c) normaliser le vecteur v pr par la somme de ses coefficients ; d) estimer la convergence en comparantvk

pr

etv

k+1 pr

;

δ =v

k+1 pr

−v

k pr

jusqu’`a

e) la convergence est effective i.e.δ < ǫ

d´ecrit `a l’´equation 5.7. Le i-`eme ´el´ement de ce vecteur nous fournit la centralit´e du nœudv

i

.

v

pr

= [ 0.14 0.17 0.47 0.37 0.39 0.52 0.36 0.15 0.12 ]

^T

(5.7)

Les ´el´ements du vecteur propre principal sont ensuite class´es par ordre d’importance afin de

construire le second tableau de la figure 5.3. Nous constatons dans ce tableau que le nœudv

6

pr´esente l’entr´ee la plus ´elev´ee avec une centralit´e par vecteur propre de 0.52 et pourra donc

ˆetre s´electionn´e comme nœud gestionnaire.

Sur la figure 5.3, les deux tableaux repr´esentent respectivement les valeurs pour chacun des

m´ecanismes ´electifs appliqu´es `a la composante spatio-temporelle. Pour chaque tableau, les nœuds

sont class´es par ordre d’importance, de sorte que les premi`eres entr´ees correspondent toujours

5.4. Int´egration `a l’architecture de gestion ANMP

Fig.5.3 – Elections de nœuds gestionnaires dans une composante spatio-temporelle [la centralit´e

par degr´e et la centralit´e par vecteur propre aboutissent `a des r´esultats diff´erents pr´esent´es

respectivement dans le premier et second tableau. Le premier m´ecanisme conduit `a l’´election du

nœudv

3

tandis que le second s´electionne le nœudv

6

.]

aux nœuds les plus importants qui seront s´electionn´es comme gestionnaires. L’´election fond´ee

sur la centralit´e de degr´e ´elit le nœudv

₃

comme gestionnaire, tandis que l’´election fond´ee sur la

centralit´e par vecteur propre s´electionne le nœudv

₆

. Nous constatons que les deux approches de

centralit´e n’aboutissent pas au mˆeme r´esultat : la centralit´e par degr´e est une mesure purement

locale tandis que la centralit´e par vecteur propre prend en compte r´ecursivement l’importance

relative des nœuds voisins. Une version g´en´eralis´ee de la centralit´e par vecteur propre est d´efinie

dans [33] pour traiter le cas des graphes orient´es.

5.4 Int´egration `a l’architecture de gestion ANMP

Nous proposons de mettre en œuvre notre approche probabiliste au sein d’une architecture

de gestion en implantant la m´ethode algorithmique pr´ec´edemment d´ecrite. En particulier, nous

allons d´efinir une extension de l’architecture ANMP (Ad-Hoc Network Management Protocol)

[53] d´ecrite `a la figure 5.4. Si ANMP d´efinit un protocole de gestion pour les r´eseaux ad-hoc, le

concept cl´e repose sur l’organisation du plan de gestion sous la forme de clusters et l’introduction

de m´ecanismes de d´el´egation [197] afin de r´eduire la charge induite sur le r´eseau et am´eliorer

la tol´erance aux fautes. Le plan de gestion est hi´erarchis´e en trois niveaux correspondant `a un

gestionnaire central au niveau sup´erieur, des gestionnaires locaux correspondant aux tˆetes de

clusters au niveau interm´ediaire et des agents correspondant aux autres nœuds des clusters au

niveau inf´erieur.

5.4.1 Ajout d’un module de clusterisation

Former des clusters est la mani`ere la plus naturelle de d´ecomposer le r´eseau ad-hoc afin d’en

simplifier les tˆaches de gestion. Une telle d´ecomposition peut s’op´erer de mani`eres diff´erentes en

fonction de l’algorithme consid´er´e. ANMP introduit deux algorithmes de clusterisation d´efinis

au niveau applicatif permettant d’organiser le plan de gestion :

– algorithme de clusterisation fond´e sur les graphes : il construit des clusters de voisins `a un

saut en s’appuyant sur un m´ecanisme ´electif arbitraire. Chaque nœud du r´eseau ad-hoc

maintient une liste de son voisinage direct et d´etermine le gestionnaire local en fonction

des identifiants. Le nœud gestionnaire correspond au nœud qui dispose `a la fois du plus

petit identifiant et n’a pas rejoint un autre cluster.

– algorithme de clusterisation g´eographique : il d´efinit des clusters de voisins jusqu’`a trois

sauts en utilisant un syst`eme de positionnement [98, 150, 191]. `A partir des coordonn´ees des

nœuds, l’algorithme consid`ere la densit´e de nœuds dans le r´eseau pour organiser les clusters

en cons´equence. Une zone de forte densit´e sera divis´ee en de multiples clusters et sera donc

g´er´ee par plusieurs gestionnaires locaux. Inversement, une zone de faible densit´e pourra

se limiter `a un unique cluster et ainsi ˆetre sous la responsabilit´e d’un unique gestionnaire

local.

Fig. 5.4 – Int´egration de l’approche probabiliste au sein de l’architecture ANMP

[L’architec-ture ANMP est extensible `a diff´erents algorithmes de clusterisation. Afin d’organiser le plan

de gestion sous la forme de composantes spatio-temporelles, nous introduisons un algorithme

suppl´ementaire au-dessus du protocole de routage proactif OLSR.]

Ces algorithmes de clusterisation sont repr´esent´es par les deux premiers modules de la figure 5.4.

L’architecture ANMP d´efinit une distinction claire entre l’utilisation de clusters pour la gestion et

l’utilisation de clusters pour le routage. Etant sp´ecifi´e au niveau de la couche applicative, ANMP

pr´esuppose l’existence d’un protocole de routage dans les couches inf´erieures. La clusterisation

dans le plan de gestion permet de construire logiquement le plan de gestion et s´electionner des

nœuds interm´ediaires comme gestionnaires locaux, afin de limiter hi´erarchiquement le trafic de

5.4. Int´egration `a l’architecture de gestion ANMP

gestion. Dans un algorithme de routage `a base de clusters, l’objectif est d’assurer la maintenance

des routes en donnant aux tˆetes de clusters la responsabilit´e de router les paquets en dehors d’un

cluster donn´e. Ainsi, l’utilisation de clusters au niveau applicatif et au niveau routage ne s’inscrit

pas dans la mˆeme finalit´e (organiser le plan de gestion et respectivement maintenir les routes).

Cependant, les auteurs d’ANMP mettent en ´evidence dans [53] l’extensibilit´e de l’architecture `a

d’autres formes de clusterisation et notamment la possibilit´e de s’appuyer sur les informations

de routage afin d’organiser le plan de gestion.

Nous proposons une extension de l’architecture ANMP `a travers un module de clusterisation

compl´ementaire qui implante notre m´ethode probabiliste de supervision. Il correspond au dernier

module d´ecrit `a la figure 5.4. Ce module est organis´e sous la forme de trois composants de base :

– le premier composant permet d’´evaluer la connectivit´e spatio-temporelle des nœuds dans

le r´eseau ad-hoc. Il s’appuiera autant que possible sur les informations fournies par le plan

de routage afin de d´eterminer la probabilit´e, pour deux nœuds donn´es, d’ˆetre dans le mˆeme

voisinage et de pouvoir intercommuniquer.

– le second composant permet l’extraction des composantes spatio-temporelles. Il exploite

les mesures de connectivit´e spatio-temporelle et implante l’algorithme 1 pour agr´eger

les nœuds sous la forme de sous-ensembles disposant d’une forte connectivit´e

spatio-temporelle : chaque nœud a ´et´e le voisin d’un autre nœud de la composante durant un

pourcentage de temps minimal.

– le dernier composant assure l’´election des nœuds gestionnaires en consid´erant le m´ecanisme

´electif d´efini par l’algorithme 2. Les donn´ees relatives aux composantes spatio-temporelles

sont directement fournies par le second composant. L’´election repose sur une ´evaluation

de la centralit´e par vecteur propre des nœuds de la composante : le crit`ere permet de ne

pas se limiter `a une mesure locale en prenant en compte de mani`ere r´ecursive l’importance

relative des nœuds voisins.

Le module probabiliste est d´eploy´e au dessus du protocole de routage afin de r´eutiliser les donn´ees

Dans le document Supervision des Réseaux et Services Ad-Hoc (Page 93-96)