5.3 機率預測搜尋法效能評估
5.3.6 多重路徑錯誤容忍度實驗
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
99
5.3.6 多重路徑錯誤容忍度實驗
5.3.6.1 實驗 2B-3 環境參數設定
表 5-18:實驗 2B-3-1 參數
Parameters Range of values
Number of path 70
Number of edge on path 40
Probability of each branch Uniform (0~1)
Gamma distribution (by Calculation) shape parameter = 2、3、4、5 scale parameter =2
Normal distribution (by Experiment) loccation parameter = 2、3、4、5 scale parameter =2
表 5-19:實驗 2B-3-2 參數
Parameters Range of values
Number of Path 70
Number of edge on path 40
Probability of each branch Uniform (0~1)
Gamma distribution (by Calculation) shape parameter = 2、3、4、5 scale parameter =2
Gamma distribution (by Calculation) shape parameter = 3、4、5、6 scale parameter =2
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
100
實驗 2B-3 目的為評估所提出的計算機率公式 (2) 對不同機率分佈及參數做錯誤容忍 準確度實驗。實驗依照參數隨機產生 40 條路段組成一條 path，共有 70 條不同 path，
叉路選擇機率為 0~1，計算值將每條路段花費時間的機率分佈 Gamma 分佈參數 shape 設定在 2、3、4、5，scale 參數固定為 2，將參數代入本研究提出的計算機率預測求得 計算值。實驗 2B-3-1 及 2B-3-2 均依各實驗參數亂數產生 10000 個 agent 及其各路段所 花時間，求得統計值，與計算值互相比較。接著進行錯誤容忍度實驗，使用表 5-18、
5-19 實驗值參數各自產生測試案例，對同一組測試案例進行實驗，實驗機率預測搜尋 法-多重路徑(PPM-M)的平均搜尋次數 (number of search probes) ，自出發後 10 分鐘起，
每 10 分鐘搜尋 (search) 一次，直到 300 分鐘為止，實驗共執行 10000 回合。
5.3.6.2 實驗 2B-3 結果與分析
實驗 2B-3 兩組實驗使用同一組計算值預測 mobile agent 在出發後 300 分鐘內，每 10 分鐘間隔 target agent 在各路段上的機率，做錯誤容忍度實驗。實驗 2B-3-1，依照 Normal 參數 location= 2、3、4、5，scale = 2 亂數產生實驗數據。在離出發時間較近的時候，
mobile agent 大部分集中落於前方路段，平均 Error 較少，公式(2)誤差較小。當 mobile agent 隨著時間前進不斷往前方路段移動且允許叉路時，某一健行者在時間 t 時，位於 各路段的機率，由公式(2) 所計算的機率與本實驗所得到的統計值，之間的差距，由 表 5-20 呈現，平均 Error 最佳為 6.61%最差為 19.3%。實驗 2B-3-2，依照 Gamma 參 數 shape= 3、4、5、6，scale = 2 亂數產生，評估本文所提出的機率預測方法在 Gamma 分佈其 shape 參數相差 1，預測的損害程度，兩者平均 Error 最小為 4.56%最大為 15.24%。
將 2B-1、2B-3-1 與 2B-3-2 實驗之平均 Error 列於圖 5-56 至 5-58，可得知利用機率預 測公式(2)在各實驗之預測準確度結果，以實驗 2B-1 較準確，平均 Error 在 7.59%之內，
實驗 2B-3-2 次之，平均 Error 在 15.24%之內，實驗 2B-3-1 準確度最差，平均 Error 在 19.3%之內。
在 Normal distribution 下，搜尋效能損害評估，由下表 5-22 呈現，出發後 10 至
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
101
300 分鐘內，機率預測搜尋法-多重路徑(PPM-M)的平均搜尋次數 (number of search probes) 介於 2.28 至 4.75 間，平均為 3.98 次。機率預測搜尋法-多重路徑 (PPM-M)的 Normalized Search performance 為 10.05，相較於機率預測搜尋法-單一路徑 (PPM-S)的 Normalized Search performance 為 32.47，減少 22.42;在錯誤的 Gamma distribution 下之 效能損害評估，由下表 5-23 呈現，出發後 10 至 300 分鐘內，機率預測搜尋法-多重路 徑 (PPM-M)的平均搜尋次數 (number of search probes) 介於 2.52 至 4.05 間。平均為 3.45 次。機率預測搜尋法-多重路徑 (PPM-M)的 Normalized Search performance 為 11.6，
相較於機率預測搜尋法-單一路徑 (PPM-S)的 Normalized Search performance 為 37.59，
減少 25.99。下圖 5-50 至圖 5-52 列出 2B-2、2B-3-1、2B-3-2 的平均搜尋次數 (Number of Search Probes)。
圖 5-47: 2B 各實驗之平均偏差比較 出發後 10-100 分鐘
0 2 4 6 8 10 12
1 2 3 4 5 6 7 8 9 10
A ver ag e De via tion ( %)
2B-1 2B-3-1 2B-3-2
‧
110 120 130 140 150 160 170 180 190 200
A ver ag e De via tion ( %)
2B-1
210 220 230 240 250 260 270 280 290 300
A ver ag e De via tion ( %)
2B-1 2B-3-1 2B-3-2
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
103
表 5-20:實驗 2B-3-1 預測準確度實驗
表 5-21:實驗 2B-3-2 預測準確度實驗
Elapsed Time (Minutes) 10 20 30 40 50 60 70 80 90 100
ProbabilityCalculation Error (%) 6.61 7.56 8.74 9.25 9.46 9.52 9.61 9.73 9.85 10.05
Elapsed Time (Minutes) 110 120 130 140 150 160 170 180 190 200
ProbabilityCalculation Error (%) 12.06 12.38 13.56 12.69 13.05 13.81 14.07 14.26 14.59 15.34
Elapsed Time (Minutes) 210 220 230 240 250 260 270 280 290 300
ProbabilityCalculation Error (%) 15.51 15.96 16.27 16.8 17.14 17.61 18.02 18.21 18.63 19.3
Elapsed Time (Minutes) 10 20 30 40 50 60 70 80 90 100
ProbabilityCalculation Error (%) 4.56 5.61 5.78 5.63 5.93 6.7 6.91 7.01 7.25 7.89
Elapsed Time (Minutes) 110 120 130 140 150 160 170 180 190 200
ProbabilityCalculation Error (%) 8.32 8.58 9.27 9.5 10.2 10.67 11.18 12.35 12.48 13.28
Elapsed Time (Minutes) 210 220 230 240 250 260 270 280 290 300
ProbabilityCalculation Error (%) 13.44 13.51 13.57 13.68 14.05 14.24 14.6 14.99 15.12 15.24
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
104
表 5-22: PPM-M 錯誤容忍度實驗(Against Normal distribution)
表 5-23: PPM-M 錯誤容忍度實驗(Against inaccurate Gamma distribution)
Elapsed Time (Minutes) 10 20 30 40 50 60 70 80 90 100
PPM-M 2.28 2.37 2.63 2.78 2.97 2.99 3.06 3.65 3.92 4.15Elapsed Time (Minutes) 110 120 130 140 150 160 170 180 190 200
PPM-M 4.4 4.58 4.67 4.71 4.75 4.74 4.73 4.69 4.6 4.43Elapsed Time (Minutes) 210 220 230 240 250 260 270 280 290 300
PPM-M 4.4 4.36 4.35 4.37 4.28 4.26 4.31 4.08 4.01 3.92Elapsed Time (Minutes) 10 20 30 40 50 60 70 80 90 100
PPM-M 2.52 2.64 2.74 2.81 2.92 2.98 2.96 2.87 2.88 3.01Elapsed Time (Minutes) 110 120 130 140 150 160 170 180 190 200
PPM-M 2.98 2.99 3.1 3.15 3.35 3.68 3.89 3.9 3.95 3.99Elapsed Time (Minutes) 210 220 230 240 250 260 270 280 290 300
PPM-M 4.02 3.99 3.98 3.97 3.99 4.01 4.05 4.03 4.05 4.01‧
Average Number of Search Probes
Elapsed Time(Minutes)
2B-2
110 120 130 140 150 160 170 180 190 200
Average Number of Search Probes
Elapsed Time(Minutes)
2B-2 2B-3-1 2B-3-2
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
106
圖 5-52: 實驗 2B，出發後 210-300 分鐘 (錯誤容忍度實驗)
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
210 220 230 240 250 260 270 280 290 300
Average Number of Search Probes
Elapsed Time(Minutes)
2B-2 2B-3-1 2B-3-2
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
107
第6章
結論與未來研究
本篇論文主要為在控制網路底下，提出一個行動代理人之搜尋演算法，演算法利用計 算機率的方式，預測在各個時間點行動節點落在每個控制節點之間路段的機率，依照計算 出的路段機率高低順序來搜尋，以提高搜尋效率。機率預測演算法讓搜尋代理人能利用 控制網路，優先搜尋到目標代理人所在路段，使得行動代理人技術的應用及優點，能 移植到機會網路上，可增加「山文誌登山資訊系統」的應用功能。除了山難救援為其 中的一個應用，其他還有變更集合地點、互動通訊…等，留待更多的應用被發掘。
依照服務區域內不同路徑的情況，本研究提出兩個模型，並使用機率預測搜尋法，預 測行動節點可能所在位置優先搜尋此路段來降低整體搜尋時間。為驗證其預測的準確度，
本文透過一連串的實驗，評估本法之搜尋效率以及當各路段花費時間的機率分佈假設有 誤時，搜尋效率的受損程度。在我們的實驗中，機率模型之準確度極高，誤差不超過 7.59%，
即使機率分佈錯誤，搜尋效能仍高於二分搜尋法約 2 倍。
本研究提出的模型仍需進一步改進，本文假設在其行動節點於各段路徑所花費的 時間符合 Gamma 分佈，且為兩兩獨立事件。但在實際山區路段上，兩段健行路徑若 設定為相依事件而非獨立事件，較為符合實際情況，但複雜度也相對地提升許多，未 來研究若能考慮此點則更加貼近實際狀況。另本研究與 Gamma、Normal 兩機率分佈
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
108
比較，評估其錯誤容忍及預測準確度，倘若能與多個不同的機率分佈做一綜合比較，
則能多方評估本研究的機率預測結果準確度以及是否適用於其他不同的機率分佈。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
109
參考文獻
[1] S. A. Tamhane, M. Kumar, A. Passarella, and M. Conti, "Service Composition in Opportunistic Networks," in Proc. of the 2012 IEEE International Conference on Green
Computing and Communications, 2012, pp.285-292
[2] L. Pelusi, A. Passarella, and M. Conti, "Opportunistic networking: data forwarding in disconnected mobile ad hoc networks," IEEE Communications Magazine, vol. 44, no. 11, pp. 134-141, Nov. 2006.
[3] C.-M. Huang, K.-c. Lan, and C.-Z. Tsai, "A survey of opportunistic networks," in Proc.
of the 22nd International Conference on Advanced Information Networking and Applications, 2008, pp. 1672-1677.
[4] J. H. Huang, S. Amjad, and S. Mishra, "Cenwits: a sensor-based loosely coupled search and rescue system using witnesses," in Proc. of the 3rd International Conference on
Embedded Networked Sensor Systems, 2005, pp. 180-191.
[5] Y. T. Huang, Y. C. Chen, J. H. Huang, L. J. Chen, and P. Huang, "YushanNet: A
delay-tolerant wireless sensor network for hiker tracking in Yushan national park," in Proc.
of the 10th International Conference on Mobile Data Management: Systems, Services and Middleware, 2009, pp. 379-380.
[6] Y. T. Huang, Y. C. Chen, J. H. Huang, L. J. Chen, and P. Huang, "YushanNet: A
delay-tolerant wireless sensor network for hiker tracking in Yushan national park," in Proc.
of the 10th International Conference on Mobile Data Management: Systems, Services and
Middleware, 2009, pp. 379-380.
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
110
[7] 陳伶志, 黃寶儀, and 黃致豪. "山文誌登山資訊系統." Internet:
http://nrl.iis.sinica.edu.tw/YushanNet/tw_project.php, Retrieved on May. 1, 2013.
[8] A. Fujihara, “ZebraNet and its theoretical analysis on distribution functions of data gathering times” in Proc. of the Second International Workshop on Mobile Opportunistic
Networking, 2010, pp. 205-206
[9] M. Martonosi, “ZebraNet and beyond: applications and systems support for mobile, dynamic networks”, in Proc. of the 2008 International Conference on Compilers,
architectures and synthesis for embedded systems, 2008, pp.21-21
[10] S. Farrell, et al. "InterPlanetary Internet." Internet: http://www.ipnsig.org/, Retrieved on May. 1, 2013.
[11] Y. Chen, and H. Wu “Communications and Architectures for Interplanetary Internet”, in Proc. of 2011First International Conference on Instrumentation, Measurement, Computer,
Communication and Control, 2011, pp. 895-899
[12] E. Brewer, et al. "Technology and Infrastructure for Emerging Regions (TIER)."
Internet: http://tier.cs.berkeley.edu/drupal/about, Retrieved on May. 1, 2013.
[13] Z. Lu and J. Fan, "Delay/Disruption tolerant network and its application in military communications," in Proc. of the 2010 International Conference on Computer Design and
Applications (ICCDA), 2010, pp. 231-234.
[14] Y. Sasaki and Y. Shibata, "Distributed disaster information system in DTN based mobile communication environment," in Proc. of the 2010 International Conference on
Broadband, Wireless Computing, Communication and Applications, 2010, pp. 274-277.
[15] 陳禹銘, 祝鈞毅, 李雅萍, and 周子勤, "多工協調技術之應用與展望," 機械工業, no. 285, pp. 93-104, Dec. 2006.
[16] D. S. Milojicic, F. Douglis, and R. Wheeler. Mobility: processes, computers, and
agents. New York, NY: ACM Press/Addison-Wesley Publishing Co., 1999.
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
111
[17] D. B. Lange and M. Oshima, "Seven good reasons for mobile agents,"
Communications of the ACM, vol. 42, no. 3, pp. 88-89, Mar. 1999.
[18] L. T. Yang. Mobile Intelligence. Hoboken, NJ: John Wiley & Sons, Inc., 2010.
[19] 楊柏華譯, "<<資訊新知>>:行動代理人技術（上）," 中央研究院計算中心通訊, vol.
18, no. 23, pp. 184-188, Nov. 2002.
[20] 陳伶志, and 黃有德, "登山客的黑盒子," 中央研究院週報, no. 1376, pp. 4-6, June 2012.”
[21] J. H. Huang, S. Amjad, and S. Mishra. "Cenwits Search and Rescue System." Internet:
https://csel.cs.colorado.edu, Retrieved on May.1, 2013.
[22] Y.N. Lien, Y.S. Lin, "Placement of control network for mobile agents over
opportunistic networks," in Proc. of the 2012 IEEE International Conference on Pervasive