mạng đưa vào cụm cho kết gần với trưởng cụm PHÂN TÍCH CHI TIẾT CẤU TRÚC CÂY CHO QUẢN LÝ MẠNG Cây R gồm thành phần: (M, m, R, {F}) M, m cận số thành viên cụm R gốc cây, {F} tập hàm tạo cây, cập nhật, thêm, xố nút, điều chỉnh Cây định nghĩa định nghĩa đệ quy theo biểu thức: = ( ) ( ) … ( ) (2) Một cách tự nhiên mạng có cấu trúc phân cấp theo nhiều mức phân cấp chức hệ thống lớn Như hình cho thấy nút gốc ban đầu Tại mức có số nút ổn định, giả sử độ cao h, số nút mức thuộc khoảng: Tạp chí Nghiên cứu KH&CN quân sự, Số 46, 12 - 2016 107 Cơng nghệ thơng tin & Cơ sở tốn học cho tin học [ … ] (3) Do vậy, với có độ cao H số nút mạng chịu quản lý nút quản trị mạng (CH) mức lá: [ … ] (4) Ngược lại, biết số nút mạng N bao gồm nút mạng quản lý nút quản lý cấp Độ cao thuộc khoảng: [ (N)-1 …  (N)-1] (5) Dễ thấy đa truyền phát mặc định tạo để truyền thông tin điều khiển hay liệu từ nút quản lý đến nút đến nút đến nút mạng quản lý Trong nút mức thuộc cụm thường có có cấu trúc thuộc tính chung với nút trưởng cụm CH Sự Hình Cây mức với số nút cụm hình thành cấu trúc phân cấp cách tự nhiên thuộc khoảng [2 3] trình bày phần Nút CH thường phải có lượng lớn hoạt động liên tục quản lý hoạt động trao đổi nút cụm cụm với mạng bên ngồi Mạng nút quản lý mạng CH hình thành khung mạng mạng xương sống (backbone) tạm thời giúp quản lý trao đổi thông tin nhanh hiệu Ký hiệu mạng nút quản trị phân cấp theo biểu thức đệ quy: NETWORK({CH}) = … (6) Như hình ta thấy, CH mức quản lý CH mức dưới, đồng thời lại thuộc quản lý CH lớp Theo quy định số CH quản lý cụm phải thuộc khoảng [m, M] Cứ tiến dần đến nút gốc cây, số nút mức dần, đến gốc nút có cấu hình thường mạnh nhất, khả xử lý nhanh nhất, di chuyển so với tâm mạng gần tâm mạng Nút gốc phải hoạt động bền bỉ trì trạng thái ổn định Tuy nhiên, nút gốc phải chọn lựa từ mức Hình Cây với mơ hình theo mơ hình Bottom – Up sử dụng thuật tốn quản trị phân cấp trí tuệ nhân tạo logic mờ PHÂN TÍCH CÁC THUẬN LỢI KHI SỬ DỤNG CÂY CHO ĐỊNH TUYẾN PHÂN CẤP Các thủ tục xây dựng cập nhật trình bày kỹ viết trước [1-2-6] Cây hình thành theo mơ hình Bottom – Up, dễ kiểm soát điều chỉnh Trong viết trình bày chi phí điều khiển mạng phân cấp sử dụng Như định nghĩa cấu trúc dạng đệ quy: (Root) = ( ) R+( ) … R+( ) (7) 108 N T Long, N Đ Thủy, P H Hoàng, “Nghiên cứu R+… đa đường đa truyền phát.” Nghiên cứu khoa học công nghệ Gốc truyền thông điệp điều khiển xuống nút nút quản trị cấp nút mạng mạng hình thành có nút quản trị số nút con: , , …, Đến lượt nút trưởng cụm cấp Childi tiếp tục truyền thông điệp điều khiển nút cụm quản lý Dễ thấy tồn nút trong, nút nút gốc nút quản trị Các nút không quản trị nút mạng chịu kiểm soát nút Nút có hai vai trị (i) nút quản trị, (ii) nút chịu quản trị Nút gốc có vai trị quản trị Sự quản lý tạo nên mơ hình phân cụm phân cấp Tương tự truyền Multicast Do vậy, chi phí truyền thơng tin điều khiển từ nút gốc đến tận nút mạng quản lý là: Overhead(control) = (8) Ni số nút trung bình cụm tầng mạng Ban đầu là số nút gốc, nút gốc có trung bình , … Cho đến mức cụm có trung bình Giả sử mạng có n tầng phân cấp Thơng thường nút thêm vào mạng nút quản trị mạng thơng tin điều khiển phát sinh từ nút Thơng tin nút thêm phải truyền đến gốc để đánh giá thêm vào Nút đánh giá phù hợp nút nhánh truyền thơng tin điều khiển cho nút Đến nút lại tiếp tục tính tốn tận nút Rồi nút bổ sung vào nhóm mức Do vậy, chi phí điều khiển nhỏ Chi tiết việc trình bày phần sau Tuy nhiên, mạng có cấu trúc phân cấp nên việc thực đồng thời nên mức gần nút xử lý đồng thời nên tốc độ nhanh Ngoài việc truyền Multicast [1] R+ có số mức phân cấp thường không nhiều cho chọn khoảng [m, M] hợp lý, làm cho thông tin điều khiển hay liệu truyền nhanh đến nút hay nút mạng quản lý Khá dễ đảm bảo băng thông độ trễ Tuy nhiên, mạng dễ dàng có kết nối nút CH nên tạo multicast nút trực tiếp QUÁ TRÌNH HÌNH THÀNH MẠNG SỬ DỤNG CÂY 4.1 Tuyển chọn nút Như trình bày, R+ hình thành từ trình tự nhiên Xuất phát từ gốc, nút kiểm tra điều kiện ràng buộc Chẳng hạn khoảng cách từ nút đến tâm nhóm Như vậy, ta phải chia khoảng khơng gian mạng làm nhiều vùng Mỗi vùng tương ứng với cụm, vùng đánh giá đến tâm mạng theo khoảng cách  Mỗi nút có toạ độ không gian nhận từ vệ tinh GPS Khoảng cách đến gốc dễ dàng tính Từ đó, ta đánh giá để đưa nút vào nhóm Sau đến nhóm cấp lại tiếp tục đánh giá để đưa nút vào nhóm đánh giá Cứ đến nút lá, bổ sung vào nhóm phù hợp Do khoảng cách gần lượng tiêu hao nhỏ làm cho hiệu suất mạng cao Ngoài tối ưu điều kiện công suất phát thu Gọi P(x, y, z) toạ độ gốc cây, ( , , ) toạ độ nút bất kỳ, khoảng cách hai nút tính theo cơng thức: = (9) Từ toạ độ GPS tính toạ độ khơng gian chiều dễ dàng Chỉ cần chọn điểm làm gốc, có toạ độ O(0, 0, 0) Tạp chí Nghiên cứu KH&CN quân sự, Số 46, 12 - 2016 109 Cơng nghệ thơng tin & Cơ sở tốn học cho tin học Quy định mức nhóm gốc hay CH gốc toạ độ Nếu khoảng cách dùng phép chọn ngẫu nhiên (random) Việc chọn phù hợp với mạng ngang hàng mạng cảm biến sensor Đối với mạng khác ta nên xét thêm yếu tố liên quan tối ưu theo logic mờ Xây dựng hàm phù hợp Fitness: F( , , …, ) = (10) Trong đó, Wi trọng số tương ứng với Pi để đánh giá tầm quan trọng tham số Pi làm mờ có giá trị khoảng [0 1] Cùng với điều kiện: =1 (11) Do vậy, giá trị hàm F có giá trị thuộc khoảng [0 1] Dùng đánh giá theo chuyên gia, phép suy diễn thích hợp tìm cụm nút thuộc vào Tối đa F=1 =1 Tiếp đến cụm cấp lại áp dụng cấp cụm cấp Do tiến hành đồng thời nên nhanh tìm mạng sở để thêm nút Chẳng hạn hình thành từ đầu Mỗi cấp tiến hành đồng thời giảm thời gian đáng kể 4.2 Tuyển chọn trưởng cụm Trưởng cụm chọn dựa tiêu chí độ mạnh khả xử lý, lượng dự trữ Tất yếu tố làm mờ dùng lơ gíc mờ để đánh giá theo suy diễn tri thức mạng nơ ron hay chuyên gia Xây dựng mạng nơ ron đánh giá theo hàm chuẩn chọn yêu cầu đề nhanh dễ dàng Cũng lơ gíc mờ xây dựng hàm phù hợp, mạng nơ ron xây dựng hàm kernel - hàm lõi để đánh giá theo tiêu chí đưa Thiết lập tham số đánh giá trưởng cụm theo chuyên gia điều kiện mạng cụ thể Xây dựng hàm lõi: ( , , …, ) = + (12) Trong đó, W0 trọng số điều chỉnh, Wi trọng số tương ứng với tham số Pi Các tham số đo hay nhận từ thơng điệp phát cấu hình mạng Tất tham số nút tập hợp tính tốn nút trưởng cụm, nút cho kết hàm F lớn chọn gốc Các cụm cấp chọn theo khoảng giá trị kết hàm điều chỉnh tuỳ thuộc tình trạng mạng cụ thể để khoảng chọn giá trị hàm lớn Ngồi ra, dùng thuật toán GIEN để tối ưu việc chọn trưởng cụm, thuật toán GIEN phải thiết lập hàm phù hợp, sở tham số cấu hình Khi tìm mạng trưởng cụm theo mơ hình phân cấp phân tích gọi solution GIEN Tiến hành nhiều lần để có nhiều solution gọi quần thể population GIEN Áp dụng GIEN cho solution tìm mạng trưởng cụm tối ưu SỬ DỤNG MẠNG NEURON ĐỂ PHÂN CỤM MẠNG 5.1 Giới thiệu Mạng nơ ron nhân tạo (ANN) sử dụng nhiều khoa học để giải toán khoa học kỹ thuật có độ phức tạp cao, với điều kiện đầu vào phức tạp Mạng neuron có nhiều dạng, dạng thích hợp với loại tốn khác Trong đó, mạng có điều chỉnh trọng số thuật tốn lan truyền ngược để điều chỉnh trọng số sử dụng rộng rãi để nhận dạng phân loại liệu Một số tính chất quan trọng ANN:  Kết hợp với đầu vào thuộc vector đầu vào vector trọng số 110 N T Long, N Đ Thủy, P H Hoàng, “Nghiên cứu R+… đa đường đa truyền phát.” Nghiên cứu khoa học công nghệ  Mỗi neuron có hàm chuyển hay hàm kích hoạt để tạo kết  Các vector trọng số sinh ngẫu nhiên ban đầu, sau điều chỉnh sau bước huấn luyện 5.2 Cấu tạo mạng Neuron Mạng ANN có cấu trúc nhiều lớp, có lớp vào, nhiều lớp ẩn lớp ra: ANN = (I, {H}, O) (13) Mục tiêu mạng Neuron tìm ma trận trọng số cho lớp với mẫu liệu vào cho trước cho kết mong muốn: ANN( ) = (14) Trong đó: ( , ) cặp vector vào kết mong muốn Lớp vào I nhận liệu vector, thành phần vector nhân với trọng số, ban đầu chọn ngẫu nhiên Lấy tổng tất thành phần vector lớp nhân với trọng số tương ứng đầu vào cho lớp tiếp theo: = (15) Sau tín hiệu đầu vào xử lý hàm chuyển hay kích hoạt kết quả: = Transfer_Function( ) (16) Để trình cập nhật trọng số nhanh ta chọn hàm chuyển hàm lấy đạo hàm Sau tìm trưởng cụm theo phân tích trên, ta sử dụng thông số trưởng cụm để luyện mạng Neural tương ứng Sau luyện thu ma trận trọng số tương ứng 5.3 Huấn luyện mạng Neuron Tại lớp kết mạng so sánh với kết mong muốn để cập nhật ma trận trọng số lớp trước gồm lớp ẩn vào Lỗi tính theo cơng thức (OVE - output value error) Ký hiệu, sai lệch kết mong ước kết thực [OVE] = [Desired Output Value] – [Calculated Output Result] (17) Tại lớp cuối ta có: = (18) Sau đó, lớp theo hướng đầu, tính gia số theo cơng thức: = (19) Trong đó: gia số kết neuron k thuộc lớp i+1, số thứ k neuron thứ j thuộc lớp i Tiếp theo tính trọng số theo trọng số gia số: = + * * trọng (20) Trong đó, n số neuron lớp i+1, trọng số thứ k neuron j lớp thứ i tốc độ học neuron, gia số neuron thứ k lớp i+1 kết đầu neuron Ta cập nhật vector trọng số cho bias lớp theo công thức: Tạp chí Nghiên cứu KH&CN quân sự, Số 46, 12 - 2016 111 Công nghệ thông tin & Cơ sở toán học cho tin học = + * * (21) Trong đó, bias lớp I, n số neuron lớp, số gia neuron thứ k lớp i, tốc độ học neuron k lớp n 5.4 Ứng dụng cho phân cụm Hình thành mạng Neuron cho để chọn trưởng cụm, với tiêu chí đầu vào vector tham số dùng để chọn trưởng cụm Mỗi mạng huấn luyện theo phân tích Với nút để kiểm tra có thỏa mãn trưởng cụm khơng ta phải thực sau:  Đo thông số nút, đưa vector thông số làm đầu vào cho mạng neuron huấn luyện  Mạng neuron cho kết gấn với vector đầu mạng chấp nhận trưởng cụm cụm  Sai số vector đầu mong muốn vector kết tính khoảng cách Euclid vector  Sau q trình hoạt động mạng, định kỳ đo thông số nút cụm, nút cho kết sau lệch so với phần đầu mẫu chọn làm trưởng cụm Sau có trưởng cụm rồi, đánh giá nút lại để xác định thuộc cụm theo cách sau đây: Với nút mạng lại đưa thông tin vào mạng Neuron tương ứng với trưởng cụm, nút thuộc vào cụm cho kết gần trưởng cụm cụm TỐI ƯU MẠNG PHÂN CẤP DÙNG ANT COLONY OPTIMIZATION Một số đặc tính thuật toán ACO:  Hoạt động phân tán: sử dụng tham số pheromone có thay đổi theo thời gian để đánh giá liên kết Mặc định tham số giảm theo thời gian nút đầu liên kết khơng nhận gói tin  Khơng có vịng lặp: Mỗi nút đăng ký số trật tự cặp gói tìm tuyến Ant_Route_Request Ant_Route_Reply  Hoạt động theo yêu cầu: On demand protocol, tuyến thiết lập có yêu cầu Các tuyến hình thành việc đánh giá thơng số pheromone  Hoạt động có nghỉ đạt yêu cầu: Các nút chuyển sang chế độ nghỉ (sleep) thông số pheromone đạt giá trị ngưỡng theo quy định  Có tính cục bộ: Bảng định tuyến thong tin thống kê nút cục  Đa đường: Mỗi nút trì nhiều tuyến đến đích  Giảm chi phí thơng tin điều khiển: Bởi nút không trao đổi thông tin bảng định tuyến với nút khác mạng Do mạng di động nên yếu tố chọn để tính tốn có xác suất gán cho kết nối đến tuyến, cụm có xác suất tồn Xác suất trưởng cụm tính tốn ngầm phía Nếu xác suất chọn khơng đủ u cầu, cụm tự động hình thành lại, dựa thông tin nhận từ thông điệp HELLO Trong định tuyến proactive, thông điệp HELLO trao đổi để phát mạng nên dùng thông điệp để đánh giá xác suất hợp lý Tiến hành đo tần suất nhận gói tin khoảng thời gian xác định, đánh giá xác suất tồn kết nối 112 N T Long, N Đ Thủy, P H Hoàng, “Nghiên cứu R+… đa đường đa truyền phát.” Nghiên cứu khoa học công nghệ ĐÁNH GIÁ VÀ HƯỚNG PHÁT TRIỂN Trên sở phân tích với mơ áp dụng phân cụm liệu, để quản lý logic vị từ quản lý thông điệp mạng hướng nội dung hay hướng dịch vụ cho thấy phù hợp quản lý liệu lớn có cấu trúc [6] Tốc độ thực gần khơng phụ thuộc kích thước liệu mà phụ thuộc vào điều kiện chọn hàm đánh giá Trừ trường hợp hình thành lại tồn mạng Tuy nhiên, tốc độ tăng đáng kể tiến trình thực song song hệ thống máy chủ lớn Main frame Do vậy, tốc độ đánh giá theo hàm logarit liệu Ngồi cịn phát triển mạng theo hướng kết nối theo kiểu nối tiếp hình để tránh tính ràng buộc Hay hình thành Multicast từ trưởng cụm từ thơng điệp overhear nút có cường độ thu phát mạnh Theo cách tận dụng hiệu băng thông lực nút Trong tương lai gần nhóm nghiên cứu nghiên mơ hình mạng kết hợp mơ hình để đưa kết tốt TÀI LIỆU THAM KHẢO [1] Nguyen Thanh Long, Nguyen Duc Thuy, Pham Huy Hoang, “Research on Applying Hierachical Clustered Based Routing Technique Using Artificial Intelligence Algorithms for Quality of Service of Service Based Routing, Internet of Things and Cloud Computing” Special Issue: Quality of Service of Service Based Routing Vol 3, No 6-1, 2015, pp 1-8 doi: 10.11648/j.iotcc.s.2015030601.11 [2] Nguyen Thanh Long, Nguyen Duc Thuy, Pham Huy Hoang, “Research on Innovating and Applying Evolutionary Algorithms Based Hierarchical Clustering and Multiple Paths Routing for Guaranteed Quality of Service on Service Based Routing, Internet of Things and Cloud Computing” Special Issue:Quality of Service of Service Based Routing Vol 3, No 6-1, 2015, pp 9-15 doi: 10.11648/j.iotcc.s.2015030601.12 [3] Kartheek Srungaram, Dr MHM Krishna Prasad, “Enhanced cluster based routing protocol for MANETS” Department of Information Technology, JNTUK-UCEV, Vizianagaram, A.P, India [4] Candida Ferreira, Departamento de Ciências Agrárias, “Gene Expression Programming: A New Adaptive Algorithm for Solving Problems”, Universidade dos Aỗores, 9701-851 Terra-Chó, Angra Heroớsmo, Portugal [5] Bibhash Roy, “Ant Colony based Routing for Mobile Ad-Hoc Networks towards Improved Quality of Services” Tripura Institute of Technology, Tripura, India [6] Nguyen Thanh Long, Nguyen Duc Thuy, Pham Huy Hoang, “Innovating R Tree to Create Summary Filter for Message Forwarding Technique in Service-Based Routing”, Springer, ISBN: 978-3-642-41773-3, LNICST 121, p 178, 2013 [7] Long Thanh Nguyen, Tam Nguyen The, Chien Tran, Thuy Nguyen Duc “Applying Multiple Paths Routing Technique Based on Fuzzy Logic and Genetic Algorithm for Routing Messages in Service - Oriented Routing”: Research on Innovating, Journal of Scalable Information Systems EAI [8] Kui-Ting Chen, Ke Fan, Yijun Dai and Takaaki Baba, “A Particle Swarm Optimization with Adaptive Multi-Swarm Strategy for Capacitated Vehicle Routing Problem”.Research Center and Graduate School of Information, Production and Systems, Waseda University, 2-7 Hibikino, Kitakyushu, Fukuoka, Japan Tạp chí Nghiên cứu KH&CN quân sự, Số 46, 12 - 2016 113 Công nghệ thông tin & Cơ sở toán học cho tin học [9] Anjum A Mohammed, “Optimal Routing In Ad-Hoc Network Using Genetic Algorithm” Information Technology Department, College of Computer and Information Sciences, King Saud University, KSA, [10] Sajid Hussain and Abdul W Matin, Jodrey, “Hierarchical Cluster-based Routing in Wireless Sensor Networks” School of Computer Science, Acadia University Wolfville, Nova Scotia, Canada, [11] Bibhash Roy, “Ant Colony based Routing for Mobile Ad-Hoc Networks towards Improved Quality of Services” Tripura Institute of Technology, Narsingarh, Tripura, India ABSTRACT INNOVATING TREE AND MULTICAST ROUTING TO MAKE QoS MULTIPLE PATHS FOR SERVICE BASED ROUTING As the content based routing, in the service based routing protocol, the information can be classified by categories or service classes However the upper routing must be based on lower layers to make routing decisions The paper aims at purpose to increate QOS of routing by hierarchical clustering routing by using tree in addition with some advanced techniques multicast routing, multiple paths, use GENETIC / BEE / ACO to optimize routes to transmit data In tree model, the network’s nodes are managed by BottomUp model from leaf nodes to root of the tree The paper analyzes and assesses: (i) Setup hierarchical clustering network by using R tree structure; (ii) Making multicast tree from some cluster heads for fast routing; (iii) Making optimized route by Ant Colony Optimization; (iv) The paper also mentions the Artificial Neural Network (ANN) to cluster network ANN is commonly used in data clustering and image recognization Keywords: MANET, , Service, Routing, Multi-Paths, Bandwidth, Cluster, Tree, Multicast, QOS, Overhead, Ant, ACO, ANN, Neuron, Network Nhận ngày 28 tháng 10 năm 2016 Hoàn thiện ngày 01 tháng 11 năm 2016 Chấp nhận đăng ngày 14 tháng 12 năm 2016 Địa chỉ: 1Trung tâm Công nghệ thông tin, Viễn Thông Hà Nội; *Email: Ntlptpm1@yahoo.com; Viện kỹ thuật Bưu điện, Học Viện Bưu Viễn thông; Viện Công nghệ thông tin, Đại học Bách khoa Hà Nội * Email: Hoangph@soict.hut.edu.vn 114 N T Long, N Đ Thủy, P H Hoàng, “Nghiên cứu R+… đa đường đa truyền phát.” ... T Long, N Đ Thủy, P H Hoàng, ? ?Nghiên cứu R+? ?? đa đường đa truyền phát. ” Nghiên cứu khoa học công nghệ ĐÁNH GIÁ VÀ HƯỚNG PHÁT TRIỂN Trên sở phân tích với mơ áp dụng phân cụm liệu, để quản lý logic... dạng phân loại liệu Một số tính chất quan trọng ANN:  Kết hợp với đầu vào thuộc vector đầu vào vector trọng số 110 N T Long, N Đ Thủy, P H Hoàng, ? ?Nghiên cứu R+? ?? đa đường đa truyền phát. ” Nghiên. .. N T Long, N Đ Thủy, P H Hoàng, ? ?Nghiên cứu R+? ?? đa đường đa truyền phát. ” Nghiên cứu khoa học công nghệ Gốc truyền thông điệp điều khiển xuống nút nút quản trị cấp nút mạng mạng hình thành có