تکنیک های افزایش مقیاسپذیری در شبکه های ادهاک و تاثیر آن بر کارایی شبکه

شبکه های ادهاک به دلیل ساختار غیرمتمرکز و پویای خود با چالش های جدی در زمینه مقیاسپذیری مواجه اند. این مقاله مروری به بررسی جدیدترین پژوهش های ۵ سال اخیر در زمینه تکنیک های بهبود مقیاسپذیری در شبکه های ادهاک می پردازد که شامل روش های سخت افزاری (مانند آنتن های هوشمند، چندکاناله و رادیوهای نرم افزارمحور) و نرم افزاری (مانند پروتکل های مسیریابی خوشه بندی شده، شبکه های تعریف شده با نرم افزار و یادگیری ماشین) می باشد. ابتدا مفاهیم پایه و کارهای پیشین در حوزه مقیاسپذیری شبکه های ادهاک مرور شده است. سپس راهکارهای موجود دسته بندی و مقایسه گردیده اند؛ از جمله مسیریابی سلسله مراتبی/خوشه ای که با محدود کردن انتشار اطلاعات کنترلی، کارایی را در شبکه های بزرگ بهبود می دهد، و معماری های SDN که با متمرکز سازی تصمیم گیری مسیریابی، سربار پروتکل ها را کاهش می دهند. همچنین فناوری های فیزیکی مانند آنتن های جهت دار و چندرادیویی که ظرفیت شبکه را افزایش داده و امکان ارتباط همزمان گره های بیشتری را فراهم می کنند بررسی شده اند. در نهایت، ضمن تشریح چالش های باقیمانده (مانند مدیریت تحرک گره ها، همزمانی در آنتن های جهت دار و مقیاسپذیری کنترلرهای مرکزی)، مسیرهای پژوهشی آینده برای دستیابی به شبکه های ادهاک بسیار بزرگ و کارا ارائه شده است. نتیجه این بررسی نشان می دهد که ترکیب رویکردهای بهبودیافته مسیریابی و فناوری های نوین سخت افزاری می تواند منجر به بهبود قابل توجه مقیاسپذیری شبکه های ادهاک شود و زمینه را برای نسل های آینده شبکه های بیسیم خودسازمانده فراهم سازد.

کلیدواژه ها:

مقیاسپذیری ، شبکه های ادهاک ، معماری SDN ، یادگیری ماشین ، آنتن های جهت دار