3 Đảm bảo an ninh và tính sẵn sàng của dịch vụ đáp ứng QoS
2.1 Kiến trúc hạ tầng mạng di động không dây
Trong đó, mạng lõi gồm các tổng đài thơng tin di động (Mobile Switching Centers-MSC), nút phục vụ gói dữ liệu (Packet Data Serving Nodes-PDSN) và bộ theo dõi (Home agents-HA). Phân hệ trạm gốc gồm các trạm di động (Mobile Station-MS), trạm thu phát gốc (Base Transceiver Station-BTS) và bộ điều khiển trạm gốc (Base Station Controller-BSC). Tương ứng với 3 loại kết nối từ MS tới BTS bao gồm các liên kết vô tuyến hai chiều, kết nối từ BTS đến BSC được gọi là quá trình truyền dẫn, và kết nối từ BSC tới MSC. Giải pháp phát triển mạng NGN dựa trên việc kết hợp cơ sở hạ tầng cũ và mới là một bài tốn khó vì việc nâng cấp tài ngun mạng rất tốn kém nhưng chỉ đáp ứng được một giới hạn nào đó. Tuy nhiên, đây lại là giải pháp thu hút được nhiều sự quan tâm vì khả năng tận dụng lại cơ sở hạ tầng đã có. Vấn đề tối ưu quy hoạch mạng được biết đến với 2 bài tốn điển hình là xác định các thiết bị đầu cuối (Terminal Assignment-TA) [29] nhằm tối thiểu chi phí kết nối từ một tập thiết bị đầu cuối (Terminal) đến tập các tổng đài (Concentrator) thỏa mãn điều kiện ràng buộc về dung lượng yêu cầu và khả năng đáp ứng và bài toán thứ đặt các trạm điều khiển cơ sở (Optimal location of controllers) [34].
Mục tiêu của quy hoạch mạng hướng đến là nâng cao hiệu quả sử dụng cơ sở hạ tầng nhờ tối ưu vùng phủ sóng và dung lượng. Khi triển khai chia sẻ cơ sở hạ tầng giữa các nhà mạng chúng ta cần quy hoạch lại vị trí các trạm BTS theo hướng quản lý tập trung thống nhất và đồng bộ các trạm BTS đã có bằng cách thiết lập các trạm BSC. Tối ưu vị trí đặt các trạm BSC trong thiết kế mạng không dây là rất quan trọng bởi nó quyết định đến chất lượng và giá thành các dịch vụ được cung cấp. Bên cạnh đó, cùng với sự phát triển mạnh mẽ của các dịch vụ viễn thơng địi hỏi những nhà cung cấp dịch vụ phải không ngừng nâng cấp, phát triển cơ sở hạ tầng và mở rộng quy mô cũng như dung lượng mạng nhằm đáp ứng các yêu cầu của khách hàng. Mục tiêu hướng đến của các mạng không dây là cung cấp tốc độ truyền dữ liệu cao, tối ưu QoS cho các ứng dụng đa phương tiện và thời gian thực dựa trên mạng Internet. Do đó, việc tối ưu mở rộng dung lượng mạng khơng dây hiện có bằng cách nâng cấp cơ sở hạ tầng hiện có lên mạng khơng dây thế hệ mới (Next Generation Wireless Networks-NGWN) đang nhận được rất nhiều sự quan tâm. Trong mục này, luận án sẽ tập trung đề xuất thuật toán đàn kiến để giải quyết bài toán tối ưu trên. Để giải quyết vấn đề này, chúng ta cần xem xét 2 bài toán: tối ưu quy hoạch hạ tầng mạng theo hướng chia sẻ tài nguyên và mở rộng dung lượng mạng hiện có nhằm đáp ứng được yêu cầu của các dịch vụ mới bằng cách lựa chọn các vị trí tiềm năng tối ưu.
2.1.1 Mơ hình bài tốn
Trong [12], Basole cùng các cộng sự đã mơ hình hóa bài tốn mở rộng dung lượng mạng không dây (MRDL) với kiến trúc gồm m trạm MS, n trạm BTS và p trạm BSC.
Hình 2.2: Mơ hình mở rộng dung lượng mạng khơng dây
Bài tốn gồm 2 giai đoạn: ban đầu là khởi tạo các kết nối với các trạm đã có, sau đó là mở rộng dung lượng mạng với các trạm tiềm năng. Để mơ hình hóa bài tốn, chúng ta qui ước ý nghĩa các ký hiệu được sử dụng trong Bảng 2.1.
Bảng 2.1: Các ký hiệu dùng trong bài toán mở rộng dung lượng mạng
Ký hiệu Ý nghĩa M Tập các trạm di động MS:M ={MSi,∀i= 1..m} N Tập các trạm cơ sở BTS:N =N1∪N2 ={BTSj, ∀j = 1..n} N1là tập các BTS đã có,N2 là tập các BTS tiềm năng P Tập các trạm điều khiển BSC:P =P1∪P2 ={BSCk,∀k= 1..p} P1là tập các BSC đã có,P2 là tập các BSC tiềm năng
Tj Tập các kiểu BTS có thể thiết lập choBTSj, ∀j ∈N S Tập các kiểu dịch vụ:s ={ 1 Nếu yêu cầu là thoại (Voice)
2 Nếu yêu cầu là dữ liệu (Data)
Nt Tập tất cả các BTS loạit: Nt =N1t∪N2t
Ds
i Yêu cầu dữ liệu kiểus từMSi,∀i∈M MaxBTS Capjt Dung lượng tối đa củaBTSj loại t,∀j ∈Nt MaxBSC Capk Dung lượng tối đa củaBSCk,∀k ∈P
dijt Khoảng cách giữaMSi tớiBTSj loạit ∀i ∈M,∀j ∈Nt MaxBTS Covjt Phạm vi phủ sóng tối đa củaBTSj loạit
cost connectjtk Chi phí kết nốiBTSj loại t đếnBSCk
cost installk Chi phí cài đặtBSCk,∀k ∈P2 cost upgradej Chi phí nâng cấp kênhBTSj,∀j ∈N1 cost setupjt Chi phí xây dựng và kết nốiBTSj,∀j∈N2
Các kết nối trong mạng phải thỏa mãn các ràng buộc sau:
(1) MỗiMSi sẽ được kết nối đến chính xác một trạmBTSj loại t
(2) CácMSiphải nằm trong vùng phủ sóng tối đa của cácBTSj (MaxBTS Covjt) (3) Có ít nhất một trạm cơ sở BTS loại t có thể tồn tại ở vị trí j
(4) NếuBTSj được kết nối tới BSCk thì BSCk phải được hoạt động.
(5) Các BTS phải có đủ dung lượng để đáp ứng tất cả yêu cầu loại s của các MS kết nối đến và các BSC phải có dung lượng cần thiết để đáp ứng tất cả các BTS được kết nối.
Các biến chỉ định được sử dụng để khởi tạo các kết nối như Hình 2.2(a) với:
αjt =
1 Nếu BTSj loại t được vận hành
0 Ngược lại
βjtk =
1 Nếu BTSj loại t được kết nối tới BSCk
0 Ngược lại
δk =
1 NếuBSCk được khởi tạo vận hành
0 Ngược lại
Để mở rộng dung lượng mạng và tăng lưu lượng mạng, chúng ta sử dụng các biết quyết định. Quá trình mở rộng được thể hiện trong Hình 2.2(b) với các thiết
bị tiềm năng (được thể hiện bằng màu đậm), trong đó:
Xijt =
1 Nếu MSi được kết nối đến BTSj
0 Ngược lại
Yjtk =
1 Nếu BTSj loại t được kết nối đến BSCk
0 Ngược lại
Zjt =
1 NếuBTSj loại t được vận hành
0 Ngược lại
Wk =
1 NếuBSCk được vận hành
0 Ngược lại
Định nghĩa 2.1 (Bài toán mở rộng dung lượng mạng không dây-MRDL [12]).
Min n X j=1 p X k=1 X t∈Tj cost connectjtk(Yjtk−βjtk)+ X k∈P2 cost intallk(Wk−δk) + X j∈N1 cost upgradej X t∈Tj MaxBTS capjt(Zjt−αjt) +X j∈N2 X t∈Tj cost setupjtZjt (2.1) Thoả mãn các ràng buộc: n X j=1 X t∈Tj Xi jt = 1, ∀i = 1..m (2.2) dijXi jt 6MaxCovjtZjt,∀i = 1..m,j = 1..n,t ∈Tj (2.3) X t∈Tj Zjt 61, ∀j = 1..n (2.4) Zjt 6 p X k=1 Yjtk, ∀j = 1..n, t ∈Tj (2.5) Yjtk 6Wk, ∀k = 1..p, j = 1..n, t ∈Tj (2.6) m X i=1 2 X s=1 DisXi jt 6MaxBTS Capjt×Zjt, ∀j = 1..n, t ∈Tj (2.7)
n X
j=1 X
t∈Tj
Yjtk 6MaxBSC Capk×Wk, ∀k = 1..p (2.8) Xi jt ∈ {0,1}, Yjtk ∈ {0,1}, Zjt ∈ {0,1}, Wk ∈ {0,1}
∀i = 1..m,j = 1..n,k = 1..p,t ∈Tj (2.9)
2.1.2 Các nghiên cứu liên quan
Bài tốn TA thuộc lớpNP-khó nên khơng tồn tại thuật tốn thời gian đa thức có thể tìm nghiệm xấp xỉ với sai số tùy ý [41, 75]. Do đó, các hướng tiếp cận đều
trước đó đều dựa trên Heuristic [9, 29] để tìm nghiệm gần đúng trong thời gian
chấp nhận được. Thuật toán Greedy [18] dựa trên ý tưởng chọn Concentrator gần nhất còn đủ dung lượng đáp ứng cho mỗi Terminal. Để tìm phương án tối ưu tồn cục ta sẽ chọn phương án tốt nhất trong các phương án tối ưu cục bộ. Các Terminal được lựa chọn một cách ngẫu nhiên và gán cho Concentrator gần nhất (chi phí nhỏ nhất) còn đủ dung lượng đáp ứng. Để giảm sự bùng nổ tổ hợp của thuật toán vét cạn, Abuali cùng cộng sự đã đề xuất thuật toán GA-Greedy [29] kết hợp giữa GA và Greedy. Các thuật toán di truyền cải tiến được đề xuất gồm: GENEsYs (Genetic Search), LibGA và GGA (Group Genetic Algorithm) [18], Hybrid I và Hybrid II, SA-Greedy, LB-Greedy [35] của S.S Sanz và cộng sự dựa trên tiếp cận Heuristic và SA cho bài toán TA. Năm 2010, Bernardino cùng cộng sự đã đề xuất thuật toán đàn ong cho bài toán TA [28].
Đối với bài toán đặt trạm điều khiển, chúng tôi đã đề xuất thuật tốn di truyền GA-BSC, nhóm bầy PSO-BSC, đàn kiến ACO-BSC1 và ACO-BSC2 tối ưu vị trí đặt các trạm điều khiển với các quy tắc heuristic hiệu quả trong [25, 64].
Thuật toán GA-BSC tối ưu vị trí đặt các trạm điều khiển sử dụng đồ thị 2 phía G và thuật tốn tìm luồng cực đại Ford-Fulkerson với mỗi cá thể. Thuật tốn GA-BSC được mơ tả như sau:
Thuật toán 2.1 GA-BSC đặt trạm điều khiển trong mạng không dây
Begin
Khởi tạo quần thể bằng cách sinh ngẫu nhiên các cá thể; GA-REPAIR(cá thể);
Đánh giá độ thích nghi với mỗi cá thể;
Repeat 1. Chọn các cá thể cha mẹ; 2. Kết hợp các cá thể cha mẹ; 3. Lai ghép giữa các cặp; 4. GA-REPAIR(các cá thể mới); 5. Xây dựng đồ thị 2 phíaG= (I,J,E);
6. Tìm luồng cực đại của đồ thịG: MAX-FLOW(G); 7. Đánh giá độ thích nghi của các cá thể mới; 8. Lựa chọn các cá thể cho thế hệ tiếp theo;
Until(Điều kiện dừng được thỏa mãn);
Ưu điểm của GA so với thuật tốn vét cạn là khơng phải sinh ra tất cả các hốn vị của chuỗi nhị phân, thay vào đó là sử dụng các phép tốn lai ghép, đột biến, chọn lọc để tạo ra các phương án mới. Với các cá thể thỏa mãn, việc lựa chọn chiến lược gán các trạm BTS cho BSC theo hướng tham lam không thực sự mang lại hiệu quả tối ưu nhất, cho dù cá thể đấy đang chứa những vị trí BSC tối ưu. Tuy nhiên, đây lại là nhược điểm bởi độ phức tạp tính tốn sẽ tăng lên khi thực hiện các phép tốn đó. Phương án cuối cùng của bài tốn sẽ tiệm cận tới phương án tối ưu khi chúng ta tăng số lần lặp và kích thước quần thể. Tiếp đó, chúng tơi đã đề xuất thuật toán PSO-BSC với mỗi giải pháp là một phần tử (particle) được đặc trưng bởi 2 tham số: vị trí hiện tại present[] và vận tốc v[]. Mỗi phần tử có
một giá trị thích nghi (fitness value), được đánh giá bằng hàm đo độ thích nghi (fitness function). Tại thời điểm xuất phát, vị trí của mỗi cá thể trong bầy đàn được khởi tạo một cách ngẫu nhiên. Trong quá trình chuyển động, mỗi cá thể chịu ảnh hưởng bởi 2 thơng tin:
• pBest- vị trí tốt nhất mà phần tử đó đã đạt được trong q khứ;
• gBest- vị trí tốt nhất mà cả bầy đàn đã đạt được trong quá khứ. Thuật toán được mơ tả như sau:
Thuật tốn 2.2 PSO-BSC đặt trạm điều khiển trong mạng không dây
Begin
For eachnhóm bầy Khởi tạo nhóm bầy;
Endfor Do
For eachnhóm bầy PSO-Repair(nhóm bầy);
Tính giá trị thích nghi (fitness value);
If (fitness value > pBest)ThenpBest = fitness value;
If (pBest > gBest)ThengBest = pBest;
Endfor
For eachnhóm bầy
Tính vận tốcv[] =v[]+c1∗rand()∗(pbest[]−present[])+c2∗rand()∗(lbest[]−present[]);
Cập nhật vị trípresent[] =present[]+v[];
Endfor
While(Điều kiện dừng chưa thỏa mãn);
End
Ưu điểm của PSO-BSC so với GA-BSC là không dùng các phép lai ghép hay đột biến nên giảm được thời gian thực thi. Nhưng với các bài tốn lớn thì cấu trúc nhóm bầy lại khơng thực sự hiệu quả do thời gian tính tốn và cập nhật lại các vectơ vận tốc và vị trí cả các cá thể lớn. Vì vậy, chúng tơi đã tiếp tục đề xuất thuật toán đàn kiến để khắc phục nhược điểm trên. Mỗi con kiến được mã hóa bằng xâu nhị phân k = {x1,x2, ...xn} độ dài n với xi ∈ [0,1],i = 1..n và sử dụng hàm Ant-Repair để đảm bảo mỗi xâu k có đúng m bit 1 ứng với m trạm BSC. Thuật toán Ant-Repair được mơ tả như sau:
Thuật tốn 2.3 Ant-repair
Input:Con kiếnk={x1,x2, ...xn}cóp bit 1
Output:Con kiếnk={x1,x2, ...xn}có chính xác m bit 1
Begin
If p<m thenThêm (m−p)bit 1 bằng cách sinh ngẫu nhiên các vị trí;
elseChọn ngẫu nhiên(p−m)bit 1 loại bỏ khỏi xâu nhị phân;
End
Với mỗi con kiến có đúng m bit 1 biểu diễn cho m trạm BSC, tôi sẽ xây dựng đồ thị 2 phía G = (I,J,E) với I = {1,2, ...,m} là tập hợp các trạm BSC, J = {1,2, ...,n−m} là tập các BTS và E là tập các cạnh kết nối giữa BSC ri và BTSlj. Để tìm luồng cực đại của đồ thị G, tơi thêm vào 2 đỉnh nguồnS (Source) và đỉnh đích là D (Destination) với trọng số được xác định như Hình 2.3.
Hình 2.3: Đồ thị cấu trúc của bài tốn đặt trạm BSC
Trong đó, trọng số các cạnh được xác định như sau:
- Từ đỉnh S đến BSC ri là dung lượng của BSC ri: c(S,ri) = pi,(i = 1..m)
- Từ BSC ri đến BTS lj là yêu cầu của BTSlj: c(ri,lj) =wi.((i,j)∈E)
- Từ BTS lj đến D là dung lượng yêu cầu củalj: c(lj,D) =wj,(j = 1..n−m)
Từ cấu hình đó sẽ sinh ra các ma trận mùi Am×n ứng với mỗi con kiến k (m là số trạm BSC,n là số trạm BTS), các phần tử trong ma trận là một số thực thể hiện vị trí các con kiến di chuyển. Giả sử kiến k đã xây dựng xk ={x1,x2, ...,xi}
là mở rộng được, nó chọn đỉnh tiếp theoj thuộc tập các đỉnh lân cận với i để mở rộng thành xk+1 ={x1,x2, ...,xi,xj} với xác suất chuyển được tính bởi:
pijk = [τij] α [ηij]β P l∈Nk i [τij]α[ηij]β (2.10)
Với τij là nồng độ vết mùi trên đường đi từ li đến rj; α là hệ số điều chỉnh ảnh hưởng của τij; ηij là thơng tin heuristic giúp đánh giá chính xác sự lựa chọn của con kiến khi quyết định đi từ ri qua lj; β là hệ số điều chỉnh ảnh hưởng của ηij; Nik là tập các đỉnh láng giềng mà con kiến k chưa đi qua khi ở vị trí lj. Quá trình mở rộng tiếp tục cho tới khi kiến tìm được lời giải chấp nhận được.
Thông tin heuristicηij định hướng quá trình di chuyển của các con kiến cho nút đang xét được xác định dựa vào ước lượng sốli có thể kết nối đến rj đang xét. Ta nói li tương thích với rj nếu wi ≤pj và li nằm trong vùng phủ sóng của rj:
ηij =pj−X Rj
wi (2.11)
với Rj là tập các trạm BTS có thể kết nối đến BSC rj.
Trong quá trình tìm đường, vết mùi trên mỗi cạnh sẽ được cập nhật lại do q trình bay hơi và tích lũy mùi khi các con kiến đi trên cạnh đó. Sau mỗi vịng lặp, vết mùi trên mỗi cạnh được cập nhật lại theo công thức sau:
τjnew =τjcurrent+∆τjk hay τi,j = (1−ρ)τi,j+ρ∆τi,j (2.12) với ∆τk
j = √ 1
(ri1−lj1)2+(ri2−lj2)2 là lượng mùi mà con kiếnk để lại trên cạnh(i,j),ρ
là hệ số bay hơi. Hàm mục tiêu đối với mỗi con kiến k được tính bởi:
fk = m X i=1 n−m X j=1 q (ri1−lj1)2+(ri2−lj2)2 (2.13)
Thuật tốn ACO-BSC1 khơng sử dụng tìm kiếm cục bộ được mơ tả như sau:
Thuật toán 2.4 ACO-BSC1-Đặt trạm điều khiển trong mạng không dây
Begin
Thiết lập tham số:
Hệ số điều chỉnhα, β. Kính thước đàn kiến:K. Số vịng lặp tối đa: NMax.
Khởi tạo:
Ant repair(k):∀k ∈K. Sinh ra ma trận mùi. Ghi nhận giá trị mùi ban đầux∗=k;i= 1.
Repeat
Fork = 1toK do
Tính hàm mục tiêu cho mỗi con kiếnk theo (2.13); Tính xác suất di chuyển của các con kiến theo (2.10);
If f(k)<f(x∗)then
Cập nhật giá trị mùi mới theo công thức (2.12); Ghi nhận giải pháp tốt hơnx∗=k.
Endif Endfor Untili>NMax;
End
Để tăng hiệu quả thuật tốn ACO-BSC1, trong mỗi lần lặp chúng tơi kết hợp thuật tốn tìm kiếm cục bộ (Local Search) cho lời giải tìm được theo chiến lược cải tiến tốt hơn bằng cách tìm ra lân cận tốt nhất để hốn đổi vị trí giữa các BTS gọi là ACO-BSC2. Thuật tốn tìm kiếm cục bộ được mơ tả như sau:
Thuật tốn 2.5 Tìm kiếm cục bộ (Local-Search)
Begin
c1 = chọn ngẫu nhiên một BSC trong tập các BSC đã có; c2 = chọn ngẫu nhiên một BSC trong tập các BSC đã có;