Evaluación de Algoritmos de Ruteamiento Multipunto en Redes de ...

More documents

Recommendations

Info

6.4.2 Segundo Experimento El segundo tipo de experimento considera un escenario de simulación muy similar al primer experimento. Las diferencias son: la red comienza sin tráfico (“en vacío”). Además no se genera una nueva red en cada ejecución, si no que se utiliza la misma red durante todo el experimento. La red escogida es una red aleatoria de Waxman con los mismos parámetros del primer experimento. Las medidas obtenidas están dentro de un intervalo de confianza del 5% para un nivel de confianza de 95%. Sucesivamente, en cada nueva ejecución del experimento, la red es cargada con nuevas sesiones multicast escogiendo cada vez un grupo y fuente aleatorias. Las sesiones no son desconectadas hasta el final de la ejecución del experimento. La medida de interés en este caso es el número de conexiones exitosas. Se realizan 3000 solicitudes de conexión y cada algoritmo evaluado es capaz de responder o no a estas solicitudes según su capacidad de administración de los recursos de la red. Una solicitud es rechazada en dos casos: cuando se viola el límite de retardo en el caso de algoritmos con restricciones de retardo, o cuando los enlaces se encuentran saturados (condición para todos los algoritmos). 60
A 7 Resultados de la Simulación continuación se detalla acerca de los resultados de los experimentos refiriéndose a cada medida en particular. Los resultados obtenidos coinciden con los publicados en la literatura para un rango dentro del intervalo de confianza definido en un 5%, y para los algoritmos y configuraciones de escenarios de simulación equivalentes en trabajo y en [62] (red de 20 nodos y tráfico background entre 45 y 85 Mbps, y entre 5 y 125 Mbps). Costo del Árbol Parte de los resultados obtenidos para el primer experimento, los que se ilustran desde la Fig. 16 a la Fig. 21, muestran que la heurística BC‐BW tiene el mejor desempeño de todos los algoritmos no restringidos evaluados. A sí mismo la Fig. 28 muestra un resumen con los algoritmos restringidos y no restringidos considerados, ilustrando la relación de los desempeños respecto del rendimiento de KMB para la medida costo del árbol. Allí se puede observar que BC‐BW es el algoritmo de mejor rendimiento para una red de 20 nodos, independientemente de la carga de la red. La heurística BC‐SAL se comporta similarmente a BC‐BW cuando la utilización de los enlaces de la red debido al tráfico background varia entre un 75% y 90% (Fig. 20). Se puede observar que la tendencia de BC‐SAL es a mejorar su desempeño a medida que la carga de la red aumenta y el desbalance entre la utilización de los enlaces disminuye. Se debe notar que la familia de heurísticas BC tienden a empeorar su rendimiento a medida que el grupo se acerca al tamaño de la red. Esto da una indicación de que las heurísticas BC son más adecuadas en grupos dispersos. Cabe destacar que el tamaño de los grupos multicast normalmente son una pequeña fracción de la red [58], por lo tanto las heurísticas BC son adecuadas en la práctica. Para la red de 100 nodos (Fig. 29 y Fig. 30) las tres heurísticas BC tienen mejor rendimiento que los otros algoritmos evaluados para grupos hasta cerca de un 85% del tamaño de la red. Los algoritmos BSMA, CAO, KPP y QDMR tienen un comportamiento bastante similar para las condiciones de ilustradas desde la Fig. 22 a la Fig. 27. En el peor caso, correspondiente a QDMR, éste no supera el 10% sobre el rendimiento de BSMA (Fig. 23). La heurística MST (PRUNED en [56]) genera árboles de distribución a partir de podar un árbol de mínima expansión (Minimum Spanning Tree), por lo tanto resulta natural que su rendimiento mejore cuando el tamaño del grupo se acerca al tamaño de la red (y en general obtenga un buen desempeño en dicho caso), tal como se observa en la Fig. 16 a la Fig. 21. Para una red cargada entre un 75% y un 90% (Fig. 20) la tendencia de todos los algoritmos evaluados es presentar un rendimiento dentro de un 5% igual al de MST cuando el grupo multicast (fuente más destinos) es igual al tamaño de la red, lo cual indica que el desempeño de los algoritmos en esos casos es aceptable en términos absolutos. El algoritmo asociado al protocolo PIM claramente mejora su rendimiento en cuanto la carga de la red crece. Esta característica es útil desde el punto de vista de redes que operan 61
Page 1 and 2:
UNIVERSIDAD TECNICA FEDERICO SANTA
Page 3 and 4:
6 Comparación de Algoritmos median
Page 5 and 6:
Listado de Tablas Tabla 1 Problemas
Page 7 and 8:
Miembros de la Comisión Ph.D. Rein
Page 9 and 10: de ruteamiento multipunto (ARM) par
Page 11 and 12: Dinámica: Los grupos estáticos so
Page 13 and 14: 2.3 Construcción de las Rutas de C
Page 15 and 16: A 3 Modelo de Red y Formulación de
Page 17 and 18: clasificarse en dos categorías pri
Page 19 and 20: En general, los enlaces de la red s
Page 21 and 22: Por otro lado, aparentemente la ven
Page 23 and 24: (join) al grupo, y además permita
Page 25 and 26: compartido unidireccional basados e
Page 27 and 28: 4.1.5 BGMP [32] Border Gateway Mult
Page 29 and 30: A continuación se mencionan tres a
Page 31 and 32: (b) Grafo G1 (c) Árbol T1 de G1 (d
Page 33 and 34: A modo de ejemplo, tres funciones f
Page 35 and 36: 4.2.2.1 Simplificación Heurística
Page 37 and 38: Pseudocódigo Huerística BCL INPUT
Page 39 and 40: (a) Grafo que representa la red (b)
Page 41 and 42: (a) (b) Fig. 11 Refinamiento de los
Page 43 and 44: Fig. 12 Red de ejemplo para ilustra
Page 45 and 46: 4.2.7 QDMR [40] Esta heurística ut
Page 47 and 48: RESUMEN En la Tabla 2 se muestra a
Page 49 and 50: cambios topológicos, del tráfico,
Page 51 and 52: Tabla 4 Algunas Herramientas de Sim
Page 53 and 54: 5.2.3 Configuración de los Experim
Page 55 and 56: Tabla 5 Algunas Herramientas de Mon
Page 57 and 58: 6. PRUNED (pruned minimum spanning
Page 59: 1. Generar un grupo aleatorio en un
Page 63 and 64: generados por BC‐BW tienen menos
Page 65 and 66: Trafico Background 45 - 85 [Mbps] C
Page 67 and 68: Trafico Background 5 - 125 [Mbps] C
Page 69 and 70: Trafico Background 100 - 120 [Mbps]
Page 73 and 74: Trafico Background 45 - 85 [Mbps] B
Page 77 and 78: L 8 Conclusiones os protocolos actu
Page 79 and 80: [16] M. Barría, R. Vallejos, “Al
Page 81 and 82: [63] S. Ross. “Simulation”. Aca
Page 83 and 84: Sea g(n) una función que determina
Page 85 and 86: ANEXO B: Breve Tutorial de Ns‐2 1
Page 87 and 88: objetos que son componentes básico
Page 89 and 90: intérprete calcule el valor de la
Page 91 and 92: Figura 6: Ejemplo de una topología
Page 93 and 94: En general, un script de Ns comienz
Page 95 and 96: Esta línea establece una conexión
Page 97 and 98: export NS_HOME=$HOME/ns-allinone-2.
Page 99 and 100: Cuando la implementación de un nue
Page 101 and 102: ANEXO C: Breve Manual de Uso MCRSIM
Page 103 and 104: Tabla 8 Archivos de MCRSIM NOMBRE D
Page 105 and 106: NodeListEntry *Entra1; int NumDestA
Page 107 and 108: nLinkCount ++; avgLkCost += adjac->
Page 109 and 110: FIN/////////CASO ALCANCE///////////
Page 111 and 112:
if (Contribucion != NULL) delete []
Page 113:
if (Entra0 != NULL) delete [] Entra
show all

Evaluación de Algoritmos de Ruteamiento Multipunto en Redes de ...

Create successful ePaper yourself

Delete template?

Save as template?