以改良式關聯基因演算法處理具社群特性之階層式訊息中心網路分群問題之研究

Abstract

近年來，越來越多的研究關注在以資訊內容為主的網路架構上，我們稱之為Information-Centric Networking (ICN)，以終點位置為導向的網路架構，ICN以目標內容為中心，不需要知道目標的終端位置(end-points)，只需要得知目標內容之關鍵資訊，藉由關鍵資訊即可尋找目標。 而在ICN的相關研究中，ICN的架構一直是各方學者在探討的問題，ICN的架構又影響了封包傳送路徑的方法和效率，而目前大多數研究在處理路徑問題時，都使用最短路徑法(Shortest path) 或洪水法(Flooding method)，較少學者研究新方法來處理路徑問題，另外，基於社群特性在網路中的重要性日漸提高，本研究希望加入社群特性於ICN中，因此，本研究提出一基於社群特性之階層式ICN架構，並使用一基於緩存內容感知的路徑法(Cache aware routing)來處理封包傳送之路徑選擇。 本研究使用基因演算法，在階層式ICN中進行子群集的分群，不同於過往研究，在ICN中各個使用者擁有不同社群特性之情況下，將這些特性納入分群依據，以此作為本研究之階層式架構的分群，並以此分群結果處理路徑問題，驗證本研究之階層式ICN加入社群特性後的傳輸表現。

Different from the previous networks based on IP addresses, recent works have focused on the network architecture based on information, called information-centric network (ICN). ICN has better performance in terms of high efficiency, low overhead and security. Since different ICN architectures are related to the method of how to delivery package efficiently, we adopt a hierarchical ICN. On the other hand, we proposed a social feature in hierarchical ICNs, which makes every single node in the architecture totally independent, making the hierarchical ICN more close to real social networks. Then, we propose an improved relation-based genetic algorithm to detect and cluster the original topology, then form it to a proper topology which is suitable for hierarchical architecture. Finally, the shortest path and dynamic programming approaches are adopted to verify the performance of our approach, as compared to normal ICN architecture.