ارائه یک الگوریتم مسیریابی جدید مبتنی بر الگوریتم های ژنتیک و تبرید شبیه سازی شده برای شبکه های موردی بین خودرویی

در سال های اخیر شبکه های موردی بین خودرویی به عنوان یک فناوری نوظهور سعی کرده است با کنترل هوشمند ترافیک، تعداد تصادفات خودروها را کاهش دهد. در این شبکه ها حرکت سریع خودروها، پویایی توپولوژی و محدودیت های منابع شبکه، مسیریابی را به یک چالش اساسی تبدیل کرده، لذا ارایه یک الگوریتم مسیریابی پایدار و مطمین یک راه کار مناسب برای حفظ پارامترهای کیفیت سرویس خدمات این شبکه ها است. در این مقاله یک الگوریتم مسیریابی جدید مبتنی بر خوشه بندی به نام GCAR بر اساس الگوریتم ژنتیک ارایه می شود که ابتدا خودروها در یک زیرساخت مبتنی بر خوشه های پویا قرار می گیرند و سپس با انتخاب دو خودرو در هر خوشه به عنوان خودروهای دروازه بین خوشه های همسایه، یک زنجیره خودرویی تشکیل می شود. همچنین برای خوشه بندی از ترکیب الگوریتم ژنتیک و الگوریتم تبرید شبیه سازی شده استفاده می شود که سعی می کنند سرخوشه های مناسب را شناسایی کنند. نتایج شبیه سازی های انجام شده در نرم افزار متلب نشان می دهد که به طور متوسط نرخ کشف مسیر الگوریتم پیشنهادی 4/18%، تعداد خوشه ایجاد شده 55/2%، توان عملیاتی 45/3% و نرخ دریافت صحیح بسته ها 18/14% نسبت به رویکرد PassCAR عملکرد بهتری دارد. همچنین ارزیابی هم گرایی، انحراف معیار و خطای استاندارد الگوریتم پیشنهادی اثبات کننده سرعت هم گرایی و پایداری بالای آن است.