pr
etv
k+1 pr;
δ =v
k+1 pr−v
k prjusqu’`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
6pr´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
3tandis 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
3comme 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)