Evaluation d'un algorithme de construction de l'arbre multicast dans les réseaux mobiles

Abstract

Le problème de routage multicast dans les réseaux mobiles est un problème ouvert et suscite beaucoup d’intérêt de la part de la communauté scientifique. La conception des protocoles multicast est un problème complexe, en plus le groupe multicast peut changer ainsi que la topologie du réseau mobile qui peut également évoluer. Dans notre mémoire nous nous sommes focalisés sur la construction d'un arbre multicast dans les réseaux mobiles. Pour y arriver, nous avons commencé par un état de l'art sur les réseaux mobiles, le multicast, le routage, et les méthodes d'optimisation. Ensuite, nous avons abordé le point des algorithmes de cheminement les plus convenables à notre sujet, qui peuvent élaborer un arbre de diffusion multicast de cout minimum, déduit d'après des graphes statiques dont la succession produit un graphe dynamique (évolutif). Le cout de l'arbre peut être basé sur un seul critère ou multicritères. Nous avons implémenté sous java des algorithmes sur des graphes représentants des réseaux, le résultat obtenu est un arbre multicast. On a commencé par l'algorithme de Dijkstra. L’arbre obtenu est utilisé comme solution initiale pour la métaheuristique du recuit simulé. En observant l'évolution de la meilleure solution de cette méthode nous avons proposé nos différentes variantes d'algorithmes. A' l'inverse du recuit simulé et au lieu de chercher une solution aléatoirement, ces algorithmes tentent de mettre en commun des routes, et ainsi diminuer le cout global de l'arbre multicast ainsi que le cout de recherche de la solution. Nous avons testé notre méthode sur un ensemble d'instances obtenus de la bibliothèque Steinlib, et nous avons atteint les valeurs optimales dans plusieurs cas. En effet, nos résultats obtenus étaient favorables, et donnent des résultats optimisés par rapport à l’arbre de démarrage (Dijkstra), et même d’autres résultats meilleurs et/ou proches de celles obtenus à travers des études antérieures. Notre démarche concernant les graphes évolutifs pourra être améliorée, en utilisant l’aspect d'observation de leur évolution à chaque instant, et non pas par la prise de la totalité du graphe à chaque évolution. Une deuxième piste d'amélioration est l'utilisation d'une métaheuristique à base de population de solutions.