ارائه روشی برای بهبود الگوریتم AODV برای مسیریابی شبکه های ادهاک بین خودرویی (VANETS) با استفاده از الگوریتم جهش قورباغه اصلاح شده

یکی از مهمترین چالش‌های شبکه‌های بین خودرویی، تحرک سریع گره‌ها (خودرو‌ها) و جابجایی آنها است که باعث تغییر در توپولوژی شبکه و به طبع آن کاهش زیاد مقیاس‌پذیری آن می‌باشد. در این شبکه‌ها برای هر بسته اطلاعاتی به دلیل عدم وجود زیرساخت ارتباطی، مسیریابی به‌صورت مستقل انجام می‌گیرد. و علایم جاده‌ای و ترافیکی و موانع موجود در مسیر و مسیرهای خط‌کشی شده و اطلاعات مربوط به فاصله و سرعت دیگر خودروها به‌صورت لحظه‌ای نشان داده می‌شود که به رانندگان در تصمیم‌گیری برای ایجاد امنیت و جلوگیری از تصادفات و بوجود آمدن ترافیک کمک شایانی می‌کند. فلذا هدف ما در این مقاله ارایه راه‌کاری برای کاهش شدید زمان در انتخاب مسیر بهینه و افزایش مقیاس‌پذیری شبکه با استفاده از الگوریتم جهش قورباغه اصلاح شده به سبب استفاده از جابجایی‌های مبتنی بر بهترین محلی و بهترین کل، پیاده‌سازی جستجوی تصادفی به صورت کارا و سرعت بالای همگرایی است. در نهایت با معیارهایی بار مسیریابی نرمال شده، نرخ تحویل بسته اطلاعاتی و متوسط تاخیر انتها به انتها مورد ارزیابی قرار دادیم. نتایج به‌دست آمده از شبیه سازی نشان می دهد که الگوریتم پیشنهادی برای معیار‌های میانگین نرخ تحویل بسته برابر با 100%، بار مسیریابی نرمال شده برابر با 19% و متوسط تاخیر انتها به انتها مقدار 9/9 ثبت شده که نسبت به الگوریتم‌های ملخ، ازدحام ذرات و ژنتیک بهتر عمل می‌کند.