Abstract
In the nested mobile network environment, the mobile node selects one of multiple mobile routers. The MR(Mobile Router) by existing top-down or bottom-up methods may not be the optimal MR if the numbers of mobile nodes and routers are substantially increased, and the scale of the network is increased drastically. Since an inappropriate MR decision causes handover or binding renewal to mobile nodes, determining of the optimal MR is important for efficiency. In this paper, we propose an algorithm that decides on the optimal MR using MR QoS(Quality of Service) information, and we describe how to understand the various structured MLP(Multi-Layered Perceptron) based on the algorithm. In conclusion, we prove the ability of the suggested neural network for a nesting mobile network through the performance analysis of each learned MLP.
중첩된 환경의 이동 네트워크에서 이동 노드는 여러 개의 이동 라우터 중 하나를 선정하여 정보를 교환하게 된다. 이동 노드에게 기존의 상향식 또는 하향식 방법으로 지정된 이동 라우터는 최적의 이동 라우터가 아닐 수 있다. 이러한 경우, 이동 노드는 빈번한 핸드오버 및 바인딩 갱신을 발생시켜 이동 노드의 QoS(Quality of Service)를 저해 할 수 있다. 본 논문에서는 중첩된 환경의 이동 네트워크에서 이동 노드의 이동 특성과 이동 라우터의 QoS 정보를 기반으로 최적의 이동 라우터를 선정하는 방안을 제시한 후, MLP(Multi-layered Perceptron)를 이용하여 중첩 이동 네트워크의 이동 라우터 선정 방안을 학습시킨다. 학습된 MLP의 학습 결과와 실제 선정 결과를 분석하여 제안한 MLP 구조가 대규모의 중첩된 환경의 이동 네트워크에서 사용 가능함을 증명한다.