KaydedilenlerDerginizi ekleyin

Dergiler / El-Cezeri / 2020 / Cilt: 7 - Sayı: 3

Optimizasyon Teknikleri Kullanılarak Kapalı Alan 802.11ac Kablosuz WLAN Modelleme için Bir Karar Destek Aracı

A Decision Support Tool for Indoor 801.11ac WLAN Modeling Using Optimization Techniques

Mevlüt ERSOY
Tuncay YİĞİT
Asım Sinan YÜKSEL
Sayfa
1231–1244
Yayın Tarihi
2020-09-30
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bu araç aracılığıyla, bir kapalı alana yerleştirilecek optimum AP sayısına karar verilebilir ve optimum ağ kapsama alanı için en iyi AP yerleşimi kolayca elde edilebilir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Kablosuz Yerel Ağ (WLAN), kapalı alan ve dış ortamlarda kablosuz yayın ile Internet erişimi sağlayan bir teknolojidir.
📊
Temel Bulgular & Veri:Bununla birlikte, kapalı alanların karmaşık yapısı nedeniyle kapsamını etkileyen birçok faktör vardır.
💡
Sonuç & Katkı:Bu araç aracılığıyla, bir kapalı alana yerleştirilecek optimum AP sayısına karar verilebilir ve optimum ağ kapsama alanı için en iyi AP yerleşimi kolayca elde edilebilir.
🔬Tür:Deneysel Tarla Denemesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:WLAN Optimizasyonu · Genetik Algoritma · Tavlama Benzetimi

Özet

Kablosuz Yerel Ağ (WLAN), kapalı alan ve dış ortamlarda kablosuz yayın ile Internet erişimi sağlayan bir teknolojidir. Düşük maliyetli, kullanımı kolay ve yaygın olarak kullanılmaktadır. Bununla birlikte, kapalı alanların karmaşık yapısı nedeniyle kapsamını etkileyen birçok faktör vardır. Bu nedenle, Erişim Noktalarını (AP'ler) kablosuz ağa en güçlü ve en tutarlı kapsama alanını sağlayacak şekilde yerleştirmek gerekir. Bu faktörler WLAN performansını doğrudan etkilediğinden, ağ uzmanları genellikle beklenmedik sorunlarla karşılaşırlar ve bulunduktan sonra erişim noktalarından ölçümler alarak ağ kapsamını deneme yanılma yoluyla optimize etme eğilimindedirler. WLAN optimizasyonu için anten tipi, kanallar, duvar yapıları, verim gibi çeşitli metrikler kullanılabilir. Karar destek aracımız, ağ uzmanlarının bu metrikleri kullanarak bir ağ modeli oluşturmasına yardımcı olur. Kapalı alan ortamlarında AP'lerin kapsamının belirlenmesi doğrusal olmayan bir sorundur. Bu nedenle, yazılım aracımız tavlama ve genetik algoritmanın sezgisel yaklaşımlarına dayanmaktadır. Bu araç aracılığıyla, bir kapalı alana yerleştirilecek optimum AP sayısına karar verilebilir ve optimum ağ kapsama alanı için en iyi AP yerleşimi kolayca elde edilebilir.

Abstract

Wireless Local Area Network (WLAN) is a technology that provides wireless broadband Internet access in indoor or outdoor environments. It is low cost, easy to use and widely deployed. However, there are many factors that affect its coverage due to the complex structure of indoor settings. For this reason, it is necessary to locate the Access Points (APs) in such a way as to provide the wireless network with the strongest and most consistent coverage. Since these factors directly affect WLAN performance, network specialists often encounter unexpected problems and tend to optimize network coverage by trial and error, taking measurements from access points after they’re located. Several metrics such as antenna type, channels, wall structures, throughput can be used for WLAN optimization. Our decision support tool helps network specialists generate a network model by employing these metrics. Determining the coverage of APs in indoor settings is a nonlinear problem. Therefore, our tool is based on the heuristic approaches of the simulated annealing and genetic algorithm. Via this tool, the optimum number of APs to be placed in an indoor setting can be decided and the best AP placement for optimal network coverage can be easily obtained.

🔖

Bu Makaleye Atıf Yap

ERSOY, M., YİĞİT, T., YÜKSEL, A. S. (2020). Optimizasyon Teknikleri Kullanılarak Kapalı Alan 802.11ac Kablosuz WLAN Modelleme için Bir Karar Destek Aracı. El-Cezeri, Cilt: 7 - Sayı: 3, 1231–1244. https://ajindex.com/articles/252348

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (4)

  1. S. V. Azhari, Ö. Gürbüz, O. Ercetin, M. H. Daei, H. Barghi, and M. Nassiri, “Delay sensitive resource allocation over high speed IEEE802.11 wireless LANs,” Wirel. Networks, vol. 26, no. 3, pp. 1949–1968, 2020, doi: 10.1007/s11276-018-1889-7. V. K. Jones and H. Sampath, “Emerging technologies for WLAN,” IEEE Commun. Mag., vol. 53, no. 3, pp. 141–149, 2015, doi: 10.1109/MCOM.2015.7060496. A. M. Gibney, M. Klepal, and D. Pesch, “A wireless local area network modeling tool for scalable indoor access point placement optimization,” Spring Simul. Multiconference 2010, SpringSim’10, 2010, doi: 10.1145/1878537.1878707. M. Kanaan and M. Suveren, “A new propagation modeling technique for ultra-wideband implant body area networks based on a neural network architecture,” Neural Comput. Appl., vol. 28, no. 11, pp. 3603–3615, 2017, doi: 10.1007/s00521-016-2266-z. A. Mc Gibney, M. Klepal, and D. Pesch, “Agent-based optimization for large scale WLAN design,” IEEE Trans. Evol. Comput., vol. 15, no. 4, pp. 470–486, 2011, doi: 10.1109/TEVC.2010.2064324. S. Bosio, A. Eisenbl¨atter, G. Hans-Florian, S. Iana, and D. Yuan, “Mathematical Optimization Models for WLAN Planning,” in Graphs and Algorithms in Communication Networks, 2010, pp. 283–284.
  2. B. Wu, J. Luo, and C. Yang, “Wireless sensor network minimum beacon set selection algorithm based on tree model,” Neural Comput. Appl., vol. 30, no. 3, pp. 965–976, 2018, doi: 10.1007/s00521-016-2734-5. A. Bahri and S. Chamberland, “On the wireless local area network design problem with performance guarantees,” Comput. Networks, vol. 48, no. 6, pp. 856–866, 2005, doi: 10.1016/j.comnet.2004.11.009. D. Plets, W. Joseph, K. Vanhecke, E. Tanghe, and L. Martens, “Coverage prediction and optimization algorithms for indoor environments,” Eurasip J. Wirel. Commun. Netw., vol. 2012, no. December, 2012, doi: 10.1186/1687-1499-2012-123. L. Arya and S. C. Sharma, “Coverage and Analysis of Obstructed Indoor WLAN using Simulation Software and Optimization Technique 1,” Conf. Adv. Commun. Control Syst., vol. 2013, no. Cac2s, pp. 631–637, 2013.
  3. H. T. T. Binh, N. T. Hanh, L. Van Quan, and N. Dey, “Improved Cuckoo Search and Chaotic Flower Pollination optimization algorithm for maximizing area coverage in Wireless Sensor Networks,” Neural Comput. Appl., vol. 30, no. 7, pp. 2305–2317, 2018, doi: 10.1007/s00521-016-2823-5.
  4. S. Kouhbor, J. Ugon, A. Kruger, A. Rubinov, and P. Branch, “A new algorithm for the placement of WLAN access points based on nonsmooth op