| 초록 |
□ 연구개요 미래 만물 인터넷(Internet of Everything, IoE) 환경에서 자연계 군집 지능(Swarm Intelligence)을 활용한 학습형 분산 전력절감모드(Power Saving Mode, PSM), 분산 송신전력제어(Transmit Power Control, TPC), 에너지 인지 다중경로 라우팅(Routing) 프로토콜을 개발하고 통합 최적화하여 이동 노드의 배터리 소모를 최소화하고 전체 네트워크의 생존시간을 극대화하고자 한다. 1차년도에는 자연계 군집 지능 기반 학습형(learning-based) 분산 PSM 프로토콜 연구를 수행하고, 2차년도에는 자연계 군집 지능 기반 분산 TPC 프로토콜 연구를 수행하고, 3/4차년도에는 자연계 군집 지능 기반 에너지 인지(energy-aware) Routing 프로토콜 연구를 수행한다. □ 연구 목표대비 연구결과 ○ 1차년도 연구결과 ■ 기존 군집 행동 모델의 공통점을 파악하여 무선 통신 네트워크를 고려한 통합 수학적 모델 제시 ■ 개미 라우팅 알고리즘에서 사용하는 pheromone 확산 메커니즘을 모방하여 네트워크 엔터티간 분산 정보교환을 통해 트래픽 도착 확률분포 예측 ■ 반딧불 군집이 주변 firing 신호만을 인지하고도 자율적으로 전체 동기를 맞춰 나가는 현상을 모방하여 중계 노드의 분산 PSM 연구 수행 ○ 2차년도 연구결과 ■ 새 군집 V-flight의 local average 전략을 모방하여 홉별 전송률이 동일해지도록 멀티홉/멀티플로우 분산 TPC 알고리즘 개발 ■ 어플리케이션 트래픽 속성에 따라 TPC와 PSM의 최적 운용 파라미터를 도출하여 통합 성능 극대화 및 계층간 최적화 수행 ■ 다양한 토폴로지 및 무선 채널 환경의 변화에 따라 모의실험을 통해 제안한 TPC+PSM 알고리즘의 실제적인 성능 검증 ○ 3/4차년도 연구결과 ■ 개미 페로몬 기반의 에너지 인지 다중 경로 라우팅 프로토콜 개발: 최소 배터리를 갖는 단말의 생존시간이 최대화되도록 경로를 설정 ■ 사용자 QoS 성능을 보장하면서 Routing, TPC, PSM의 최적 운용 파라미터를 도출하여 통합 성능 극대화 및 계층간 최적화 수행 ■ 개발한 Routing+TPC+PSM 알고리즘의 동작 검증 및 대규모 노드 수에서 통합 알고리즘의 성능 도출 □ 연구개발결과의 중요성 ■ 본 연구를 통해 얻은 자연계 군집 행동 양식의 수학적 모델링 및 검증 결과는 향후 관련 학문 분야에서 널리 인용 될 수 있는 중요한 연구 결과에 해당됨 ■ 본 연구를 통해 도출된 저전력 통신·네트워킹 프로토콜은 기존 기술 대비 10~100배 성능 개선을 달성하는 것으로 기술적 수준을 한·두단계 업그레이드 시키는 중요한 결과물임 ■ 제안한 계층별 저전력 알고리즘을 통합 최적화한 후 시스템 성능을 평가함으로써 추후 실용화 및 구현가능한 중요한 결과로 사료됨 (출처 : 연구결과 요약문 2p) |
