در گام سوم، از یک الگوریتم دو مرحله ای استفاده شده است که در فاز اول آن، پوشش دیسک با انتخاب یک مجموعه حداقل از گرههای کاندید صورت میگیرد و ارضا می شود. در فاز دوم الگوریتم، اتصال کامل بین مسیریابها برقرار می شود بهدین صورت که، اگر با مجموعه فوق اتصال کامل بین مسیریابها برقرار نباشد، از یک رویه ادغام-اضافه برای برقراری اتصال، استفاده شده است.
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))
ویژگیهای این روش، شامل دستیابی به پوشش و اتصال کامل شبکه و تعیین تعداد مسیریابهای مورد نیاز برای پوشش شبکه است، اما در مقابل شعاع یکسانی برای همه مسیریابها در نظر گرفته شده است که این مورد، در حالتی که ترافیک مربوط به یک مسیریاب بیشتر از ظرفیت آن باشد، موجب بروز مشکل می شود. در واقع مسیریابهای قویتر و دارای شعاع انتقال بیشتر، برای عبور ترافیک سنگین در بخشی از شبکه می تواند مورد استفاده قرار بگیرد. بعلاوه، محدودیتهای جغرافیایی که شبکه ممکن است در تعیین مکان مسیریابها با آن مواجه باشد، را در حل مسئله مد نظر قرار نداده است. ضمن اینکه با توجه به مدل استفاده شده، فرض شده است که، ششضلعیها با هم مماس هستند و همپوشانی ندارند، در حالی که در واقعیت، مسیریابها برای برقراری اتصال کامل با دروازه، بایستی با یکدیگر همپوشانی داشته باشند، و این همپوشانی موجب تغییر در تعداد مسیریاب مورد نیاز در شبکه و افزایش تعداد آنها نسبت به حالت ایدهال می شود.
در [۶] از روش (SA) Simulated Annealing برای تعیین مکان مسیریابها در شبکه مش استفاده شده است. ویژگی SA[53] سیاست کاوش همسایگی در آن است که موجب می شود به نواحی امیدبخشی در فضای راه حل رسید، که می تواند به پاسخهای با کیفیتی منجر شود.
روش SA یکی از روش های متاهیوریستیکی احتمالی است که ایده آن از عمل سردکردن تدریجی فلزات برای استحکام بیشتر آنها نشات گرفته است. همانند روشهای تپهنوردی و تپهنوردی تعمیمیافته، در این روش نیز مسئله از یک حالت مانند S در فضای حالت مسئله شروع کرده و با گذر از حالتی به حالت دیگر به جواب بهینه مسئله نزدیک می شود. انتخاب حالت شروع هم می تواند به صورت تصادفی انجام پذیرد و هم می تواند بر اساس یک قاعده حالت اولیه مسئله را انتخاب کنیم. در اینجا نیز تابع هدف[۵۴]میزان بهینگی حالت فعلی را محاسبه کرده و همسایه حالت همسایه را برای حالت فعلی تولید می کند.
در این روش، بخشهای مختلف الگوریتم SA برای حل مسئله تعیین مکان مسیریابها، سفارشی شده، و از تابع ارزیابی مانند روش [۱۲] استفاده کرده است. ویژگیهای این روش، مشابه روش [۱۲] میباشد.
در [۷] از روشهای جایگذاری که در شبکه های سیار پیشا استفاده می شود، بهره برده است. در واقع از نتایج خروجی این روشها، به عنوان مقدار اولیهای برای استفاده در روشهای تکاملی و ابتکاری استفاده کرده است. بهعنوان نمونه، از الگوریتم جستجوی فضای همسایگی، استفاده شده است که در آن، کاوش همسایگی یک راهحل اولیه با حرکتهای محلی صورت میگیرد و تا زمان رسیدن به شرایط توقف الگوریتم، تکرار می شود.
در [۸]، از روشهای مبتنی بر جستجوی محلی برای تعیین بهینه مکان مسیریابها در شبکه مش بیسیم استفاده شده است. روشهای پیشنهاد شده، جا به جاییهای محلی متفاوتی را بررسی و کاوش کرده، و بهبود افزایشی را در جایگذاری مسیریابها نتیجه داده است.
در [۹] ناحیه توسعه را به صورت شبکهای چهارخانه، تقسیم نموده است که برای شمارش تعداد کاربران و اندازه گیری قدرت سیگنال دریافت شده از گره مش، استفاده می شود. برای اندازه گیری و تخمین قدرت سیگنال دریافت شده در هر موقعیت[۵۵]، از مدل کانال pathloss[56] استفاده شده است. مدل pathloss، تضعیف سیگنال بیسیم را بر اساس تابعی از مسافت تخمین میزند. میزان پوشش[۵۷] و اتصال[۵۸] بر اساس محاسبه قدرت سیگنال دریافتی در قسمت ها مختلف شبکه، فرمولبندی شده و در مقایسه مورد استفاده قرار گرفتهاند. برای یافتن راهحلها نیز از یک الگوریتم ابتکاری استفاده شده که، موقعیتهای نهایی را از میان موقعیتهای کاندید پیدا می کند که در آن، از تابع ارزیابی شامل ضرب دو معیار پوشش و اتصال استفاده شده است. از آنجا هر که دو معیار اتصال و پوشش، به صورت رابطههای احتمال، محاسبه میشوند، هرچه مقدار این تابع ارزیابی به یک نزدیکتر باشد، کیفیت راهحل مورد بررسی، بهتر خواهد بود.
در [۱۰] از الگوریتمی با عنوان VFPlace[59] استفاده شده است، که با داشتن تعداد مشخصی مسیریاب مش[۶۰]، موقعیت این مسریابها طوری تعیین می کند که با ماکزیممکردن میزان پوشش کلی شبکه، محدودیتهای ترافیکی و جغرافیایی یک WMN ارضا شود. در این شبکه، سه نوع منطقه تعریف و استفاده شده است: منطقه ممنوعه[۶۱] که شامل مناطقی میشود که مسیریابها در آن، نمی توانند قرار بگیرند، و برای ارضای محدودیت جغرافیایی بکار برده شده است. منطقه مقدم[۶۲]، به ناحیهای با ترافیکی سنگین، که از ظرفیت MR موجود در آن فراتر است گفته می شود، و برای لحاظ کردن محدودیت ترافیکی، و درنظر گرفتن توزیع غیریکنواخت ترافیک، مورد استفاده قرار گرفته است. و منطقه معمولی که نشاندهنده یک ناحیه عادی میباشد. با استفاده یک تابع چگالی که، میزان نفوذ یا تاثیر هر ناحیه را اندازه میگیرد، در کنار یک مدل نیروی مجازی[۶۳] استفاده شده است تا با اندازه گیری نیروهایی که تعریف شده، در نهایت مکان هر MR مشخص شود.
اگرچه در این روش، برد همه مسیریابها، یکسان در نظر گرفته شده است، اما به لحاظ درنظر گرفتن محدودیتهای جغرافیایی و ترافیکی، و لحاظ کردن آنها در مسئله، نسبت به روشهای ذکر شده پیشین، برای استفاده در دنیای واقعی، مناسبتر به نظر میرسد. ضمن اینکه در این روش، تعداد مسیریابها از پیش تعیین شده بود، و از این تعداد مشخص برای پوشش شبکه استفاده شده است. معیارهایی که در این روش بررسی شده است، نرخ پوشش شبکه و میزان اتصال است، که نتایج آن نشان میدهد در هر دو معیار رضایت بخش بوده است. اما در مورد میزان مسریابهای مورد استفاده برای پوشش شبکه، به نظر میرسد قابل بهبود بوده، و با کاهش این تعداد، میتوان صرفهجویی مناسبی در میزان هزینه راه اندازی و توسعه شبکه شد.
در [۱۱] روشی برای تعیین مکان مسیریابها ارائه شده که بر اساس آن، MRها توانایی انتقال با چندین نرخ را دارند، یعنی از واسطهایی رادیویی استفاده می کنند که در نرخ انتقال متفاوتی کار می کنند، به عبارت دیگر از MRهای چندنرخی[۶۴] استفاده شده است. روش ارائه شده، طی یک فرایند دو مرحله ای تعیین مکان را انجام داده است: در مرحله نخست، تعیین MRهای پوشش انجام می شود، که در آن، به صورت حریصانه از MRهای انتخابی برای پوشش کلاینتهای مش[۶۵] استفاده شده است. در مرحله بعدی، تعدادی MR برای رله کردن[۶۶] ترافیک و متصل کردن MRها به IGWها، با بهره گرفتن از یک الگوریتم محلی، اضافه میشوند، و بدین ترتیب در این مرحله، شرایط اتصال شبکه و محدودیت ترافیک را لحاظ می کند. مسیریابها با برد یکسان، و نرخ انتقال متفاوت در نظر گرفته شده اند. الگوریتم مورد استفاده بگونهای است که MRها را بر مبنای پوشش کلاینتها و نه بر اساس پوشش کل محیط شبکه، انتخاب یا اضافه می کند. به عبارت دیگر، ممکن است کلاینتی[۶۷] به شبکه وارد یا اضافه شود که در ابتدا نتواند تحت پوشش هیچ یک از MRها قرار بگیرد، اما با اضافه کردن یک MR این کار صورت میگیرد. در این بررسی، موقعیت کلاینتها نیز همانند IGWها، از پیش تعیین شده اند.
روشهای مبتنی بر الگوریتمهای تکاملی
در [۱۲] از الگوریتم ژنتیک برای تعیین مکان مسیریابها بهره گرفته شده است. ناحیه به صورت شبکه ای سلولی، در نظر گرفته شده، که مسیریابها و کلاینتها در این سلولها توزیع میشوند. با توجه به کاربردهای متفاوت و حالتهای مختلف ممکن وجود ترافیک در شبکه، از توزیعهای متفاوتی برای کلاینتها استفاده شده، تا بار ترافیکی شبکه برای نمونههای مختلف، به خوبی تخمین زده شود. از این رو از ۴ توزیع نرمال، یکنواخت، توانی و weibul برای توزیع کلاینتها در سلولهای شبکه، استفاده شده است. و همچنین برد مسیریابها، متفاوت درنظر گرفته شده است.
تابع برازش الگوریتم، دو معیار میزان اتصال مسیریابها و تعداد کاربران پوشش داده شده را برای هر یک از منفردها، بررسی کرده و در نظر گرفته است. به این ترتیب هر راهحلی که در این دو معیار بهتر باشد، تابع برازش آن، مقدارش بیشتر است. برای بررسی راهحل نیز، یک مجموعه محک[۶۸] با شبکه هایی با اندازه متفاوت و توزیعهای متفاوت استفاده شده است.
نتایج نشان میدهد در معیار اتصال مسیریابها، نتیجه کاملا خوبی بدست می آید اما در مورد تعداد کاربران پوشش داده شده توسط مسیریابها، با توجه به توزیعهای مختلف، انحرافی زیادی وجود دارد و همه کاربران پوشش داده نمیشوند.
در این روش اگرچه، برد انتقال مسیریابها را متفاوت در نظر گرفته است، و برای ترافیک شبکه، از توزیع متفاوتی استفاده کرده، اما بدون در نظر گرفتن محدودیتهای جغرافیایی تعیین مکان را انجام داده است. در ضمن تعداد مسیریابها استفاده شده از پیش تعیین شده اند، و در واقع تعداد بهینه آنها، توسط الگوریتم بدست نمیآید.
در [۱۳] از یک روش مبتنی بر الگوریتم ژنتیک بهره برده است. منفردها یا راهحلها با بهره گرفتن از گراف شبکه نمایش داده شده اند و از یک تابع ارزیابی برای ارزیابی بهینگی راهحلها، با دو هدف هزینه نصب و احتمال پوشش استفاده کرده است. از یک الگوریتم بهینهسازی تکاملی دو مرحله ای استفاده شده است. در مرحله اول، توپولوژیهای کاندید شبکه پیدا و مشخص میشوند که مربوط به ارضای هدف پوشش است. و در مرحله دوم، یک الگوریتم حذف لینک، تعداد لینکهای شبکه را درجهت کاهش هزینه، کاهش میدهد.
روشهای مبتنی بر مدل بهینهسازی
در [۱۴] از یک مدل بهینهسازی چند هدفه، برای مسئله طراحی WMN، بهره گرفته است. روش ذکر شده، با هدف ارائه مدلی برای مینیممکردن هزینه توسعه شبکه، ماکزیممکردن گذردهی شبکه، و پوشش کامل کلاینتهای مش طراحی شده است. دو مدل بهینهسازی ارائه شده که یکی با هدف ماکزیممکردن ظرفیت، و دیگری کاهش تداخل رادیویی بکار برده شده اند. از الگوریتم پرندگان[۶۹] با چند هدف مختلف، بهعنوان تکنیکهای بهینهسازی برای حل کردن دو مدل ذکر شده، استفاده شده است. یک پرنده[۷۰] در میان جمعیت[۷۱] ، مانند یک موقعیت[۷۲] در فضای جستجو است و شامل اطلاعاتی درباره اتصال کاربران، اتصال گرهها به یکدیگر، هزینه و تعداد مسیریابها میباشد.
نتایج ارائه شده، تاثیر عوامل مختلفی را بر روی تعداد MRها آورده است: افزایش تعداد درخواستها و افزایش میزان ترافیک، موجب افزایش تعداد MR موردنیاز می شود، به این دلیل که با تعداد MR موجود امکان سرویسدهی وجود ندارد و فراتر از ظرفیت شبکه است.
در [۱۵] مسئله گرههای مش را بهعنوان یک مسئله بهینهسازی با دو هدف ماکزیممکردن پوشش مورد انتظار در حالتی که توزیع کلاینتها و درخواستهایشان متغیر باشد، و مینیممکردن تعداد گرههای مش مورد نیاز، فرموله می کند. مدل شبکه با استفاده یک گراف، مدل شده است که شامل راسهایی متشکل از کلاینتها، گرههای مش و IGW است. یالهای گراف تنها در صورتی که دو گره گراف در برد انتقال یکدیگر باشند، بین دو گره وجود خواهد داشت. برای لحاظکردن خاصیت متغیر بودن درخواستهای مشترکین[۷۳] ، یک متغیر احتمالی تعریف شده است که این متغیر میزان احتمالی که یک کاربر علاقهمند به دریافت سرویس باشد را مشخص می کند. زیرا در عمل، کاربران منفرد با زیرمجموعهای از کاربران، بر اساس میزان دسترسپذیری سرویسها، و وضعیت ناحیهای که در آن هستند (مثلا در کمپهای خوابگاهی میزان درخواست خیلی بیشتر از یک محیط اداری می تواند باشد)، دارای احتمالهای متفاوتی برای درخواست میباشند.
به این ترتیب، میان کاربران بالقوه و کاربران دارای درخواست، تفاوت قائل شده است و کاربرانی که دارای درخواست هستند، مورد پوشش قرار داده میشوند. برای بهینهسازی از الگوریتم ژنتیکی استفاده شده است که دو هدف را بهینه می کند: هزینه ساخت شبکه (تعداد گرههای مش مورد نیاز) را مینیمم، و پوشش را ماکزیمم می کند. روش مذکور، بر روی سه مجموعه داده[۷۴]، که هر سه به صورت تصادفی تولید شده اند، آزمایش شده است. بهعنوان نتیجه تاثیر تغییر میزان برد گره مش بر تعداد مورد نیاز بررسی و آورده شده است، یعنی با افزایش برد مسیریابها، اگرچه هزینه اضافی را موجب می شود، اما باعث کاهش تعداد مسیریاب مورد نیاز می شود.
در [۱۶] تعدادی مدل بهینهسازی برای طراحی WMNپیشنهاد شده است که هدفشان، مینیممکردن هزینه نصب و راه اندازی شبکه (تعداد تجهیزات مورد نیاز) و تامین پوشش کامل کلاینتهای مش است. با بهره گرفتن از برنامه ریزی خطی، مدلها منجر به انتخاب تعداد و موقعیت مسیریابهای مش می شود بگونهای که ترافیک مسیریابی، تداخل و تخصیص کانال نیز لحاظ شده باشند. از سه مدل در این روش، استفاده شده که شامل مدلهای basic،interference ،multi-channel میباشند. برای مدلکردن محدودیتها، هر یک از آنها، به صورت پارامتری در برنامه ریزی خطی اعمال شده است. برای مینیممکردن هزینه نصب، هزینه نصب MRو IGW متفاوت درنظر گرفته شده است. ترافیک، اتصال و پوشش نیز، برای بدست آوردن یک راهحل، لحاظ شده اند.
در نتایج نشان داده شده که، با افزایش میزان تقاضاها[۷۵]، تعداد دروازههای اینترنت مورد نیاز برای هدایت ترافیک کلاینتهای مش به سمت ناحیه سیمی، افزایش مییابد، اما در صورتی که ظرفیت دروازه، بینهایت فرض شود، با افزایش میزان تقاضای کلاینتها ، تعداد MRبیشتری مورد نیاز خواهد بود. نتیجه دیگر بدست آمده اینکه، با افزایش تعداد موقعیتهای کاندید، احتمال اینکه یک کلاینت مش، بتواند از طریق یک مسیر چندگامه به دروازه اینترنت متصل شود، افزایش مییابد و این به معنی، تعداد MRبیشتر مورد نیاز برای برقراری این ارتباط چندگامه است. نکته جالب اینکه، با توجه به اینکه، روش ارائه شده، با لحاظکردن هزینه نصب پاسخ را مییابد، در صورتی که هزینه IGWخیلی بیشتر از MRباشد، مدل پیشنهادی به استفاده از تعداد کمتری IGW و تعداد بیشتری MR، متمایل می شود تا ضمن مینیممکردن هزینه، کلاینتها را از طریق ایجاد یک مسیر چندگانه که با اضافه کردن MRمسیر می شود، سرویسدهی کند.
سایر روشها
در [۱۷] از دو الگوریتم برای تعیین مکان مسیریابها مش استفاده شده است: ۱- الگوریتمی تقریبی که یک طرح تعیین مکان اولیه را مییابد. ۲- یک الگوریتم ابتکاری برای انتخاب تعداد کمی از گرهها جهت مینیمم کردن تعداد گرههای مش و تضمین برقراری اتصال در شبکه. در این روش، نوع انتشار سیگنالها به صورت غیر یکنواخت در نظر گرفته شده است، به این معنی که نواحی شبکه، با توجه به سیگنال دریافتی، میتوانند دارای اشکال مختلفی باشند، بر خلاف انتشار یکنواخت که نواحی پوششی دایره شکل هستند. به این ترتیب، هر گره مش، دارای یک ناحیه پوششی اختیاری (با شکل متفاوت) است و پوشش شبکه با این مشخصات صورت میپذیرد.
مسئله به صورت یک گراف اتصال مدل شده است که راسها در آن، گرههای مربوطه موجود در موقعیتهای گسسته هستند و یالهای آن، نشاندهنده وجود لینکهای قابلاستفاده بین موقعیتها میباشند. از تکنیکهای تخمین سیگنال در لایه فیزیکی برای تعیین لینکهای بالقوه در گراف اتصال ورودی استفاده شده است. گراف ورودی شامل دو مجموعه راس است: مجموعه مختصات فیزیکی نمایش دهنده نواحی هدف که پوشش کلاینتها در آن، مدنظر است و مجموعه دوم شامل موقعیتهای ممکن برای گرههای مش است که از پیش تعیین شده اند. لینکهای موجود در گراف ورودی، در صورتی که قدرت سیگنال تخمینی یا اندازه گیری شده، از یک حد آستانه بیشتر باشد، قابل استفاده است.
محدودیتهای مربوط به شبکه نیز، برای تشکیل گراف نهایی، به شبکه اعمال شده و مورد استفاده قرار میگیرند. محدودیت پوشش به این صورت فرموله شده است که، برای همه کلاینتهایی که باید پوشش داده شوند، حداقل یک لینک بین کلاینت، و یکی از گرههای مش انتخابی، وجود داشته باشد. محدودیت اتصال هم، به این صورت که گراف نتیجه باید همبند و متصل باشد، اعمال شده است. بنابراین، پاسخ مسئله شامل یافتن درختی است که شامل ویژگیهای زیر باشد:
یک درخت پوشا که تمام گرههای مش را میپیماید، و خاصیت اتصال را هم داشته باشد. این درخت پوشا، باید شامل گرههای کلاینت نیز باشد، این کلاینتها به عنوان برگ درخت، به یک گره مش متصل میشوند تا همه کلاینتها پوشش داده شوند. نتایج نشان میدهد که در این روش در مقایسه با حالت انتشار یکنواخت، تعداد مسیریابهای کمتری مورد استفاده قرار گرفته است.
[۱۸] با این هدف که موقعیت بهینه گره رله[۷۶]، در یک شبکه مش بیسیم، زمانی که بین دو مسیریاب مش قرار میگیرد، را تعیین کند، ارائه شده است. از یک مدل ساده فرستنده-دریافت کننده و مدل ساده دیگر با ۳ طرح، برای موقعیت گره رله استفاده شده است. تحلیل ظرفیت شبکه نشان میدهد که با توجه با ناحیه عملیاتی گره رله، حداکثر ظرفیت زمانی بدست می آید که گره رله در وسط میان فرستنده و گیرنده قرار بگیرد.
در [۱۹] سناریویی درنظر گرفته شده است که، در آن، تعدادی AP، از طریق یک کارت شبکه ۸۰۲.۱۱ با کلاینتها در ارتباط است، و از طریق یک واسط ۸۰۲.۱۶ با گرههای مش در ارتباط است، برای اینکه درخواستهای کلاینتها سرویسدهی شود. بنابراین مسئله به این صورت تعریف شده است که، با داشتن درخواستهای[۷۷] هر AP[78]و مجموعه موقعیتهای ممکن برای گرههای مش، تعداد بهینهای از گرههای مش بعلاوه توپولوژی که محدودیتهای درخواستی را ارضا کند، یافت شوند. از دو تابع هزینه استفاده شده است، یک تابع، هزینه را بر اساس فاصله انتقال[۷۹] میان گرهها محاسبه می کند و تابع هزینه دیگر، توان مورد نیاز برای انتقال را در نظر میگیرد و محدودیتهایی اعمال میشوند:
اول اینکه حجم درخواستهای روی هر لینک بالقوه، نباید از ظرفیت لینک فراتر رود، درخواست کلاینتها باید ارضا شود و تعداد لینکهای گره مش، محدود است و محدوده آن باید لحاظ شود. الگوریتم مورد استفاده، بگونهای است که با توجه به درخواستهای موجود در شبکه، توپولوژی متفاوتی را نتیجه میدهد، بنابراین ویژگی این پژوهش، قابلیت تغییر توپولوژی بر مبنای درخواستها است.
در [۲۰] روشی ارائه شده که در آن، هدف مینیممکردن تعداد گرههای رله یا گره مش است. مسئله به صورت تعریف تعدادی متغیر و درنهایت ترکیب آنها فرموله شده است، که نشاندهنده همه محدودیتهایی است که درنظر گرفته شده است. در نهایت نشان داده شده است که تعداد کانالهای رادیویی که در گره مش[۸۰] استفاده می شود، در تعداد مسیریاب مورد نیاز تاثیر دارد، بدین صورت که افزایش تعداد کانالها، موجب کاهش تعداد MRهای موردنیاز می شود.
در [۲۱] یک الگوریتم توزیع شده، برای انتخاب پویای تعدادی از گرهها از میان APهای موجود پیشنهاد شده تا ستون فقرات شبکه را تشکیل دهد. در این معماری فرض شده است که همه APهای کاندید به اینرنت متصل هستند و لینکهای مش میتوانند حداکثر دو گام ازIGW دور باشند.
در [۲۲] از ۳ نوع الگوریتم بهینهسازی مختلف استفاده کرده است تا حداقل تعداد ترنسیورها[۸۱] را برای تامین پوشش مناسب (در حدود ۹۰%) ناحیه موردنظر بیابد. از یک ابزار انتشار رادیویی برای تعیین و تشخیص محل دقیق پوشش در ناحیه هدف استفاده شده است. نتایج آنها، کارایی الگوریتمهای حریصانه[۸۲] ، ژنتیک و داروینیسیم[۸۳]را در حل مسئله طراحی شبکه بررسی می کند.
[۲۳] یک برنامه خطی ترکیبی[۸۴]، برای طراحی WMNارائه داده که موقعیت، توان، و محدودیتهای مسیریابی را در عین مینیمم کردن هزینه درنظر میگیرد. حتی بدون اضافهکردن این پیچیدگیها، MIP یک مسئله NP-hard است و تنها می تواند برای برای شبکه های خیلی کوچک مسئله را حل کند.
نتیجه گیری
در این قسمت، تعدادی از روشهای آورده شده با یکدیگر از لحاظ معیارهای مورد نیاز مسئله تعیین مکان مسیریابها، مقایسه شده اند که در جدول ۲-۱ قابل مشاهده است. در جدول ۲-۱ ویژگیهای هر روش آمده است و همانطور که مشاهده می شود، در هیچ یک از روشها، همه معیارهای لازم در کنار هم، لحاظ نشده است یعنی روشی که در عین لحاظ کردن محدودیتهای ترافیکی و محیطی برای بدست آوردن پوشش و اتصال شبکه، با در نظر گرفتن مسیریابهای متفاوت، تعداد مسیریاب مورد نیاز شبکه را نیز تعیین کند.
جدول ۲‑۱ مقایسه روشهای جایگذاری مسیریابهای مش
Specification | TC | EC | Num | RT | Cov |