Conguracin ptima del Protocolo de Encaminamiento OLSR para VANETs Mediante Evolucin Diferencial

Jamal Toutouh Jos M. Garca-Nieto Enrique Alba

Dept. LCC, ETSI Informtica Bulevar Louis Pasteur 35 Univ. de Mlaga, 29071 jamal,jnieto,eat@lcc.uma.es

Resumen
Uno de los elementos ms inuyentes en el funcionamiento de las redes MANETs/VANETs es el protocolo de encaminamiento. Sin embargo, en la literatura actual existen pocos trabajos que traten la conguracin de estos protocolos de manera ptima y automtica. En este trabajo se aborda la conguracin ptima del protocolo de encaminamiento OLSR para redes VANET mediante un algoritmo de Evolucin Diferencial. Las conguraciones obtenidas consiguen un alto grado de entrega de paquetes y reducen sustancialmente la carga de red y el retardo medio del protocolo OLSR respecto a su conguracin ocial estndar (tomado de RFC 3626), as como respecto a otras conguraciones diseadas por expertos en el estado del arte.

1. Introduccin
Las redes vehiculares ad hoc o VANETs (Vehicular Ad-hoc Networks) son redes descentralizadas entre vehculos dotados de dispositivos de comunicacin inalmbrica. As, los vehculos que pertenecen a una VANET tienen la capacidad de comunicarse entre s y con distintos elementos de la infraestructura vial sin la necesidad de emplear una infraestructura subyacente. Este intercambio de informacin en tiempo real, adems de poder mejorar la seguridad en la conduccin, ofrece la posibilidad de optimizar el trnsito vehicular reducindose el consecuente impacto ambiental. En la actuali-

dad, los dispositivos inalmbricos de acceso a red empleados para el desarrollo de VANETs utilizan tecnologas que cumplen con la familia de estndares IEEE 802.11 (WiFi), principalmente IEEE 802.11b o IEEE 802.11g. El uso de tecnologas basadas en WiFi implica que los vehculos slo se pueden comunicar dentro de un espacio y tiempo limitados. Esto, unido al alta movilidad de los nodos de una VANET, produce que la topologa cambie continuamente. De ah que el encaminamiento de los paquetes dentro de la red sea una tarea altamente compleja que se realiza de forma descentralizada. Por tanto, una estrategia de encaminamiento eciente es crucial para el desarrollo de las VANETs, ya que se puede as mejorar decisivamente la calidad de servicio (QoS) de la red. Se podran obtener protocolos de este tipo mediante el diseo de protocolos especcos o por modicacin de la conguracin de parmetros de los ya existentes de forma que se adapten mejor a los requisitos especcos de este tipo de redes. La enorme cantidad de posibles conguraciones que se pueden dar hace prcticamente imposible la obtencin de conguraciones ecientes sin el empleo de herramientas inteligentes de diseo automtico. Esto justica el empleo de las tcnicas metaheursticas [6] como herramientas que se adaptan bien para resolver este tipo de problemas. Desafortunadamente, son escasos los trabajos que se pueden encontrar en el estado del arte actual de esta materia. Alba et al. emple un Algoritmo Gentico Celular Multi-objetivo para encontrar una estrategia

de broadcasting para redes mviles ad hoc, o MANETs (Mobile Ad hoc Networks) [3], urbanas. Hung et al. [10] propuso un nuevo protocolo de encaminamiento que reduca el ratio de paquetes perdidos basado en optimizacin por cmulos de partculas o PSO (Particle Swarm Optimization). Recientemente, GarcaNieto et al. [8] optimiz el protocolo VDTP de transferencia de cheros en entornos vehiculares realistas empleando cinco tcnicas metaheursticas diferentes. En este trabajo, proponemos el empleo de una tcnica metaheurstica, la evolucin diferencial o DE (Dierential Evolution ), para la obtencin de una conguracin ptima del protocolo de encaminamiento OLSR (Optimized Link State Routing Protocol ) [7] desarrollado especialmente para redes ad hoc de alta movilidad. El rendimiento de este protocolo est determinado por la eleccin de sus parmetros que inicialmente vinieron denidos en el RFC 3626. Hemos escogido DE porque es un algoritmo especialmente diseado para la optimizacin de parmetros con valores reales (continuos) [12] y porque no ha sido empleado antes y tiene inters cientco investigarlo, que es el caso de este trabajo. El artculo se organiza como sigue. En la siguiente seccin ofrecemos una visin global del protocolo OLSR. La Seccin 3 describe el algoritmo DE. La Seccin 4 formula el problema de optimizacin del protocolo OLSR. Las secciones 5 y 6 presentan la estrategia seguida y los experimentos realizados, respectivamente. Los resultados se analizan en la Seccin 7. Finalmente, la Seccin 8 expone las conclusiones ms importantes y plantea trabajos futuros.

sobre los enlaces con sus nodos vecinos mediante el envo de mensajes de control de la topologa (TC, Topology Control). Cada nodo enva, tambin de forma peridica, mensajes Hello y MID a sus nodos vecinos (1-hop) para comprobar la existencia de enlace entre ellos. Los mecanismos del OLSR estn regulados por la conguracin de un conjunto de parmetros denidos en el OLSR RFC [7] (ver Tabla 1) enfocada principalmente para MANETs de propsito general aunque se usa en VANETs. Los parmetros que ms inuyen en el rendimiento son: los intervalos de tiempo de espera para el reenvo de los mensajes Hello, MID y TC (HELLO_INTERVAL, REFRESH_INTERVAL y TC_INTERVAL, respectivamente); los tiempos lmite de validez de la informacin recibida mediante los tres tipos de mensaje que son NEIGHB_HOLD_TIME (Hello), MID_HOLD_TIME (MID) y TOP_HOLD_TIME (TC); el WILLINGNESS o predisposicin de los nodos a actuar como MPR; y el tiempo mximo que los MPR almacenan informacin sobre los paquetes enviados para evitar el reenvo de duplicados (DUP_HOLD_TIME ). Tabla 1: Principales parmetros del OLSR. Valores ociales segn el estndar RFC 3626.
Parametros HELLO_INTERVAL REFRESH_INTERVAL TC_INTERVAL WILLINGNESS NEIGHB_HOLD_TIME TOP_HOLD_TIME MID_HOLD_TIME DUP_HOLD_TIME Valores 2.0 s 2.0 s 5.0 s 3 3 HELLO _IN T. 3 T C _IN T. 3 T C _IN T. 30.0 s

Rango 1 30 1 30 1 30 {0,1,3,6,7} 3 100 3 100 3 100 3 100

2. Protocolo OLSR
OLSR [7] es un protocolo de encaminamiento proactivo diseado expresamente para redes mviles ad hoc altamente dinmicas y con un ancho de banda limitado. Este protocolo provee de un mecanismo eciente de diseminacin (ooding ) de informacin parcial del estado de la red empleando un conjunto de nodos especiales, los Multipoint Relays (MPR). Peridicamente, los MPR intercambian informacin

3. Evolucin Diferencial
La Evolucin Diferencial (DE - Dierential Evolution [12]) es un algoritmo estocstico poblacional diseado para la resolucin de problemas de optimizacin continua. En DE, la generacin de nuevos individuos se realiza mediante operadores como la mutacin y el cruce i diferencial. Un individuo mutado wg+1 se genera mediante la siguiente ecuacin (1):

i r1 r2 r3 wg+1 vg + (vg vg )

(1)

en la cual r1, r2, r3 {1, 2, . . . , i 1, i + 1, . . . , N } son valores enteros obtenidos aleatoriamente y diferentes entre si, adems de diferentes al ndice i. La constante de mutacin > 0 introduce diversidad entre los indivir2 r3 duos vg y vg evitando as el estancamiento del proceso de bsqueda. Para incrementar an ms la diversidad entre los individuos de la poblacin, cada individuo mutado realiza una operacin de cruce con i el individuo objetivo (target) vg , mediante la cual se genera un individuo intermedio (trial) ui . A continuacin, se obtiene una posicin g+1 aleatoria del individuo mutado para evitar que el individuo intermedio replique totalmente al individuo objetivo.

1: initializaPoblacin() 2: mientras g < maxGeneraciones hacer i 3: para cada individuo vg hacer 4: elegir mutuamente diferentes(r1 , r2 , r3 ) r1 r2 r3 i 5: wg+1 muta(vg , vg , vg , ) i i 6: ui cruza(vg , wg+1 , cp) g+1 7: evala(ui ) g+1 i i 8: vg+1 selecciona(vg , ui ) g+1 9: n para 10: n mientras

Algoritmo 1 Pseudocdigo de DE

if r(j) P c or j = jr , en otro caso (2) Tal y como se muestra en la Ecuacin 2, dependiendo de la probabilidad de cruce P c se seleccionar un elemento del individuo objetivo o del individuo intermedio. Finalmente, el individuo intermedio ser aceptado para la siguiente generacin si y slo si es mejor que el individuo actual (minimiza, Ecuacin 3).
ui (j) g+1
i wg+1 (j) i vg (j) i vg+1

ui g+1
i vg (j)

i if f (ui ) f (vg ), g+1 en otro caso

(3)

En el Algoritmo 1 se muestra el pseudocdigo del algoritmo DE. Tras inicializar la poblacin (Linea 1) los individuos evolucionan durante un nmero mximo de evaluaciones. En cada generacin se realiza una operacin de mutacin (Linea 5) y cruce (Linea 6). Se selecciona un nuevo individuo segn la Ecuacin 3 (Lineas 7 y 8).

dar (ver Tabla 1) ofrece una pobre calidad de servicio en redes vehiculares [13]. Por ello, en este trabajo pretendemos obtener la conguracin de los parmetros de OLSR que se adapte mejor a los requisitos especcos de las redes VANETs. A partir de los parmetros presentados en la Tabla 1 hemos denido un vector solucin cuyos valores son continuos (reales) dentro del rango denido. As, podemos emplear una tcnica metaheurstica para obtener automticamente los valores del vector solucin que represente una conguracin de OLSR cuyo rendimiento en VANETs mejore al de la parametrizacin que se dene en su RFC 3626 original. A su vez, en este trabajo compararemos de forma analtica distintas conguraciones y su rendimiento, para ofrecerle a los expertos una ayuda que puedan emplear en el diseo de protocolos de encaminamiento especcos para VANETs. Para evaluar el rendimiento de las distintas conguraciones de OLSR (soluciones), y as guiar al algoritmo en la bsqueda, hemos empleado tres mtricas de calidad de servicio ampliamente empleadas en este rea:

Ratio de envo de paquetes (PDR-Packet delivery ratio): Fraccin de los paquetes

4. Conguracin ptima de OLSR

Al ser OLSR un protocolo expresamente diseando para MANETs de alta movilidad tambin se est empleando en VANETs. Sin embargo, el uso de la conguracin ocial estn-

enviados, que son recibidos de forma completa y correcta por el destinatario.

Carga de gestin de routing (NRLNormalized routing load): Relacin entre

el nmero de paquetes empleados para la gestin del protocolo de encaminamiento y los paquetes de datos enviados.

Figura 1: Modelo de optimizacin para la conguracin de OLSR. El algoritmo DE realiza una simulacin llamando a ns-2 en cada evaluacin de solucin.

Retardo medio punto a punto (E2EDAverage End-to-End delay of a data packet): Tiempo medio que tarda un paquete en llegar a su destinatario tras ser creado por una aplicacin para su envo.

5. Modelo de Optimizacin
Para la resolucin del problema de optimizacin del protocolo OLSR hemos empleado de forma conjunta un algoritmo de optimizacin y un proceso de simulacin. El algoritmo de optimizacin utilizado en este trabajo ha sido la metaheurstica Evolucin Diferencial (DE). El proceso de simulacin se ha utilizado para asignarle un valor de calidad o tness a las conguraciones calculadas por el algoritmo de optimizacin. Para ello se ha utilizado ns-2 [1], simulador empleado previamente para simular redes VANET que ha demostrado proveer resultados cercanos a la realidad [4]. El simulador ha sido modicado para poder interaccionar de forma automtica con algoritmos metaheursticos para as poder emplearlo en este y futuros trabajos. El mtodo completo de optimizacin es un proceso evolutivo dirigido por el algoritmo DE. Como se muestra en la Figura 1, cuando DE quiere evaluar una solucin invoca el proceso de simulacin de dicha conguracin del OLSR sobre un escenario denido para VANETs, en

el cual se tiene en cuenta las carreteras, los edicios, las seales de trco, la interaccin entre vehculos, etc. Despus de la simulacin donde se analizan desde varios puntos de vista el mismo escenario VANET, ns-2 devuelve una traza a partir de la cual se calculan las mtricas (PDR, NRL, E2ED) para las comunicaciones de toda la red. Una vez obtenidos los valores de las mtricas, el tness de una solucin se calcula como sigue:
f it = w1 (P DR)+w2 N RL+w3 E2EDC (4)

Para mejorar la calidad de servicio del protocolo OLSR, el objetivo consiste en maximizar el PDR, minimizando el NRL y el E2ED. Como se puede observar en la Ecuacin 4, se ha empleado una funcin de minimizacin agregativa, de ah que el PDR se haya formulado con un signo negativo. En esta ecuacin, los factores w1 , w2 y w3 (0,8, 0,1 y 0,1, respectivamente) se emplean para introducir un peso a la inuencia de cada mtrica en la funcin de tness. As, el PDR es claramente prioritario frente a las otras dos, ya que hemos priorizado la efectividad del protocolo de encaminamiento. La constante C = 0,01 normaliza el valor de E2ED, para que su rango sea del mismo orden de magnitud que el de las otras dos mtricas.

MLAGA

w S

an ne rra te di e M
0m 2000 m

a Se

Figura 2: rea seleccionada (2000 2000 m2 ) para el escenario VANET en el centro urbano de Mlaga.

6. Marco Experimental
En esta seccin se describe la instancia de red VANET generada para la evaluacin de conguraciones OLSR, as como los parmetros y especicaciones que componen el procedimiento experimental.

6.1. Instancia: Escenario VANET

A la hora de evaluar el rendimiento de una red VANET, la prctica ms extendida en la comunidad cientca consiste en el uso de simuladores tanto de trco vehicular como de redes de comunicaciones. Podemos generar entornos VANETs siguiendo patrones realistas (teniendo en cuenta direcciones, sentidos, normas de circulacin, semforos, etc.) mediante la seleccin automtica de reas urbanas a partir de mapas digitales. Sobre dichos entornos se pueden denir modelos de movilidad y conectividad de los vehculos, y as, aproximar el funcionamiento real de la red. En este trabajo hemos denido un escenario VANET a partir de la seleccin de un rea metropolitana localizada en el centro de la ciudad de Mlaga (Figura 2). Dicho rea, de 2000 2000 m2 de extensin, contiene el entramado de avenidas y calles siguiendo el modelo real de direcciones y sentidos de trco. Para sta labor hemos utilizado el simulador de trco SUMO [11], mediante el cual se ha implementado el movimiento de 50 vehculos (nodos de red) durante un tiempo de si-

mulacin de 5 minutos (300 segundos) dentro de la zona metropolitana seleccionada. De este modo, el modelo de trco (movimiento de vehculos) generado con SUMO mediante un chero XML puede ser importado en el simulador de redes ns-2 [1], convirtiendo el chero de patrones de movimiento en formato Tcl (adecuado para ste ltimo simulador de red). Para nuestra instancia VANET, el patrn de trco comprende 4050 movimientos, entre cambios de sentidos y direcciones, registrados por los vehculos. Durante el tiempo de simulacin, los coches (nodos) intercambian informacin mediante entre 2 y 50 conexiones diferentes y la velocidad de los coches puede uctuar entre 10 km/h y 50 km/h, teniendo en cuenta que se desarrolla en un entorno urbano. Tabla 2: Parmetros de simulacin
Parmetro Tiempo de simulacin Numero de vehculos Velocidad de circulacin Modelo de propagacin Frecuencia de radio Ancho de banda Rango de transmisin Capa de acceso (MAC) Protocolo de transporte Flujo de datos CBR Valor 300 s 50 10-50 km/h Two Ray Ground 2,47 GHz 5 Mbps 250 m IEEE 802.11b UDP 50 sesiones

ns-2

Respecto al modelo de ujo de datos de la red, se ha denido mediante Tcl (para ns-2 ) una secuencia de 50 sesiones de la aplicacin de red CBR (Constant Bit Rate), las cuales operan sobre agentes de protocolo UDP (User Datagram Protocol) especicados en cada no-

Tabla 3: Resultados obtenidos por DE en la conguracin ptima de OLRS. Se presentan las conguraciones: Mejor, Mediana, Peor y el clculo de la Media en cuanto al tness y a los indicadores de QoS. En la ltima la se disponen los resultados de conguracin ocial estndar (RFC 3626) Solucin Conguracin Fitness PDR NRL E2ED Mejor -68,35 94,00 % 68,34 kbps 8,36 ms Mediana Optimizada (DE) -53,14 72,00 % 44,16 kbps 8,03 ms Peor -21,53 32,00 % 40,62 kbps 4,18 ms Media -49,88 66,00 % 49,37 kbps 6,85 ms OLSR FC 3626 61,22 80,00 % 328,42 kbps 1347,22 ms do (vehculo). De esta forma, los vehculos interconectados intercambian datos mediante su respectivo agente CBR. El tamao de paquete de datos CBR es de 512 bytes, con un ratio de envo de 4 paquetes por segundo. La Tabla 2 contiene un resumen de los parmetros de simulacin utilizados. (Mlaga). Cada una de las ejecuciones independientes realiza un nmero de 1000 simulaciones con diferentes conguraciones de OLSR. Las mquinas utilizadas consisten en PCs Pentium IV 2.4 GHz core, 1 GB de RAM, y S.O. Linux Fedora core 6.

6.2. Procedimiento Experimental

Para este estudio hemos empleado la implementacin del algoritmo de Evolucin Diferencial (DE) disponible en la biblioteca de metaheursticas MALLBA [5], un framework en C++ para la resolucin de problemas de optimizacin. La Tabla 4 contiene los valores de los principales parmetros de DE. Tabla 4: Parmetros de DE Parmetro Nmero de individuos Nmero de generaciones Probabilidad de cruce (P c) Factor de mutacin ()

7. Resultados
A continuacin se presentan los resultados obtenidos tras la experimentacin con nuestra propuesta de optimizacin de OLSR.

7.1. Funcionamiento de DE
En la Tabla 3 se pueden observar los resultados obtenidos por el algoritmo DE en cuanto a los valores de tness calculados por las conguraciones Mejor, Mediana y Peor de OLSR, en las 30 ejecuciones independientes. Adems, se disponen los valores de PDR, NRL y E2ED de cada solucin y se calculan las medias de todos stos. La ltima la de esta tabla contiene los resultados obtenidos tras la simulacin de los parmetros de la conguracin estndar del protocolo OLSR (tomados de RFC 3626). La primera observacin que podemos resaltar consiste en la mejora de los valores de tness obtenidos por DE, los cuales son sustancialmente menores que el tness de la conguracin ocial (-49,88 de media sobre 61,22, ya que estamos minimizando), incluyendo la peor de las soluciones obtenidas por DE (-21,53 de media sobre 61,22). Si analizamos ms en detalle los valores de QoS podemos ver que sta mejora se debe principalmente a la gran reduccin de la carga de red (NRL) y del retardo medio (E2ED) que las conguraciones optimizadas (DE) experimentan sobre la congura-

Valor 10 100 0,9 0,1

En cuanto a la fase de simulacin, para las evaluaciones de cada solucin (conguracin OLSR) se ha utilizado el simulador de redes ns-2 en su versin v-2.34. De manera adicional, debido a que las versiones actuales de ns2 no incluyen an ninguna implementacin del protocolo OLSR, hemos incorporado para nuestros experimentos la implementacin UMOLSR (version 0.8.8) [2]. Para los experimentos se han llevado a cabo 30 ejecuciones independientes del algoritmo DE, siguiendo el modelo de optimizacin propuesto sobre el escenario VANET denido

Tabla 5: Conguraciones OLSR encontradas en el estado del arte por parte de expertos (Gmez et al. [9]), conguracin estndar de RFC 3626, y mejor conguracin obtenida por nuestro DE

Parmetros HELLO_INTERVAL REFRESH_INTERVAL TC_INTERVAL WILLINGNESS NEIGHB_HOLD_TIME TOP_HOLD_TIME MID_HOLD_TIME DUP_HOLD_TIME

Gmez et al. [9] #1 #2 #3 0,5 s 1,0 s 4,0 s 0,5 s 1,0 s 4,0 s 1,25 s 2,5 s 10,0 s 3 3 3 1,5 s 3,0 s 12 s 3,75 s 7,5 s 20,0 s 3,75 s 7,5 s 20 s 30,0 s 30,0 s 30,0 s

OLSR RFC 2,0 s 2,0 s 5,0 s 3 6,0 s 15,0 s 15,0 s 30,0 s

DE Mejor 3,13826 s 3,15026 s 45,245 s 1 3,56191 s 103,139 s 141,053 s 67,7911 s

cin ocial estndar (49,37 kbps de media sobre 328,42 kbps en NRL y 6,85 ms de media sobre 1347,22 ms en E2ED). Adems, la tasa de paquetes recibidos (PDR) muestra un porcentaje medio adecuado para redes VANETs (66,00 %), obteniendo incluso un porcentaje del 94 % en la mejor conguracin encontrada. Curiosamente, en la peor conguracin encontrada por DE se obtiene el mejor valor de NRL (40,62 kbps) y de E2ED (4,18 ms), aunque en este caso, a costa de un bajo rendimiento en el envo efectivo de paquetes (PDR de 32 %). Por tanto, podemos resaltar ya la principal contribucin de este trabajo: utilizando nuestro modelo de optimizacin con DE, conseguimos aumentar la tasa de envo (de 80 % a 94 %) y reducir tanto la carga de red (en un 85 %) como el retardo medio (en un 99,5 %) respecto a la conguracin ocial de OLSR.

Desde el punto de vista del funcionamiento interno de DE, en la Figura 3 podemos ver las trazas de evolucin del mejor tness encontrado durante las ejecuciones Mejor, Mediana y Peor. En este sentido, la principal caracterstica consiste en la rpida convergencia que experimenta el algoritmo ya que consigue una amplia reduccin de tness durante las 60 primeras generaciones. Este es un comportamiento bastante deseable en este tipo de problemas ya que debido al alto tiempo requerido en cada evaluacin de solucin (37,6 segundos de media por simulacin de ns-2 con nuestro escenario VANET), el nmero de evaluaciones debe ser lo sucientemente reducido para abordar el problema de manera prctica y eciente. El tiempo medio de cmputo es de 10,44 horas por ejecucin de DE.

7.2. Comparacin con Otras Conguraciones del Estado del Arte

En esta seccin comparamos los resultados obtenidos por nuestras conguraciones OLSR optimizadas por DE con una serie de conguraciones propuestas en el estado del arte por expertos humanos en la materia. En concreto, nos centramos en el trabajo presentado por Gmez et al. [9] en el que se analizan tres conguraciones de OLSR y se comparan con la conguracin estndar. Para ello se centran principalmente en la latencia de cambio de ruta (RCL) y evalan la conectividad punto a punto (End-to-End) mediante una instancia de MANET bsica.

Figura 3: Evolucin del mejor tness obtenido por DE en las ejecuciones Mejor, Mediana y Peor.

Tabla 6: Comparacin de los resultados obtenidos por la mejor conguracin OLSR de nuestro DE con otras conguraciones analizadas por expertos (Gmez et al. [9]) del estado del arte Conguracin Fitness PDR NRL E2ED #1 46,19 90,00 % 1170,02 kbps 1197,25 ms Gmez et al, [9] #2 -15,31 90,00 % 554,75 kbps 1208,91 ms #3 -29,47 66,00 % 208,84 kbps 2435,22 ms RFC 3626 61,22 80,00 % 328,42 kbps 1347,22 ms DE Mejor -68,35 94,00 % 68,34 kbps 8,36 ms Los valores de los parmetros de dichas conguraciones (#1, #2 y #3) estn recogidos en la Tabla 5 junto con los parmetros de RFC 3626 y aquellos de la mejor conguracin obtenida por nuestra metaheurstica DE. A partir de estas conguraciones, se disponen en la Tabla 6 los resultados obtenidos por sendas simulaciones con nuestra instancia VANET. De nuevo podemos observar (Tabla 6) la mejora que experimenta la conguracin optimizada por DE respecto a las tres conguraciones propuestas por Gmez et al. [9]. Si bien se obtiene mejora en cuanto al ratio de entrega de paquetes (PDR de 90 % en #1 y #2 a 94 % en DE), es en carga de red (NRL) y sobre todo en retardo medio punto a punto (E2ED) donde DE consigue el mayor benecio, llegando a ser del 67,28 % (de 328,42 kbps a 68,34 kbps) en el caso de NRL y del 99,66 % (de 1347,22 ms a 8,36 ms) en E2ED sobre #3, la mejor conguracin en trminos de valor de tness del trabajo citado. Si analizamos los conjuntos de parmetros que conforman las conguraciones (Tabla 5) podemos destacar dos diferencias bsicas. En primer lugar, el valor de WILLINGNESS es 1 en las conguraciones optimizadas y 3 en las dems. Esto produce que el proceso de seleccin de MPRs, denido en el RFC 3626 [7], requiera de menos tiempo de cmputo y de carga en la red. En segundo lugar, los valores temporales en los parmetros de registro de informacin intermedia (TOP_HOLD_TIME, MID_HOLD_TIME y DUP_HOLD_TIME) son mucho mayores en las conguraciones optimizadas que en las conguraciones de expertos y estndar. Por lo tanto, el valor de la informacin de gestin es tenido en cuenta por OLSR durante mucho ms tiempo. Posiblemente, esta informacin se desaprovecha constantemente en la conguracin estndar (RFC) ya que se obliga al protocolo a efectuar actualizaciones innecesarias de registros intermedios con demasiada frecuencia. Esto ltimo concuerda adems con las principales conclusiones tomadas en Gmez et al. [9].

8. Conclusiones
En este trabajo se ha abordado la optimizacin de los parmetros del protocolo de routing OLSR para VANETs mediante el algoritmo DE. Para ello se ha generado una instancia de VANET con especicaciones de escenario realistas (rea urbana de Mlaga) con el que se ha evaluado el algoritmo propuesto. Las conguraciones obtenidas mejoran sustancialmente tanto la conguracin ocial estndar de OLSR (RFC 3626) como otras conguraciones propuestas por expertos. Esta mejora supone aproximadamente el 67,28 % en carga de red y el 99,66 % en retardo medio. Como trabajo futuro se pretende realizar un estudio ms detallado sobre los parmetros que pueden afectar de manera signicativa al funcionamiento de la VANET estudiada as como nuevos escenarios basados en entornos de autova, reas comerciales, etc. Adems, se abordar el problema mediante formulacin multiobjetivo.

Agradecimientos
Los autores estn parcialmente nanciados por el CICE Junta Andaluca P07-TIC03044 (DIRICOM, http://diricom.lcc.uma.es) y Ministerio MICINN de Espaa y FEDER con referencia TIN2008-06491-C04-01 (M* http://mstar.lcc.uma.es). Jos M. GarcaNieto disfruta la beca BES-2009-018767 del MICINN.

Referencias
[1] The Network Simulator Project - Ns-2. [online] http://www.isi.edu/nsnam/ns/. [2] UM-OLSR Implementation of University of Murcia. [online] Available in URL http://masimum.dif.um.es/?Software:UMOLSR. [3] E. Alba, B. Dorronsoro, F. Luna, A. J. Nebro, and P. Bouvry. A Cellular MOGA for Optimal Broadcasting Strategy in Metropolitan MANETs. Computer Communications, 30(4):685  697, 2007. [4] E. Alba, S. Luna, and J. Toutouh. Accuracy and eciency in simulating vanets. In L. Hoai et al., editor, MCO, volume 14, pages 568578. Springer, 2008. [5] E. Alba, G. Luque, J. Garca-Nieto, G. Ordoez, and G. Leguizamn. MALLBA: A software library to design ecient optimisation algorithms. IJICA, 1(1):74 85, 2007. [6] C. Blum and A. Roli. Metaheuristics in combinatorial optimization: Overview and conceptual comparison. ACM Computing Surveys, 35(3):268308, 2003. [7] T. Clausen and P. Jacquet. Optimized Link State Routing Protocol (OLSR). IETF RFC 3626, 2003 [online] in URL http://www.ietf.org/rfc/rfc3626.txt.

[8] J. Garca-Nieto, J. Toutouh, and E. Alba. Automatic tuning of communication protocols for vehicular ad hoc networks using metaheuristics. Eng. App. of Art. Intel., In Press:, 2010. [9] C. Gomez, D. Garca, and J. Paradells. Improving performance of a real ad hoc network by tuning olsr parameters. In ISCC '05, pages 1621, Washington, DC, USA, 2005. IEEE Computer Society. [10] C. Huang, Y. Chuang, and K. Hu. Using particle swarm optimization for QoS in ad-hoc multicast. Eng. Appl. of Art. Intelligence, In Press, 2009. [11] D. Krajzewicz, M. Bonert, and P. Wagner. The open source trac simulation package SUMO. In RoboCup'06, pages 1 10, Bremen, Germany, 2006. [12] K. V. Price, R. Storn, and J. Lampinen. Verlag, London, UK, 2005.

Dierential Evolution: A practical Approach to Global Optimization. Springer-

[13] F. Rango, J. Cano, M. Fotino, C. Calafate, P. Manzoni, and S. Marano. Olsr vs dsr: A comparative analysis of proactive and reactive mechanisms from an energetic point of view in wireless ad hoc networks. Computer Communications, 31(16):38433854, 2008.