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

normalmente en el límite de la saturación. Sin embargo a pesar de que su rendimiento
mejora cuando la carga aumenta, aun en su mejor situación, éste no supera a KMB, BC‐SAL,
BC‐BW o BCL‐SAL tal como se observa en la Fig. 28. El rendimiento de los protocolos
multicast puede aun mejorar bastante. Técnicamente sólo se requiere de algoritmos
distribuidos y que utilicen información local para operar. Estas características son algunas de
las requeridas en la práctica para la implementación de algún protocolo multicast.
Al igual que PIM, BC‐SAL muestra un mejor desempeño a medida que la carga de la red
aumenta y se balancea, logrando hasta un 20% menos que el costo del árbol que genera KMB
para un grupo de tamaño igual al 25% de la red (Fig. 20).
En general, el buen comportamiento de BC‐BW se debe a que está sintonizado a la medida
costo de árbol, pues la función objetivo que lo define intenta minimizar la suma de la
utilización de los enlaces que conforman el árbol de distribución. Así mismo, a pesar de que
BC‐SAL y BCL‐SAL operan básicamente de la misma manera, su rendimiento es en
promedio cercano a un 80% peor para el caso de BCL‐SAL, y de un 60% peor para el caso de
BC‐SAL, para la situación más desfavorable, que corresponde a la red con mayor desbalance
de tráfico (Fig. 16) y tamaño de grupo igual a un 95% de los nodos de la red. Esto se debe a
que las funciones objetivo de BCL‐SAL y BC‐SAL buscan obtener un bajo número saltos del
árbol de distribución final, en vez del ancho de banda utilizado por tal árbol. Esto mismo
explica porqué BC‐SAL y BCL‐SAL tienen un buen desempeño para la medida retardo
promedio entre fuente y destinos, tal como se aprecia en desde la Fig. 31 a la Fig. 38.
Retardo Promedio entre Fuente y Destinos
BC‐SAL resultó ser el algoritmo con mejor rendimiento, superando a BSMA en cerca del
30% para las distintas situaciones de tráfico y en una red de 20 nodos, tal como se observa
desde la Fig. 31 a la Fig. 36. Se observa que QDMR mejora su desempeño a medida que el
tamaño del grupo aumenta y se acerca al tamaño de la red.
Se debe notar que QDMR opera dando prioridad a los caminos de bajo costo que van a
través de un destino que ya está en el árbol para agregar a los destinos faltantes, respetando
el límite de retardo impuesto para los caminos desde fuente a destinos. Así, es posible
generar un árbol de bajo costo que nunca alcance el límite de retardo. Por otro lado BSMA
itera para encontrar un árbol de menor costo a partir de un árbol de menor retardo. Los
caminos elegidos en las iteraciones, que permiten disminuir el costo del árbol, están sujetos a
las restricciones de retardo impuestas. De esta manera, los árboles generados por BSMA
están más cercanos al límite del retardo impuesto para los caminos desde fuente a destinos
que los árboles generados por QDMR.
La Fig. 37 y Fig. 38 correspondientes a una red de 100 nodos, muestran que las heurísticas
BC generan árboles de menor retardo que BSMA. Esto es razonable de pensar para las
heurísticas BC‐SAL y BCL‐SAL, ya que los árboles encontrados por BC tienen un menor
número de enlaces. Nótese que, a pesar de que no parece intuitivo que BC‐BW deba obtener
un bajo retardo, dado que su función objetivo apunta a encontrar enlaces que tengan una baja
utilización del ancho de banda, en la Fig. 29 se observa que el costo de los árboles generados
por BC‐BW es bajo respecto de las otras heurísticas. Esto se debe a que BC‐BW elige, por una
parte enlaces más desocupados para generar el árbol, pero por otro lado elige una menor
cantidad de enlaces respecto de los otros algoritmos. Como la Fig. 29 muestra una situación
en donde los enlaces de la red se encuentran utilizados entre un 75% y 90%, los árboles
62