• Home
  • Improvement of Integrated Wireless Networks by Markov Games

Share To

Article Url


Manuscript ID : 1401072939801 Visit : 1966 Page: 169 - 182

Article Type: Original Research

Improvement of Integrated Wireless Networks by Markov Games

Subject Areas : electrical and computer engineering

Payam Porkar Rezaeiye 1 , Hamid Shokrzadeh 2 * , Dehghan Mehdi 3 , Amir Masoud Rahmani 4

1 - Department of Computer Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran
2 -
3 - Department of Computer Engineering, Amirkabir University, Tehran, Iran
4 - Department of Computer Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran

Received: 2022-10-25 Accepted : 2024-01-13 Published : 2024-12-31

Keywords: Integrated local networks, Li-Fi network, Wi-Fi network, access points and load balancing,

Abstract :

Nowadays integrated wireless networks have become very important. Among the important technologies in this field is the combined technology of visible light and radio frequency communications, an important example of which is the combination of Wi-Fi and Li-Fi local networks. This combination covers the weaknesses and strengthens the strengths of the local wireless network.

Also, an issue that can increase productivity in the network is load balancing, especially when the presence of access points from both networks will lead to more choices. In fact, in the proposed access point selection algorithm in this research, it has been done in such a way that when being at an access point, the decision to choose the location is based on the balance between the factors in the Markov game based on the strategic behavior of objects. In this way, network delay will be reduced and load balance will be increased.

Therefore, a dynamic method has been proposed, which can be used to make decisions according to the conditions at any time, especially when the topology changes in the network. The proposed method has advantages such as dynamic selection of access points according to network conditions, direct feedback on the efficiency of the network and shared channel, intelligence and learning towards changes to select points, interaction with similar agents in nodes, and reducing the probability of congestion at each access point. Also, with the increase in user traffic, which leads to congested conditions and the possibility of congestion in nodes and access points, this method helps more in terms of load balancing and reducing the level of congestion. So that its difference with compared methods that use more stable techniques such as fuzzy method increases significantly.

According to the obtained results, this method has been able to improve the efficiency of the local network by more than 10% compared to the previous methods such as the fuzzy method and more than 30% compared to the SSS selection policy in high traffic load conditions.

References:

[1] W. Yunlu, X. Wu, and H. Haas, "Distributed load balancing for Internet of Things by using Li-Fi and RF hybrid network," in Proc. IEEE 26th Annual Int. Symp. on Personal, Indoor, and Mobile Radio Communications, PIMRC'15, pp. 1289-1294, Hong Kong, China, 3 Aug.-2 Sept. 2015.
[2] W. Yunlu and H. Haas, "Dynamic load balancing with handover in hybrid Li-Fi and Wi-Fi networks," J. of Lightwave Technology, vol. 33, no. 22, pp. 4671-4682, Nov. 2015.
[3] D. Tsonev, S. Videv, and H. Haas, "Light fidelity (Li-Fi): towards all-optical networking", Proc. SPIE 9007, Broadband Access Communication Technologies VIII, 2014.
[4] H. Haas, L. Yin, Y. Wang, and C. Chen, "What is Li-Fi?" J. of Lightwave Technology, vol. 34, pp. 1533-1544, 2016.
[5] T. Dobroslav, S. Videv, and H. Haas, "Light fidelity (Li-Fi): towards all-optical networking," Proc. SPIE 9007, Broadband Access Communication Technologies VIII, 11 pp., 2014.
[6] W. Xiping, M. Safari, and H. Haas, "Access point selection for hybrid Li-Fi and Wi-Fi networks," IEEE Trans. on Communications, vol. 65, no. 12, pp. 5375-5385, Dec. 2017.
[7] L. Xuan, R. Zhang, and L. Hanzo, "Cooperative load balancing in hybrid visible light communications and Wi-Fi," IEEE Trans. on Communications, vol. 63, no. 4, pp. 1319-1329, Apr. 2015.
[8] W. Yunlu, D. Ushyantha, A. Basnayaka, and H. Haas, "Dynamic load balancing for hybrid Li-Fi and RF indoor networks," in Proc. IEEE Int. Conf. on Communication Workshop, ICCW'15, pp. 1422-1427, London, UK, 8-12 Jun. 2015.
[9] H. Christopher and J. Yang, "WiGiG: multi-gigabit wireless communications in the 60 GHz band," IEEE Wireless Communications, vol. 18, no. 6, pp. 6-7, Dec. 2011.
[10] W. Xiping, "Two-stage access point selection for hybrid VLC and RF networks," in Proc. IEEE 27th Annual Int. Symp. on Personal, Indoor, and Mobile Radio Communications, PIMRC'16, 6 pp., Valencia, Spain, 4-8 Sept. 2016.
[11] I. Stefan, H. Burchardt, and H. Haas, "Area spectral efficiency performance comparison between VLC and RF femtocell networks," in Proc. IEEE Int. Conf. on, Communications, ICC'13, pp. 3825-3829, Budapest, Hungary, 9-13 Jun. 2013.
[12] W. Xiping, M. Safari, and H. Haas, "Joint optimization of load balancing and handover for hybrid Li-Fi and Wi-Fi networks," in Proc. IEEE Wireless Communications and Networking Conf., WCNC'17, 5 pp., San Francisco, CA, USA, 19-22 Mar. 2017.
[13] S. Sihua, et al., "An indoor hybrid Wi-Fi-VLC internet access system," in Proc. IEEE 11th Int. Conf. on Mobile Ad Hoc and Sensor Systems, pp. 569-574, Philadelphia, PA, USA, 28-30 Oct.. 2014.
[14] A. Basnayaka, D. Ushyantha, and H. Haas, "Hybrid RF and VLC systems: improving user data rate performance of VLC systems," in Proc. IEEE 81st Vehicular Technology Conf. (VTC Spring), 5 pp., Glasgow, UK, 11-14 May 2015.
[15] L. Lu, Y. Zhang, B. Fan, and H. Tian, "Mobility-aware load balancing scheme in hybrid VLC-LTE networks," IEEE Communications Letters, vol. 20, no. 11, pp. 2276-2279, Nov. 2016.
[16] K. Abdallah, et al., "A hybrid RF-VLC system for energy efficient wireless access," IEEE Trans. on Green Communications and Networking, vol. 2, no. 4, pp. 932-944, Dec. 2018.
[17] A. Omar and R. Hingst, "Improving the retailer industry performance through RFID technology: a case study of wal-mart and metro group," Cases on Quality Initiatives for Organizational Longevity. IGI Global, pp. 196-220, 2018.
[18] S. Kapp, "802.11a: More bandwidth without the wire," IEEE Internet Computing, vol. 6, pp. 75-79, Jul./Aug. 2002.
[19] W. Francesc, S. Barrachina-Muñoz, C. Cano, I. Selinis, and B. Bellalta, "Spatial reuse in IEEE 802.11 ax WLANs," Computer Communications, vol. 170, pp. 65-83, Mar. 2021.
[20] Y. Perwej, "The next generation of wireless communication using Li-Fi (light fidelity) technology," J. of Computer Networks, vol. 4, no. 1, pp. 20-29, 2017.
[21] D. Tsonev, S. Videv, and H. Haas, " Towards a 100 Gb/s visible light wireless access network," Optics Express, vol. 23, no. 2, pp. 1627-1637, 26 Jan. 2015.
[22] -، وایمکس (WiMAX)، https://noktestan.blogfa.com/post/22
[23] W. Yunlu, et al., "Optimization of load balancing in hybrid LiFi/RF networks," IEEE Trans. on Communications, vol. 65, no. 4, pp. 1708-1720, Apr. 2017.
[24] W. Xiping, C. Chen, and H. Haas, "Mobility management for hybrid Li-Fi and Wi-Fi networks in the presence of light-path blockage," in Proc. IEEE 88th Vehicular Technology Conf. (VTC-Fall), 5 pp. 1-5, Chicago, IL, USA, 27-28 Aug. 2018.
[25] O. Mohanad, A. M. Salhab, S. A. Zummo, and M. S. Alouini, "Joint load balancing and power allocation for hybrid VLC/RF networks," in Proc. IEEE Global Communications Conf., GLOBECOM '17, 6 pp., Singapore, 4-8 Dec. 2017.
[26] Z. L. Jie, J. I. Hong, L. I. Xi, and Y. W. Tang, "Optimal resource allocation scheme for cognitive radio networks with relay selection based on game theory," The J. of China Universities of Posts and Telecommunications, vol. 19, no. 6, pp. 25-62, Dec. 2012.
[27] C. Tsao, Y. T. Wu, W. Liao, and J. C. Kuo, "Link duration of the random way point model in mobile ad hoc networks," in Proc. IEEE Wireless Communications and Networking Conf., WCNC'06, pp. 367-371, Las Vegas, NV, USA, 3-6Apr. 2006.
[28] A. Souri, A. Hussien, M. Hoseyninezhad, and M. Norouzi, "A systematic review of IoT communication strategies for an efficient smart environment," Trans. on Emerging Telecommunications Technologies, vol. 33, no. 3, Article ID: e3736, Mar. 2019.
[29] S. Murugaveni and K. Mahalakshmi, "Optimal frequency reuse scheme based on cuckoo search algorithm in Li-Fi fifth-generation bidirectional communication," IET Communications, vol. 14, no. 15, pp. 2554-2563, Sept. 2020.
[30] E. Masoumeh, M. Ghobaei-Arani, and A. Shahidinejad, "Resource provisioning for IoT services in the fog computing environment: an autonomic approach," Computer Communications, vol. 161, pp. 109-131, Sept. 2020.
[31] L. Si-Phu, et al., "Enabling wireless power transfer and multiple antennas selection to IoT network relying on NOMA," Elektronika ir Elektrotechnika, vol. 26, no. 5, pp. 59-65, 2020.
[32] O. Mohanad, A. N. Salhab, S. A. Zummo, and M. S. Alouini, "Joint optimization of power allocation and load balancing for hybrid VLC/RF networks," J. of Optical Communications and Networking, vol. 10, no. 5, pp. 553-562, May 2018.
[33] A. Sudha, et al., "SDN-assisted efficient LTE-Wi-Fi aggregation in next generation IoT networks," Future Generation Computer Systems, vol. 107, pp. 898-908, Jun. 2020.
[34] Z. Wei, et al., "A self-adaptive AP selection algorithm based on multi-objective optimization for indoor Wi-Fi positioning," IEEE Internet of Things J., vol. 8, no. 3, pp. 1406-1416, 1 Feb. 2020.
[35] M. Soraya, et al., "Wireless system selection with spectrum database for IoT," in Proc. IEEE Int. Conf. on Information Networking, ICOIN'21, pp. 203-208, Jeju Island, South Korea, 13-16 Jan. 2021.
[36] P. Bhanu and J. Malhotra, "QAAs: QoS provisioned artificial intelligence framework for AP selection in next-generation wireless networks," Telecommunication Systems, vol. 76, pp. 233-249, Aug. 2021.
[37] R. Ahmad and A. Srivastava, "Optimized user association for indoor hybrid Li-Fi Wi-Fi network," in Proc. IEEE 21st Int. Conf. on Transparent Optical Networks, ICTON'19, 5 pp., Angers, France, 9-13 Jul. 2019.
[38] N. Omar, "IoT and RFID in supply chain: benefits, barriers and analysis," International Journal of Research Publication and Reviews, vol. 3, no 2., pp 334-358, Feb 2022.
[39] M. Ahrabi, et al., "Mobility aware load balancing using Kho-Kho optimization algorithm for hybrid Li-Fi and Wi-Fi network," Wireless Networks, vol. 30, pp. 5111-5125, 2024.
[40] M. L. Littman, "Markov games as a framework for multi-agent reinforcement learning," in Proc. of the Eleventh International Conference, Rutgers University, pp. 157-163, New Brunswick, NJ, USA, 10-13 Jul. 1994.
[41] W. Y. Liu, K. Yue, T. Y. Wu, and M. J. Wei, "An approach for multi-objective categorization based on the game theory and Markov process," Applied Soft Computing, vol. 11, no. 6, pp. 4087-4096, Sept. 2011.
[42] J. Hao, Y. Xue, M. Chandramohan, Y. Liu, and J. Sun, "An adaptive Markov strategy for effective network intrusion detection," in Proc. IEEE 27th Int. Conf. on Tools with Artificial Intelligence, ICTAI'15, pp. 1085-1092, Vietri sul Mare, Italy, 9-11 Nov. 2015.
[43] W. Xiaofeng and T. Sandholm, "Reinforcement learning to play an optimal Nash equilibrium in team Markov games," in Proc. Advances in Neural Information Processing Systems, NIPS'02, 2002.
[44] L. Cheng, D. Ma, and H. Zhang, "Optimal strategy selection for moving target defense based on Markov game," IEEE Access, vol. 5, pp. 156-169, 2017.
Full-Text:
معرفي يک روش جديد خوشه‌يابي خودکار

نشریه مهندسی برق و مهندسی کامپیوتر ایران، ب- مهندسی کامپیوتر، سال 22، شماره 3، پاییز 1403                                                                                           169

مقاله پژوهشی

بهبود شبکه‌های بی‌سیم تلفیقی به‌وسیله بازی‌های مارکوف

پیام پرکار رضائیه، حمید شکرزاده، مهدی دهقان تخت فولادی و امیرمسعود رحمانی

 

 

1 

چکیده: امروزه شبکه‌های بی‌سیم تلفیقی اهمیت فراوان پیدا کرده‌اند. ازجمله فناوری‌های مهم در این زمینه، فناوری تلفیقی ارتباطات نور مرئی و فرکانس رادیویی است که نمونه مهم آن، ترکیب شبکه‌های محلی Wi-Fi و Li-Fi است. این ترکیب موجب پوشش نقاط ضعف و تقویت نقاط قوت شبکه بی‌سیم محلی می‌شود. همچنین موضوعی که می‌تواند بهره‌وری را در شبکه افزایش دهد تعادل بار است؛ به‌ویژه وقتی وجود نقاط دسترسی از هر دو شبکه موجب انتخاب‌های بیشتر خواهد شد. در واقع در الگوریتم انتخاب نقطه دسترسی روش پیشنهادی در این پژوهش به گونه‌ای عمل شده که در هنگام قرارگرفتن در یک نقطه دسترسی، تصمیم‌گیری برای انتخاب محل قرارگیری بر پایه تعادل بین عامل‌های موجود در بازی مارکوف در رفتار استراتژیک اشیا باشد و به این ترتیب میزان تأخیر شبکه کاهش یافته و تعادل بار افزایش خواهد یافت. بدین ترتیب یک روش پویا پیشنهاد شده که با استفاده از آن در هر زمان و به‌ویژه هنگام تغییر توپولوژی در شبکه، تصمیمات متناسب با شرایط گرفته می‌شود. روش پیشنهادی مزایایی همچون انتخاب پویای نقاط دسترسی با توجه به شرایط شبکه، بازخورد مستقیم از کارایی شبکه و کانال اشتراکی، هوشمندی و یادگیری نسبت به تغییرات برای انتخاب نقاط، تعامل با عامل‌های مشابه در گره‌ها و کاهش احتمال ازدحام در هر نقطه دسترسی دارد. همچنین با افزایش ترافیک کاربران (که منجر به شرایط پرازدحام می­شود و احتمال ازدحام در گره­ها و نقاط دسترسی بالا می‌رود)، این روش کمک بیشتری را نسبت به توازن بار و کاهش سطح ازدحام می­نماید به طوری ­که اختلاف آن با روش­های مورد مقایسه که از تکنیک­های ثابت­تری مانند روش فازی استفاده می­کنند، افزایش چشمگیری می­یابد. با توجه به نتایج به دست آمده این روش توانسته است بیش از 10% بهبود کارایی در شبکه محلی نسبت به روش‌های پیشین همچون روش فازی و بالاتر از 30% بهبود کارایی نسبت به سیاست انتخاب SSS در شرایط بار ترافیکی بالا ایجاد کند.

 

کلیدواژه: شبکه‌های محلی تلفیقی، شبکه Li-Fi، شبکه Wi-Fi، نقاط دسترسی و توازن بار.

1-       مقدمه

هر کدام از بسترهای شبکه‌ای برای انتقال داده‌ها ویژگی‌های منحصربه‌فرد خود را دارند؛ بدین ترتیب راهکارهایی که در این بسترها برای انتقال و بهبود کارایی آنها به کار گرفته می‌شوند، می‌توانند بسیار متفاوت باشند. در بستر بی‌سیم تاکنون فناوری‌ها و پروتکل‌های نسبتاً زیادی پیشنهاد شده که همگی در یک نقطه که همان بستر بی‌سیم می‌باشد، مشترک هستند. بستر ارتباط بی‌سیم می‌تواند خطای زیادی داشته باشد و شرایط آن بسیار متغیر است. در نتیجه این تغییرات توپولوژی شبکه نیز در هر زمان تغییر نموده و بیشتر از هر چیز نیاز به روش‌هایی پویا برای تخصیص نقاط دسترسی در مورد این شبکه‌ها احساس می‌شود. با افزایش کاربردهای شبکه‌ها و به‌ویژه شبکه‌های بی‌سیم، این نیازمندی قوی‌تر شده و در سطحی وسیع مشخص است.

با توجه به بررسی‌ها شبکه‌های محلی بی‌سیم، عمده ترافیک‌ها را در ارتباطات امروزی به خود اختصاص داده است. این موضوع موجب توجه ویژه به این شبکه‌های ارتباطی شده که البته این شبکه‌های محلی خود جزئی از شبکه‌های بزرگ‌تر و حتی شبکه جهانی اینترنت هستند. به‌ویژه مشترکین اینترنت برای اتصال به آن از شبکه‌های محلی استفاده زیادی می‌کنند و مهم‌تر از کاربران، فناوری اینترنت اشیاست که سیل عظیمی را شامل می‌شود. وجود این همه استفاده از شبکه‌های محلی، آن را تبدیل به یک گلوگاه ارتباطی در بسیاری از موارد نموده است.

همان گونه که فناوری‌های ارتباطی شاخص مانند فیبر نوری و MPLS در شبکه‌های بزرگ وجود دارد، در مورد شبکه‌های محلی بی‌سیم نیز دو فناوری بسیار اهمیت یافته‌اند. اولین فناوری یک فناوری قدیمی‌تر در این شبکه‌ها است به نام فناوری فرکانس رادیویی 2(RF) که در رأس آنها شبکه 3Wi-Fi خودنمایی می‌کند. دومین فناوری، فناوری ارتباطات نور مرئی 4(VLC) است که یکی از جدیدترین فناوری‌های ارتباط بی‌سیم با پهنای باند بسیار بالاست. شبکه 5Li-Fi استانداردی است که از این فناوری تبعیت می‌کند.

شبکه Wi-Fi به‌عنوان معروف‌ترین شبکه بی‌سیم، امکان شبکه‌سازی در انتقال داده و اتصال به شبکه گسترده اینترنت با سرعتی بالا را فراهم می‌کند. Wi-Fi بر پایه امواج رادیویی 4/2 گیگاهرتز تا 5 گیگاهرتز کار می‌کند که هرچه فرکانس بالاتر رود، امکان انتقال اطلاعات بیشتری در واحد زمان به وجود می‌آید که حجم بالا مستلزم بهره‌گیری از روش‌های کنترل و متعادل‌سازی بار موجود در این شبکه یا توازن بار می‌باشد.

فناوری نوظهور Li-Fi فناوری جدید دیگری مبتنی بر فیبر نوری است ‌که ۱۰۰ برابر سریع‌تر از Wi-Fi است و به‌عنوان شبکه بی‌سیم در دسترسی به بستر انتقال داده به‌ویژه اینترنت جایگاه قابل توجهی دارد. چنانچه روز به روز بر کاربرد آن افزوده شده و می‌تواند روش مناسبی برای دسترسی به شبکه و اینترنت با سرعت بالا به همراه عملکرد مناسب آن باشد  و  ازجمله  در  شبکه‌های  اینترنت  اشیا  کاربرد  بسیاری  یافته  است.

img0 

شکل 1:  عملکرد سیستم تلفیقی [2].

 

اگرچه Li-Fi ویژگی‌های مثبت زیادی دارد، از نظر وسعت پوشش و محدودیت کاربری دارای نقاط ضعفی است. همچنین در این فناوری نور باید مستقیم و در جهت مناسب تابیده شود و در نور زیاد نیز کشف شبکه دچار اختلال خواهد شد. از آنجایی که هر یک از فناوری‌های Wi-Fi و Li-Fi یک سری نقاط مثبت و یک سری نقاط منفی دارند، در ساختارهای نوین به ترکیب این دو فناوری پرداخته شده که می‌تواند اثرات مناسبی را بر روی قابلیت‌های شبکه و کارایی آن ایجاد کند. این شبکه تلفیقی، فناوری ارتباط نوری قابل مشاهده (VLC) که برای انتقال داده‌ها با سرعت بالا استفاده می‌شود و فناوری بسامد رادیویی (RF) را با یکدیگر ترکیب می‌نماید. شبکه تلفیقی6 بازده سیستم و کارایی کاربران سیستم را افزایش می‌دهد و همچنین چالشی برای روند پردازش نقطه دسترسی‌های ناهمگن به وجود می‌آورد. این فناوری‌ها به‌منظور استفاده در شبکه‌های محلی متصل به شبکه‌های بزرگ مانند اینترنت بسیار مناسب هستند 
و ترکیب آنها می‌تواند در شبکه‌های مهمی مانند اینترنت اشیا بسیار مؤثر باشد.

اما یک مسئله بسیار مهم در چنین شبکه‌هایی، انتخاب نقطه دسترسی مناسب است که بتواند پوشش مناسبی ایجاد کند و کارایی شبکه به سطح بالایی برسد. اگر این نقطه دسترسی به درستی انتخاب نشود، شبکه تلفیقی به‌درستی نخواهد توانست گره‌ها را پوشش داده و یا در مورد برخی فضاهای شبکه با قدرت عمل کرده و در برخی فضاها عملکرد پایینی خواهد داشت. توازن بار در یک شبکه تلفیقی به‌منظور ایجاد توازن بین گره‌ها و تناسب کارایی در تمام نقاط شبکه اهمیت فراوانی دارد. تا به حال پژوهش چندانی که بتواند عملکرد قابل توجهی در این زمینه ارائه بدهد، انجام نشده و کارهای اندکی که صورت گرفته است نه بر اساس توپولوژی شبکه و عملکرد گره‌ها، بلکه بیشتر بر اساس نظریه‌های ارتباطی بنا شده‌اند. اگرچه بخش نظری نیز می‌تواند تا حدی راهگشا باشد، اما خلأ یک پژوهش که بتواند به بخش توپولوژیکی شبکه و عملکرد استراتژیک گره‌ها به منزله یک راه‌حل مهم و مؤثر نگاه کند، در این زمینه احساس شده است.

با وجود توپولوژی متغیر شبکه‌های بی‌سیم در هر زمان و احتمال جابه‌جایی کاربران و گره‌های شبکه محلی، همچنین ترافیک متغیر گره‌ها و در مجموع تغییر رفتار شبکه‌ای گره‌ها، اگر انتخاب نقاط دسترسی در طول عمر شبکه به‌درستی انجام نشود، کارایی افت قابل توجهی پیدا می‌کند. برای مثال زمانی که کاربری از محدوده دسترسی Wi-Fi خارج می‌شود، کاهش بار را در بستر مزبور و افزایش بار را در نقطه دسترسی Li-Fi مشاهده خواهیم کرد [1]. بنابراین در این پژوهش برای ایجاد توازن بار در دو بستر Wi-Fi و Li-Fi با توجه به قابلیت‌ها و محدودیت‌های آنها اقدام می‌شود و در این مسیر یک استراتژی مناسب برای انتخاب نقطه دسترسی بر روی گره‌ها از طریق نظریه بازی مارکوف پیشنهاد شده است. کاربران در این مدل از شبکه تلفیقی و الگوریتم توازن بار در زمان حرکت و عبور از نقطه دسترسی به نقطه دیگر در بین دو شبکه Wi-Fi و Li-Fi منابع اشتراکی را مورد توازن بار قرار می‌دهند [2]. راه‌حل پیشنهادی با توجه به شرایط موجود شبکه و یادگیری گره‌ها در انتخاب نقطه دسترسی، به‌صورت پویا کارایی محیط را با توجه به مقایسه با روش‌هایی همچون فازی به طور مناسبی بالا می‌برد.

ساختار مقاله در ادامه بدین شرح است: در بخش دوم به بیان كلی شبکه‌های تلفیقی Wi-Fi و Li-Fi و كارهای مرتبط در این زمینه و تعادل بار پرداخته می‌شود. بخش سوم روش پیشنهادی را برای اجرای روش انتخاب نقطه دسترسی با بهره‌گیری از نظریه بازی مارکوف به‌منظور افزایش کارایی و گذردهی شبکه شرح می‌دهد. در بخش چهارم نتایج شبیه‌سازی و ارزیابی ارائه شده و نهایتاً در بخش پنجم نتیجه‌گیری و كارهای آینده بیان خواهد گردید.

2-       ‌مفاهیم اولیه و کارهای مرتبط

در شکل 1 ترکیب نقاط دسترسی دو بستر ارتباطی Wi-Fi و Li-Fi به شکلی ارائه شده که یک نقطه دسترسی Wi-Fi در کنار چندین نقطه دسترسی Li-Fi ترکیب شده است. در این نمونه طرح سناریویی به شکل توزیع یکنواخت تصادفی از سوی کاربران مشاهده می‌شود. در این شکل، کلیه نقاط دسترسی‌ها بدون خطا به یکدیگر متصل شده‌اند. در این شبکه تلفیقی با توجه به اطلاعات موقعیت کانال 7(CSI) و نوسانات موجود پیش رو در حین بهره‌برداری کاربران متحرک می‌بایست در فواصل منظم، عملیات متوازن‌سازی8 بار را انجام دهند. فرض بر این است که اطلاعات موقعیت کانال در هر دو سیستم Li-Fi و فرکانس رادیویی برای مدت کوتاهی ثابت باقی می‌ماند که به عنوان یک موقعیت ثابت تعریف شده و بدین ترتیب تغییرات را با یک مقدار جدید در موقعیت دیگر با لحاظ‌نمودن فاصله زمانی بین دو همسایه در نظر می‌گیرد. در هر موقعیت حضور کاربر، فرض بر این است که پیکربندی و متوازن‌سازی به شکل ثابت لحاظ می‌گردد و کاربران نرخ داده ثابت را دریافت می‌نمایند. عدد طبیعی img0 نشان‌دهنده تعداد و دنباله‌ای از موقعیت‌های موجود است.

هر کدام از نقاط دسترسی Li-Fi از یک صفحه پهن یا همان دیود ساطع‌کننده نور 9(LED) با توان کم تشکیل شده و در کنار آشکارسازهای نوری کاربران 10(PD)، مسئول حفظ تعادل بار در یک نقطه دسترسی 11(AP) شبکه Li-Fi است [3]. در این بستر ارتباطی، زاویه انتشار با زاویه مکان‌های آشکارساز نوری متناسب است. دیوارهای موجود موجب جداسازی و قسمت‌بندی بستر ارتباطی شبکه Li-Fi می‌شوند. توازن بار در هر دو حالت Li-Fi و Wi-Fi باید به‌درستی اجرا شود. در این مدل، img0 نشان‌دهنده مجموعه‌ای از نقاط دسترسی متعلق به Li-Fi و Wi-Fi است که img0 نشانگر نقاط دسترسی Wi-Fi است و img0 نقاط دسترسی Li-Fi را نشان می‌دهد و مجموعه‌ای از کاربران با img0 نشان داده شده است. در واقع یک مدل ترافیکی با بافر پر در نظر گرفته شده است؛ به طوری که حداکثر سرعت داده‌های دست‌یافتنی برای هر کاربر در همه زمان‌ها ارزیابی می‌گردد.

برای مدل ریاضی فناوری تلفیقی Wi-Fi و Li-Fi نیاز به محاسبه SINR این دو شبکه وجود دارد که مطابق با (1) برای Li-Fi و (2) برای Wi-Fi می‌باشد که در ذیل آمده است [4]

img0        (1)

در رابطه فوق img0 میزان انتشار در کانال، img0 مقدار چگالی طیفی توان 12(PSD) یا نیروی نویز جذب‌شده در آشکارسازهای نوری کاربران و img0 مقدار پهنای باند نقطه دسترسی Li-Fi است. img0 میزان پاسخ‌دهی یا مسئولیت‌پذیری13 حسگر و پاسخ‌دهنده موج است. img0 میزان نوری است که ارسال می‌شود و img0 عامل توان الکترونیکی را نشان می‌دهد. ضریب img0 برابر با میزان سیگنال نور است [4]

img0        (2)

در این رابطه img0 بهره‌وری در کانال و img0 مقدار چگالی طیفی توان یا نویز دریافتی در گیرنده است. img0 و img0 به ترتیب نیروی انتقال و پهنای باند مورد استفاده توسط نقطه دسترسی Wi-Fi می‌باشند.

پیش از این پژوهش‌های زیادی در زمینه توازن بار در شبکه‌ها وجود داشته است. به توزیع ترافیک بر مبنای الگوریتم‌های توزیع متناسب، عملیات متوازن‌سازی یا توازن بار گفته می‌شود. فرایند توازن بار 14(LB) زمانی اتفاق می‌افتد که دو یا چند منبع انتقال داده مانند بی‌سیم یا فیبر نوری به یک روتر متوازن‌کننده بار متصل شده باشند. به‌کارگیری این روترها سبب می‌شود تا قابلیت اطمینان سیستم افزایش یابد؛ زیرا در صورتی که یکی از خطوط اینترنت دچار ایراد شده و قطع شود، همچنان به اینترنت دسترسی وجود خواهد داشت [5] تا [8]. یک روتر متوازن‌کننده بار، ترافیک اینترنتی را به شکل بهینه‌ای از طریق دو یا چند اتصال پرسرعت مدیریت می‌کند تا به کاربرانی که به‌صورت هم‌زمان از اینترنت پرسرعت استفاده می‌کنند، خدمات بهتری را ارائه دهد.

روش‌های تعادل بار معمولاً در دسترس بودن منبع و همچنین کیفیت کانال را در نظر می‌گیرند. این روش‌ها می‌توانند به دو دسته تقسیم شوند: قرض‌دادن کانال و انتقال ترافیک. از آنجایی که Li-Fi و Wi-Fi در طیف‌های مختلف عمل می‌کنند، قرض‌دادن کانال در یک شبکه تلفیقی Li-Fi و Wi-Fi قابل استفاده نیست و بنابراین روش ساده انتقال ترافیک در نظر گرفته شده است. در عین حال توازن بار مبتنی بر بهینه‌سازی بوده و به‌عنوان یک روش بهینه‌سازی مورد بهره‌برداری قرار می‌گیرد.

با استفاده از این روش توازن بار، اگر یک نقطه دسترسی بتواند نیازهای سرعت داده کاربر را برآورده کند، کاربر با این شرط (یعنی برآورده‌کردن نیازمندی و ایجاد رضایت) به نقطه دسترسی متصل می‌شود که بالاترین نرخ نویز سیگنال 15(SNR) را دارد. در غیر این صورت، کاربر نقطه دسترسی را انتخاب می‌کند که بالاترین رضایت را به کاربر می‌دهد. باید توجه داشت که این نقطه دسترسی هنوز هم می‌تواند بالاترین نرخ نویز سیگنال را ارائه کرده باشد. اگر چندین نقطه دسترسی به بالاترین رضایت کاربر برسند، نقطه دسترسی با بیشترین نرخ نویز سیگنال انتخاب می‌شود. به عبارت دیگر، روش توازن بار در ابتدا رضایت کاربر را به حداکثر می‌رساند و سپس کیفیت کانال را به‌عنوان یک معیار برای انتخاب در نظر می‌گیرد. قابلیت توازن بار در جهت افزایش کارایی و سرعت در امور شبکه به کار می‌رود. به طور کلی متوازن‌کننده بار بین یک مشتری و میزبان قرار می‌گیرد [2] و عملکرد آن باعث انجام سریع‌تر کار می‌شود و در واقع زمان پاسخ را پایین می‌آورد؛ در نتیجه باعث افزایش بهره‌برداری از منبع می‌شود. زمان پاسخ برابر است با زمان انتظار به علاوه زمان سرویس. این طور به نظر می‌رسد که الگوریتم توازن بار برای تصمیم‌هایش به تعداد زیادی پیام نیاز دارد که مطلوب نیست. در طرح توزیع‌شده، الگوریتم توازن بار پویا به‌وسیله همه گره‌های موجود در سیستم اجرا می‌شود و مسئولیت توازن بار بین آنها تقسیم می‌گردد. در طرح متمرکز، الگوریتم توازن بار فقط توسط گره مرکزی از سیستم توزیع‌شده اجرا می‌شود و گره مرکزی برای توازن بار در تمام سیستم توزیع‌شده مسئول خواهد بود.

در [1] روشی ارائه شده که هر پردازنده از وضعیت سایر پردازنده‌ها باید اطلاع داشته باشد (مثلاً آدرس و ...). هر پردازنده یک صف پردازش مخصوص به خود را دارد که در لحظه راه‌اندازی سیستم خالی است. بر همین اساس هر پردازنده برای شروع کار همه پردازنده‌های سیستم را بی‌کار در نظر می‌گیرد. حال اگر صف وظایف پردازنده‌ای پر شد، کار مازاد خود را بر اساس فهرست پردازنده‌های موجود برای یک پردازنده دیگر می‌فرستد. حال یا این پردازنده کار را انجام می‌دهد یا نمی‌دهد که در صورت اجرانکردن کار، یک پیغام برای پردازنده اول ارسال می‌کند. حال پردازنده اول به‌صورت موقت وضعیت این پردازنده را در فهرست از بی‌کار به مشغول تغییر می‌دهد تا برای ارسال کارها مد نظر گرفته نشود و با مابقی پردازنده‌ها تعامل کنند. در این روش تعداد پیام‌های ارسالی نسبت به شیوه رایج بدون هماهنگ‌کننده بسیار کمتر است؛ چون برای ارسال یک پیام نیاز به ارسال 2 برابر پیام می‌باشد که در این طرح پیشنهادی در بهترین حالت و فقط یک پیام ارسال می‌شود. اساس کار این پژوهش در سیستم‌هایی با پردازش توزیع‌شده است که یک رویکرد پایه را برای چنین سیستم‌هایی در نظر می‌گیرد و تنها می‌تواند به‌عنوان یک الگوی ابتدایی در شبکه‌های توزیع‌شده مد نظر قرار بگیرد. روش پیشنهادی ما نسبت به این روش به‌دلیل آن که دو سیستم متفاوت هستند، قابل مقایسه نیست.

باید در نظر داشت که توازن بار به‌صورت خودکار انجام می‌شود؛ با این روش که تمامی اتصالات مربوط به میزبان مختل و قطع شده و در ادامه کار، آن مشتری‌ها به میزبان سالم ارتباط داده می‌شوند. این رویه بدون این كه كاربر متوجه این اختلال شود، رخ می‌دهد. بنابراین در مجموع در دسترس بودن سرویس نسبت به حالتی كه یك سرور تنها به درخواست‌ها پاسخ می‌دهد، به حداکثر رسیده و در نهایت از قطعی سرورها کاسته می‌شود [9].

تمامی رویه شناسایی میزبان مختل شده تا مسیردهی مجدد و ایجاد ارتباط با میزبان سالم در کمتر از 10 میلی‌ثانیه رخ دهد؛ از این رو کاربر به هیچ عنوان با قطعی سرویس ناشی از پایین‌بودن یک سرور مواجه نخواهد شد و نیز به طور چشم‌گیری اختلالات پردازشی سرورها مرتفع می‌شود.

علاوه بر روش‌های مطرح‌شده در زمینه تعادل بار در شبکه‌های مربوط، در برخی مقالات به تحقیق در مورد شبکه‌های تلفیقی مشابه پرداخته شده است. برای مثال در [7] با هدف به حداکثر رساندن بازده، یک روش بهینه‌سازی مرکزی توضیح داده شده که به محاسبات پیچیده و زمان‌بری نیاز دارد. دو روش یادشده در این مقاله از راه‌حل‌های انتخاب نقطه دسترسی 16(APS) در شبکه‌های همگن استفاده نموده‌اند که هر دو روش در بهره‌برداری از ویژگی‌ها و خصوصیت‌های متمایز بین تکنولوژی‌های Wi-Fi و Li-Fi شکست خوردند. به طور کلی یک شبکه تلفیقی از 
Wi-Fi و Li-Fi روش‌ها و استراتژی انتخاب نقطه دسترسی را از دو جنبه به چالش می‌کشد که عبارتند از یک نقطه دسترسی Wi-Fi غالباً کاربران نزدیک به خود رو جذب می‌کند و به این ترتیب کارایی نقطه دسترسی Li-Fi که کاربر در محدوده آن است را ناکارآمد می‌کند و از طرف دیگر یک نقطه دسترسی Wi-Fi محدوده بزرگ‌تری از یک نقطه دسترسی 
Li-Fi را تحت پوشش قرار می‌دهد؛ بنابراین به سربار اضافی که به آن تحمیل می‌شود حساس‌تر است. مزیت پژوهش ما نسبت به این پژوهش (یعنی [7]) در کاهش بار محاسباتی مورد نیاز و هوشمندی انتخاب نقاط دسترسی همزمان با تغییرات شرایط شبکه است.

در [4] یک روش انتخاب نقطه دسترسی بر اساس منطق فازی برای انتخاب نقطه دسترسی در شبکه‌های تلفیقی Li-Fi و Wi-Fi به کار برده شده است. روشی که در این مقاله به آن اشاره گردیده، شامل دو مرحله می‌باشد. در مرحله اول منطق فازی برای شناسایی کاربرانی که به شبکه Wi-Fi متصل شده‌اند توسعه داده شده است. سپس در مرحله دوم، اگر کاربری در شبکه باقیمانده باشد به شبکه Li-Fi اختصاص داده می‌شود. روش پیشنهادشده یک الگوریتم متمرکز17 است و برخلاف روش‌های توزیع به تکرار برای رسیدن به وضعیت ثابت نیاز ندارد. برخلاف روش بهینه‌سازی متمرکز18، روش مطرح‌شده می‌تواند با استفاده از منطق فازی به شکل قابل ملاحظه‌ای عملیات پروسس را کاهش دهد.

برخلاف اکثر مطالعات، مانند تحقیقات [10] انجام‌شده در این زمینه، این مقاله یک سناریوی داخلی را با قسمت‌های مختلف آن توسعه داده است. علاوه بر این، روش پیشنهادی، بهینه شده و بهبود یافته است. طبق ادعای این مقاله، روش پیشنهادی آن به طور قابل توجهی از پیچیدگی انتخاب در روش‌های مبتنی بر محاسبات می‌کاهد و همچنین تفاوت بین روش مطرح‌شده و روش انتخاب نقطه دسترسی معمولی قابل توجه است. استفاده از منطق فازی در ابتدای ارتباط، یک روال متفاوت را نسبت به پژوهش ما ایجاد می‌کند که معایبی از جمله قدرت تحلیل پایین را به دنبال خواهد داشت. ضمن این که روالی برای پویایی و یادگیری بالقوه وجود ندارد؛ حال آن که در اکثر بازی‌ها از جمله بازی مشارکتی این موارد به چشم می‌خورد. در نتیجه عمده مزیت روش پیشنهادی ما نسبت به 
این پژوهش، داشتن روال هوشمند، پویایی و یادگیری در زمان اجرای شبکه است.

در [8] مسئله تعادل بار پویا برای شبکه تلفیقی بین فرکانس رادیویی و شبکه Li-Fi بررسی شده است. حتی اگر شبکه‌های Li-Fi بتوانند توان عملیاتی داده‌ای بسیار بالایی را فراهم کنند، اما توزیع فضایی چنین داده‌های بالایی ممکن است یکنواخت نباشد. نشان داده شده که این نوسانات نرخ داده فضایی را می‌توان با موفقیت توسط یک شبکه فرکانس رادیویی افزوده‌شده به شبکه Li-Fi کاهش داد. در این مقاله، یک الگوریتم متعادل‌کننده بار پویا برای یافتن انتساب بهینه نقطه دسترسی به منظور برآوردن محدودیت‌های معین در هر کاربر برای نرخ داده وقتی به حداقل عملکرد خروجی و آستانه قطعی می‌رسد، پیشنهاد شده است. همچنین یک آستانه میزان داده برای تعیین این که آیا کاربران باید توسط نقطه دسترسی Li-Fi یا نقطه دسترسی فرکانس رادیویی سرویس‌دهی شوند، تعریف شده است. یکی از مشکلات این روش، احتمال انحراف از محل جابه‌جایی به خاطر در نظر گرفتن اتلاف بسته در زمان جابه‌جایی است که این مشکل در روش پیشنهادی وجود ندارد. همچنین از نظر محاسباتی نیز روش پیشنهادی وضعیت به‌مراتب بهتری را نسبت به این روش فراهم می‌کند.

پژوهش [10] موضوع انتخاب نقطه دسترسی را در یک شبکه بی‌سیم تلفیقی بین فناوری ارتباطات نور مرئی و فناوری‌های فرکانس رادیویی بررسی می‌کند. به گفته مقاله یک شبکه تلفیقی چندین لایه از پوشش را ایجاد می‌کند؛ بنابراین کاربر سطح بالایی از قدرت دریافت سیگنال 19(RSS) را از بیش از یک نقطه دسترسی به دست می‌آورد. این واقعیت اثربخشی روش‌های متداول انتخاب نقطه دسترسی مبتنی بر قدرت دریافت سیگنال را تضعیف می‌کند. عامل چالش‌برانگیز دیگر عدم شباهت میان برنامه‌های ناهمگن از نظر سطح پوشش و ظرفیت است. به طور کلی، فرکانس رادیویی مساحت بیشتری را پوشش می‌دهد، اما ظرفیت کمتری نسبت به ارتباطات نور مرئی دارد و بنابراین سیستم فرکانس رادیویی مستعد فشار بیش از حد است. اگرچه مسئله انتخاب نقطه دسترسی می‌تواند به عنوان یک مسئله بهینه‌سازی فرموله شود، اما این روش به مقدار بیش از حد قدرت پردازشی نیاز دارد. در این مقاله یک روش انتخاب نقطه دسترسی دومرحله‌ای بر اساس منطق فازی با پیچیدگی محاسباتی بسیار کم ارائه شده است. روش جدید ابتدا کاربرانی را تعیین می‌کند که باید به سیستم فرکانس رادیویی متصل شوند و سپس بقیه کاربران را به عنوان یک شبکه ارتباطات نور مرئی مستقل در نظر می‌گیرد. مشکل این روش نیز همانند [6] عدم پویایی در انتخاب نقطه دسترسی و یادگیری است که در روش پیشنهادی این موضوع به کار گرفته شده و یک مزیت مهم را شکل می‌دهد. پیچیدگی محاسباتی آن نیز حتی از روش [6] بالاتر است و یک مزیت دیگر روش پیشنهادی کاهش نیازمندی محاسباتی است.

در [11] میانگین بازده طیفی ناحیه 20(ASE) مربوط به شبکه بی‌سیم ارتباطات نور مرئی در محیط داخلی برای ابعاد مختلف اتاق (5/2 متر × 5 متر × 3 متر، 5 متر × 5 متر × 3 متر و 10 متر × 10 متر × 3 متر) بررسی شده است. یک مقایسه در برابر پیشرفته‌ترین سیستم فرکانس رادیویی با استفاده از سلول‌های فمتوسل در داخل منزل انجام شده است. نسخه اصلاح‌شده از رادیوی جدید ابتکاری دنیای بی‌سیم 21(WINNER) در سناریوی محیط داخلی (ساختمان اداری) به‌عنوان تنظیمات متداول که در آن نقاط دسترسی فمتوسل و نقاط دسترسی ارتباطات نور مرئی نصب می‌شوند به کار گرفته شده است. برای سیستم فرکانس رادیویی حداقل تعداد APهای فمتوسل در هر طبقه چهار عدد است. لازمه سیستم ارتباطات نور مرئی تحقق شرایط نوری داخل اتاق است که با توزیع نور در اتاق‌هایی با چندین ابعاد ممکن مشخص می‌شود. بهره‌وری ASE از سیستم ارتباطات نور مرئی در مقایسه با دامنه شبکه فمتوسل بین 12 تا 924 (بسته به تعداد APهای فمتوسل و مختصات کف) است. توجه به نقاط ضعف و قوت هر دو فناوری VLC و RF و به‌کارگیری آن در جهت بهبود بهره‌وری ارتباطی می‌تواند مزیت پژوهش ما نسبت به این پژوهش قلمداد شود. علاوه بر آن یادگیری و هوشمندی یک مزیت قابل توجه در پژوهش پیشنهادی است که موجب می‌شود در شرایط مختلف اما یکسان بین دو روش، تصمیم‌گیری بهتری صورت پذیرد.

مقالات [12] تا [16] نیز در زمینه ترکیب بین دو شبکه با سیستم نور مرئی و فرکانس رادیویی پبیشنهادهایی را مطرح نموده‌اند که منجر به بهبود آن می‌شود. ازجمله در [14]، تمرکز بر روی بهبود گذردهی متوسط و نهایی به ازای هر کاربر است. فرض بر این است که منابع سیستم ارتباطات نور مرئی ثابت هستند و این مطالعه طیف و توان مورد نیاز برای یک سیستم فرکانس رادیویی را به شکل کمی درمی‌آورد که پس از معرفی به سیستم ارتباطات نور مرئی به ازای هر کاربر به نرخ عملکرد بهتری می‌رسد. نیاز به بهینه‌سازی برخی پارامترها با دقت بالا ازجمله نقاط ضعفی است که در این پژوهش وجود دارد و پژوهش پیشنهادی به‌دلیل پویایی و هوشمندی نیاز چندانی به این بهینه‌سازی ندارد.

مطالعه [17] یک روش مبتنی بر شبکه با کاهش توان و نویز مبتنی بر مسیریابی 22(RPL) است که برای به حداقل رساندن مصرف برق دستگاه اینترنت اشیا ارائه شده که در آن یک روش مسیریابی مبتنی بر اولویت و کم‌مصرف 23(PriNergy) پیشنهاد شده است. این روش بر اساس پروتکل مسیریابی برای مدل شبکه کم‌مصرف (RPL) است. در این روش کیفیت سرویس برنامه‌های اینترنت اشیا در نظر گرفته شده است؛ به طوری که با تقسیم زمان از دسترسی چندگانه 24(TDMA) برای همگام‌سازی بین فرستنده و گیرنده و کاهش مصرف برق استفاده می‌شود. نقطه ضعف این روش کاهش نرخ برای شبکه‌های با قدرت بالاست که کارایی را برای این شبکه‌ها کاهش می‌دهد. همچنین عدم توجه به انتخاب نقاط دسترسی برای ارتباط با اینترنت از نقاط ضعف دیگر آن است. مزیت روش پیشنهادی، استفاده از پروتکل‌های مبتنی بر شبکه‌هایی با سرعت و قدرت بالا بر بستر Li-Fi و Wi-Fi است. همچنین این امر از طریق انتخاب مناسب نقاط دسترسی به شکل پویا محقق می‌شود.

مقاله‌های دیگری نیز وجود دارند که از فناوری‌های دیگر در شبکه استفاده کرده و انتخاب نقاط دسترسی در این شبکه‌ها را بررسی کرده‌اند (ازجمله [18] تا [22]). ارتباط این تحقیق با این مطالعات آن است که در همه آنها در مورد چگونگی ترکیب شبکه‌ها و کانال‌ها در یک شبکه بحث شده و سعی گردیده که انتخاب‌ها در یک شبکه بی‌سیم، البته از نظر فناوری بهبود یابند. تفاوت‌هایی وجود دارند که از امکان مقایسه این مطالعات با پژوهش پیشنهادی جلوگیری می‌کنند.

در [23] یک روش ترکیبی تعادل بار و تخصیص نیرو 25(PA) (توان الکترونیکی) برای یک سیستم ترکیبی ارتباط نور مرئی و سیستم فرکانس رادیویی متشکل از یک نقطه دسترسی پیشنهاد شده است. این الگوریتم دارای تکرار برای توزیع کاربران در نقاط دسترسی و توزیع اختیارات نقاط دسترسی بر روی کاربران آنهاست. در زیرمجموعه تخصیص نیرو یک مسئله بهینه‌سازی برای اختصاص قدرت هر نقطه دسترسی به کاربران متصل برای حداکثر میزان کل داده قابل دستیابی، فرموله شده است. در این زیرمسئله، یک الگوریتم ارائه شده که متغیرهای بهینه دوگانه را پس از فرموله‌کردن آنها از نظر هم پیدا می‌کند. این الگوریتم جدید به ادعای مقاله، همگرایی سریع‌تر و عملکرد بهتری نسبت به روش زیرگرادیان سنتی دارد. به‌علاوه، این موضوع به اندازه گام و مقادیر اولیه متغیرها بستگی ندارد، اما روش‌های زیرگرادیان عموماً به آن بستگی دارند. سپس کاربر شروع به جستجوی حداقل نرخ داده برای نقاط دسترسی دیگری می‌کند که نرخ داده بالاتری را برای آن کاربر ارائه می‌دهد. کاربرانی که نرخ داده کمتری دارند، از آن نقطه به نقطه دیگر اتصال مجدد می‌کنند تا به تعادل بار برسند و این عمل فقط در صورتی انجام می‌شود که این مهاجرت جمع قابل دستیابی، نرخ داده‌ها را افزایش دهد و عدالت را در سیستم برقرار نماید. برای انجام توزیع توان و توازن بار ترکیبی دو رویکرد پیشنهاد شده است: یک رویکرد اصلی که اطلاعات تداخل دقیق را برای همه کاربران در نظر می‌گیرد و یک رویکرد غیربهینه که با در نظر گرفتن اطلاعات تداخل تقریبی کاربران، باعث کاهش پیچیدگی رویکرد اول می‌شود. این روش در این پژوهش به نام PA-LB شناخته می‌شود. از طرفی محاسبات دقیق سیستم را دچار افزایش بار می‌کند که این موضوع مزیت روش پیشنهادی ما نسبت به روش اول است و از طرفی غیربهینگی از کارایی عملکرد روش دوم می‌کاهد و در کل از نظر کارایی مزیت روش پیشنهادی نسبت به این روش را می‌تواند در پی داشته باشد؛ چنانچه در مقایسه‌ها نیز شاهد آن هستیم.

در [24] بیان شده که روش توازن بار معمولی که با هدف ارائه یک راه‌حل بهینه برای انتخاب نقطه دسترسی با اطلاعات داده‌شده کانال 26(CSI) ایجاد شده است، در عمل ممکن است باعث جابه‌جایی‌های مکرر و غیرضروری بین دو فناوری شود. در این مقاله، مسئله بهینه‌سازی مشترک برای بررسی هم‌زمان توازن بار و تحویل در شبکه تلفیقی 
Wi-Fi و Li-Fi فرموله‌بندی شده تا تحلیل ریاضی مناسبی از آن ارائه گردد. تحلیل ریاضی و بهینه‌سازی هم از نظر بار محاسباتی و پیچیدگی مشکل‌آفرین است و هم موجب ایستایی روش می‌شود که برای محیط پویای شبکه تأثیر به‌کارگیری آن را کاهش می‌دهد. بنابراین در اینجا نیز با مزیت کاهش بار محاسباتی و پویایی و هوشمندی روش پیشنهادی مواجه هستیم.

در [25]، هم‌زمانی شبکه‌های Li-Fi و Wi-Fi برای سناریوی چندکاربره، تحت این فرض عملی که هر دوی آنها توسط یک شبکه واسط27 (به‌عنوان مثال فیبر نوری) عمل می‌کنند، بررسی شده است. ؟؟؟ به‌طور خاص به‌منظور تلاش در جهت به حداکثر رساندن عدالت متناسب برای همه کاربران، مشکلات تخصیص منابع و هماهنگی را مطالعه نموده است. برای انجام این کار، یک مسئله بهینه‌سازی را برای تخصیص انرژی سناریوی تلفیقی Li-Fi/Wi-Fi، تحت محدودیت عملکرد مشترک معمول، تدوین و حل نموده است. با این حال روش بهینه‌سازی به این شکل برای تمام وضعیت‌ها غیر قابل به‌کارگیری بوده و مناسب شرایط و سناریوی خاص آن است. همین موضوع مزیت روش پیشنهادی را نشان می‌دهد که در هر زمان و شرایط قابل به‌کارگیری بوده و پیچیدگی مسئله بهینه‌سازی تحلیلی را ندارد.

در [26] یک نمودار تخصیص منابع مبتنی بر بازی نمودار ائتلاف با سود غیر قابل انتقال 28(NTU-CGG) با انتخاب رله برای شبکه‌های رادیویی شناختی مبتنی بر تقسیم فرکانس متعامد 29(OFDMA) برای به حداکثر رساندن توان سیستم و انصاف سیستم ارائه شده است. در این الگوریتم، کاربران ثانویه‌ای 30(SU) که کانال‌های کمتری دارند با کمک سایر کاربران ثانویه می‌توانند با ایجاد یک نمودار درختی مستقیم با توجه به در دسترس بودن طیف و تقاضای ترافیک، توان خود را بهبود بخشند. بنابراین این طرح می‌تواند به طور مناسبی از تنوع فضا و فرکانس سیستم بهره‌برداری کند. نتایج عملکرد نشان می‌دهد که روش فوق به طور قابل توجهی سطح عدالت سیستم را بهبود می‌بخشد؛ در حالی که در مقایسه با الگوریتم‌های موجود از توان عملیاتی کمی برخوردار نیست. با وجودی که این چارچوب در شبکه‌های رادیوشناختی مورد استفاده و قابل به‌کارگیری است، اما یک راه‌حل برای استفاده از نوعی بازی ائتلافی در شبکه‌های کامپیوتری را مطرح می‌کند. این روش برای شبکه‌های رادیوشناختی طراحی شده و در شبکه‌های ترکیبی Wi-Fi و Li-Fi به شکل مستقیم قابل به‌کارگیری نیست.

بازه زمانی اتصال در مدل نقطه راه31 تصادفی برای گره‌های سیار در [27] مدل شده که یک تحلیل جالب برای طول اتصال را در مورد شبکه‌هایی با گره‌های سیار در ارتباط با سرعت و فاصله گره‌ها از دیدگاه زاویه بین گره‌ها ارائه می‌دهد. در صورتی که گره‌ها در یک شبکه موردی سیار در نظر گرفته شود، می‌توان از این تحلیل در جهت تخمین زمان اتصال بین گره‌ها استفاده نمود.

در [28]، نویسندگان در وهله اول تجزیه و تحلیل جامعی در مورد استراتژی‌های ارتباطی اینترنت اشیا و برنامه‌های کاربردی برای دستگاه‌های هوشمند بر اساس یک بررسی منظم ادبیات ارائه داده‌اند.
پس از آن، رویه‌ها و برنامه‌های ارتباطی را در چهار موضوع اصلی شامل دستگاه به دستگاه، دستگاه به ابر، دستگاه به دروازه و سناریوهای دستگاه به برنامه دسته‌بندی کرده‌اند. علاوه بر این، طبقه‌بندی فنی برای طبقه‌بندی مقالات موجود بر اساس روش مبتنی بر جستجو در پایگاه‌های علمی ارائه شده است. طبقه‌بندی فنی، پنج دسته از کاربردهای ارتباطی اینترنت اشیا را شامل ارتباطات مبتنی بر نظارت، ارتباطات مبتنی بر مسیریابی، ارتباطات مبتنی بر سلامت، ارتباطات مبتنی بر نفوذ و ارتباطات مبتنی بر منابع ارائه می‌دهد. نویسندگان مشاهده کردند که مقوله ارتباط مبتنی بر منابع با %35 استفاده، محبوب‌ترین نوع روش‌ها است. همچنین مشخص شد ارتباط دستگاه به ابر با %52 استفاده در رویه‌های ارتباط اینترنت اشیا، محبوب‌ترین نوع ارتباط است. در هر گروه، معیارهای ارزیابی مهم با توجه به زمان، تأخیر، پهنای باند، انرژی و تأخیر در رویه‌های ارتباط اینترنت اشیا با بیشترین ارزیابی نسبت به سایر عوامل مانند در دسترس بودن، توان عملیاتی، هزینه و استفاده، مورد تجزیه و تحلیل قرار گرفتند. علاوه بر این، نویسندگان مشاهده کردند که سناریوهای موجود در همه جا32 با %38 برای ارزیابی رویه‌های ارتباط اینترنت اشیا بیشترین استفاده را دارند. همچنین استفاده از فناوری پیام‌رسانی، رایج‌ترین فناوری ارتباطی قابل استفاده برای اتصال دستگاه‌های هوشمند و برنامه‌های اینترنت اشیاست. این پژوهش یک مقاله مروری است که روش خاصی را برای بهبود شبکه پیشنهاد نداده است.

شبکه‌های 5G با قابلیت اتصال و پوشش بهتر را می‌توان با تکنیکی به نام دسترسی چندگانه غیرمتعامد 33(NOMA) به دست آورد که سطح قدرت هر کاربر را تغییر می‌دهد. نویسندگان در [29] برای مقابله با پهنای باند محدود Wi-Fi و Li-Fi، یک الگوریتم بر مبنای هوش انبوه و به‌طور اختصاصی جستجوی فاخته برای استفاده مجدد از فرکانس شبکه ترکیبی Wi-Fi-Li-Fi در محیط بیرونی و با بهره‌گیری از تکنیک بیان‌شده پیشنهاد داده‌اند. سیستم ترکیبی Wi-Fi و Li-Fi با انتشار مسیر دید 34(LOS) در محیط بیرون مدل‌سازی می‌شود. روش پیشنهادی مقاله از انتشار نور مرئی دوطرفه همراه با تکنیک بیان‌شده استفاده می‌کند که یک رویکرد جدید برای شبکه‌های بی‌سیم نسل پنجم است. تکنیک بیان‌شده (NOMA) می‌تواند همزمان با فرکانس یکسان و چندین سطح توان به کاربران مختلف کمک کند. توان و بهره‌وری طیفی سیستم با استفاده مجدد از فرکانس دینامیکی بهبود می‌یابد. در مقاله، مفهوم NOMA برای اولین بار در ارتباطات بیرونی با استفاده از طرح استفاده مجدد فرکانسی35 پویا نشان داده شده و در آن از آخرین کدهای 36LDPC در آخرین استاندارد 5G استفاده شده است. استفاده مجدد از فرکانس در یک شبکه ترکیبی موضوعی بسیار گسترده است که از موضوع روش پیشنهادی ما بسیار متفاوت بوده و نقاط ضعف و قوت مختص خود را دارد و از این رو قابل مقایسه با روش پیشنهادی نیست.

در [30]، یک رویکرد تأمین منابع کارآمد ارائه شده است. این روش با بهره‌گیری از مدل محاسبات خودمختار و یک روش مبتنی بر یادگیری بیزی سعی در تصمیم‌گیری برای افزایش و کاهش منابع مه با مقیاس پویا برای تطبیق بار جریان کاری خدمات اینترنت اشیا در محیط محاسبات 
مه می‌نماید. این روش به ترتیب از ترکیبی از مدل‌های پیش‌بینی سری زمانی و روش مبتنی بر یادگیری بیزی به‌عنوان یک تصمیم‌گیرنده برای تجزیه و تحلیل و برنامه‌ریزی مراحل حلقه کنترل 37MAPE-K استفاده می‌کند. همچنین این پژوهش، یک چارچوب تأمین منابع مستقل بر اساس معماری سه‌لایه محیط مه عمومی طراحی نموده است. بهبود تخصیص منابع موضوعی نسبتاً مجزاست و در کنار روش انتخاب نقطه دسترسی می‌تواند در پژوهش‌های دیگری مطرح شود تا به بهبود قابل توجهی در شبکه ترکیبی Wi-Fi و Li-Fi در ارتباط با رایانش مه دست پیدا شود.

پژوهش‌های دیگری نیز وجود دارند که از فناوری‌های دیگر در شبکه استفاده نموده و انتخاب نقاط دسترسی در این شبکه‌ها را بررسی کرده‌اند (ازجمله [31] تا [39]). به عنوان مثال در [32] یک روش ترکیبی تعادل بار و تخصیص نیرو (توان الکترونیکی) (PA) برای یک سیستم ترکیبی ارتباط نور مرئی (VLC) و سیستم فرکانس رادیویی متشکل از یک نقطه دسترسی RF و چندگانه پیشنهاد شده است. ارتباط پژوهش حاضر با این مطالعات آن است که در همه این مقالات در مورد چگونگی ترکیب شبکه‌ها و کانال‌ها در یک شبکه بحث شده و سعی گردیده که انتخاب‌ها در یک شبکه بی‌سیم، البته از نظر فناوری بهبود یابد. تفاوت عمده روش‌ها عدم پویایی و هوشمندی لازم برای انتخاب مناسب پارامترها یا شبکه و یا سنگین‌بودن و پیچیدگی محاسبات است که موجب می‌شود تأثیر اعمال این روش‌ها بر روی کارایی کلی شبکه کاهش یابد.

img0 

شکل 2:  بازی چندمرحله‌ای و چندحالته مارکوف [42].

 

در بین روش‌های انتخاب نقطه دسترسی، روش مبتنی بر بیشترین قدرت سیگنال 38(SSS) روشی ساده است که همیشه‌‌ نقطه دسترسی‌ای را انتخاب می‌کند که دارای بالاترین کارایی طیف است. در یک شبکه همگن، گیرنده در هنگام جمع‌آوری سیگنال‌های منتشرشده از نقطه دسترسی‌های مختلف، همان میزان قدرت نویز را تجربه می‌کند. بنابراین برای کاربر مورد علاقه، روش بیشترین قدرت سیگنال به سادگی نقطه دسترسی‌ای را انتخاب می‌کند که بیشترین قدرت سیگنال دریافتی را ارائه می‌‌دهد. با این حال در یک شبکه تلفیقی برای دریافت سیگنال‌های نور و رادیو، مکانیزم‌های مختلفی نیاز است که