3 Đảm bảo an ninh và tính sẵn sàng của dịch vụ đáp ứng QoS
2.22 Thiết đặt tham số cho các thuật toán
Các tham số Giá trị
Kích thước đàn kiến K= 100
Số vòng lặp Nmax= 500
Điều khiển ảnh hưởng của vết mùi α= 1
Điều khiển ảnh hưởng của thông tin heuristic β= 5
Số phương án xem xét k= 10
Tham số bay hơi ρ= 0.5
Điều khiển ảnh hưởng của vết mùi τmin= 0.01, τmax= 8,τmid =τmax−τmin
2
Thực nghiệm 1: Quá trình thực nghiệm được tiến hành trên bộ dữ liệu IMS Testbed lấy từ [56–58] gồm các luồng dịch vụ của cuộc gọi thoại và hình ảnh (Audio/Video Call-AVC) giữa hai người dùng đầu cuối A và B. Các tham số cần đáp ứng trên các dịch vụ AVC được yêu cầu được mô tả trong Bảng 2.23. Chúng tôi tiến hành thực nghiệm trên mô hình đơn giản với 4 luồng dữ liệu khác nhau với các ràng buộc giới hạn về tài nguyên được cho trong Bảng 2.24. Trong đó, luồng dữ liệu thoại f1 và f3 cùng có 3 tham số cần thực thi còn luồng dữ liệu video f2 và f4 có 8 tham số cần thực thi. Tập tham số các hành động trên mỗi luồng đa phương tiện, các yêu cầu về tài nguyên cho từng hành động cụ thể và chi phí, lợi nhuận thu được khi đáp ứng được tóm tắt trong Bảng 2.25 [58]. Kết quả so sánh hàm mục tiêu và thời gian thực thi trung bình của thuật toán MMAS trong 50 lần thực hiện với phương án tối ưu được giải với GLPK (GNU Linear Programming Kit) [42] được cho trong Bảng 2.26.
Thực nghiệm 2: được tiến hành trên các dữ liệu đầu vào theo tập tham số dịch vụ trong Bảng2.23 với số lượng luồng và các điểm hoạt động thay đổi với 10 bài toán. Tham số chi tiết về số lượng luồng theo hướng downlink và uplink được cho trong Bảng 2.27. Các giá trị tiện tích của mỗi luồng phân bố theo tài nguyên yêu cầu ui(rij) ∈[0,1], giới hạn băng thông downlink Bdownlink = 1200 kbps, giới hạn băng thông uplink Buplink = 800 kbps, đơn vị tính giá thành trên mỗi bit dữ liệu là 10 [unit/bit], chi phí tối đa truyền dữ liệu là 20000 [unit/s], chi phí băng thông của lớp q là số [bit/s] x chi phí lớp q [unit/b]. Thuật toán MMAS được
thực hiện và đánh giá hiệu quả của thuật toán theo hai tiêu chí chất lượng lời giải và hiệu suất thực thi so với GLPK [42]. Kết quả so sánh chi tiết được cho trong Bảng 2.28. Trong cả 2 thực nghiệm chúng ta có thể nhận thấy thuật toán MMAS-QMOF đều tìm được các phương án tối ưu phân bố tài nguyên tương tự như GLPK chứng tỏ được sự ổn định, chính xác và hiệu quả của thuật toán.
Thực nghiệm 3: Để nâng cao chất lượng lời giải, chúng tôi đã cài đặt cải tiến thuật toán MMAS kết hợp với 3 qui tắc cập nhật vết mùi mới là MLAS, SMMAS và 3LAS [2]. Kết quả so sánh hàm mục tiêu thu được trong 3 trường hợp tốt nhất, trung bình, và xấu nhất được cho trong Bảng 2.28. Bằng thực nghiệm chúng ta có thể thấy được ưu điểm khi sử dụng SMMAS và 3-LAS so với MMAS được thể hiện trên những điểm sau:
(1) Để xác định τ0, τmin và τmax MMAS cần dựa vào giá trị hàm mục tiêu của một lời giải heuristic tìm được. Vì giá trị này nhận được ngẫu nhiên, nên khó xác định độ tốt tham số học tăng cường. Các quy tắc cập nhật mới cho phép xác định đơn giản và hợp lý hơn, cụ thể SMMAS và 3-LAS không cần xác định chính xác giá trị τmin, τmax mà chỉ cần xác định tỉ lệ giữa τmin. Trong các thực nghiệm,τmax=1.0 và xác định τmin qua tỉ lệ giữa τmin,τmax. Cần nhấn mạnh rằng, việc chỉ cần lựa chọn tỉ lệ giữaτmin, τmax đơn giản và mất ít thời gian thực thi hơn rất nhiều so với việc xác định cụ thể.
(2) Việc thêm mùi cho các cạnh thuộc lời giải tốt ở mỗi bước lặp trong thuật toán MMAS, ta phải xây dựng hàm để tính lượng mùi được thêm dựa trên chất lượng lời giải do kiến xây dựng được. Ví dụ, trong bài toán tối ưu định vị tài nguyên và giám sát QoS cho các luồng đa phương tiện đều sử dụng hàm nghịch đảo độ dài đường đi được kiến xác định. Điều này cũng là một trong những khó khăn khi áp dụng MMAS đối với một bài toán mới. Tuy nhiên, trong SMMAS và 3-LAS không cần phải xây dựng hàm này.
(3) Dễ dàng kiểm tra được các thuật toán này có cùng độ phức tạp như MMAS, nhưng ít phép toán hơn MMAS vì không phải tính hàm mục tiêu ở lượng mùi cập nhật và so sánh để giới hạn vết mùi trong khoảng (τmin,τmax). Theo cách cập nhật của SMMAS và 3-LAS, vết mùi luôn trong khoảng (τmin,τmax)
Kết quả so sánh về thời gian thực thi giữa các thuật toán được cho trong Hình2.24.