Design and self-management of wireless networked systems with model-driven optimization = Entwurf und Selbstverwaltung von drahtlosen vernetzten Systemen mittels modelbasierter Optimierung

Meshkova, Elena

2015

Verantwortlichkeitsangabevorgelegt von Elena Meshkova

ImpressumAachen : Publikationsserver der RWTH Aachen University 2015

UmfangIX, 232 S. : Ill., graph. Darst.

Aachen, Techn. Hochsch., Diss., 2014

Genehmigende Fakultät
Fak06

Hauptberichter/Gutachter
Mähönen, Petri Heikki (Thesis advisor) ; Polyzos, George C. (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2014-12-15

Online
URN: urn:nbn:de:hbz:82-opus-53149
URL: https://publications.rwth-aachen.de/record/464484/files/5314.pdf
URL: https://publications.rwth-aachen.de/record/464484/files/5314.pdf?subformat=pdfa

Einrichtungen

Lehrstuhl und Institut für Vernetzte Systeme (615510)

Inhaltliche Beschreibung (Schlagwörter)
Funknetz (Genormte SW) ; Kognitiver Funk (Genormte SW) ; Kontextbezogenes System (Genormte SW) ; Mehrkriterielle Optimierung (Genormte SW) ; Leistungsbewertung (Genormte SW) ; Modellierung (Genormte SW) ; Ingenieurwissenschaften (frei) ; wireless communication systems (frei) ; multi-objective optimization (frei) ; interference graphs (frei) ; home networks (frei)

Thematische Einordnung (Klassifikation)
DDC: 620

Kurzfassung
Drahtlose vernetzte Systemen gewinnen zunehmend an Bedeutung, belegt durch eine zunehmende Zahl von Installationen und ihre diversen Einsatzgebiete. Einhergehend mit diesem Bedeutungsgewinn nimmt die Komplexität dieser Systeme immer weiter zu, da durch eine gemeinsame Nutzung des drahtlosen Mediums die Zahl freier Netzwerkressourcen immer weiter abnimmt. Heutige Netzwerke operieren häufig unter schwierigen und hochgradig dynamischen Bedingungen, und müssen vielfältigen und teils widersprüchlichen Anforderungen gerecht werden. Oft sind Drahtlosnetzwerke ein integraler Bestandteil größerer Systeme, wie zum Beispiel dem Internet, und müssen ungeeignete Software- und Hardwarekomponenten einsetzen, was zu zusätzlicher Heterogenität und Implementationsherausforderungen führt. Zusammengenommen macht dies den Entwurf, die Planung, und die Laufzeitverwaltung von drahtlosen Netzwerken zu einer herausfordernden Aufgabe. In dieser Arbeit adressieren wir einige dieser Herausforderungen durch eine modelbasierte, auf dem Formalismus der Kategorientheorie aufbauende, Optimierungsmethode. Wir formulieren Meta-Optimierungsprobleme gemäß den Anforderungen der Netzwerkspieler, dem operationellen Kontext, und anwendbaren Modellen die sowohl parameter- als auch komponentenbasierte Lösungen berücksichtigen. Um das Problem zu vereinfachen, schlagen wir die Anwendung von Abbildungsfunktionen wie Abstraktion, Transformation, und Dekomposition vor, und berücksichtigen die Aspekte des Informationsverlusts und der Unterbrechnung in der Problemformulierung. Wir zeigen anhand ausgewählter Fallbeispiele wie die vorgeschlagene Methodik sowohl in statischen (Entwurf, Planung) als auch dynamischen (Laufzeitverwaltung) Stadien eines Netzwerkes genutzt werden kann. Insbesondere demonstrieren wir, dass unser Ansatz für einen detaillierten Entwurf und Implementierung von selbstoptimierenden Systemen für Heimnetzwerke geeignet ist, und für die Optimierung von Protokollstacks für drahtlose Sensornetzwerke mit einem ontologiebasierten Framework. Da die Modellierung ein zentraler Aspekt der Netzwerkoptimierung ist, schlagen wir in dieser Arbeit verschiedene Modelltypen vor und untersuchen sie. Gerichtete beschriftete Graphen und ihre Netzwerkentsprechungen werden für die Identifikation des Netzwerkkontextes in diesen CSMA/CA-Netzwerken eingesetzt. Wir zeigen, wie die räumlichen Netzwerkstrukturen die Charakteristiken dieser Graphen beeinflussen, wie zum Beispiel die Verteilung des Verbindungsgrades und das Auftreten kleinerer Netzwerkentsprechungen. Wie schlagen darüberhinaus einen neuartigen Algorithmus zur Graphenbeschriftung vor, der die durch vielfältigen Parameter eines Netzwerks ausgelöste Dynamik erfassen kann. Wir argumentieren, dass diese robuste Metrik zu einer schnelleren Netzwerkoptimierung in einer Vielzahl von Einsatzszenarien führen kann. Wir berücksichtigen auch den temporalen Kontext der Modellierung. Insbesondere leiten wir online Hidden Semi-Markov Modelle der Netzwerkaktivitätsmuster mittels Leistungsspektrumsmessungen her, und wenden diese als Teil dynamischer Spektrumszugriffsschemata an. Außerdem nutzen wir metaheuristische Modelle zur schichtenübergreifenden Optimierung und Netzwerkplanung mit dem Ziel der Robustheit, Leistungsmaximierung und Optimalität des Systems. Wir untersuchen wie die Größe und Struktur des Zustandsraums, sowie die Verfügbarkeit valider Modelle und Nutzenfunktionen die Konvergenz dieser Methoden beeinflussen. Unsere Ergebnisse zeigen, dass es häufig sinnvoller ist, in eine vorsichtige Problemformulierung und eine lange Ausführungszeit einfacher Metaheuristiken zu investieren statt auf nicht-triviale Anpassungen zu setzen. Die vorgeschlagenen Ansätze wurden mittels Prototypen oder in Simulationen untersucht. Insbesondere haben wir uns auf kleinere drahtlose Netzwerke mit IEEE 802.11-Funkschnittstellen und auf Sensornetzwerke konzentriert. Wir haben auch Untersuchungen mittels der WARP Software-Defined-Radio Plattform vorgenommen.

Wireless networked systems are becoming increasingly popular, with a growing number of deployments and diverse applications. This leads to increasing complexity of these systems, as due to the shared nature of the wireless medium the amount of network resources available is constantly decreasing. These networks have to operate in challenging and dynamic conditions, and accommodate diverse and often contradictory objectives stated by multiple stakeholders. Often wireless networks are integral parts of larger systems, like the Internet, and need to utilize existing imperfect software and hardware components, which results in additional heterogeneity and implementation challenges. All this makes design, planning, and run-time management of wireless networked systems a demanding task. In this thesis we address some of these challenges through a model-driven optimization methodology, which is formalized using category theory. We state a meta-optimization problem based on requirements of network players, operational context, applicable models that consider for both parameter- and component-based solutions. In order to simplify the problem we propose applying the mapping functions of abstraction, transformation, and decomposition, while considering the aspects of information loss or disruption in the problem formulation. We show on selected case studies how the proposed methodology can be employed at both static (design, planning) and dynamic (run-time management) stages of a network's life-cycle. In particular, we demonstrate that this methodology is effective for a detailed design and implementation of a self-optimizing system for wireless home networks, and optimization of protocol stacks for wireless sensor systems with an ontology-driven framework. Since modeling is a crucial aspect of network optimization, we also propose and investigate several types of models in this work. Directed labeled graphs and their network motifs are used for identification of the networking context in the CSMA/CA based networks. We show how spatial network structure affects characteristics of these graphs, such as node degree distributions and occurrence patterns of small network motifs. We also propose a novel graph edge labeling based on clustered correlation coefficients that capture network dynamics imposed by tunable network parameters. We argue that this robust metric can lead to faster network optimization in a variety of operational conditions. We also consider modeling of the temporal context. In particular, based on power spectrum measurements we obtain online hidden semi-Markov models of network activity patterns and apply them as part of a dynamic spectrum access scheme. Additionally, we exploit metaheuristic mechanisms for cross-layer optimization and network planning that aim at robustness, performance maximization and optimizability of the system. We investigate how the size and the structure of the state space, the availability of valid models and utility functions influence the convergence of these methods. Our results show that for network problems it is often better to invest in careful problem formulation and long execution of simple metaheuristics rather than going for their custom modifications besides the simplest ones. The proposed approaches have being extensively prototyped or proven through simulation based experimentation. In particular we have focused on small-scale wireless networked systems that utilize IEEE 802.11 radio interfaces and wireless sensor networks. We have also experimented with the WARP software defined radio platforms.

OpenAccess:
Download fulltext PDF PDF (PDFA)
(additional files)