Một cách tiếp cận hình thức trong việc mô hình hóa tham số động cho bài toán kiểm tra tắc nghẽn trên mạng cảm biến không dây

HÒ CHÍ MINHTRƯỜNG ĐẠI HỌC BÁCH KHOA LÊ NGỌC KIM KHÁNH MỘT CÁCH TIẾP CẬN HÌNH THÚC TRONG VIỆC MÔ HÌNH HÓA THAM SỐ ĐỘNG CHO BÀI TOÁN KIẾM TRA TẢC NGHẼN TRÊN MẠNG CẢM BIẾN KHÔNG DÂY Chuyên

ĐẠI HỌC QUỐC GIA TP HÒ CHÍ MINH

TRƯỜNG ĐẠI HỌC BÁCH KHOA

ĐẠI HỌC QUỐC GIA TP HÒ CHÍ MINH

TRƯỜNG ĐẠI HỌC BÁCH KHOA

LÊ NGỌC KIM KHÁNH

MỘT CÁCH TIẾP CẬN HÌNH THÚC TRONG VIỆC MÔ HÌNH HÓA THAM SỐ ĐỘNG CHO BÀI TOÁN KIẾM TRA TẢC NGHẼN TRÊN

MẠNG CẢM BIẾN KHÔNG DÂY

Chuyên ngành: Khoa học máy tính

Mã sổ chuyên ngành: 64.48.01.01

Phan biện độc lập: PGS TS Võ Thị Lưu Phương

Phan biện độc lập: TS Nguyền Lưu Thùy Ngân

Phản biện: PGS TS Nguyễn Đình Thuân

Phan biện: PGS TS Trần Vãn Hoài

Phan biện: TS Cao Tiến Dũng

NGƯỜI HƯỚNG DẦN KHOA HỌC

1 PGS.TS Quán Thành Thơ

2 PGS.TS BÙI Hoài Thắng

LỜI CAM ĐOAN

Tác giả xin cam đoan đây là công trinh nghiên cứu của ban thân tác già Các kết qua nghiên cứu và các

kết luận trong luận án này là trung thực, và không sao chép từ bất kỳ một nguồn nào và dưới bất kỳ hình thức nào Việc tham khao các nguồn tài liệu (nếu có) đà được thực hiện trích dẫn và ghi nguồn tài liệu

tham kháo đúng quy định

Tác giâ luận án

Ch ừ kỷ

Lê Ngọc Kim Khánh

Tóm tãt

Một trong những van đề thu hút sự quan tâm cua cộng đong làm việc trong lình vực mạng cảm biến không dày là phát hiện nghen Nghẽn được phát hiện sớm làm giam sự mất gỏi tin, giúp cam biến tiết kiệm nãng

lượng từ đó kéo dài tuổi thọ cua mạng Một trong hai phương pháp phát hiện nghẽn là hướng mô phong

(simulation-based) và hướng mô hình (model-based)

Với định hướng mô hình hóa, kỹ thuật mô hình hóa hình thức được sư dụng đê phân tích thuộc tính

nghèn trên mô hình Mô hình trong luận án sè dược xây dựng bang hai ngôn ngữ Place Transition Nets

và Coloured Petri Net Cả hai ngôn ngừ này đcu tận dụng sức mạnh cùa ngôn ngừ Petri Net là ngôn ngừ

mô hình hóa được sư dụng phò biến các hướng nghiên cứu Mô hình sẽ xây dựng các tham số cũng như các thuộc tính cua các phần tư trong mạng (gồm cam biến và kênh truyền) Sau dó, thuộc tính nghẽn sẽ

được tìm kiêm trong không gian trạng thái

Ngoài ra, dê làm giam sự bùng nô không gian trạng thái cùng như tăng tốc dộ phát hiện nghẽn, thuật

toán gom cụm hường nghèn nghĩa là các cám biên sè được gom thành nhỏm và kiêm tra trước Bên cạnh

đỏ, thuật toán tim kiếm nghèn heuristic được đề xuất giúp cho việc phát hiện nghen nhanh chóng tránh

làm lãng phí tài nguyên cua máy tính

Hơn nữa, xác suất nghẽn cùng được thêm vào mô hình nhằm tăng độ chính xác khi phát hiện nghèn,

tránh tinh trạng nghen gia

Congestion detection is one of the most popular research fields in Wireless Sensor Networks (WSNs for

short) Congestion needs to be detected soon to reduce packet loss and prolong system lifetime since the

sensors can save their energy consumption There arc many ways to detect congestion in WSN including

two popular streams simulation-based and model-based

Following the model-based orientation, formal modeling techniques arc used for analyzing the con­

gestion property of WSNs Place/Transition Nets and Coloured Petri Net arc chosen for modeling the models in this thesis Both of such languages arc Petri Net modeling language, a powerful language that

used in many research The proposed models describe parameters and behaviors ofall elements in a WSN(i.c sensors and channels) Then the congestion detection problem is verified on the stale space of themodel

However, the famous “the state space explosion’’ problem is occurred and leads to decrease the speed

of congestion detection In order to overcome such problem, two algorithms including congestion-basedclustering and heuristic search are proposed On the one hand, clusters of congested potential sensorsare grouped and verify firstly On the other hand, one guidance heuristic search shows the fastest way

to reach the congestion node on the state space Thanks to both algorithms, congestion can be detectedearlier

Moreover, congestion probability is also added in the model to eliminate the false congested alarm

Lời cảm ơn

Tôi xin gửi lời cảm ơn sâu sắc của minh đen Phó giáo su Tiến sì Quản Thành Thơ và Phó giảo sư Tiến sì

Bùi Hoài Thẳng, hai người thầy hướng dẫn đà luôn luôn nhiệt tinh dẫn dất đê tôi có thế hoàn thành luận

án này Tôi xin cám ơn Giáo sư Laure Petrucci và Giáo sư Ẻtienne André ớ đại học Paris 13 đã giúp đờ tôi có định hướng trong nghiên cứu khoảng thời gian dâu tiên cua luận án Tôi cũng xin gửi lời cám ơn

đen các bạn và các em trong nhóm nghiên cửu, đặc biệt là Thạc sỳ Trịnh Văn Giang, đã tích cực trao đôi,đóng góp ý kiến và đồng hành với tôi trong giai đoạn giừa cua đề tài

Bên cạnh đó, tôi cùng hết sửc biêt ơn các thầy cô trong Ban giảm hiệu, phòng Sau đại học, Khoa

Khoa học và Kỳ thuật Máy tính, Bộ môn Còng nghệ phần mềm đã hỗ trợ tôi trong quá trình thực hiện vàbao vệ luận án

Cuối cùng tòi xin dành lời cam ơn chân thành nhất cho cha mẹ, chòng và con trai vi đà luôn tin tưởng

và hồ trợ hết mình dồ tôi có thêm nghị lực hoàn thành tốt luận án

Mục Lục

Tóm tắt ii

Abstract ill Lòi cám on iv

Danh mục hình IX Danh mục hảng xii

Danh mục từ viết tắt xiii

Chuong 1 Mó'đầu 1

1.1 Bối canh nghiên cửu 1

1.1.1 Giới thiệu về tắc nghen trôn mạng càm biến không dây 2

1.1.2 Hướng tiếp cận cùa bài toán phát hiện nghèn 3

1.1.2.1 Hướng tiếp cận sư dụng các công cụ giá lập 3

1.1.2.2 Hướng tiếp cận mô hình hóa 5

1.2 Phát bicu vấn de 6

1.3 Câu hỏi nghiên cửu 7

1.4 Mục tiêu nghiên cứu 7

1.5 Nhưng đóng gỏp của luận án 8

1.6 Tầm quan trọng của nghiên cứu 9

1.7 Giới hạn cùa nghiên cứu 10

1.8 Bố cục cúa luận án 10

Chương 2 Kiến thức nền tảng và Tình hình nghiên cứu 12

2.1 Kiến thức nền tảng 12

2.1.1 Ngôn ngữ mỏ hình hóa Petri Net 12

2.1.1.1 Place/ Transition Nets 12

2.1.1.2 Coloured Petri Net 14

2.1.2 Kỹ thuật kiêm tra thuộc tính trên mô hình (Model Checking) 19

2.2 Tinh hình nghiên cứu 20

2.2.1 Vấn đề phát hiện tắc nghèn trên mạng cám biến không dây 20

2.2.1.1 Nguyên nhân dần đến tãc nghèn 21

2.2.1.2 Độ đo tắc nghen 21

2.2.1.3 Thuật toán phát hiện nghen trcn mạng cảm biến không dây 22

2.2.2 Các mô hình mạng mô hình hóa bang ngôn ngừ Petri Net 22

2.2.2.1 Các mò hình mạng theo hướng tiếp cận tĩnh 23

2.2.2.2 Các mô hình theo hướng tiếp cận động 25

2.2.3 Các kỹ thuật gom cụm trong mạng cảm biến không dây 26

2.2.4 Các đề xuất cho hướng nghiên cứu 27

Chương 3 Xây dựng mô hình mạng cảm biến không dây bằng ngôn ngữ Place/Transi- tion Nets 29

3.1 Xây dựng mạng cảm biến không dây 29

3.1.1 Cấu hình các tham số cho mạng cảm biến không dây 29

3.1.2 Xây dựng sơ dồ mạng càm biến không dây 31

3.2 Mò hình mạng cảm biến không dây bằng Place/Transition Nets 32

3.2.1 Mỏ hình mạng cám biến không dây bằng p T Nets 33

3.2.2 Mô hình trừu tượng hoá P/T Nets 37

3.2.3 Phát hiện tắc nghen trên mô hình P/T Nets 39

3.2.3.1 Xây dựng không gian trạng thái cho mỏ hình p/T Nets 39

3.2.3.2 Phát hiện nghẽn trên không gian trạng thái 40

3.2.3.3 Sinh phán ví dụ 42

3.2.3.4 Thực nghiệm 43

3.3 Kết chương 44

Chương 4 Tăng tốc phát hiện nghẽn trên mô hình mạng cảm biến không dây 45

4.1 Tăngtốc phát hiện tác nghen trcn mạng cảm biến không day bằng kỳ thuật gom cụm 46

4.1.1 Thuật toán gom cụm hướng nghèn COCA 46

4.1.1.1 Gom cụm dựa vào khoáng cách 47

4.1.1.2 Gom cụm dựa vào tốc độ truyền không cân đối 48

4.1.1.3 Thực nghiệm 49

4.1.1.4 Khung thức FCDF 52

4.1.2 Gom cụm hướng nghen 54

4.1.2.1 Gom cụm 54

4.1.2.2 Đảnh giá độ nghèn cua cụm 54

4.1.3 Kiêm (ra nghèn cục bộ 56

4.1.3.1 Khôi phục lại cám biến nguồn và đích cho các cụm 56

4.1.3.2 Gom nhóm cảm biến nguồn và đích 57

4.1.4 Kiểm tra nghèn toàn phần 58

4.1.4.1 Trừu tượng hỏa cụm 58

4.1.4.2 Tạo các lien kết gia 58

4.1.4.3 Kiêm tra nghẽn toàn phần trên sơđô mạng mới 60

4.1.5 Chứng minh tính đúng đan cua cách tiếp cận 61

4.1.6 Thực nghiệm 63

4.2 Tăng tốc phát hiện nghèn bằng thuật toán tìm kiếm heuristic 64

4.2.1 Xây dựng không gian trạng thái tối thiểu 65

4.2.2 Xây dựng báng heuristic 66

4.2.3 Tim kiếm nghèn trên không gian trạng thải thật dựa vào Bảng heuristic 67

4.2.4 Thực nghiệm 69

4.3 Kết chương 71

Chương 5 Xây dựng mô hình mạng cảm biến không dây bằng ngôn ngữ Coloured Petri Net 73

5.1 Vì sao phai chọn Coloured Petri Netđẻ mỏ hình mạng cam biến không dây 73

5.2 Mô hình mạng cảm biến không dây băng Coloured Petri Net 75

5.2.1 Mô hình mạng cam bicn không dây vận hành trong cơ ché song song 80

5.2.2 Phát hiện tắc nghẽn trong mô hình CPN 86

5.2.3 Sinh phán ví dụ 88

5.2.4 Thực nghiệm 89

5.3 Kct chương 90

Chương 6 Mô hình tham số động cho Mạng cãm biến không dây và xác suất phát hiện nghẽn 91

6.1 Mô hình tham số độngcho mạng cam biếnkhông dây 92

6.2 Các tham so cần thiết đế tính xác suất nghèn 94

6.2.1 Độ tin cậy cua mạng cam biến không dây 94

6.2.1.1 Độ tin cậy củacám biến 94

6.2.1.2 Độ tin cậy củakênh truyền 96

6.2.1.3 Dộ tin cậy cuacác hoạt động trên cam biến và kênh truyền 97

6.2.2 Xác suất chọn đường đi của cảm biến 99

6.3 Xây dựng mô hình xác suất Mạng cam biến không dây tham số động bàng ngôn ngữ

Coloured Petri Net 100

6.4 Xác suất phát hiện nghèn trên mạng câm biến không dây 102

6.5 Thực nghiệm 108

6.5.1 Thiết lập môi trường 108

6.5.2 Ket quả thực nghiệm 109

6.6 Kết chương 110

Chương 7 Xây dựng công cụ mô hình mạng cảm biến không dây cho bài toán kiểm tra tắc nghẽn 111

7.1 Giới thiệu công cụ Ill 7.2 Tính năng cơ bản cua công cụ 112

7.3 Thiết kế công cụ CODE-WSN 114

7.3.1 Kiến trúc công cụ 114

7.3.2 Thiết kế lớp cơ bân cùa công cụ 115

7.3.3 So sánh CODE-WSN với các công cụ khác 116

7.4 Kct chương 116

Chưong 8 Kết luận 117

8.1 Kết luận 117

8.2 Hướng phát triển 118

DANH MỤC CÔNG TRÌNH 120

TÀI LIẸU THAM KHÁO 122

Phụ Lục A Thuật toán gom cụm mò nhiều tầng trên mạng cảm biến không dây 133

A I Thảo luận vê các ứng dụng gom cụm mờ trên mạng câm biến không dây 133

A.2 Gom cụm mờ nhiều tầng trcn mạng cam bicnkhông dây 133

A.2.1 Thuật toán SSA 134

A.2.2 Thuật toán OSSA 135

A.2.3 Thuật toán gom cụm mờnhiều tầng trên mạng cam biên không dây 137

Danh muc hình

1.1 Thuật toán định tuyến đơn gian hiện thực bằng khung thức mf trên già lập Omnet++ 4

1.2 Thuật toán định tuyến đơn gian hiện thực bằng khung thức inet trân gia lập Omnet++ 4

1.3 Mạng cảm biến không dây cơ bản được mò hình với phương pháp mô hình hóa 5

2.1 Mô hình minh hoạ P/T Nets 13

2.2 Reachability graph sinh ra từ Hình 2.1 15

2.3 Mô hình Coloured Petri Net cua một hệ thống thư đơn giản 17

2.4 Mô hình phân cap Hierarchical Coloured Petri nets trong Hình 2.3 19

2.5 Mô-đun “Get Mail” 19

3.1 Minh hoạ sơ đồ mạng cam biến không dây Cam biến được vè bằng hai vòng tròn tượng trưng cho cam biến nguồn, càm biến được tô đen là cảm biến đích, các cam biến còn lại là cám biến trung gian 32

3.2 Mỏ hình Thành phần cúa cảm biến và kênh truyền 34

3.3 Mô hình P/T Net của Kết nối 34

3.4 Thành phần Petri net của sơ đồ mạng ờ Hình 3.la 35

3.5 Mô hình P/T Net cúa sơ đồ mạng ở Hình 3.1 b 35

3.6 Tóm tắt các loại mô hình phát hiện nghèn 37

3.7 Trừu tượng cảm biến 38

3.8 Trừu tượng kênh truyền 38

3.9 Trừu tượng cảm biến và kênh truyền 39

3.10 Không gian trạng thái cùa mạng cảm biến không dây sinh ra lừ Hình 2.1 40

3.11 Mô hình P/T Nets trừu tượng hoá câ cảm biến lần kênh truyền cho sơ đồ mạng ớ Hinh 3.1 b 41 3.12 Minh họa không gian trạng thái 41

3.13 Phan ví dụ cùa mô hình VVSN-PN 43

4.1 Gom cụm dựa vào khoang cách 48

4.2 Gom cụm dựa vào độ đo không cân doi 49

4.3 Kẽt quả của COCA. Cụm màu đó là cụm phát hiện ở Giai đoạn 1 và cụm màu xanh là cụm phát hiện ơ Giai đoạn 2 49

4.4 róm tắt các thành phần chính cua khung thức FCDF 53

4.5 Các cụm thu được từ thuật toán COCA 54

4.6 Dộ nghèn của cụm phụ thuộc vào độ đo dày đặc và bất cân đoi 55

4.7 Minh họa cho việc thay thế câm biến nguồn và đích 57

4.8 Minh họa cho việc trừu tượng hóa các cụm 59

4.9 Các tham số đầu vào cho cụm c 1 60

4.10 Minh họa việc tạo kênh truyền giả 60

4.11 Sơ đồ mạng cảm biến không dây mỏi sau khi trừu tượng các cụm không nghen 61

4.12 Mô hình P/T Nets trừu tượng hóa place và transition 65

4.13 Không gian trạng thái tối thiêu cũa mô hình Petri Net 66

4.14 Không gian trạng thái thực cùa mô hình Petri Net 67

4.15 Không gian trạng thái thực chụp tử công cụ thực nghiệm 68

5.1 Chương trinh gán cho “Receive2” of cám biến S‘2 74

5.2 Mô hình phân cấp cua mạng cambiến không dây 75

5.3 Mô-đun “Top” 75

5.4 Mô-đun “Initialisation” 78

5.5 Module “Processing” 78

5.6 Mô-đun “Generate Packet” 79

5.7 Mô-đun “Internal Process” 79

5.8 Mô-đun “Receive Packet” 80

5.9 Mô-đun “Transmit Packet” 80

5.10 Điều chinh cua mô-đun “Generate Packet” 85

5.11 Phân cấp mô-đun cua mô hình tương đương cua mô hình song song 86

5.12 Kct qua cua việc tim nghen trong mô hình WSN-CPN chạy song song 87

5.13 Kêt quá cùa việc tim nghèn trong mỏ hình WSN-CPN thông thường 87

5.14 Không gian trạng thái thu gọn trong mô hình thông thường Giá trị cua marking chứa trong các nút hình chừ nhật Nội dung của một nút bao gồm: Hàng đợi cua cam biến 5'1, bộ đệm cua kênh truyên 5'1 - 8'2, bộ đệm cua kênh truyền s 1 — 8'3, bộ đệm cua cảm biến «5'2, hàng đợi cùa cảm biến 5'2, bộ đệm của cam biến 5'3, hàng đợi cùa cám biến 5'3, bộ đệm cùa cảm biến §2 - $4, bộ đệm của kênh truyền §3 - $4, bộ đệm cùa càm biến 64 Nút màu xám là nút nghèn 88

5.15 Không gian trạng thái thu gọn trong mô hình song song 88

5.16 Phản ví dụ cua mô hình đông thời 89

6.1 Dộ tin cậy cùa câm biến 96

6.2 Một phần không gian trạng thái cua mỏ hình PDP-WSN-CPN 103

7.1 Giao diện chính ciia công cụ CODE-WSN 112

7.2 Chức năng cơ bản cùa công cụ CODE-WSN 113

7.3 Kiến trúc CODE-WSN 114

7.4 Thiết kế lớp cua công cụ CODE-WSN 115

A 1 Random opposition-based learning 136

A.2 Random opposition-based learning 136

A.3 Pseudocode of the OSSA algorithm 137

A.4 Clustering FLC 138

A.5 Fuzzy multi-level clustering procedure 139

Danh mục bảng

1.1 Các ứng dụng cùa mạng càm biến không dây 2

3.1 So sánh các kì thuật truyền dần phổ biến 29

3.2 Cấu hình các tham so khởi tạo cho mạng câm biến không dây 31

3.3 Các luật cho hoạt động cùa mạng cam biến không dảy 31

3.4 Kết quà thực nghiêm mô hình WSN-PN 44

4.1 Bùng nồ không gian trạng thái trên mô hình WSN-PN 45

4.2 Hiệu quá cua COCA trong việc phát hiện nghen 51

4.3 So sánh COCA và AGNES 51

4.4 Kct quả thực nghiệm 64

4.5 Bang heuristic 67

4.6 rinh toán cúa hàm f . 68

4.7 Kêt quả thực nghiệm tăng toe băng thuật toán heurisctic 70

5.1 Nghen giả trên mạng cảm biến không dây trong mô hình chạy tuần tự 81

5.2 Kct quả thi nghiệm phát hiên tẳc nghèn trên mô hình WSN-CPN chạy song song 90

6.1 Xác suất và các loại độ tin cậy của cảm biến 100

6.2 Độ tin cậy cua kênh truyền 100

6.3 Kêt quà thực nghiệm 109

Danh muc tù' viêt tăt

BFS Breadth First Search Thuật toán tim kiếm theo chiều rộng

COCA Congestion-oriented Clustering Algo­

rithm

Thuật toán gom cụm hướng nghẽn

CPN Coloured Petri Net Mạng Petri màu

DBSCAN Density-based spatial clustering ofap­

plications with noise

Thuật toán gom cụm dựa vào mật độ

DFS Depth First Search Thuật toán tim kiếm theo chiều sâu

FCDF Fast Congestion Detection Framework Khung thức phát hiện nghen nhanhHCPN Hierarchical Coloured Petri nets Mạng Petri màu phân cấp

loT Internet ofThings Internet vạn vật • •

MC Model Checking Kiểm tra mô hình

QoS Quality of Sendees Chất lượng dịch vụ

WSN Wireless Sensor Networks Mạng cảm biên không dây

CHƯƠNG 1 Mỏ đầu

Trong những năm gân đây, the giới đà chửng kiến sự phát triển mạnh me cua các ứng dụng Internet vạn vật (Internet of things - IoT) với các ứng dụng nhà thông minh, thành phố thông minh Rất nhiều loại thiết bị khác nhau dược sử dụng đe các ứng dụng này có thê hoạt động suông sè, trong dó phai kc đến mạng cam biến không dây (Wireless Sensor Networks WSNs), một trong những nhân tố quan trọng gópphần tạo nên sự thành còng cua các ứng dụng loT

Mạng cảm biến không dây là mô hình mạng bao gồm hàng trãm đến hàng ngàn các thiết bị câm biến

(sensor) Càm biến là các thiết bị có giá thành rè, bộ nhở nhó và khâ năng xử lý yếu [1] cấu tạo cua một thiết bị cam bicn bao gồm: bộ phận cảm ứng (sensing), bộ phận xư lý dử liệu (data processing) và

bộ phân thòng tin liên lạc (communicating) Bộ phận cam írng cua cám biến sẽ đo các thông số trong

môi trường xung quanh nó và chuyên các giá trị này về dạng tín hiệu điện tư (electrical signal) Từ các tín hiệu này, bộ phận xư lý dữ liệu sẽ rút ra các tính chất co ban cua dừ liệu như vị trí cua dữ liệu, các sự

kiện bôn trong dừ liệu, v.v Cuối cùng, bộ phận hỏn lạc cua sensor sẽ chuyên tất ca thông tin này về chotrạm xứ lý (base station) Các công nghẹ kết nôi cám biên phô biến hiện nay của mạng cảm biến không dây là ZigBee, WiFi vả Bluetooth [2] Các kết nối này sẽ xây dựng so đồ mạng (network topology) cho

mạng cảm biến không dây

Mạng cam biến không dây được ứng dụng trong rất nhiều lĩnh vực cua cuộc sống 131 Bang 1.1 thống kê các ứng dụng phô biên trong WSN ngày nay

Bang 1.1: Các ứng dụng cua mạng câm biên không dây

của đất nhàm tạo mỏi trường tốt nhất cho cây phát triền [4|, [5 1.

Theo dôi mỏi (rường Mạng cam biên không dây được sư dụng trong các ứng dụng theo đòi chât

lượng nước [6] hoặc dược triền khai trong rừng sâu dê theo dõi cháy rừng [7].

Giao thỏng

Sử dụng mạng cám biến không dây trong Vein đề diều phối giao thông [8]

Ytế

dôi thời gian thực dè giám sát sức khoe cua người bệnh chật chè và gời thông

tin này cho các bác sì theo thời gian thực [101.

ánh sáng [11] hay cho việc bao vệ an toàn cho căn nhà 12].

Rõ ràng mạng càm biến không dây thu hút được sự quan tâm rất lớn cả trong nghiên cứu và công nghiệp

Tuy nhiên, việc triển khai hệ thống mạng cũng như thiết kế các giao thức phù hợp chạy trẽn mạng gặp

r %

rât nhiêu khó khăn [16] do các ràng buộc sau :

• Kha nãng xử lí cua cam biến: cám biến là các thiết bị nho, năng lượng giới hạn nên bộ nhớ và khà

năng xử lí thông tin thấp

• Các ycu tố đàm báo chất lượng dịch vụ (Quality of Services (QoS)): một so yeu to chất lượng dịch

vụ cần phai đám bão khi triển khai WSN như: độ chính xác và độ tre cua dừ liệu (data accuracyand latency), quản lí nghẽn (congestion control), v.v

• An ninh mạng: đảm bao an ninh trong quá trinh truyền và nhận dừ liệu trong WSN tránh các cuộc tấn công chu động hay bị động hoặc tấn công trong quá trinh định tuyến cũng là van đề cần được quan tâm

Một trong những thư thách được các nhà thiết ke quan tâm là việc kiếm soát sự tắc nghen trân mạng

Kiêm soát tắc nghèn trên mạng bao gôm hai giai đoạn: phát hiện tắc nghẽn và giai quyết tắc nghẽn Luận

án chi tập trung vào việc nghiên cứu và đề xuất mô hình phát hiện tấc nghèn

Sự tắc nghèn trên mạng cãm biến không dây chủ yểu do hai nguyên nhân sau đây [17, 18]:

• rốc độ gời gói tin đến câm biến lớn hơn rất nhiều so với tốc độ nhận và xứ lý gói tin ờ cám biến đỏ.

• Sự đụng độ của gói tin trong quá trình di chuyên trên mạng

Nghèn trong WSN cỏ thê xày ra ở cả cảm biến và kênh truyền Hâu het các nghiên cửu trong lĩnh vựcnày [19-21] đêu chỉ ra nguyên nhân chính dẫn đến nghèn là do tràn bộ đệm (buffer overflow) Gần đây,

dưới góc nhìn trong thời đại của loT, nguyên nhản này lại được khăng định lần nừa ở nghiên cửu [18]

Kích thước vùng đêm được sư dụng đế lưu trữ gói tin phai nho hơn một giá trị định mức do người thiết

lập mạng cài đặt ban đầu (threshold), nếu kích thước này bị vượt quá các gỏi tin tiếp theo chuyên đến sẽ

bị loại bo, đong thời cám biến này sè được báo nghèn lên toàn hệ thong

1.1.2 Hướng tiếp cận của bài toán phát hiện nghẽn

Có rất nhiều cách tiếp cận bài toán phát hiện nghẽn trong mạng cam biến không dây, hai trong số đó làdựa vào gia lập (simulation-based) [18] và phương pháp mô hình hóa hình thức (model-based) [22]

1.1.2.1 Hướng tiếp cận sử dụng các công cụ giả lập

ơ cách tiếp cận thử nhất, các hoạt dộng cua mạng cam biên không dây dược mô phóng từ dó xây dựng

các tình huống có the xảy ra tắc nghèn trên các công cụ giâ lập Dựa vào sự hoạt động cùa giả lập chúng

ta có thê kiêm chửng lại các tinh huống đã đưa ra có thật sự dần đến tác nghèn hay không Các công

cụ già lập thường hay được sử dụng với WSN là ns2 1 hay ns-3 " và Omnet++ 1 23 Tuy nhiên, việc lập

trinh các hoạt động của mạng sè hoàn toàn phụ thuộc vào các khung thức (framework) mà công cụ hỗ trợ Chính vì thế, khi gia lập thay đôi khung thức hỗ trợ, người dùng gần như phai thay đôi hoàn toàn mô

Kiến trúc này có bốn tằng bao gồm Tầng giao diện mạng, Tầng mạng, Tầng vận chuyển và Tầng ứng

dụng Việc trao đỏi giừa các thiết bị trong mạng sẽ được lập trình trong 'lang giao diện mạng, trong khi các thuật toán định tuyến sẽ được viết ờ Tầng mạng Tầng vận chuyên sè đám nhận vai trò cua các thuật

toán ỌoS trong mạng Cuối củng, các ứng dụng chạy trên mạng sè được lập trinh trẽn Tầng ứng dụng Nhẩm tạo điều kiện cho việc lập trình các giao thức được nhanh chỏng và thuận tiện, tẩt cả các giả lập

đều lập trinh sẵn các bộ khung thức khuôn mầu hỗ trợ cho lập trinh Nhừng bộ khung thức này sẽ có

những thư viện hỗ trợ cho việc lập trinh mạng dựa trên kiến trúc TCP/IP Hiên nhiên, hai bộ khung thức

mf và inet cũng được xây dựng với cách tiếp cận như trcn

Tuy nhicn, mục đích chính cua khung thức mf là hồ trợ thuận tiện cho việc lập trinh sự liên lạc giữa các thiết bị trong mạng, nghĩa là khung thức này chú trọng hỗ trự vào Tằng giao diện mạng, người dùng chỉ cần tập trung lập trinh trcn các tầng khác của kiến trúc Hình 1.1 là hình minh họa cho việc lặp trinh mộtgiao thức định tuyến trên mạng cam biến không dây Với việc lập trinh giao thức định tuyến này, chi hai

hàm chính handleưpperMsg và handleLowerMsg trên Tầng Mạng được xư lí

SimpleNetwLayer Network _ _

SimpleNetwLayef hanơteUppecMsgímsq)

> A

hanđ>eLơz«< Msg(fĩisụ)) BasicLayer SimpteArp

Network

z Interface BasicMotiJle

* '

Hình 1.1: Thuật toán định tuycn đơn gian hiện thực băng khung thức ntf trcn gia lặp Onineí++

Trong khi đó, Hình 1.2 minh họa cho việc lập trình giao thức định tuyến như trên dưới sự hồ trợ cua

khung thức ỉnet. Cùng với xu hướng mã nguồn mờ, khung thức inet dược tạo nên vói mong muôn người

dùng phải cỏ sự tiếp cận linh hoạt trên tắt cá các Tang trong kiến trúc TCP/IP khi lập trinh các giao thức

f

ehMMTtaoe ỈXE

Hình 1.2: Thuật toán định tuyến đơn gian hiện thực bằng khung thức inet trên giá lặp Omnet++

1.1.2.2 Huóng tiêp cận mô hình hóa

Với cách tiếp cận thứ hai, chúng ta phai tự xây dựng mò hình mạng cám biến không dây WSN là tập hợp

gồm các cam biến và các kênh truyền Sau khi xây dựng mô hình, chúng ta kiêm tra các thuộc tính trên

mô hình bàng cách sứ dụng phương pháp kiếm tra mô hình (Model Chccking-MC) do tác gia Edmund

Melson Clarke và eác cộng sự đề xuất vào năm 1982 Ờ đây, chúng ta chỉ kiêm tra xem WSN có xay ra

tăc nghèn hay không

Hình 1.3 minh họa mỏ hình đơn giãn cua WSN được xây dựng theo hướng mô hình hóa Thông thường,

mỏ hình cùa các cam biến sè được xây dựng dựa vào kích thước bô đệm (buffer size - ờ), kích thước

hàng đợi (queue size - ợ), tốc độ gơi gói tin (sending rate - s), tốc độ xư lý gói tin (processing rate - p).

Tương tự, kênh truyền sẽ dược mô hình bang kích thước bõ đệm (buffer size - hè) và tốc độ chuyển gói tin (transfer rate - p). Ngoài ra, lác vụ chính cân phai quan tâm là việc quan lý sự trao đôi gói tin giừa các cam biên và kênh truyền

Hình 1.3: Mạng cam biên không dây cơ ban được mỏ hình với phương pháp mô hình hóa

Mặc dù có rất nhiều ngôn ngừ mô hình hóa, tuy nhiên, một ngôn ngừ tốt là phai cung cấp được một cách

mô ta tòng quát và toàn cục cho tất ca các tác vụ có thê xáy ra trẽn mô hình Khi mò hình được thực thi,

sẽ có một đường đi được sinh ra bàng cách kết hợp thông tin từ các tham số và trạng thái của các tác vụ

hiên tại Ket hợp tất ca các đường đi ờ trẽn sẽ tạo nên không gian trạng thái (State space) I liên nhiên,

tất cá các ngôn ngừ mô hình hóa đều phái luân theo lí thuyết cơ bản này đe sinh ra không gian trạng thái

nên dù sứ dụng ngôn ngừ mô hình hóa nào thi không gian trạng thái sinh ra là duy nhât Thuộc tính cua

mô hình sè được kiêm tra trên không gian này

Vì thế, có thê nói phương pháp mô hình hóa hình thành một cầu nối giừa thế giới thực và máy tính thông qua các ngôn ngừ mô hình Bang cách cung cấp mô hình ở mức trừu tượng hóa cao, phương pháp nàycho phép người sư dụng hiêu các mô hình mạng cảm biến không dây mà không cân phải hiện thực chúng trên giả lập Phương pháp này có nhùng lợi thế hơn hăn phương pháp giả lập như sau:

• Phương pháp này là phương pháp tiếp cận hoàn toàn không phụ thuộc vào khung thức Mỏ hình sè

được xây dựng một cách trừu lượng cao, nghĩa là chi chứa các tham số và các tác vụ xay ra trong

mô hình

• Việc kiêm tra mô hình được thực hiện bang các biêu thức logic vi the tat cả các trường họp có thê

xay ra khi thực thi mỏ hình đều được kicm tra

1.2 Phát biểu vấn đề

Vấn đề cua luận án ờ đây tập trung phát hiện nghẽn trên WSN với độ đo là kích thước vùng đệm theo hướng tiếp cận mò hình hóa Cụ the hơn từ sơ đồ WSN đâ được cấu hình với các thòng số cần thiểtcho việc phát hiện nghèn, chúng tôi sẽ chuyên dôi sơ dô này thành mô hình băng ngôn ngừ mô hình hóa

phù hợp, ở dây ngôn ngừ dược lựa chọn là Pctri Nct4(PN) Trải qua thời gian rất dài, ngôn ngừ Petri Net

chứng to được sức mạnh mô hình hóa của minh do được ứng dụng đê mô hình rât nhiêu hệ thông lớn như

hộ thong mạng sinh học (biological networks) [23], các hệ thong hỗ trợ sân xuat (manufacturing system)[24, 25], hay thậm chí các hẹ thống mạng [26, 27], vi thế hoàn toàn thích hợp khi dùng đè mô hình bài toán mạng cam biến không dây Hơn nừa, nếu tiếp cặn việc mô hinh WSN với tham số đầu vào là sơ đồmạng, việc lựa chọn PN đê mô hình càng thuận tiện hơn vì ban thân định nghía PN cũng như cách các token di chuyển trong mạng đã khá gần gũi với cách thiết lập và vận hành cua một mô hình mạng

Từ mô hỉnh này, phát hiện nghen được biền đôi trơ thành một thuộc tính đô kicm tra bang kỹ thuật Kiềm tra mỏ hình Thuật toán sư dụng trong kỹ thuật kiểm tra mò hình là các kỹ thuật tìm kiếm cơ ban như Depth First Search(DFS) hay Breadth First Search(BFS) đê duyệt qua tất ca các trạng thái cua đồ thị từtrạng thái khới tạo đến khi đến được trạng thái đích (ơ đây là trạng thái nghèn)

Ý tướng và cách kiếm tra thuộc tính với thuật toán tim kiếm cua MC tuy không quả phức tạp nhưng lại

làm nay sinh vấn đề rất lớn cho bài toán này đó là việc bùng nó không gian trạng thải. Không gian trạng thái bị bùng nô khi số lượng trạng thái sinh ra quá nhiều do bài toán có quá nhiều tham số hay các tham

số thay dôi liên tục dần dến việc máy tính không dủ tài nguyên xư lý Bùng nô trong bài toán phát hiện nghen cua luận án còn gây ra sự chậm trề trong việc trá lời mạng có nghèn hay không Đe vượt qua vấn

đề này một cách gián tiếp, luận án dã dô xuất hai thuật toán tăng toe phát hiện nghen dựa vào thuật toán

gom cụm hướng nghen và thuật toán tìm kiem heuristic

Ngoài ra, đẻ thuận tiện cho người lập kế hoạch xây dựng mạng, luận án cũng đề xuất xác suất nghẽn nham nâng cao sự dự đoán chính xác cho vấn đê phát hiện nghèn.

1.3 Câu hỏi nghiên cứu

Việc sử dụng ngôn ngữ mô hình hóa đê mô hình mạng, sau đó kiêm tra các thuộc tính trên mạng bằng kỹ thuật Kiêm tra mỏ hình đà được áp dụng ờ nhiêu bài toán trong cộng đông nghiên cứu Luận án cũng áp

dụng phương pháp trcn trong phạm vi tim nghen trôn mạng cãm biến không dây, một loại mạng có nhiềuràng buộc sinh ra do khả năng hoạt động hạn chế cua cam biến Các câu hoi luận án đã đặt ra và tim cách

xem xét giai quyết như sau:

(RQ1) Mô hinh WSN cho bài toán phát hiện nghen đà được nghiên cứu và xây dựng thành mô hình

trước đây hay chưa? Neu cỏ thì loại ngôn ngữ mò hình hóa nào đã được chọn và tại sao lại chọn

loại ngôn ngừ đó?

(RQ2) Vân đề bùng nồ không gian trạng thải là vấn đê thường gặp trong những bải toán áp dụng kỹ thuật

MC, nêu xây ra việc bùng nô thi nghiên cứu này cần phái giải quyct như the nào?

(RQ3) Mô hình WSN đê xuât là linh hoạt dô dàng tùy bicn hay là mô hình tình? Neu là mò hình tình thỉ

cân có đê xuât gì khi sơ đô WSN thay đôi?

Từ những câu hỏi nghiên cứu đã nêu ra như trân, luận án đặt ra các mục tiêu nghiên cứu như sau:

(OB1) Đưa ra được mỏ hình mạng cam biến không dày được mô hình bàng ngôn ngũ' hình thức, ơ đây

ngôn ngữ được chọn là Petri Net Một mô hình được biểu diền bằng ngôn ngừ sơ cấp của PN là P/T

Nets [28], mỏ hình còn lại dược mô tả băng ngôn ngừ cao cap PN là Coloured Petri Net(CPN)[29] Neu như mô hình sơ cap P T Nets mang lại cách biêu dien đơn giản và gần gũi với sơ đô mạng mạng cam biên không dây, thi mô hình cao eâp CPN mang lại sự thê hiện tường minh các tham sô

bên trong mạng WSN nên thích hợp khi tích hợp thêm các tính năng nâng cao hơn của mạng Mục

ticu này nhàm trá lời cho câu hoi (RỌI) cua luận án

(ƠB2) Bùng nô không gian trạng thái trong bài toán này làm chậm hoặc thậm chí không thê trá lời được

câu hói mạng có nghèn hay không khi máy tính hết tài nguyên đê tim kiêm Vân đê này được luận

án khắc phục gián tiếp trên sơ dồ mạng bang cách sư dụng sự hỗ trợ cua thuật toán gom cụm hướng nghen hoặc ỷ tường “gom cụm nhiều tầng" (multiple clustcing) bằng Logic mờ Ngoài ra, việc sưdụng thuật toán tim kiếm heuristic trên không gian trạng thái cùng làm tăng tôc độ tim kiếm nghen Mục tiêu này trả lời cho câu hỏi (RQ2) cùa luận án

(OB3) Biêu diễn mô hình mạng cám biến không dây động đê người dùng có thê dề dàng tùy chinh các

tham số trong mạng mà không cần phai mô hình hóa lại từ đầu Các tham số này cùng được cập nhật lại giá trị một cách liên tục trong suốt chu kì hoạt động cua mạng Còng việc này đà tra lời

cho càu hoi (R.Q3) cũa luận án

1.5 Những đóng góp của luận án

Các đóng góp chính của luận án đâ thực hiện được dựa trên các mục tiêu đẽ ra, cụ thê như sau

• Đồ xuât mỏ hình WSN-PN một mô hình mạng cảm biến không dây với hai Thành phần là cam

biến và kênh truyền bàng ngôn ngừ P/T Nets Các công trinh [CT04], [CT05], [CT06], [CTI2] và [CT13] là những đóng góp cho đe xuất này Đỏng góp này đà đáp ứng cho mục ticu (OB1) cua

là nhừng sản phẩm cua dóng góp này Ngoài ra, ý tưởng gom cụm nhiều tâng từ [CT01 ] cũng giúp

cho việc tăng tốc tim kiếm nghen Đảy cũng là dóng góp trả lời cho mục ticu (OB2)

• Đe xuất mô hình động PDP-WSN-CPN cho phép người dùng tùy chinh các thông số trong mạng

vả phát hiện nghẽn chính xác hơn với xác suất nghen Các sản phâm liên quan đen đỏng góp này

là [CT02] và [CT08] Dây cùng là đóng góp cho mục tiêu (OB3) của luận án

• Xây dựng công cụ CODE-WSN thực thi tất cả các mô hình trân [CT07J là công trinh của đóng

1.6 râm quan trọng của nghiên cúu

Một trong nhừng nhân tố làm nên thành công đầu tiên cho việc thiết lập một hệ thống mạng hoạt động

hiệu quà là lập kế hoạch thiết kế mạng, cỏ rất nhiều yếu to can phai được lên ke hoạch và tính toán cân

thận trước khi bắt tay vào triền khai hộ thống mạng như: xác minh hạ tầng cơ sơ, tính toán các thiết bị mạng cần thiết, hiểu biết về sự tương thích giừa phần mem và phần cứng, v.v Ngoài ra, các thông sổ

đảm bảo chất lượng dịch vụ như: độ nghẽn cua mạng, độ trề hay các thông so an ninh mạng cũng cần được tính toán kỹ lường Các công việc lập kế hoạch mạng trên thường lieu ton rất nhiều thời gian và chi phí cũng như phụ thuộc hoàn toàn vào kinh nghiêm cua người lên ké hoạch

Với hệ thống WSN, một hệ thống mạng với thành phân chu đạo là các cảm biến Ngoài vấn đe an ninh

mạng, hạ tầng mạng dặt ra nhiều hạn che buộc người vận hành cần phải quan tâm như: sự tắc nghen thường xáy ra trên mạng, độ tre, độ chinh xác hay khả năng mất gói cua dừ liệu truyền dẫn Các ràng buộc trên chủ yếu do các cảm biến gày ra Cam biên tuy có giá thành rê và kích thước nhỏ gọn nhưng

khả năng xư lí rất kém cùng như so lượng pin đê duy tri hoạt động bị giới hạn Vì thế, việc hoạch địnhmột hộ thống mạng có thê hoạt động ồn định mà không làm tiêu tốn nhiều năng lượng của cam biển làđiều rất cần thiết Cùng với việc sư dụng phương pháp hình thức đế đưa ra các mỏ hình tìm nghèn trên mạng cam biến không dây trong thời gian cho phép, các mô hình này có thè đưa ra được tất cá các tình huống nghen có thô xáy ra Đây là điều mà các công cụ giả lập khó có the làm được Vì the, các mô hìnhnày chính là công cụ hừu hiệu giúp người lập ke hoạch thấy được trước các tinh huống nghèn có the xáy

khi vận hành mạng trong tương lai, từ dỏ sè có những kế hoạch cần thiết đê xảy dựng một mô hình mạng tốt Đây chinh là đóng góp quan trọng cúa luận án

Mặc dù luận án tuy chi tập trung vào WSN, nhưng với các phương pháp mỏ hình cũng như các phương pháp tăng tốc độ cua mô hình hoàn toàn cỏ thê áp dụng trong nhiều lĩnh vực khác đặc biột là các hệ thống

tự động hoá lớn hay các hệ thong mà các thiết bị cần vận hành song song hoặc các hệ thong mạng khác

Hơn nữa, khi chúng ta đà xây dựng được mô hình WSN hay mô hình bất ki hệ thống nào, chúng ta hoàn

toàn có the kiểm chứng bất ki tính chất nào (không chi riêng tính chất phát hiện nghèn) bang cách chuyên

đổi chúng ve các thuộc tính cần kiểm tra bàng ngôn ngừ hình thức Chẳng hạn chúng ta có the kiểm tra

WSN có thoa độ trề cua việc gỏi tin trong ngưởng cho phép hay không? hoặc mạng có dang gặp một lồhông an ninh mạng nào không?, v.v

1.7 Giói hạn của nghiên cứu

Nghiên cứu có một sô giới hạn sau đây:

• Tất cả các mô hình Petri Net sinh ra trong luận án bằng phương pháp mô hình hóa đêu cân thông

so đâu vào là một SƯ đồ mạng Tuy nhiên, trong trường hợp một hay nhiêu cảm biến trong mạng

bị chết, mạng cảm biến không dây cân có chức năng “tự tái tạo” (self-organization) [30] lại một sơ

đồ mạng mới đê có the tiếp tục áp dụng các mò hình PN cua luận án

• Phương pháp tìm nghẽn trong luận án tập trung vào việc tính toán trên vùng nhớ đệm còn trống

của cam bicn hay kcnh truyền Trong thực tế, còn có rất nhiều phương pháp tìm nghen khác như

dựa vào sự đụng độ hay mat gỏi tin trên mạng

• Năng lượng của các càm biên luôn là tham sô được quan tâm rât nhiêu trong các nghiên cửu vê

WSN Tuy nhicn, mục tiêu của luận án là trinh bày cách mô hình theo hướng hình thức, nen luận

án tạm gác lại tham số này trong Chương 3,4 và 5 đe tránh làm bùng nô không gian trạng thái Ó

Chương 6, luận án có thêm nãng lượng vào mô hình vì khi đó mò hình đã linh động và tối ưu hơn

£

Luận án được trình bày theo bô cục sau đây:

• Chương 1: trình bày bối canh dẫn den việc nghiên cứu, từ dỏ dưa ra dược câu hoi nghiên cứu và

các mục tiêu can đạt được khi tiến hành luận án Trong Chương này, chúng tỏi cũng nêu lên các đóng góp và các giới hạn của đề tài đê người đọc có cái nhìn tông quát hơn về luận án

• Chương 2: ơ Chương này luận án sè tập trung trình bày tình hình nghiên cứu các vấn đề liên quan

đến luận án như vấn đề về các thuật toán phát hiện nghẽn hay cách mô hình hóa các hộ thống mạng

được thực hiện theo những phương pháp nào Bên cạnh đó, luận án cùng trình bày các kiến thức

nen tang hồ trợ cho nghiên cứu này như kiến thức về P/T Nets và CPN

• Chương 3: Luận án trinh bày đỏng góp đầu tiên cua mình trong việc mô hình hóa mạng cảm biến không dây bằng ngôn ngừ P/T Nets Ngoài ra, để vượt qua vân đê bùng nô không gian trạng thái

• Chương 4: Mặc dù đã sư dựng kì thuật Trừu tượng hóa thành phần để giám sự bùng nỏ không gian

trạng thái khi tìm kiếm trạng thái nghèn ờ Chương trước nhưng số lượng trạng thái cằn phái duyệt

qua vẫn cỏn rất lớn Vì thế, luận án dã dề xuất hai hưởng giải quyết đê tăng tôc cho việc phát hiện nghen bao gồm tăng tốc dựa vào kỳ thuật gom cụm và lãng tốc độ tim kiêm với thuật toán tìm kiếmheuristic

• Chương 5: ơ Chương này, luận án trinh bày cách mô hình WSN bằng ngôn ngừ CPN Diều khác biệt lớn nhất giữa CPN và P/T Nets là các token trong CPN có “màu” Màu ờ đây dùng đè phânbiệt các token với nhau, nghĩa là ngôn ngừ này cho phcp chúng ta được định nghía các kicu dù’ liêucho token thông qua việc mô tá “màu” cua chúng Hơn nừa, ngôn ngừ này còn hồ trợ một kiếu mô hình mới gọi lả Hierarchical Coloured Petri nets (HCPNs) Một mô hình CPN có the dược tô chức như một tập cáe mô-đun, giong như trong lặp trình, ơ một thời diêm người mô hình chỉ cần

tập trung vào một số mô-đun cụ thẻ và không bị phân tâm bời các mô-đun khác của mô hình

5

• Chương 6: Chương này trình bày cách mô hình WSN bằng cách tích hợp thông số độ tin cậy vào

mô hình (tham số chí khà năng hoạt động chính xác cua thiết bị) nhàm phan ánh dúng kha năng

hoạt động cùa cám biến Khi tham số độ tin cậy được đưa vào mô hình thi mô hình phai được định nghĩa lại như một mô hình động nhằm phan ánh đúng bàn chất thay đối theo thời gian cua thiết bị

Mặt khác, mô hình cũng thêm khái niệm xác suất nghèn vào mô hình nhằm nâng cao kha năng dự báo nghèn của hệ thống, tránh những trường hợp nghen giá

• Chương 7: bên cạnh các đóng góp về mặt mô hình, luận án cùng tự xây dựng một công cụ với tèn gọi là CODE-WSN (Congestion Detection on Wireless Sensor Networks) Công cụ mang đây đu các tính chất cua nhừng mô hình đã trình bày ở trên

• Chương 8: dây là chương két luận cứa luận án nhằm tóm tat lại những dỏng góp cùa luận án cũng

như các hướng nghiên cứu còn bỏ ngỏ cua luận án

• Phụ luc A: luận án cùng trình bày thêm một đóng góp khác giúp cho việc táng tốc phát hiện nghẽn

bàng cách gom cụm mờ nhiều tằng

5http://webdiis.unizar.es/ Irecalde/doctorado/bibliografia/coloreadas.pdf

CHƯ ƠNG 2 Kiến thức nền tảng và Tình hình nghiên cứu

2.1 Kiến thức nền tảng

2.1.1 Ngôn ngữ mô hình hóa Petri Net

Petri Net là một loại ngôn ngữ toán học thường dùng đô mô hình các hộ thống mạng Đây là công cụ

hiệu qua đê mô ta, kiêm tra và điều khiên các luồng vận hành trong hệ thống, đặc biệt là các hệ thống bất

đồng bộ hay các hệ thống hoạt động song song Nhiệm vụ chính cua PN là mô hình các sự kiện trong hệ

thống với những ràng buộc

Petri Net được chia làm hai loại chính là Low-level Petri Net như Placc/Transition Nets và High-level

Petri Net như Coloured Petri Net do tác giá Kurt Jensen đề xuất năm 1997, Stochastic Petri Net được đềxuất năm 2002, V.V Chương này chi trình bày kiến thức cơ ban cua hai loại PN mà luận án sư dụng là

Place/Transition Nets và CPN

2.1.1.1 Place/Transition Nets

Place/Transition Nets hay còn gọi là P/T Nets, là một ngôn ngừ toán học sứ dụng các ki hiệu đê mô hình.Một cách de hiểu, P/T Nets là một đô thị phân dôi có hướng bao gồm hai thành phân chính là chuyên tiếp (transition) có kí hiệu hình chừ nhật và vị tri (place) cỏ kí hiệu hình tròn Các place và transition được nói với nhau bằng các đường lien két Chi có thê nối place vào transition hay transition vào place Haiplace (hay transition) không the noi trực tiếp với nhau Khi một place dược nối vào transition, thi place

đó được gọi là input place cua transition Ngược lại, khi cỏ một đường nối tír transition ra một place, đó chính là output place.

Moi place chứa các thê (token). Tại một thời diêm, việc phân bố các token tren place được gọi là đánh dau (marking). Marking dùng đê biêu diễn trạng thái hiện tại cua hệ thong

Định nghía 2.1 minh họa cho việc biêu diễn một mô hình PN.

Dịnh nghĩa 2.1 (Petri net). Petri net là một tập hợp A' = (P. T F, IK A/o) trong đó:

• p là tập hợp hữu hạn chứa các places,

• 7 là tập hợp hừu hạn chứa các transitions;

• tập p và 7' rời rạc, nghĩa là p n T = tì;

• F c (P X T) u (T X P) là tập the hiên mối quan hộ giữa p và T;

• IV : F — > là trọng số trên cạnh;

• A/o '• p -> N là marking khơi tạo

Ví dụ, Hình 2.1 là một P/T Nets dơn giản chứa 3 place: pl, p2 vảp3 và 2 transition: // vả t2. Trọng sô giữa các cạnh được biêu thị trên cạnh Chấm đen ben trong place input lượng trưng cho số lượng token

1A?

Hình 2.1: Mô hỉnh minh hoạ P/T Nets

Khi transition được kích hoạt (enabled), transition sẽ chuyển (fired) các token, nghĩa là token sè được chuyên từ place này sang place khác Nói một cách khác, khi token di chuyên, một marking mới sẽ được

tạo ra Định nghĩa 2.2 ben dưới mô tả điều kiộn đe transition được kích hoạt và cách di chuyên cua các token trôn mạng đe tạo nên marking mới

Định nghĩa 2.2 (Firing). Gia sư Ar = {p T, F, H; Mo} là một Petri Net và M : p -> N là một markingcủa Aí

Transition t € T dược kích hoạt trcn marking A/, ký hiệu A/ -U nểu và chi nếu Vp e p : A/(p) ặ

W(p ytỵ

Một transition đà kích hoạt có thế chuyen token sang place khác, nghía là AI A M', khi: Vp E p :

M'(p) = M(p)_ W(p,t) + W(t,p).

Từ Hình 2.1,ta có:

• Mo = (2,0,1)

• Mi = (1.2 1), nếu chi transition tỉ được fired

Khi các transition trong mô hình P/T Nets fired, token sẽ được chuyển từ place này sang place khác và

làm thay đối tinh trạng cua mô hình, đỏ cùng chính là lúc marking được sinh ra Tập họp tất ca các

marking sinh ra từ mỏ hình tạo thành không gian trạng thái hay còn gọi là reachability graph

Định nghĩa 2.3 Định nghĩa một số khái niệm của không gian trạng thái trcn Petri NetX = {p T, F. IK A/o}

• Marking đầu tiên A/o được khới tạo cho được gọi là initial marking.

• Marking A/' gọi là tiền tới được từ M (reachable) ncu tồn tại một chuồi A/ —> M\ -> AÍ2 ->

• Sinh nút gốc là initial marking Mo cứa N.

• Với mồi nút A/, nêu Post(M) -/- tì thi xây dựng một nút con cho M với mồi marking M' €

Post(M).

• Tập tất cá các nút trong một reachablity graph chính là tập {A/()} u Reach(Mo).

Ví dụ ở Hình 2.2 mô ta reachability graph sinh ra từ Petri net ở Hình 2.1

2.1.1.2 Coloured Petri Net

Coloured Petri Net là một ngôn ngữ mô hình hóa sử dụng kết hợp sức mạnh cùa Petri Net và các ngôn

Hình 2.2: Reachability graph sinh ra từ Hình 2.1

nừa, trọng số trên các cạnh sè thay bằng hàm (arc expression) và đê transition có thẻ fired, token phải

thoa các giá trị trên hàm Ngoài ra, trong CPN còn định nghía khái niệm Guard, là một diều kiện luận lý

đe transition có thê fired

Gọi EX p là tập hợp các biêu thức được viết băng ngôn ngừ CPN-ML J EX p được sử dụng để biêu

dien arc expression và guard Trước khi gán giá trị cho expression, các biến trong bicư thức phai được gán giá trị, hành động này được gọi là binding. Ngoài ra, trong CPN còn khái niệm multiset dùng đế định

nghĩa màu cho các token

Định nghĩa 2.4 (Multiset) Gọi s = {51,52, •••} là một tập không rồng Multiset trôn s là một hàm số

777 : s —> N sao cho mỗi phân tứ s e s sẽ trờ thành một sô nguyên dưưng 771(5) G N đưực gọi là số lần

xuất hiên của s trong m Multiset 771 có the viết lại dưới dạng tông:

Tập họp tất ca các multiset trẽn s được gọi là Sms

-Định nghĩa 2.5 (Coloured Petri Net) Coloured Petri net là một tập hợp \ P T, F, s, V Cỵ (Ị f, mò) trong đó:

1 https://cpntools.org/2018/01 /09/cpn-nil-identifier/

1 p là tập hợp không rồng, hữu hạn chứa các place

2 T là tập hợp không rồng, hữu hạn chứa các transition sao cho p A T = 0

3 F c p X T u T X p là tập hợp hữu hạn chửa cạnh (arc)

4 £ là tập hợp không rồng, hìru hạn chửa các colour sets

5 V là tập hợp hữu hạn chứa biên sao cho Typeịv] G s với mọi V G V.

6 c : p —> £ là colour set function dùng đê gán màu lên từng place p E p và c(p) E s.

7 y : T EXP là guard function dùng đê gán guard expression len tímg transition t E T.

8 mo : p — > EXP là hàm khơi tạo được gán trên mỗi place p e p

Định nghía 2.6 Định nghĩa mô tả một số khái niệm ngũ nghĩa cùa Coloured Petri Net CPN =

1 Một marking là một hàm M nham gán mỗi place p E p vào tập multiset cua token sao cho

M(p) E C(p)ms- là marking khới tạo của CPN,

2 các biến cua transition t được gọi là Var(t) € V, bao gồm các biến tự do xuất hiện trong guard và trong các biêu thức trên cạnh (arc expression) có liên kết với t.

3 Một binding cua một transition t là một hàm b nham gán cho mồi biến V E Var(t) một giá trị

b(v) E Type[v]. Tập các binding trên một transition t được kí hiệu là B(t).

4 Một phần tư binding (binding element) là một cặp (t, b) sao cho t e T và b e B(t). Tập tất cá các phần tư binding BE(t) trên một transition t được định nghía như sau BE(t) = {(t b) b E B(t)}.

5. Một bước step V E BEỵts là một tâp multiset không rồng, hữu hạn cua các phần tử binding

Định nghĩa 2.7 tiếp theo nêu rõ cách kích hoạt cùa các phần tử binding

Dinh nghĩa 2.7 (Firing) Một phần tư binding (í, b) E BE được kích hoạt trong marking Aí nếu và chi

nếu hai tính chất sau đây thoa màn

1 G(t)(b) = true

2 Vp E p : E(p.t)(b) «= M(p).

Khi một binding (f, b) được kích hoạt trong A/, binding này có thê chuyên sang marking M' nếu

Vp€P : M'(p) = (M(p)~£?(p,t)(&))++E(íjP)(ỉ>)

A/z là marking tiếp theo sau cùa marking M, nghía là M — K M'. Tập tất cà marking có the di den tiếp

theo của marking M được kí hiệu là 9Ĩ(A/)

Dưới dây là một ví dụ về mô hình hoá một hệ thống dơn giản dùng CPN dược trích từ công cụ CPNTools2, một công cụ nôi tiếng thường dùng đô mô hình các bài toán chạy song song Một hệ thong nhậnthư bao gồm một hộp chứa các thư, mỗi thư cỏ thông tin về người nhận và nội dung thư Có hai người nhận là John và Sue, mỗi người chỉ được nhận thư cỏ thông tin người nhặn trùng với tên minh Khi nhận

thư, thư sẽ được gưi đến hộp thư cua người nhận

2 https://cpntools.org/2018/01/09/simple-protocol-example/

John

PERSON p 'John"p

[#px = p] Í#PX = P1

X

Hình 2.3: Mô hình Coloured Petri Net cua một hệ thông thư đơn gian.

Các colour sets tương ứng với các thòng tin cần thế hiện được đặc tã bao gồm: colour set “PERSON” thê hiện tên người nhận, colour set “TEXT” thể hiện nội dung, và colour set “MAIL” the hiện thư Colour set

“MAIL” được định nghĩa là một kicu bán ghi (record) bao gồm hai thành phần là “p” với kiểu “PERSON”

và “t” với kiêu “TEXT” Trên mồi transition có một guard định nghía điêu kiện xảy ra cua nỏ Điêu kiệnnày tương ứng với dặc tả thư phải có thông tin người nhận trùng với tên người nhận (#p X = p).

Tại marking khơi tạo ta có: A/() = ({p = “John”, t = “Hello”}, “John”, “Sue”, empty, empty) (empty

the hiện không có token nào), chi có một binding clement cua transition “gctl” là enabled Binding

element đỏ là e = (getl, (x = {p = “John”, t = “Hello”}))

Khi e xảy ra, ta có một marking mới là Ml — (empty, “John”, “Sue”, {p = “John”, t = “Hello”}, empty).

Cạnh quay ve place “John" cua transition “getl” thê hiện ràng tokens trên place “John" không đôi, tương ứng ngừ nghĩa một người có thê nhận nhiều lần cho tới khi hết thu cua minh

Hierarchical Coloured Petri nets

Một mô hình Coloured Petri Net có thê được tô chức như một tập các mô-đun, giống như trong lập trinhđược gọi là hierarchical Coloured Petri nets (HCPNs) cỏ hai li do chính đê người mỏ hình sứ dụngHCPNs như sau:

• Người mô hình cần sự trừu tượng hoá đê có thê tập trung vào một số ít chi tiết ờ một thời diêm Các

mô-đun có thê được coi như là các hộp đen, nơi mà các người mô hình có the tạm thời quen đi các chi tiết bên trong Diều này giúp chúng ta làm việc trên nhiều mức trừu tượng hoá khác nhau,đây

là một dạng cua một mô hình phân cap

• Các thảnh phân của hệ thong thường được sư dụng lặp lại Vi thế, một mô-đun có thê được định

nghía một lân và sử dụng lặp lại

Hình 2.4 mô tả mô hình phân cấp cua CPN trong Hình 2.3 Một mô-đun mới dược dưa ra là “Get Mail"

(xem Hình 2.5) Mô-đun này thê hiện tác vụ nhận mail và được sử dụng lại ờ nhiều nơi trong mô hìnhchinh Mô-đun “Get Mail” cỏ một place đầu vào (place có ký hiệu “In”) là “mail”, một place đầu ra(place có ký hiộu “Out”) là “inbox”, và một place đầu vào/ra (place có ký hiệu “Ĩn/Out”) là “person” Ó

đây cỏ hai substitution transitions là “getl” và “get2” liên kết với mô-đun “Get Mail” Mỗi substitution

transition đại diện cho một đối tượng người nhận Người mò hình chi cằn tập trung vào mô-đun “Get

Mail" khi muốn kiêm tra hành vi cua hệ thống thay vi phải xem xét ca mô hình lớn như trong Hình 2.3

mail {p="John*,t="Hello"}

MAIL

F

I lình 2.4: Mô hình phân cap Hierarchical Coloured Petri nets trong Hình 2.3.

Hỉnh 2.5: Mô-đun “Get Mail ”

Kỹ thuật kiểm tra thuộc tính trcn mô hình là kỹ thuật kicm tra xem thuộc tính nào đó cỏ thỏa mô hình hay không bàng cách duyệt qua tất cá trạng thái trên không gian trạng thái

Dựa vào việc duyệt trên không gian trạng thái, kỹ thuật MC được chia làm hai loại: kiêm tra mô hình tường minh (explicit Model Checking) và kiêm tra mô hình ân (implicit Model Chccking)[31] Với kỳ

thuật kiẻm tra mô hình tường minh, thuật toán sẽ duyệt tất ca các trạng thái trong không gian, trong khi

kỹ thuật kiềm tra mô hình ân chi duyệt một số lượng hạn chế các trạng thái trong không gian

Điều đặc biệt, trong kỳ thuật kiêm tra mô hình tường minh lại chia thành hai loại dựa vào việc xây dựng

không gian trạng thái [32] bao gôm: kỳ thuật xây dựng toàn bộ không gian trạng thái và kỹ thuật on-the-fly

[33] xây dựng không gian trạng thái một cách linh hoạt dựa vào thuộc tính cần duyệt

Đe kicm tra xem một thuộc tính có thỏa màn hay không, Kiêm tra mô hình SŨ dụng thuật toán tim kiếm

đơn gián như DFS or BFS đe tìm kiếm trạng thái thoa các tính chất cùa thuộc tính, được gọi là target,

bat đâu tử trạng thái khới tạo Neu thuật toán tim kiếm không tiến được tới đích khi duyệt qua toàn bộ

không gian trạng thái, thuộc tính đó được xem là không thoa trên hệ thống Một điều dề dàng nhận thấy

sổ lượng đường đi đến (hoặc không đến) đích rất lớn, và đây cũng chính là nguyên nhân dẫn tới nhược diêm lởn của kỹ thuật Kiêm trư mô hình, dó chinh là bùng nô không gian trạng thái.

Bài toán cùa luận án là mô hình hóa tham số động một mạng câm biên không dày đê kiêm tra sự nghen

cỏ xây ra trên mạng hay không, ơ đây, luận án chia thành ba vân đề cằn tìm hiểu:

• Vân đe lac nghen: vì sao có tắc nghèn trên WSN, cách các giao thức phát hiện nghèn như the nào?

• Cách mô hình hóa: mô hình hóa được áp dụng trong bài toán WSN được các tác gia khác xư lí như

thế nào? Dặc biệt, mô hình hóa tham số động đã tim hiểu ra sao?

• Khi dùng kỹ thuật Kiêm tra mô hình đe kiêm tra nghen thi giải quyết vấn đề bùng nổ không gian

trạng thái như the nào?

Hai vấn đề đầu tiên được luận án trình bày từ Mục 2.2.1 đến Mục 2.2.2 Riêng vấn đề bùng nô không gian trạng thái, luận án chọn một cách đê giam sự bùng nô một cách gián tiếp băng cách kết họp sử dụng

thuật toán gom cụm vả thuật toán tìm kiem heuristic kinh điên i4* Mục 2.2.3 trình bày về các cách gom

cụm trên mạng cảm biến không dây Từ đó, nhận định đê tim ra hướng nghicn cửu cho riêng minh được

đưa ra ờ Mục 2.2.4

Ben cạnh rất nhiều ứng dụng trong cuộc sống, việc triên khai mạng cam biến không dây cũng gặp rất nhiều khó khãn chu yếu do khá năng xư lý thòng tin hạn chế cua các cam biến Dừ liệu có thê bị mấthoặc bị sai lệch trong quá trinh truyền gơi trên mạng Một trong nhừng nguyên nhân dẫn đến tinh trạng

mất dữ liệu là do vấn đe tắc nghen trên mạng Mặt khác, nghen cũng gây ra sự làng phí năng lượng trên

WSN Vi thế, việc phát hiện tắc nghèn một cách nhanh chóng trờ thành bài toán rất được quan tâm trong

cộng dồng nghiên cứu về WSN

2.2.1.1 Nguyên nhân dẫn đến tắc nghẽn

Tính toán kích thước vùng nhớ đệm còn trống (buffer/queue) là thước đo phát hiện tắc nghèn của rất

nhiều thuật toán [ 18] Nghèn do tràn bộ đệm xay ra do khà nâng xư lỷ cua cam biến nho hơn kha năngtiếp nhận gói tin Thông thường, các gói tin khi gới đen cam biến được lưu trong bộ nhớ đệm Cam biến

sẽ lay tuần tự các gói tin trong bộ đệm và đưa vào qui trình xư lý Neu tốc độ xư lý gói tin của cám biến nhỏ, mà gói tin lại dược tiêp nhận một cách ồ ạt, tắc nghèn sẽ xay ra nhanh chóng do tràn bộ nhớ đệm trên cảm biến, vấn đề tắc nghen do tràn bộ đệm ờ kênh truyền cũng xảy ra tương tự như ở cảm biến

Vi nguycn nhân nghen này trên WSN được áp dụng trong rât nhiều các công trinh nên đây sè là nguyênnhân tiên quyết làm nền tâng cho toàn bộ công trình nghiên cứu cua luận án này Ngoài ra, cam biếnchết, tức là càm biến không còn đu hoặc đà het pin cũng có the được xcm là một đicm nghen trên mạng.Bên cạnh đó, việc đụng độ các gói tin khi truyền dẫn cùng dẫn đến nghèn trẽn kênh truyền Khi xay ra

tinh trạng đụng độ gói tin trên đường truyền thi đường truyền sẽ bị tê liệt, dừ liệu không thê chuyển nhậntrên mạng gày nen tinh trạng tẳc nghen Mặt khác, các yen tố tự nhiên trong môi trường cùng có the làm

kênh truyền bị nhiều hay thậm chí không tạo được kết nôi Đây cũng được xem là các nguyên nhân dẫnden nghen khác trên kcnh truyền

2.2.1.2 Độ đo tắc nghen

Vời nguyên nhàn nghèn do tràn bộ đệm trên cảm biến hay kcnh truyền, chúng ta có thê xác định chia khóa đẻ phát hiện nghèn chính là việc đo kích thước bộ đệm Nghèn sè xãy ra nêu kích thước bộ đệmquá một giá trị ngưỡng cho phcp [17, 18, 21] Ngoài ra, ti lô gỏi tin đà gơi đi ớ nút gời và số lượng gói tin nhận được ờ nút nhận được tác gia trong bài báo [34] dùng đê phát hiện nghèn Neu ti lệ này lớn hơn

một, mạng chắc chắn nghèn

Bên cạnh đó, trong công trình nghiên cửu [21], các tác giả của bài báo đà đưa ra một độ đo khác đẻ phát

hiện nghèn Tắc nghèn có thê xảy ra phụ thuộc vào mô hình mạng. Một điều dề dàng nhận thay là tắc

nghen có kha năng xay ra rất cao trong các mô hinh mạng được phân bố dày đặc Tắc nghen thường xay

ra chu yếu vi số lượng gói tin cam biến nhận được quá nhiều khiến cho việc xứ lý bị quá tái, tù' đó dẫnđến việc tràn bộ dệm Một kha năng khác dần đến tác nghẽn trên mạng dày dặc là sự dụng dộ các gói tin trong quá trình di chuyên giữa các cảm biến được đật quá gần nhau Trong khi đó, đổi với mạng thưa

thớt gia sử một số lượng lớn các gói tin được chuyên đi trong thời gian ngắn, câm biến sẽ không đũ thời

gian gơi gói tin đi với khoảng cách xa, lâu dần bộ đệm của cám biến sè tràn và dần đến tắc nghẽn

2.2.1.3 Thuật toán phát hiện nghẽn trên mạng cảm biến không dây

Với hướng tiếp cận thông thường, các hoạt động của các thuật toán trên mạng cảm biến không dây sèđược mô phỏng và tính toán đê đưa ra các tinh huống cỏ thê xảy ra tắc nghen, sau đỏ những thuật toán se

được tiến hành chạy thứ nghiêm đố kiểm chứng lại các tình huống đà đưa ra có thật sự dần đến tác nghẽn

hay không Các công cụ giả lập thường hay được sử dụng với WSN là ns2, ns-3 và Omnet++

Hâu het các thuật toán phát hiện tắc nghen băng cách thực hiện tính toán trôn bộ đệm (buffcr/qucuc)

[17, 18, 21] Kích thước vùng nhớ đệm còn trong chính lả thước đo cho sự phát hiện tắc nghèn Theo [21], giá trị cua kích thước này thường được gán lả 30%, nghía là các cám biến chi được sử dụng tôi đa 70% kích thước cùa bộ đệm cho việc lưu trừ gói tin đến

Ngoài ra với CODA [21], ngoài việc sư dụng kích thước vùng nhớ đệm, tác gia cỏn sử dụng thâm giá trị

buffer threshold, nghĩa là, các gỏi tin phai có kích thước nhó hơn giá trị threshold mới được lưu trừ trong buffer, các gói tin lớn hơn kích thước qui định sẽ bị loại bỏ đê tránh tình trạng sensor tiêu tôn quá nhiêu năng lương khi xử lỷ các gỏi tin đó

Thuật toán SENTCP 1351 lại tập trung tim nghèn ờ các cam biến trung gian thông qua việc tính thời gian

di chuyên cùa các gói tin trong mạng Khi gói tin đen một cảm biến trung gian bất ki trên mạng, thời gian

đến và thời gian xư lí gỏi tin sê được cập nhật lại Cảm biến tiếp theo nhận gói tin này nếu nhận thay thời

gian xư lí gỏi tin cua cam biến gời lớn hơn qui định, cảm biến gời được xem là có nguy cơ gảy nghen

Đặc biệt, một sô thuật toán [36, 371 đề xuât cách phát hiện nghèn dựa vào kỹ thuật logic mờ (fuzzy logic)

thông qua việc tính toán các thông so đầu vào như ti lệ gơi/nhận gỏi tin, chiều dài bộ đệm còn trong và

số lượng các cam biến còn nhàn rỗi Từ những giá trị này, các luật mờ được hình thành sẽ dự đoán khánăng nghen của mạng

2.2.2 Các mô hình mạng mô hình hóa bằng ngôn ngũ’ Petri Net

Với hướng tiêp cận sư dụng các công cụ gia lập đà nêu ra ờ trên, người dùng có được cái nhìn tông quát khi quan sát sự hoạt động cua các giao thức vì hầu hết các công cụ gia lập đều có giao diện thực thi Một

số công cụ còn hỗ trợ them một sổ chức năng thống kẻ, tính toán giúp cho việc khảo sát thuật toán thuận tiện hơn.

Tuy nhiên, việc lập trinh các hoạt động của mạng lại hoàn toàn phụ thuộc vào các khung thức (framework)

mà công cụ hồ trợ Chính vi the, khi gia lập thay đôi khung thức hồ trợ, người dùng gần như phải thay đôi hoàn toàn mô hình đà làm Mục 1.1.2.1 của luận án đã trinh bày một vi dụ minh họa cho van đê này

Nhằm hạn ché nhừng nhược diêm khi sử dụng các còng cụ giả lập, hướng tiếp cận mỏ hình hỏa dược đề

xuất Thực te, trong giới nghiên cứu, hướng tiếp cận này được sir dụng từ nhiều năm trước và vẫn còn

được dùng trong thời gian gần đây đê kiêm tra các tính chât cua các giao thức hay hệ thống mạng Luận

án trình bày các nghiên cứu dà mô hình mạng bang PN theo hướng tiếp cặn tình trong Mục 2.2.2.1 và

cách tiếp cận cho việc mỏ hình các tham số động ở Mục 2.2.2.2 Mô hình theo hướng tiếp cặn tĩnh nghĩa

là sau khi mô hình, nêu tham sô dùng cho việc mô hình thay đôi (sô lượng thay đôi, bân chât dừ liệu trong

mô hình thay dôi liên tục, v.v) thì chúng ta cần phải thực hiện tất ca các công đoạn mô hình lại từ dầu Trong khi đó, với cách tiếp cận mô hình động, mô hình phải có tính nàng tự thay đôi cho phù hợp, nghĩa

là sinh ra mỏ hình mới tương ứng khi tham so thay đỏi

2.2.2.1 Các mô hình mạng theo hướng tiếp cận tĩnh

Công trinh [38] đề xuất mô hình mạng ATM (Asynchronous Transfer Mode) và các ứng dụng chạy trên

mô hình này bằng ngôn ngừ CPN, một loại ngôn ngừ mô hình hóa mơ rộng tù' PN 1 rao đối dừ liộu đaphương tiện bằng hình thức chuyên mạch gói trèn mạng ATM đặt ra một thư thách rất lớn vi ATM là mộtgiao thức hướng kết nối, nghía là mạng phai thiết lập môt kết nới ao từ công ra cua nút gơi đến công vàocủa nút nhận trước khi chuyên gỏi tin ATM (ATM cell) đi Kct nối ảo này thường có bãng thông rất hạnchẽ, vì thê dừ liệu đa phương tiện phai được chia nhó trước khi chuyên đi

Bài báo này dô xuât một mô hình thực tê cho việc trao dôi gỏi tin trên mạng ATM Có hai lí do chính dê

tác giã chọn phương pháp mô hình hóa như sau:

• Số lượng ứng dụng chạy trên mạng ATM cũng như số lượng người dùng được thê hiện thông quakhái niệm màu (Color) cua mô hình Từ đó, người thiết ke mạng có the dề dàng kiểm soát thông

qua so lượng màu đã sử dụng

• Ngôn ngừ CPN cùng hồ trợ việc chia nhò mạng ATM thành những mô hình con hoạt động song

song với nhau Điều này mang lại ỷ nghĩa rắt lớn vì đà đưa mô hình gần với thực tế

Petri Net cũng được sứ dụng đê mô hình và kiêm tra mạng ad-hoc không dây [39] Ad-hoc không dây làmột mạng động với các nút mạng có băng thông và năng lượng hạn che Bài báo này muốn đo độ hiệuquà của việc mờ rộng mạng, nghía là mạng cỏ còn hoạt động tốt không nếu có nhiêu nút tham gia Vi không biết trước được so lượng nút sè tham gia vào mạng nên bài báo này sè dưa ra một mô hình khuôn

mẫu dựa trcn số lượng nút ít Khi cỏ nhiều nút tham gia, tác già cũng đề xuất một phương pháp đê gom nhiều mỏ hình khuôn mầu lại thành mô hình lớn trước khi tiến hành kiêm tra độ hiệu quà của mô hình

[40] lại sư dụng PN đê mô hình hóa kiên trúc chuyên mạch gói trên mạng LAN (LAN switched network

architecture) Các thành phân được mô hình trong mạng này bao gồm switch, máy chủ, máy khách vả sựtương tác giữa các thiết bị Mục đích của mô hình này là kicm tra sự tác động của kích thước bộ đệm cua switch và ti lộ mất gỏi anh hường dốn chắt lượng cua dường truyền như the nào PN dược sư dụng đê mô hình vì ngôn ngừ này the hiện sự tương tác giừa các tham số của bài toán một cách trực quan trong quaviệc kích hoạt cua các transition

Bên cạnh dó, các dạng khác nhau của ngôn ngừ PN cùng được rat nhiều tác giã sứ dụng đô mò hỉnh mạng

cảm biến không dây Trong bài [41], mô hình CPN dược sử dụng dê biêu dien và đánh giá chất lượng

cùa giao thức S-MAc ( sensor-medium access control protocol) chạy trên tầng MAC của mô hình OSI

Mô hình CPN cua giao thức này sẽ kiêm tra xem cam biến nào trong mạng được quyền gơi gói tin xuống

tang thấp hơn trong mô hình Điều này nhằm giam sự đụng độ các gói tin cùng như lãng phí năng lượng

trên cam biến

Bài báo [42] sư dụng mô hình IICPN đế đo hiệu suất hoạt động cua mò hình mạng cam bicn không dây

dưới nước (under water WSN) Mò hỉnh PN này được vận hành theo cơ chế song song đế ước lượng thời

gian định tuyến, độ trễ và ti lộ gơi gói tin thành còng trong môi trường nước cua các cảm biến có ơ mức

độ mà các nhà nghiên cứu cho phép hay không Rõ ràng, sư dụng mô hình PN giúp tiết kiệm được chi phi rất lớn so với việc xây dụng mô hình chạy thực tế cho bài toán này

Trong bài [43], Timed Coloured Petri Net lại được sư dụng đẽ mô hình và kiểm tra các tiến trinh hoạtđộng cua giao thức định tuyến Ad hoc On-Demand Distance vector (AODV) trong môi trường chạy song

song có hoạt dộng chính xác hay không

2.1.2 2 Các mô hình theo hưóng tiêp cận động

Với những gi luận án đà nghiên cứu thi hướng tiếp cận cho việc mỏ hình các tham số động bàng PN rất

ít được phát triền do việc làm này dề dần đen tình trạng các mô hình rất phức tạp, khó mơ rộng đong thời

dề dàng làm tăng khá năng bùng nô không gian trạng thái Vì thế, ờ Mục này, luận án xin trinh bày một

số mô hình khác (không phai mô hình mạng) nhưng áp dụng ý tương biêu diễn các tham số động cho bài toán của minh

Mô hình [44] là một ứng dụng mô hình hóa cho những bài toán có dữ liệu không chẳc chẩn Đê biêu

diền loại dừ liệu này, mô hình đề xuất định nghía ngôn ngừ PN mờ (Fuzzy Petri Net) Mỏ hình này thực

chất là mô hình PN thuần túy nhưng tích hợp thêm các tập sinh luật mờ (Fuzzy production rules) Các

tập luật này có câu trúc “IF-THEN” trong dó các tham sỏ dầu vào và kết quả tra ra dều là những tập mờ

Mô hình này khới tạo hoạt động bằng việc mờ hóa các dữ liệu không chắc chắn của người dùng Các luật

mờ được ticn hành trước khi transitions trên PN thực thi đè quyêt định cập nhật hay chỉnh sửa thông tin

của dừ liệu

Bài báo [45] bicu dien sự thay đôi thứ tự ưu tiên của các công việc trong bài toán lập lịch băng PN vời sự

hồ trợ cua việc học tự động hóa (Leaning Automata-bascd) Mô hình PN được dựng len với các transition

tương ứng cho các công việc can sap xếp Việc lựa chọn ngầu nhiên các transition được thực thi thường

được sử dụng trong bài toán lập lịch Tuy nhiên, các transition được lựa chọn có thể xung đột lẫn nhau

do quá trinh lựa chọn ngẫu nhiên Vì thế, đề xuất này trước ticn nhóm các transition vào nhưng nhỏm

riêng biệt không xung đột, sau đó vận dụng quá trinh học tự động đế đưa ra quyết định nhóm transitionnào sẽ được thực thi Từ đỏ, bài toán lập lịch có thê biêu diễn tự động mà công việc không bị xung đột

Cùng ý tướng áp dụng mô hình PN cho bài toán lập lịch trong qui trinh xư lý rác, bài báo [46] đưa ra yêu

cầu tãng hiệu qua sử dụng xe tài vận chuyên chất thai cua hộ gia đinh đen các bãi rác bên ngoài thành

phố Bài toán tối ưu này bị ràng buộc bời các yếu tố phát sinh ngẫu nhiên trong quá trình vận chuyên hoặc các ràng buộc phức tạp cua các thực thê trong bài toán PN được lựa chọn đê mô hình hóa các tiến

trình vận chuyến một cách song song (nghĩa là có nhiều xe vận chuyên rác có thê hoạt động cùng mộtthời diem) đe đưa ra các nhận định ảnh hương đen các lien trinh này dưới sự tác động cua các yếu tổ thời

gian thực (các biến số dộng cùa bài toán) Mục đích chính cùa mô hình là kiêm tra có deadlock xảy ra

khi mô hình thực thi hay không (tương ứng với có tiến trình nào không thê thực hiện được không) Mồi transition trong mỏ hình sẽ có một xác suất được thực thi Công thức tỉnh xác suât này lại phụ thuộc vào