Monografia - UFF

5.1 Resultados de Simulações 82
Figura 5.10: Representação da topologia do projeto ReMoTE.
dados TCP e outra com fluxos UDP. Novamente, na primeira bateria a proposta original
do MARA foi comparada às várias combinações de algoritmos de adaptação de taxa
e métricas de roteamento da literatura. Na segunda bateria, apenas o MARA e suas
otimizações foram avaliadas.
As Figuras 5.11, 5.12 e 5.13 mostram os resultados de vazão obtidos para cada destino
da topologia. Para os dois nós mais próximos, o MARA obteve os melhores resultados
de vazão. Entretanto, exceto pelas combinações que utilizam a métrica ETT, todas obtiveram
resultados muito próximos, dada a simplicidade destes dois cenários (nós muito
próximos, resultando em poucas escolhas).
Para os três nós seguintes (nós 3, 4 e 5), o MARA apresentou resultados inferiores
a maior parte das combinações que utilizam o algoritmo SampleRate (Figura 5.12). De
fato, quando o destino utilizado foi o nó 4, o MARA teve uma vazão 20% inferior à obtida
pela combinação da métrica Hop Count com o algoritmo SampleRate.
Entretanto, assim como ocorreu na topologia do projeto Remesh, a medida que a
distância geográfica entre os nós de origem e destino aumenta, o desempenho do MARA
em relação às demais combinações também aumenta (Figura 5.13). Em especial, quando
os dois nós mais distantes (8 e 9) foram selecionados como destinos, o MARA obteve um
desempenho muito superior às demais propostas avaliadas. No caso extremo do último
nó, a vazão obtida pelo MARA foi quase 3 vezes maior que a da proposta de segundo
melhor desempenho.
É interessante notar também a queda de desempenho do algoritmo SampleRate quando
o nó 9 foi selecionado como destino. Em todos os casos anteriores, o SampleRate sempre
apresentava bom desempenho em combinação com as métricas ML e ETX. Para o nó 9,
no entanto, ambas as combinações foram melhores apenas que a da métrica ETT com