3.

Đề xuất nâng cao cơ chế tối ưu hóa đàn kiến cho việc giám sát hệ thống
giao thông thành phố thông minh từ xa

Trong phần này, chúng tôi thảo luận về các hiện tượng tự nhiên của tự nhiên lấy cảm
hứng từ kỹ thuật tối ưu hóa đàn kiến. Thuật toán eACO sử dụng và cập nhật các giá trị
pheromone ( một chất do động vật tạo ra như một tín hiệu hóa học, thường để thu
hút một động vật khác cùng loài). Đó là một hiện tượng tự nhiên được kiến sử dụng để
tìm kiếm thức ăn và phương pháp này có xu hướng giải quyết vấn đề phức tạp, chẳng
hạn như tìm đường đi [28]. Đương nhiên, kiến chọn một con đường được tối ưu hóa
để chọn, tìm kiếm và lưu trữ thức ăn (nghĩa là lịch sử tuyến đường được tìm kiếm
bằng cách chuyển tiếp yêu cầu tuyến đường (RREQ) và lựa chọn con đường có
khoảng cách tối thiểu, được sử dụng trong kỹ thuật của chúng tôi) [29]. Một trong
những tiêu chí cho đường đi tối ưu là đường đi ngắn nhất được chọn dựa trên thông
tin được cung cấp bởi một số con kiến ngẫu nhiên; do đó, kiến có thể tuân theo quy
trình pheromone. Khi chúng ta so sánh kỹ thuật này trong mạng thời gian thực, khái
niệm trí thông minh bầy đàn xuất hiện cũng được lấy cảm hứng từ hành vi tập thể của
động vật, chim, côn trùng và các loài khác [30–32]. Để kiếm sống, động vật tạo ra các
thuộc địa giao tiếp địa phương gián tiếp. Hơn nữa, chúng cũng tương tác với các thuộc
địa của loài khác (như Cổng vào ). Do đó, chúng sử dụng các cơ chế đặc biệt gọi là
"Pheromone" có chất hóa học đặc biệt được sử dụng để theo dõi những con kiến khác.
Tương tự như vậy, có thể di chuyển ngang từ đỉnh này sang đỉnh khác cùng với các
cạnh của biểu đồ được xây dựng bằng cách sử dụng các giá trị pheromone để tạo ra
một giải pháp dần dần. Hơn thế nữa, một số tình huống lấy cảm hứng từ sinh học khác
cũng thúc đẩy những ý tưởng mới về việc tìm kiếm các giải pháp thông minh trong
thành phố thông minh [30] và sự hợp tác của nó trong mạng cảm biến không dây,
mạng đặc biệt dành cho phương tiện giao thông cho các loại vấn đề khác nhau được
thảo luận trong [31, 32] với dạng lai (( lai của một loài động vật hoặc thực vật ) có
bố mẹ thuộc các loài hoặc giống khác nha)) của nó [33]. Do đó, lấy cảm hứng từ nó,
chúng tôi đã khai thác eACO trong FANET nơi máy bay không người lái hoạt động
giống như loài kiến và sử dụng các giá trị pheromone để xử lý vấn đề quan tâm.
Theo cách tương tự, trong kết nối mạng, đặc biệt là mạng không dây, chúng tôi đã sử
dụng “ Hello Packets” cho mạng trên mặt đất và “Quản lý đèn hiệu- Beacon Manage”
cho mạng cảm biến không dây dưới nước. Để tối ưu hóa con đường được gọi là con
đường ngắn nhất; hành vi đặc biệt được thể hiện bởi một số con kiến ngẫu nhiên cho
thấy không có bất kỳ hạn chế nào đối với kiến để luôn tuân theo quy trình pheromone.
Nói cách khác, những con kiến này về cơ bản tuân theo khái niệm tối thiểu cục bộ là
tìm kiếm thức ăn từ vương quốc động vật. Các tác giả đã giải thích bức tranh tốt nhất
về cơ chế tìm kiếm thức ăn của đàn kiến bằng cách di chuyển sang trái hoặc phải. Một
số loài kiến được quan sát là có khái niệm ngay lập tức về cực tiểu cục bộ của việc tối
ưu hóa đường tìm kiếm thức ăn. Vì thế, Theo lý thuyết trên, chúng tôi triển khai khái
niệm FANET này để bao phủ khu vực lựa chọn đường đi ngắn nhất bằng cách chia
khu vực với thông tin bán kính khác nhau cho các mục đích khác nhau như giao tiếp
đáng tin cậy. Vì bất kỳ thành phố thông minh nào bao phủ hầu hết diện tích hàng triệu
hecta đất; do đó, ý tưởng triển khai FANET bằng cách tăng cường thuật toán Tối ưu
hóa đàn kiến (ACO) là đề xuất phù hợp nhất cho mục đích bảo mật thông tin giao tiếp
an toàn [11]. Ở đây cần lưu ý rằng bản thân pheromone có hai phần phụ quan trọng
được gọi là “Sự bay hơi và nồng độ”

3.1 Sự bay hơi và nồng độ

Nếu con đường đi được tuân theo hoặc thay đổi theo sự thử nghiệm của
Pheromone /ˈferəməʊn/ thì nồng độ tìm kiếm thức ăn sẽ tăng lên. Đó là lý do tại sao
con đường đi của họ được chọn dựa trên cơ sở nồng độ cao hơn có xác xuất được
chọn nhiều hơn

Ngược lại nếu kiến giảm giá trị ngưỡng của nồng độ; nó cũng làm giảm nồng độ
pheromone cuối cùng là sự sụt giảm đường dẫn được gọi là 'sự bay hơi pheromone'.
Các phương trình sau đây mô tả chính xác nhất mối quan hệ của đường dẫn định tuyến
được chọn hoặc bị loại bỏ đối với đánh giá mức độ pheromone. Chúng tôi cũng giải
quyết ở đó hai chức năng phụ là nâng cao ACO với bảo mật. Ví dụ: nếu sự bay hơi
của pheromone và nồng độ pheromone được liên kết với nhau, chúng ta có thể dễ
dàng lọc các cơ chế của FANET chống lại các kiểu tấn công khác nhau như được mô
tả từ Phương trình (1) ĐẾN (3). Pheromone có hai đặc điểm quan trọng được gọi là sự
bay hơi và nồng độ, cho biết liệu kiến đã đi đúng đường hay đã thay đổi với sự thử
nghiệm khi dùng thử pheromone hay không. Nếu kiến giảm giá trị ngưỡng của nồng
độ, nó cũng làm giảm nồng độ pheromone. Do đó, đường dẫn bị loại và hiện tượng
này được gọi là "sự bay hơi pheromone". phương trình (1)–(3) mô tả mối quan hệ giữa
sự bay hơi và nồng độ dưới góc độ của số lượng kiến ký hiệu là P1 và hiện tượng liên
quan đến P1 là nồng độ và sự bay hơi của số lượng kiến ký hiệu là CP và EP, tương
ứng.

Ở đây,Pl thể hiện sự khác nhau về số lượng con kiến (trong FANETs, số lượng kiến
được coi là số lượng nút). Trong khi đó, cả nồng độ pheromone (Cp) và sự bay hơi
(Ep) cùng tạo ra và duy trì mức độ Pl. Hơn nữa, đường đi được chọn của Cp được xử
lý theo Phương trình (4) dưới đây

n+ MD (n)
Cp= (4)
Pl−Ep

Tương tự, 'n' đại diện cho tổng số nút tham gia cấu trúc liên kết mạng. Nó còn liên
quan đến MD (khoảng cách tối thiểu) giữa các nút được tính toán trong khoảng cách
được tối thiểu hóa với sự trợ giúp của Cp + Ep. Các mức độ pheromone khác nhau mô
tả lượng bay hơi pheromone đối với số lượng nút. Sự bay hơi của pheromone (là hàm
của chất hóa học pheromone) được ký hiệu bằng Cp và được tính toán như sau:
 n+ MD (n)
Ep= (5)
Pl−Cp

Tương tự, nếu chúng ta đánh giá MD (N) tiếp tục sắp xếp lại Phương trình (5) dưới
dạng phương trình (6):

EpxPl−Cp
MD ( n ) = (6)
n

Thông thường, số lượng nút được quyết định dựa theo tính chất (động) và diện tích
(1600×1600×1600) kích thước) của mạng được triển khai. Về vấn đề này, phương
trình sau (7) hỗ trợ

Ep x ( Pl−Cp)
n= (7)
MD

Nói chung, để tính toán cả hai chức năng ; ví dụ như pheromone ở dạng CP và EP;
phương trình cơ bản (số 8) được sử dụng :

Pl ( Cp+ Ep )=n x MD ( n ) (8)

6. PHẦN KẾT LUẬN

FANET (Flying Ad Hoc Networks) dựa trên máy bay không người lái đã xuất hiện
và thu hút được sự chú ý đáng kể khi công nghệ phù hợp hướng tới ngành công
nghiệp 4.0 cho phép các hệ thống quản lý giao thông thành phố thông minh. Việc triển
khai FANET dựa trên máy bay không người lái có một số lợi thế trong việc giám sát
giao thông từ xa, bao gồm vùng liên lạc hỗ trợ máy bay không người lái miễn phí
cũng như giám sát và an ninh thông minh. FANET dựa trên máy bay không người lái
có thể được triển khai trong vòng vài phút mà không yêu cầu cơ sở hạ tầng vật lý, làm
cho nó phù hợp với các ứng dụng quan trọng trong một số lĩnh vực quan tâm. Trong
bài báo này, chúng tôi đã đề xuất một kế hoạch giám sát giao thông từ xa đáng tin cậy
bằng cách sử dụng kỹ thuật tối ưu hóa đàn kiến nâng cao cho các FANET dựa trên
máy bay không người lái tự tổ chức. Hệ thống được đề xuất đã giải quyết một số thách
thức bao gồm phạm vi phủ sóng của khu vực địa lý lớn hơn và các liên kết truyền
thông dữ liệu giữa các nút FANET. Chúng tôi đã trình bày các kết quả thử nghiệm để
so sánh kỹ thuật được đề xuất với thời gian tồn tại của mạng và số lượng gói nhận
được khác nhau. Các kết quả được trình bày cho thấy rằng các kỹ thuật được đề xuất
của chúng tôi hoạt động tốt hơn so với các kỹ thuật tiên tiến hiện đại khác.