Le document explore le concept de clustering dans les réseaux mobiles ad hoc, en mettant l'accent sur l'organisation en clusters dirigés par des leaders appelés clusterheads. Il décrit les avantages du clustering, tels que l'amélioration de la scalabilité et l'efficacité du routage, ainsi que les défis liés à la maintenance des clusters et au choix des leaders. Plusieurs algorithmes de formation de clusters, tels que le lowest-id cluster algorithm et le weighted clustering algorithm, sont également présentés.

1. Clustering dans réseaux
mobiles ad hoc
Présenté par :
H. BENKAOUHA
1

2. Introduction
Réseaux ad hoc plats : problèmes de passage à
l’échelle (scalabilité).
Réseaux ad hoc hiérarchiques.
Regrouper des nœuds géographiquement
proches en clusters.
Un cluster est identifié par son leader (chef)
appelé clusterhead (tête de cluster).
2

3. Introduction
3

4. Le leader
Choisi par les autres nœuds => processus
d'élection distribué.
Sinon définir des critères.
Peut être en charge de :
Allocation d'adresses pour les nœuds du cluster
Routage
Allocation de slots de communications
Etc.
4

5. Les clusters
Les clusters peuvent être :
Indépendants,
Recouvrants,
=> Nœuds passerelles (gateway)
Cardinalité : un cluster à au plus k nœuds.
Les nœuds ont des informations complètes sur
leur groupe.
Les nœuds ont des informations partielles pour
les autres groupes.
5

6. Schema représentatif
6

7. Avantages du clustering
Passage à l’échelle.
Limitation des données à stocker.
Robustesse.
Adaptée à la mobilité des nœuds.
Le routage plus efficace.
Optimise l'utilisation des ressources.
7

8. Inconvénients du
clustering
Clusterhead = goulot d'étranglement.
Surcoût d’élection des leaders.
Surcoût de maintenance et reconstruction des
clusters.
8

9. Comment hiérarchiser?
Choix du leader d’un cluster.
Stratégie de choix des nœuds faisant partie d’un
cluster.
Remplacer un leader.
Reconstruire un cluster.
Supprimer un cluster.
9

10. Exigences du clustering
L’organisation en clusters doit être distribuée.
=> Critères de formation distribuée des clusters.
Bon protocoles de routage intra et inter-clusters.
Processus de localisation.
…
10

11. Défis à relever
Générer le moins de trafic possible
=> Favoriser de préférence le trafic local.
Minimum de trafic possible lors de la formation des
clusters.
Trouver une organisation stable face à la
mobilité des nœuds.
Limiter le trafic dû à la maintenance et la
reconstruction des cluster.
Prendre en considération la contrainte
d’énergie.
11

12. Choix du leader
Election des chefs de clusters
Désignation selon des critères.
Mécanismes de base :
Identificateur (le plus petit id)
Degré (le degré le plus fort)
Energie (possibilité de vivre longtemps)
Mobilité (faible)
…
12

13. Former les clusters
Définir la cardinalité du cluster.
Définir la notion de voisinage avec le leader :
Diamètre
C’à.d. le nombre de sauts entre un membre d’un
cluster et son leader.
13

14. Maintenance des clusters
Comment tenir compte des changements de
topologie dus à :
Déplacements : mobilité.
Énergie.
Déconnexion.
Violations des contraintes
Arrivée d’un nouveau nœud.
Un nœud a la propriété d’éligibilité meilleure que
celle du leader.
14

15. Lowest-ID Cluster Algorithm
(LID)
Chaque nœud doit avoir un identifiant unique ID.
Le nœud qui a le plus petit ID parmi tous ses voisins est
chef => Compare son ID avec ceux des voisins.
Le cluster = le leader et tous ses voisins.
Une fois le cluster formé : tous les membres ne peuvent
plus participer au processus d’élection.
Avantages : Simple, Rapide
Inconvénients : Grand nombre de clusters, Ne peuvent
être réglable à l’évolution de la topologie.
15

16. Least Clusterhead Change
Algorithm (LLC)
Conçu pour minimiser le changement de
clusterhead
Apporte une meilleure stabilité dans la
composition des clusters.
16

17. High-Connectivity Clustering
(HCC)
Election basée sur le degré de connectivité
(nombre de voisins du nœud).
Cet algorithme souffre des fréquents
changements de leaders.
17

18. Approche basée sur le poids
Un poids est définit par la vitesse de déplacement de
chaque nœud.
Le critère de l’élection du clusterhead est le poids
maximal dans son voisinage.
Il est supposé que chaque noeud a la connaissance de
son poids.
DCA : Distributed Clustering Algorithm
Destiné aux réseaux “quasi-static” : déplacements des noeuds
doivent être “lents”.
DMAC : Mobility-Adaptive Clustering algorithm
Destiné aux réseaux de grande mobilité.
18

19. WCA : Weighted Clustering
Algorithm
Formule multi-critères :
Mobilité,
Connectivité,
Énergie.
Synchronisation globale.
Échange de voisinage avec tous.
19

20. Remarques
Clusters de diamètre au plus de 2.
2 sauts au max entre 2 nœuds du même cluster.
Clusters recouvrants.
Certains nœuds appartiennent à 2 clusters
simultanément.
Phase de formation des clusters répétée
périodiquement.
20

21. Clustering à k sauts
Connectivity Based K_Hop Clustering
Degré de connectivité
Ré-exécution périodique de l'algorithme.
Max-Min D-cluster formation
Informations sur le k-voisinage
21

22. Routage avec clustering
VSR : Virtual Structure Routing.
Routage intra-cluster: proactif.
Routage inter-cluster : réactif.
Utilisation de la topologie virtuelle pour
découvrir les routes.
Les routes sont basées sur les identificateurs de
clusters (au lieu des nœuds)
22