| 000 | 10409namaa22004211i 4500 | ||
|---|---|---|---|
| 003 | OSt | ||
| 005 | 20250503134417.0 | ||
| 008 | 250503s2024 ua a|||frm||| 000 0 eng d | ||
| 040 |
_aEG-GICUC _beng _cEG-GICUC _dEG-GICUC _erda |
||
| 041 | 0 |
_aeng _beng _bara |
|
| 049 | _aDeposit | ||
| 082 | 0 | 4 | _a004.678 |
| 092 |
_a004.678 _221 |
||
| 097 | _aM.Sc | ||
| 099 | _aCai01.18.02.M.Sc.2024.Ha.I | ||
| 100 | 0 |
_aHazem Hassan abdulGhaffar abdulMajeed, _epreparation. |
|
| 245 | 1 | 3 |
_a An intelligent algorithm for multicast routing in the internet of things / _cby Hazem Hassan abdulGhaffar abdulMajeed ; Supervised Prof. Dr. Hesham A. Hefny, Dr. Assem A. Al-Sawy. |
| 246 | 1 | 5 | _a خوارزمية ذكية لتوجيه البث المتعدد في إنترنت الأشياء / |
| 264 | 0 | _c2024. | |
| 300 |
_a163 leaves : _billustrations ; _c30 cm. + _eCD. |
||
| 336 |
_atext _2rda content |
||
| 337 |
_aUnmediated _2rdamedia |
||
| 338 |
_avolume _2rdacarrier |
||
| 502 | _aThesis (M.Sc)-Cairo University, 2024. | ||
| 504 | _aBibliography: pages 144-157. | ||
| 520 | _a Multimedia has become increasingly vital in the presence of the spread of Internet of Things (IoT) networks, especially in situations such as online conferencing. Due to the flow of data packets in the network, Quality of Service (QoS) must be considered such as delay, data loss rate, and costs, to maintain the data packets in the network. Therefore, routing is considered a fundamental element that has a significant impact on packet switching in computer networks and network performance. Due to the restrictions that control the process of packet switching on the network. Routing algorithms should provide the exemplary path (optimum) for the network considering the traffic volume and QoS conditions. Therefore, arithmetic operations must be executed, whereas the transmission command is received between the network’s routers. At the top of these operations are neural networks, as the situation is managed in the performing of enormous operations in parallel with the rest of the transmission process procedures. In today’s network layers, task scheduling is important so that part of the resources is isolated from the control signals between the layers, which leads to the end user feeling diminished resources, when (QoS) constraints are taken into account. Despite the reliability of the protocols used for internal control between the layers of the Open Systems Interconnection model in traditional network architectures, they do not provide QoS constraints directly in the layers of the Open Systems Interconnection (OSI) model, Internet Protocol (IP), or wireless networks. Determining a typical path is one of the basic principle in packet-switched networks to reach the destination node. Therefore, the situation is more stringent in terms of multimedia data transmission and consequently, the restrictions are increasing in IoT applications. Despite the contribution of heuristic algorithms such as the ant colony algorithm, the genetic algorithm, and etc. in determining the optimal path, the volume of data and nodes on the network continues to increase, which leads to poor performance of the algorithms to provide the optimal solution. This study contributes to multicast routing in the IoT and the large Internet. The routing algorithm was built based on Hopfield Neural Network (HNN) to address the QoS limitations (cost, delay, and packet loss rate). Considering the changing network topologies, implementing the approach was prioritized to address the problem of multicast routing with the three constraints as a first stage to find the most appropriate path. The packet loss rate and delay constraints are then considered. Thus, the data are preserved from loss. The experimental results showed that the proposed method using the discrete-time equation has achieved a significant difference in iterations and execution time compared to other proposals such as Runge–Kutta, Euler equations, heuristic algorithms "Genetic and Ant" and Hierarchical Hopfield neural network which contributes to improving the performance of Internet of Things networks in terms of the durability of interconnection between devices. In accordance with the extent of the impact of quality of service restrictions on the network, and the maintenance of the cost-effectiveness of the route, the algorithm achieved an average reduction in execution time of 42%, in addition to an average reduction in the number of iterations by 33%. In terms of the efficiency of the algorithm’s performance in providing service quality factors, it reduced the delay time by an average of 57%, while it reduced the cost by an average of 48%. | ||
| 520 | _aأصبحت الوسائط المتعددة حيوية بشكل متزايد في ظل انتشار شبكات إنترنت الأشياء، لا سيما في حالات مثل المؤتمرات عبر الإنترنت. نظرًا لتدفق حزم البيانات في الشبكة، يجب مراعاة جودة الخدمة مثل التأخير، ومعدل فقدان البيانات، والتكاليف للحفاظ على حزم البيانات في الشبكة. لذلك، يُعتبر التوجيه عنصرًا أساسيًا له تأثير كبير على تبديل الحزم في شبكات الكمبيوتر وأداء الشبكة. بسبب القيود التي تتحكم في عملية تحويل الحزم على الشبكة، يجب أن توفر خوارزميات التوجيه المسار النموذجي (الأمثل) للشبكة مع مراعاة حجم حركة المرور وظروف جودة الخدمة. أثناء تلقي أمر الإرسال بين أجهزة توجيه الشبكة، يأتي دور الشبكات العصبية في تنفيذ عمليات ضخمة لمراعاة متطلبات حركة المرور بالتوازي مع بقية إجراءات عملية الإرسال بين أجهزة توجيه الشبكة. بالإضافة إلى طبقات الشبكة الحالية لتنفيذ عملية الإرسال، تعد جدولة المهام مهمة بحيث يتم عزل جزء من الموارد عن إشارات التحكم بين الطبقات، مما يؤدي إلى شعور المستخدم النهائي بتناقص الموارد. عندما يتم أخذ قيود جودة الخدمة في الاعتبار، وعلى الرغم من موثوقية البروتوكولات المستخدمة للتحكم الداخلي بين طبقات نموذج ربط الأنظمة المفتوحة في معماريات الشبكات التقليدية، إلا أنها لا توفر قيود جودة الخدمة مباشرة في طبقات نموذج ربط الأنظمة المفتوحة، وبروتوكول الإنترنت، أو الشبكات اللاسلكية. بالإضافة إلى شبكات تبديل الحزم، يُعتبر تحديد المسار النموذجي أحد المبادئ الأساسية بها. لذلك، فإن الوضع يكون أكثر صرامة من حيث نقل بيانات الوسائط المتعددة، وبالتالي، تزداد القيود في تطبيقات إنترنت الأشياء. على الرغم من مساهمة الخوارزميات الاستدلالية مثل خوارزمية مستعمرة النمل، والخوارزمية الجينية، وآخرين في تحديد المسار الأمثل، إلا أن حجم البيانات والعُقد على الشبكة يستمر في الزيادة، مما يؤدي إلى ضعف أداء الخوارزميات في توفير الحل الأمثل. تساهم هذه الدراسة في توجيه البث المتعدد في شبكات الإنترنت، حيث تم بناء خوارزمية التوجيه استنادًا إلى شبكة هوبفيلد العصبية مع مراعاة معالجة قيود جودة الخدمة (التكلفة، التأخير، ومعدل فقدان الحزمة). بالنظر إلى هياكل الشبكة المتغيرة، تم إعطاء الأولوية لتنفيذ النهج لمعالجة مشكلة توجيه البث المتعدد مع القيود الثلاثة كمرحلة أولى للعثور على المسار الأنسب. ثم يتم النظر في معدل فقدان الحزم وقيود التأخير، على التوالي، وبالتالي يتم الحفاظ على البيانات من الفقد. أظهرت النتائج التجريبية أن الطريقة المقترحة باستخدام معادلة الزمن المتقطع قد حققت فرقًا كبيرًا في عدد التكرارات ووقت التنفيذ مقارنةً بالطرق الأخرى مثل معادلات رنغ-كوتا، ومعادلات أويلر، والخوارزميات الاستدلالية "الجينية ومستعمرة النمل" وشبكة هوبفيلد العصبية الهرمية، مما يساهم في تحسين أداء شبكات إنترنت الأشياء من حيث متانة الاتصال بين الأجهزة. وفقًا لتأثير قيود جودة الخدمة على الشبكة والحفاظ على فعالية تكلفة المسار، حقق الخوارزمية متوسط تقليل في وقت التنفيذ بنسبة 42%، بالإضافة إلى متوسط تقليل في عدد التكرارات بنسبة 33%. فيما يتعلق بكفاءة أداء الخوارزمية في توفير عوامل جودة الخدمة، فقد قللت زمن التأخير بمتوسط قدره 57%، بينما قللت التكلفة بمتوسط قدره 48%. | ||
| 530 | _aIssues also as CD. | ||
| 546 | _aText in English and abstract in Arabic & English. | ||
| 650 | 7 |
_aInternet _2qrmak |
|
| 653 | 0 |
_aMulticast Routing _aHopfield Neural Networks _aQuality of Service _aInternet of Things _aDeep learning |
|
| 700 | 0 |
_aHesham Hefny _ethesis advisor. |
|
| 700 | 0 |
_aMostafa Ezzat _ethesis advisor. |
|
| 900 |
_b01-01-2024 _cHesham Hefny _cMostafa Ezzat _UCairo University _FFaculty of Graduate Studies for Statistical Research _DDepartment of Computer Science |
||
| 905 | _aShimaa | ||
| 942 |
_2ddc _cTH _e21 _n0 |
||
| 999 | _c171830 | ||