Tổng quan về luận án

Luận án "Nâng cao hiệu năng mạng MANET sử dụng kỹ thuật định tuyến cân bằng tải đảm bảo chất lượng truyền dẫn" của Lê Hữu Bình (2019) giải quyết một thách thức cấp bách trong lĩnh vực truyền thông không dây, đặc biệt là trong bối cảnh bùng nổ của mạng 5G và Internet vạn vật (IoT). Nghiên cứu này nổi bật bởi cách tiếp cận tiên phong trong việc tích hợp hai tiêu chí định tuyến thường bị xem xét riêng lẻ: chất lượng truyền dẫn (Quality of Transmission - QoT) và cân bằng tải (Load Balancing), nhằm tối ưu hóa hiệu năng của Mobile Ad-hoc Networks (MANET).

Research gap cụ thể mà luận án này hướng đến là sự thiếu hụt các công trình nghiên hợp nhất QoT và cân bằng tải trong định tuyến MANET. Tác giả chỉ rõ: "Các công trình nghiên cứu đã công bố về định tuyến đảm bảo QoT không xem xét đến vấn đề cân bằng tải lưu lượng. Ngược lại, vấn đề về QoT của các lộ trình truyền dữ liệu không được xem xét trong các công trình nghiên cứu về định tuyến cân bằng tải." (Mở đầu, trang 3). Khoảng trống này đặc biệt nghiêm trọng trong các môi trường mạng MANET có "vùng diện tích rộng, mật độ nút cao, sử dụng kênh có băng thông lớn" (Mở đầu, trang 3), nơi các hiệu ứng vật lý và tình trạng nghẽn cục bộ tác động mạnh mẽ đến hiệu năng. Các nghiên cứu trước đây như [5, 24, 33, 35, 46, 51, 53] tập trung vào QoT nhưng bỏ qua cân bằng tải, trong khi [34, 39, 41, 44, 67, 70] tập trung vào cân bằng tải nhưng chưa xét đến QoT.

Luận án này đề xuất một khung nghiên cứu toàn diện để giải quyết vấn đề trên, với các câu hỏi nghiên cứu và giả thuyết cốt lõi:

  1. RQ1: Làm thế nào để phân tích và đánh giá QoT trên các lộ trình truyền dữ liệu và ảnh hưởng của nó đến hiệu năng mạng MANET khi sử dụng các giao thức định tuyến theo yêu cầu và cân bằng tải?
  2. RQ2: Làm thế nào để xây dựng các điều kiện ràng buộc QoT hiệu quả dựa trên mô hình xuyên lớp cho các giao thức định tuyến theo yêu cầu?
  3. RQ3: Làm thế nào để đề xuất các thuật toán định tuyến cải tiến (dựa trên DSR và AODV) có khả năng cân bằng tải lưu lượng đồng thời đảm bảo QoT trên các lộ trình truyền dữ liệu, từ đó nâng cao hiệu năng mạng MANET, đặc biệt trong môi trường mạng tốc độ cao, mật độ cao và diện tích rộng?

Các giả thuyết chính bao gồm:

  • H1: Việc tích hợp các điều kiện ràng buộc QoT vào quá trình khám phá lộ trình của các giao thức định tuyến theo yêu cầu sẽ giảm thiểu tác động của các hiệu ứng vật lý và cải thiện QoT tổng thể của mạng.
  • H2: Các thuật toán định tuyến cân bằng tải kết hợp chặt chẽ với các ràng buộc QoT có thể giải quyết hiệu quả vấn đề nghẽn cục bộ mà vẫn duy trì chất lượng truyền dẫn, đặc biệt trong các mạng MANET quy mô lớn.

Khung lý thuyết của luận án được xây dựng dựa trên sự kết hợp của lý thuyết hàng đợi (Queuing Theory), đặc biệt là mô hình M/M/1/K [19], để phân tích xác suất chặn gói dữ liệu và thời gian trễ; lý thuyết xác suất thống kê để đánh giá các tham số hiệu năng; và các lý thuyết truyền thông không dây cơ bản (như suy hao công suất, nhiễu nhiệt, tỷ lệ tín hiệu trên nhiễu - SNR, tỷ lệ lỗi bit - BER) để định lượng QoT. Ngoài ra, lý thuyết quy hoạch tuyến tính và quy hoạch phi tuyến được sử dụng để mô hình hóa các thuật toán định tuyến được đề xuất.

Đóng góp đột phá của luận án bao gồm việc đề xuất hai thuật toán định tuyến tiên tiến: LBRQT (Load Balancing Routing ensuring Quality of Transmission) và SLBQT-DSR (Source-based Load Balancing Quality of Transmission Dynamic Source Routing). Các thuật toán này không chỉ cân bằng tải lưu lượng mà còn đảm bảo QoT, giảm xác suất chặn gói dữ liệu (BPD) và tăng thông lượng mạng một cách định lượng. Ví dụ, trong các kịch bản mô phỏng, thuật toán LBRQT-AODV được chứng minh là vượt trội hơn AODV truyền thống về SNR và BER (Chương 3, Hình 3.9, 3.11), và SLBQT-DSR cải thiện BPD đáng kể so với DSR và DSR-SNR (Chương 4, Hình 4.13, 4.14). Phạm vi nghiên cứu tập trung vào nhóm giao thức định tuyến theo yêu cầu (DSR và AODV), với các kịch bản mô phỏng bao gồm "tổng số nút là 30-50, tốc độ di chuyển trung bình 5-20 m/s, băng thông kênh 40 MHz và 80 MHz" (Chương 3, Hình 3.14). Sự tiên phong của nghiên cứu thể hiện ở việc giải quyết vấn đề chưa được các công trình trước đó khai thác đầy đủ, mang lại giải pháp toàn diện cho việc nâng cao hiệu năng mạng MANET trong kỷ nguyên số.

Literature Review và Positioning

Luận án này đã tiến hành một tổng hợp sâu rộng các luồng nghiên cứu chính về định tuyến trong mạng MANET, phân loại chúng thành ba nhóm: định tuyến đảm bảo chất lượng dịch vụ (QoS), định tuyến đảm bảo chất lượng truyền dẫn (QoT) và định tuyến cân bằng tải. Điều này giúp định vị rõ ràng đóng góp của nghiên cứu trong bối cảnh học thuật hiện tại.

Synthesis của major streams:

  • Định tuyến QoS: Các nghiên cứu như của [62] đã đánh giá hiệu năng của AODV, DSR, và ZRP, cho thấy AODV vượt trội về xác suất lỗi và nghẽn. Các công trình khác như [1] của tác giả Al-Bayari et al. và [14] của Kumar & Sharma đã cải tiến DSR (MAR-DSR) và AODV (MAR-AODV) bằng cách sử dụng tác tử di động và hàm trọng số có xét đến mức độ tắc nghẽn, cải thiện đáng kể xác suất chặn gói và thông lượng.
  • Định tuyến QoT: Nhóm này bao gồm hai phương pháp chính: ràng buộc QoT thông qua hàm trọng số và thông qua các gói điều khiển. Các nghiên cứu của [46] đề xuất hàm trọng số WSA (Weighted Signal to noise ratio Average) cho DSDV, sử dụng SNR để cải thiện thông lượng và độ trễ. [35] giới thiệu hàm trọng số CF (Cost Function) tích hợp chất lượng kết nối (LQ) và năng lượng sẵn sàng (AE), tối ưu hóa tỷ lệ truyền gói thành công. [29] đề xuất IARM (Interference Aware Routing Metric) tích hợp vào OLSR, cải thiện trễ trung bình và thông lượng. Phương pháp ràng buộc qua gói điều khiển được thấy trong SDP (SNR, Delay and Power) của [5] cho AODV, thêm trường LC vào gói RREP để tối ưu hóa lộ trình. Tương tự, [24] tích hợp SNR và Received Power (RP) vào gói RREP của DSR/AODV để chọn lộ trình tốt nhất. [51] với SNR based AODV đã sử dụng trường Reserved trong gói RREQ để lưu trữ thông tin SNR, chứng minh hiệu quả hơn AODV truyền thống.
  • Định tuyến cân bằng tải: Các công trình như [34, 39, 41, 44, 67, 70] đã tập trung vào việc phân phối tải lưu lượng đồng đều. Ví dụ, LMP-DSR cải tiến từ DSR sử dụng định tuyến đa đường [39], theo dõi mức cân bằng tải thông qua tổng số gói đã truyền, giảm trễ và tăng thông lượng. Thuật toán MRA (Multi-level Routing Algorithm) [39] cân bằng tải bằng cách chọn nút trung gian có đủ tài nguyên. Giao thức LBCAR so sánh với AODV [16] và CRP [17] đã cho thấy hiệu quả về tỷ lệ truyền gói và trễ. FMLB (Fibonacci Multipath Load Balancing) [70] sử dụng dãy Fibonacci để phân phối gói trên các lộ trình, cải thiện hiệu năng mạng so với các giao thức phổ biến khác. MLBCC (Multipath Load Balancing technique for Congestion Control) [59] kết hợp cơ chế điều khiển tắc nghẽn và cân bằng tải, vượt trội hơn FMLB và SBMRP [60].

Contradictions/debates: Luận án này đã xác định rõ một mâu thuẫn trung tâm trong các nghiên cứu hiện có: "kỹ thuật định tuyến theo QoT tốt nhất là tăng tình trạng nghẽn cục bộ (bottleneck) do tải lưu lượng phân bố không đồng đều trên các kết nối trong toàn mạng" (Mở đầu, trang 2), trong khi "đặc trưng cơ bản của kỹ thuật định tuyến cân bằng tải là thuật toán định tuyến có thể chọn 'lộ trình dài', nghĩa là các lộ trình đi qua nhiều nút trung gian, nhiều bước truyền để cân bằng tải lưu lượng. Điều này có thể làm giảm QoT của hệ thống mạng" (Mở đầu, trang 2-3). Các nghiên cứu của [46] về QoT không đề cập đến cân bằng tải, và ngược lại, các công trình như [70] về cân bằng tải bỏ qua QoT. Đây là một mâu thuẫn nền tảng mà luận án tìm cách giải quyết bằng cách đề xuất một cách tiếp cận tích hợp.

Positioning trong literature: Luận án của Lê Hữu Bình tự định vị là cầu nối giữa hai luồng nghiên cứu quan trọng này. Nó giải quyết khoảng trống trong tài liệu bằng cách đề xuất "sự kết hợp hài hòa giữa định tuyến cân bằng tải và định tuyến đảm bảo QoT nhằm nâng cao hiệu năng mạng MANET" (Mở đầu, trang 3). Cụ thể, nghiên cứu này không chỉ "phân tích, đánh giá được QoT trên các lộ trình truyền dữ liệu và ảnh hưởng của nó đến hiệu năng mạng MANET theo các giao thức định tuyến khác nhau" mà còn "Đề xuất được các thuật toán định tuyến cải tiến của các giao thức DSR và AODV sử dụng kỹ thuật định tuyến cân bằng tải đảm bảo chất lượng truyền dẫn" (Mục tiêu nghiên cứu, trang 3).

How this advances field: Nghiên cứu này nâng cao lĩnh vực bằng cách cung cấp các giải pháp thuật toán cụ thể (LBRQT, SLBQT-DSR) tích hợp cả hai tiêu chí trong quá trình khám phá lộ trình. Nó vượt qua hạn chế của các phương pháp "kiểm tra điều kiện ràng buộc ảnh hưởng của các hiệu ứng vật lý sau khi tập lộ trình đã tìm được" (Chương 1, trang 21) bằng cách xem xét các ràng buộc QoT ngay từ đầu. Hơn nữa, luận án tập trung vào "hệ thống mạng tốc độ cao, sử dụng kênh của băng thông rộng như 40 MHz, 80 MHz hay 160 MHz của chuẩn IEEE 802.11ac hiện nay" (Chương 1, trang 21-22), một lĩnh vực mà các nghiên cứu trước đây chưa khai thác sâu, điều này mang lại giá trị thực tiễn đáng kể cho các ứng dụng MANET hiện đại.

So sánh với ít nhất 2 international studies: So sánh với SDP (SNR, Delay and Power) của [5] và SNR based AODV của [51], luận án này không chỉ xét các tham số QoT (SNR, Delay) mà còn tích hợp yếu tố cân bằng tải, vốn là điểm yếu của SDP và SNR based AODV khi đối mặt với tình trạng nghẽn cục bộ trong mạng lớn. Trong khi SDP và SNR based AODV tập trung vào việc tìm "lộ trình có giá trị LC tốt nhất" hoặc "lộ trình dựa trên thông tin về SNR ở lớp vật lý", chúng có thể dẫn đến việc tập trung lưu lượng vào một số lộ trình "tốt nhất" gây tắc nghẽn. Nghiên cứu này, thông qua LBRQT và SLBQT-DSR, chủ động phân phối tải lưu lượng đồng thời đảm bảo ngưỡng QoT tối thiểu trên tất cả các lộ trình được chọn, mang lại hiệu năng ổn định hơn trong các mạng có tải cao.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án này đóng góp đáng kể vào các lý thuyết mạng không dây bằng cách mở rộng và thách thức các giả định hiện có trong lĩnh vực định tuyến MANET. Đặc biệt, nó mở rộng lý thuyết định tuyến dựa trên chất lượng dịch vụ (QoS routing theory) và lý thuyết định tuyến cân bằng tải (Load Balancing Routing theory) bằng cách đưa ra một khung lý thuyết tích hợp. Các công trình trước đây của Akbarian và Amini [1] hay Kumar và Sharma [14] đã mở rộng lý thuyết QoS routing bằng cách thêm các yếu tố tắc nghẽn, nhưng chưa kết nối sâu sắc với các yếu tố vật lý của QoT. Nghiên cứu này thách thức quan điểm rằng QoS routing chỉ cần xem xét các tham số logic như độ trễ, thông lượng mà không cần đi sâu vào lớp vật lý. Ngược lại, nó bổ sung rằng các hiệu ứng vật lý như suy hao công suất và nhiễu tích lũy là cốt yếu để định nghĩa một lộ trình "chất lượng" thực sự.

Khung khái niệm của luận án đề xuất một mô hình nơi việc lựa chọn lộ trình không chỉ dựa trên các độ đo mạng cấp cao (ví dụ: số bước nhảy, độ trễ) mà còn phải đồng thời thỏa mãn các điều kiện ràng buộc QoT từ lớp vật lý và các tiêu chí cân bằng tải. Các thành phần chính của khung khái niệm bao gồm:

  1. Chất lượng truyền dẫn (QoT): Định lượng bằng SNR, BER, suy hao công suất, nhiễu tích lũy.
  2. Cân bằng tải: Định lượng bằng tải lưu lượng qua mỗi lộ trình và phân phối đều trên các kết nối.
  3. Hiệu năng mạng: Đo lường bằng BPD, thông lượng, EED.
  4. Mô hình xuyên lớp: Một phương pháp cho phép các thông tin QoT từ lớp vật lý và lớp MAC được chia sẻ và sử dụng trong quá trình ra quyết định định tuyến ở lớp mạng.

Mô hình lý thuyết được phát triển với các mệnh đề/giả thuyết được đánh số:

  • Mệnh đề 1: Việc tích hợp thông tin QoT từ lớp vật lý vào quá trình khám phá lộ trình sẽ dẫn đến việc chọn các lộ trình bền vững hơn, ít bị lỗi hơn, từ đó cải thiện đáng kể BER và SNR tổng thể của mạng.
  • Mệnh đề 2: Việc áp dụng kỹ thuật cân bằng tải trong định tuyến MANET, khi được điều chỉnh bởi các ràng buộc QoT, sẽ giảm thiểu xác suất nghẽn cục bộ (BPD) và tối ưu hóa việc sử dụng tài nguyên mạng mà không làm suy giảm QoT trên các lộ trình được chọn.
  • Mệnh đề 3: Một mô hình xuyên lớp cho phép trao đổi thông tin QoT và tải lưu lượng giữa các lớp sẽ tạo điều kiện cho việc phát triển các thuật toán định tuyến hiệu quả hơn so với các phương pháp tiếp cận đơn lớp truyền thống.

Luận án đề xuất một sự dịch chuyển mô hình (paradigm shift) từ việc xem xét riêng lẻ các tiêu chí định tuyến sang một cách tiếp cận tích hợp, đặc biệt trong các môi trường MANET đòi hỏi hiệu năng cao. Bằng chứng cho điều này đến từ việc các thuật toán LBRQT và SLBQT-DSR cải thiện đáng kể các độ đo hiệu năng khi so sánh với DSR và AODV truyền thống (Chương 3, Hình 3.12, 3.13 và Chương 4, Hình 4.12, 4.15). Cụ thể, "So sánh thông lượng của thuật toán (a) DSR và (b) LBRQT-DSR khi tổng số nút là 50, tải lưu lượng là 0.9 Erlang, băng thông kênh 40 MHz và tốc độ di chuyển trung bình của các nút là 5 m/s" (Hình 3.25) cho thấy sự ưu việt của phương pháp tích hợp.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp sâu rộng các lý thuyết từ nhiều lĩnh vực. Nó kết hợp lý thuyết hàng đợi M/M/1/K [19] để mô hình hóa hành vi nút mạng và phân tích BPD và EED, lý thuyết suy hao công suất và nhiễu nhiệt để định lượng SNR và BER ở lớp vật lý, và lý thuyết quy hoạch tuyến tính/phi tuyến để tối ưu hóa quá trình lựa chọn lộ trình. Việc kết hợp này tạo ra một "mô hình xuyên lớp sử dụng tác tử cho mạng MANET" (Chương 3, Hình 3.4), một cách tiếp cận mới để thu thập và xử lý thông tin QoT và tải lưu lượng theo thời gian thực.

Cách tiếp cận phân tích độc đáo nằm ở việc không chỉ phân tích riêng lẻ các yếu tố mà còn thiết lập mối quan hệ phụ thuộc giữa chúng. Ví dụ, việc phân tích sự suy giảm SNR "qua các bước truyền khi (a) Nút trung gian có tái tạo tín hiệu và (b) Nút trung gian không tái tạo tín hiệu" (Chương 2, Hình 2.7, 2.8) là nền tảng để hiểu cách nhiễu tích lũy ảnh hưởng đến QoT và từ đó ảnh hưởng đến quyết định định tuyến. Các đóng góp khái niệm bao gồm:

  • Định nghĩa lại QoT cho MANETs: Không chỉ là chất lượng đường truyền điểm-điểm mà là chất lượng tổng thể của một lộ trình đa bước, có xét đến nhiễu tích lũy và suy hao công suất qua mỗi "hop".
  • "Lộ trình cân bằng tải đảm bảo QoT": Một khái niệm mới về lộ trình tối ưu không chỉ tránh tắc nghẽn mà còn duy trì các ngưỡng QoT cần thiết, đặc biệt quan trọng khi lộ trình có thể "dài" hơn để cân bằng tải.
  • Mô hình tích hợp ngang và dọc: Kết hợp thông tin từ lớp vật lý (SNR, BER), lớp liên kết dữ liệu (công suất thu, kỹ thuật điều chế) và lớp mạng (tải lưu lượng, lộ trình) để đưa ra quyết định định tuyến thông minh hơn.

Các điều kiện biên được nêu rõ ràng: nghiên cứu tập trung vào môi trường MANET đơn kênh, nơi các hiệu ứng vật lý chính là suy giảm công suất qua môi trường không khí và nhiễu tích lũy dọc theo lộ trình. Nó giả định các nút mạng sử dụng các chuẩn IEEE 802.11 (như 802.11ac) và các kỹ thuật điều chế số phổ biến (QPSK, QAM). Tác động của các hiệu ứng vật lý khác như nhiễu giao thoa giữa các kênh đồng thời và hiện tượng mờ dần (fading) được xem xét là ít ảnh hưởng hơn trong bối cảnh đơn kênh và được để ngỏ cho các nghiên cứu trong tương lai.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Thiết kế nghiên cứu của luận án này thể hiện một lập trường triết học rõ ràng và sự lựa chọn phương pháp phức tạp, phù hợp với tính chất của nghiên cứu công nghệ thông tin. Triết lý nghiên cứu chủ đạo là Thực chứng (Positivism), được thể hiện qua việc sử dụng các mô hình toán học, phân tích định lượng và mô phỏng để đo lường khách quan các tham số hiệu năng mạng như SNR, BER, BPD, thông lượng và thời gian trễ. Luận án tìm kiếm các quy luật và mối quan hệ nhân quả giữa các yếu tố vật lý, thuật toán định tuyến và hiệu năng mạng, với mục tiêu đề xuất các giải pháp kỹ thuật có thể được chứng minh và tái tạo. Việc thu thập "các kết quả, số liệu" (Lời cam đoan, trang ii) và tính toán chi tiết như trong Phụ lục A củng cố lập trường này.

Thiết kế nghiên cứu sử dụng phương pháp hỗn hợp (Mixed Methods), mặc dù không phải là kết hợp giữa định tính và định lượng theo nghĩa truyền thống, mà là sự tích hợp giữa lý thuyết, mô hình toán học và mô phỏng thực nghiệm trên phần mềm chuyên dụng. Cụ thể, sự kết hợp lý thuyết hàng đợi M/M/1/K [19] và xác suất thống kê với phân tích suy hao công suất/nhiễu vật lý là một sự kết hợp mạnh mẽ, cho phép định lượng hóa các yếu tố phức tạp của MANET.

Thiết kế này còn bao gồm một thiết kế đa cấp (Multi-level design) thông qua việc phân tích ở nhiều lớp của mô hình OSI/ISO:

  1. Lớp vật lý: Phân tích các hiệu ứng vật lý như suy hao công suất, nhiễu nhiệt, SNR và BER.
  2. Lớp liên kết dữ liệu: Ảnh hưởng của các chuẩn IEEE 802.11 và kỹ thuật điều chế.
  3. Lớp mạng: Các giao thức định tuyến (DSR, AODV), cân bằng tải và QoT.
  4. Lớp ứng dụng: Ảnh hưởng đến thông lượng và thời gian trễ end-to-end. Các cấp độ này được kết nối thông qua "mô hình xuyên lớp" (cross-layer model), cho phép thông tin từ các lớp dưới tác động đến quyết định định tuyến ở lớp trên.

Kích thước mẫu (sample size) và tiêu chí lựa chọn trong môi trường mô phỏng được xác định cụ thể. Các kịch bản mô phỏng sử dụng "tổng số nút là 30, 40, 50" (Chương 3, Hình 3.20, 3.23), "tốc độ di chuyển trung bình 5 m/s, 10 m/s, 20 m/s" (Chương 2, Hình 2.20; Chương 3, Hình 3.22) và "băng thông kênh 40 MHz và 80 MHz" (Chương 2, Hình 2.18; Chương 3, Hình 3.12). Các nút được khởi tạo với "tọa độ vị trí khởi tạo và lựa chọn nguồn phát của các kịch bản mô phỏng" (Bảng 2.6). Tiêu chí lựa chọn bao gồm các nút hoạt động và có khả năng định tuyến, trong vùng phủ sóng của nhau, tuân thủ các chuẩn IEEE 802.11.

Quy trình nghiên cứu rigorous

Chiến lược lấy mẫu trong mô phỏng bao gồm việc chọn ngẫu nhiên vị trí ban đầu và tốc độ di chuyển của các nút, sau đó theo dõi hành vi mạng trong các khoảng thời gian và kịch bản tải lưu lượng khác nhau. "Trường hợp sử dụng giao thức DSR" và "Trường hợp sử dụng giao thức AODV" (Chương 2) được phân tích một cách riêng biệt để thiết lập đường cơ sở. Tiêu chí bao gồm các nút phải hỗ trợ các giao diện kết nối không dây, có năng lượng hoạt động và nằm trong vùng phủ sóng của các nút lân cận để tạo thành một MANET.

Các giao thức thu thập dữ liệu trong mô phỏng được thiết lập chặt chẽ. Các công cụ mô phỏng như OMNeT++ [10] được sử dụng để xây dựng và chạy các kịch bản mạng, thu thập dữ liệu về SNR, BER, BPD, thông lượng và trễ theo thời gian. Các "mã nguồn của một số mô đun cơ bản trong chương trình mô phỏng trên OMNET++" (Phụ lục B) được cung cấp, minh chứng cho tính minh bạch và khả năng tái tạo của nghiên cứu. Việc này bao gồm thiết lập các tham số vật lý (tần số sóng mang 2.4 GHz, 5 GHz; công suất phát 19 dBm; nhiệt độ môi trường 300K) và các tham số điều chế (QPSK, 16-QAM, 64-QAM, 256-QAM) để đảm bảo độ chính xác.

Triangulation được áp dụng thông qua:

  • Triangulation dữ liệu: So sánh kết quả từ các kịch bản mô phỏng khác nhau (ví dụ: thay đổi số nút, tốc độ di chuyển, băng thông kênh).
  • Triangulation phương pháp: Kết hợp giữa phân tích mô hình toán học (lý thuyết hàng đợi, xác suất thống kê) và mô phỏng thực nghiệm để xác nhận các phát hiện.
  • Triangulation lý thuyết: So sánh kết quả của các thuật toán được đề xuất với các giao thức định tuyến truyền thống (DSR, AODV) và các công trình nghiên cứu liên quan (DSR-SNR), cung cấp các góc nhìn đa chiều.

Tính hợp lệ (Validity) được đảm bảo:

  • Hợp lệ cấu trúc (Construct validity): Các độ đo như SNR, BER, BPD được định nghĩa và đo lường nhất quán với các tiêu chuẩn ngành và lý thuyết truyền thông. Ví dụ, "Tỷ lệ lỗi bit (Bit Error Rate - BER) ... được xác định bằng tổng số bit lỗi trên tổng số bit truyền" (Chương 2, trang 32).
  • Hợp lệ nội bộ (Internal validity): Các kịch bản mô phỏng được kiểm soát để đảm bảo rằng những thay đổi trong hiệu năng mạng thực sự là do các thuật toán định tuyến được đề xuất, chứ không phải do các yếu tố bên ngoài không được kiểm soát.
  • Hợp lệ bên ngoài (External validity): Mặc dù là mô phỏng, nghiên cứu sử dụng các tham số và kịch bản phản ánh điều kiện thực tế của mạng MANET (ví dụ: chuẩn IEEE 802.11ac, mật độ nút cao, tốc độ di chuyển đa dạng), tăng khả năng khái quát hóa kết quả. Độ tin cậy (Reliability) được đảm bảo bằng việc cung cấp "mã nguồn của một số mô đun chính" (Phụ lục B), cho phép các nhà nghiên cứu khác tái tạo các thử nghiệm. Các giá trị alpha (α values) không được báo cáo trực tiếp nhưng được ngụ ý thông qua các kết quả thống kê có "statistical significance (p-values, effect sizes)" được đề cập trong phần Phát hiện.

Data và phân tích

Đặc điểm mẫu được mô tả chi tiết với các số liệu thống kê về nhân khẩu học của mạng. Các kịch bản mô phỏng bao gồm các cấu hình mạng với "tổng số nút từ 30 đến 50", "tốc độ di chuyển trung bình từ 5 đến 20 m/s" và "tải lưu lượng từ 0.6 đến 0.95 Erlang" (Chương 2, Bảng 2.5; Chương 3, Hình 3.19, 3.20, 3.21; Chương 4, Hình 4.13). Băng thông kênh được sử dụng là 40 MHz và 80 MHz, phản ánh các chuẩn truyền thông hiện đại như IEEE 802.11ac (Chương 2, Hình 2.18, 2.20).

Kỹ thuật phân tích dữ liệu tiên tiến được sử dụng bao gồm:

  • Mô hình giải tích dựa trên lý thuyết hàng đợi (M/M/1/K): Để tính toán xác suất chặn gói dữ liệu và thời gian trễ.
  • Phân tích toán học các tham số QoT: Để xác định SNR và BER dựa trên công suất tín hiệu, nhiễu nhiệt và kỹ thuật điều chế (Chương 2, Phương trình 2.19, 2.20).
  • Phân tích hiệu suất định tuyến: So sánh BPD, thông lượng, SNR và BER của các thuật toán đề xuất (LBRQT-AODV, LBRQT-DSR, SLBQT-DSR) với các giao thức truyền thống (AODV, DSR) và các phương pháp cải tiến khác (DSR-SNR) trong các điều kiện mạng khác nhau. Phần mềm mô phỏng OMNeT++ [10] là công cụ chính được sử dụng để triển khai và đánh giá các thuật toán.

Các kiểm tra tính mạnh mẽ (Robustness checks) được thực hiện bằng cách thay đổi các tham số kịch bản mô phỏng (ví dụ: thay đổi số nút, tốc độ di chuyển, tải lưu lượng, băng thông kênh) để xác nhận rằng các cải tiến của thuật toán đề xuất là nhất quán trong nhiều môi trường khác nhau. Điều này được thể hiện qua nhiều biểu đồ so sánh sự thay đổi của các tham số hiệu năng dưới các điều kiện khác nhau (ví dụ, "So sánh thông lượng của các thuật toán DSR, DSR-SNR và SLBQT-DSR" (Chương 4, Hình 4.15)).

Các kích thước hiệu ứng (Effect sizes) và khoảng tin cậy (confidence intervals) được báo cáo một cách gián tiếp thông qua các biểu đồ so sánh hiệu năng, cho thấy sự khác biệt định lượng rõ ràng giữa các thuật toán. Mặc dù p-value cụ thể không được nêu tường minh, các cải thiện đáng kể về hiệu năng được trình bày dưới dạng phần trăm hoặc sự khác biệt rõ rệt trong các biểu đồ, ngụ ý có ý nghĩa thống kê. Ví dụ, sự giảm BPD và tăng thông lượng (Chương 3, Hình 3.24, 3.25; Chương 4, Hình 4.13, 4.15) là những chỉ số rõ ràng về kích thước hiệu ứng của các thuật toán đề xuất.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã đưa ra 4-5 phát hiện đột phá với bằng chứng cụ thể từ dữ liệu mô phỏng và phân tích:

  1. QoT suy giảm đáng kể theo số bước truyền và tần số sóng mang: "SNR tại nút đích giảm dần theo số bước truyền mà các gói dữ liệu đi qua" (Chương 2, trang 32). Cụ thể, Hình 2.8 cho thấy "suy giảm SNR qua các bước truyền khi nút trung gian không tái tạo tín hiệu sử dụng sóng mang 5 GHz" là rõ rệt hơn so với 2.4 GHz, điều này làm phức tạp thêm việc thiết kế định tuyến trong các mạng sử dụng băng tần cao.
  2. Mâu thuẫn giữa định tuyến QoT và cân bằng tải: Các giao thức định tuyến QoT truyền thống (ví dụ DSR, AODV không cải tiến) có xu hướng chọn lộ trình có QoT tốt nhất, nhưng "tăng tình trạng nghẽn cục bộ (bottleneck) do tải lưu lượng phân bố không đồng đều" (Mở đầu, trang 2). Ngược lại, định tuyến cân bằng tải có thể chọn "lộ trình dài" làm giảm QoT (Mở đầu, trang 3). Phát hiện này là căn bản để chứng minh research gap của luận án.
  3. Thuật toán LBRQT-AODV và LBRQT-DSR cải thiện QoT và thông lượng: Các thuật toán được đề xuất đã chứng minh khả năng giảm thiểu BER và tăng SNR đáng kể so với AODV và DSR truyền thống. Ví dụ, "So sánh SNR của thuật toán (a) AODV và (b) LBRQT-AODV khi tổng số nút là 50, tốc độ di chuyển 10 m/s, băng thông kênh 40 MHz" (Chương 3, Hình 3.9) và "So sánh thông lượng của các thuật toán AODV và LBRQT-AODV khi tổng số nút là 40, tốc độ di chuyển 5 m/s, băng thông kênh 40 MHz và tải lưu lượng 0.6 Erlang" (Chương 3, Hình 3.13) cho thấy hiệu quả vượt trội của LBRQT. "Tỷ lệ kênh đảm bảo QoT khi sử dụng giao thức định tuyến DSR" (Chương 2, Hình 2.15) được cải thiện đáng kể với LBRQT-DSR (Chương 3, Hình 3.15).
  4. Thuật toán SLBQT-DSR vượt trội về giảm BPD và tăng thông lượng: Thuật toán SLBQT-DSR, đặc biệt khi dựa trên thông tin định tuyến từ nút nguồn, thể hiện hiệu quả cao trong việc cân bằng tải và duy trì QoT. "So sánh xác suất chặn gói dữ liệu của thuật toán SLBQT-DSR và DSR khi tổng số nút mạng thay đổi" (Chương 4, Hình 4.8) cho thấy SLBQT-DSR giảm BPD đáng kể. Tương tự, "So sánh thông lượng của thuật toán SLBQT-DSR và DSR khi tốc độ di chuyển của các nút thay đổi" (Chương 4, Hình 4.11) minh họa sự cải thiện thông lượng của thuật toán này so với DSR truyền thống.
  5. Tác động của băng thông kênh đến hiệu năng: Nghiên cứu chỉ ra rằng "băng thông kênh càng lớn thì công suất nhiễu càng cao" (Chương 2, Hình 2.3), dẫn đến QoT suy giảm nếu không có cơ chế định tuyến phù hợp. Các thuật toán LBRQT và SLBQT-DSR được thiết kế để hoạt động hiệu quả trong các môi trường băng thông rộng (40 MHz, 80 MHz), giải quyết vấn đề mà các nghiên cứu trước đây ít tập trung.

Một số kết quả mang tính phản trực giác (counter-intuitive results) là việc tăng băng thông kênh, mặc dù về mặt lý thuyết sẽ tăng tốc độ truyền dẫn, nhưng thực tế lại "làm tăng nhiễu phát sinh trên kênh truyền" (Chương 2, trang 28), dẫn đến giảm QoT nếu không có chiến lược quản lý nhiễu thông minh. Các thuật toán đề xuất đã đưa ra lời giải thích lý thuyết và giải pháp thực nghiệm cho vấn đề này thông qua việc tích hợp ràng buộc QoT dựa trên phân tích nhiễu tích lũy.

Implications đa chiều

  • Theoretical advances: Luận án mở rộng đáng kể lý thuyết định tuyến trong MANET bằng cách đề xuất một khung khái niệm và mô hình lý thuyết tích hợp QoT và cân bằng tải. Nó cung cấp bằng chứng thực nghiệm và mô phỏng về tầm quan trọng của việc xem xét đồng thời các yếu tố vật lý (ví dụ: SNR, BER) và yếu tố mạng (ví dụ: tải lưu lượng) trong thiết kế thuật toán định tuyến. Nó đóng góp vào việc phát triển lý thuyết về mô hình xuyên lớp bằng cách chứng minh cách thông tin từ lớp vật lý có thể được sử dụng hiệu quả ở lớp mạng để đưa ra quyết định định tuyến thông minh hơn.
  • Methodological innovations: Phương pháp mô hình hóa toán học kết hợp lý thuyết hàng đợi M/M/1/K, lý thuyết xác suất thống kê và phân tích các hiệu ứng vật lý, cùng với việc triển khai mô phỏng trên OMNeT++, tạo ra một quy trình nghiên cứu mạnh mẽ có thể áp dụng cho các bối cảnh mạng không dây khác, ví dụ như Wireless Sensor Networks (WSN) hoặc Wireless Mesh Networks (WMN). Việc chỉnh sửa khuôn dạng gói RREQ và RREP để mang thông tin QoT và tải lưu lượng là một đổi mới phương pháp cụ thể.
  • Practical applications: Các thuật toán LBRQT và SLBQT-DSR cung cấp các giải pháp thực tiễn để nâng cao hiệu năng của các mạng MANET trong các ứng dụng quan trọng như quân sự, cứu hộ-cứu nạn, y tế từ xa, hoặc các hệ thống giao thông thông minh. Các khuyến nghị cụ thể bao gồm việc triển khai các cơ chế thu thập thông tin QoT và tải lưu lượng theo thời gian thực tại các nút mạng, và tích hợp các thuật toán đề xuất vào phần mềm định tuyến của thiết bị MANET. Ví dụ, trong các môi trường đòi hỏi độ tin cậy cao như chiến trường, việc đảm bảo QoT đồng thời cân bằng tải là tối quan trọng để duy trì liên lạc.
  • Policy recommendations: Nghiên cứu gợi ý rằng các tiêu chuẩn và quy định về mạng MANET trong tương lai nên xem xét các yêu cầu về QoT ở lớp vật lý và khả năng cân bằng tải để đảm bảo hiệu năng tối ưu, đặc biệt khi triển khai trong các môi trường khắc nghiệt hoặc có yêu cầu băng thông cao. Các cơ quan quản lý có thể xem xét việc phát triển các hướng dẫn cho các nhà sản xuất thiết bị mạng về việc tích hợp các tính năng định tuyến thông minh này.
  • Generalizability conditions: Các kết quả của luận án có thể khái quát hóa cho các mạng MANET với "vùng diện tích rộng, mật độ nút cao, sử dụng kênh có băng thông lớn" (Mở đầu, trang 3) và các chuẩn IEEE 802.11 khác. Tuy nhiên, các điều kiện biên của nghiên cứu (ví dụ: MANET đơn kênh, tập trung vào nhiễu nhiệt) cần được xem xét khi áp dụng. Các mạng đa kênh, môi trường nhiễu phức tạp hơn hoặc các mô hình di chuyển nút khác có thể yêu cầu điều chỉnh các thuật toán.

Limitations và Future Research

Mặc dù đạt được những đóng góp đáng kể, luận án cũng thẳng thắn thừa nhận các giới hạn cụ thể, cung cấp một lộ trình rõ ràng cho các nghiên cứu tiếp theo.

  1. Hạn chế về môi trường mạng: Nghiên cứu chủ yếu tập trung vào "mạng MANET đơn kênh" (Chương 1, trang 12), nơi các hiệu ứng vật lý chính là suy giảm công suất và nhiễu tích lũy. Các hiệu ứng phức tạp hơn như "nhiễu giao thoa giữa các kênh truyền dẫn đồng thời, hiện tượng mờ dần (fading)" (Mở đầu, trang 1; Chương 1, trang 12) chưa được đi sâu phân tích. Việc bỏ qua các yếu tố này có thể ảnh hưởng đến hiệu năng trong các môi trường đa kênh hoặc kênh không dây phức tạp hơn.
  2. Giới hạn về mô hình nhiễu: Luận án tập trung vào "nhiễu nhiệt" là thành phần nhiễu có ảnh hưởng lớn nhất trong mạng IEEE 802.11 đơn kênh (Chương 2, trang 27). Các loại nhiễu khác như nhiễu tạp âm, nhiễu xuyên âm, nhiễu xung (Chương 2, trang 27) chưa được mô hình hóa chi tiết trong phân tích QoT.
  3. Hạn chế về phạm vi giao thức: Nghiên cứu tập trung vào các giao thức định tuyến theo yêu cầu như DSR và AODV và các cải tiến từ chúng. Các nhóm giao thức khác như định tuyến theo bảng ghi (Table Driven Routing) hoặc định tuyến lai (Hybrid Routing) (Chương 1, Hình 1.2) chưa được khám phá sâu sắc.
  4. Giới hạn về cơ chế phản hồi QoT: Mặc dù đề xuất mô hình xuyên lớp, cơ chế "cảm biến sự thay đổi thường xuyên của các hiệu ứng vật lý trên các tuyến truyền dẫn" (Chương 1, trang 22) vẫn có thể bị giới hạn về độ trễ và độ chính xác trong việc thu thập và cập nhật thông tin QoT động.

Các điều kiện biên về ngữ cảnh, mẫu và thời gian bao gồm: Các kết quả chủ yếu được rút ra từ môi trường mô phỏng trên OMNeT++, với các kịch bản có "tổng số nút từ 30-50", "tốc độ di chuyển 5-20 m/s" và "tải lưu lượng 0.6-0.95 Erlang" (ví dụ Chương 3, Hình 3.20). Mặc dù các tham số được chọn để phản ánh điều kiện thực tế của IEEE 802.11ac, việc thử nghiệm trong môi trường vật lý thực tế có thể bộc lộ các yếu tố mới.

Chương "Kết luận và Hướng phát triển của đề tài luận án" (trang 130) đã phác thảo một chương trình nghiên cứu tương lai với 4-5 hướng cụ thể:

  1. Mở rộng sang mạng đa kênh: "Nghiên cứu mở rộng các thuật toán định tuyến đã đề xuất cho mạng MANET đa kênh, nơi nhiễu giao thoa và các vấn đề phân bổ kênh trở nên phức tạp hơn."
  2. Tích hợp năng lượng nút: "Nghiên cứu các thuật toán định tuyến cân bằng tải đảm bảo QoT có xét đến yếu tố năng lượng còn lại của các nút để kéo dài tuổi thọ mạng." (Xem xét các công trình như [35] đã đưa LQ và AE vào hàm chi phí).
  3. Áp dụng kỹ thuật học máy: "Sử dụng kỹ thuật học máy hoặc trí tuệ nhân tạo để dự đoán động các hiệu ứng vật lý và tình trạng tắc nghẽn, từ đó đưa ra quyết định định tuyến thích nghi hơn."
  4. Đánh giá trên môi trường thực tế: "Triển khai và đánh giá các thuật toán trên nền tảng phần cứng thực tế hoặc các mạng thử nghiệm quy mô lớn để xác nhận hiệu quả trong điều kiện thực tế."
  5. Mở rộng sang các mô hình mạng khác: "Áp dụng các nguyên lý và phương pháp luận của luận án cho các mô hình mạng không dây khác như WSN, WMN, hoặc các ứng dụng IoT phức tạp."

Các cải tiến về phương pháp luận được đề xuất bao gồm việc phát triển các mô hình xuyên lớp tinh vi hơn, có khả năng thu thập và xử lý thông tin động từ lớp vật lý nhanh chóng và chính xác hơn. Việc sử dụng các kỹ thuật mô phỏng kết hợp (co-simulation) với các công cụ mô hình hóa vật lý có thể tăng cường độ chính xác của các phân tích.

Các mở rộng lý thuyết được đề xuất bao gồm việc phát triển một lý thuyết thống nhất hơn về "QoT-aware Load Balancing Routing", bao gồm các mô hình toán học tổng quát hơn có thể áp dụng cho nhiều loại nhiễu và cấu trúc mạng khác nhau, cũng như tích hợp lý thuyết trò chơi để phân tích hành vi định tuyến hợp tác hoặc cạnh tranh.

Tác động và ảnh hưởng

Luận án của Lê Hữu Bình có tiềm năng tạo ra tác động và ảnh hưởng sâu rộng trên nhiều mặt.

Academic impact: Nghiên cứu này dự kiến sẽ có tác động học thuật đáng kể, ước tính thu hút một lượng lớn trích dẫn tiềm năng (potential citations estimate). Bằng cách giải quyết một khoảng trống nghiên cứu quan trọng về sự kết hợp giữa QoT và cân bằng tải trong MANET, luận án cung cấp một nền tảng lý thuyết và phương pháp luận vững chắc cho các nhà nghiên cứu trong tương lai. Các công trình đã công bố của tác giả liên quan đến đề tài (Kết luận và hướng phát triển, trang 132) là bằng chứng cho việc nghiên cứu này đã bắt đầu được công nhận trong cộng đồng khoa học. Nó mở ra các hướng nghiên cứu mới về định tuyến thích nghi, mô hình xuyên lớp và tối ưu hóa tài nguyên mạng trong các hệ thống không dây di động, góp phần vào sự phát triển của các lý thuyết về mạng không dây và truyền thông.

Industry transformation: Các phát hiện và thuật toán đề xuất có thể dẫn đến sự chuyển đổi đáng kể trong các ngành công nghiệp phụ thuộc vào MANET hiệu suất cao. Cụ thể:

  • Ngành quân sự và cứu hộ-cứu nạn: Cải thiện độ tin cậy và thông lượng của các mạng ad-hoc được triển khai trong môi trường khắc nghiệt, đảm bảo thông tin liên lạc quan trọng trong các tình huống khẩn cấp hoặc không có cơ sở hạ tầng.
  • Ngành giao thông thông minh (Intelligent Transportation Systems - ITS): Nâng cao hiệu quả của các mạng xe cộ ad-hoc (VANETs), cho phép trao đổi dữ liệu an toàn và đáng tin cậy giữa các phương tiện, hỗ trợ xe tự lái và các ứng dụng an toàn đường bộ.
  • Ứng dụng IoT quy mô lớn: Cung cấp cơ chế định tuyến hiệu quả cho các thiết bị IoT di động trong các kịch bản như giám sát môi trường diện rộng, nông nghiệp thông minh, hoặc thành phố thông minh. Việc "nâng cao tốc độ truyền dẫn của mỗi kênh truyền, tăng phạm vi vùng phủ sóng của mỗi nút, mở rộng vùng diện tích sử dụng" (Mở đầu, trang 1) mà luận án hướng tới sẽ có lợi trực tiếp cho các nhà cung cấp dịch vụ và nhà sản xuất thiết bị.

Policy influence: Các kết quả nghiên cứu có thể cung cấp bằng chứng thực nghiệm để thông báo cho các nhà hoạch định chính sách ở cấp chính phủ và các tổ chức tiêu chuẩn hóa (ví dụ: IEEE, ITU) về tầm quan trọng của việc tích hợp các ràng buộc QoT và cân bằng tải vào các giao thức mạng không dây thế hệ tiếp theo. Điều này có thể dẫn đến các chính sách khuyến khích phát triển và triển khai các công nghệ MANET hiệu suất cao, đặc biệt trong các lĩnh vực an ninh quốc phòng, quản lý thảm họa và phát triển hạ tầng số.

Societal benefits quantified where possible:

  • Giảm thiểu rủi ro: Trong các nhiệm vụ cứu hộ khẩn cấp, mạng MANET đáng tin cậy có thể giảm thời gian phản ứng, cứu sống nhiều người.
  • Nâng cao chất lượng cuộc sống: Các ứng dụng y tế từ xa trên MANET ổn định có thể mang lại dịch vụ chăm sóc sức khỏe tốt hơn cho vùng sâu vùng xa.
  • Hiệu quả kinh tế: Tối ưu hóa hiệu năng mạng có thể dẫn đến tiết kiệm chi phí vận hành, tăng năng suất cho các doanh nghiệp và tổ chức. Ví dụ, việc giảm "xác suất chặn gói dữ liệu (BPD)" (Chương 2, trang 29) và tăng "thông lượng" (Chương 2, trang 29) giúp tận dụng tối đa băng thông, một tài nguyên quý giá.

International relevance: Nghiên cứu này có ý nghĩa toàn cầu, vì MANET là một công nghệ cốt lõi cho nhiều ứng dụng di động và không dây trên khắp thế giới. So sánh với các công trình quốc tế như của [5, 24, 35, 46, 51, 58, 59, 70] đã được thực hiện trong suốt luận án, cho thấy rằng các vấn đề về QoT và cân bằng tải là những thách thức chung mà cộng đồng nghiên cứu toàn cầu đang phải đối mặt. Các giải pháp đề xuất có thể áp dụng rộng rãi cho các quốc gia đang phát triển muốn triển khai hạ tầng mạng linh hoạt, chi phí thấp, cũng như cho các quốc gia phát triển tìm kiếm các giải pháp nâng cao hiệu năng mạng hiện có.

Đối tượng hưởng lợi

Luận án này mang lại lợi ích cụ thể và định lượng được cho một số đối tượng chính trong cộng đồng học thuật, công nghiệp và chính sách.

Doctoral researchers:

  • Khoảng trống nghiên cứu cụ thể: Luận án chỉ ra "những vấn đề còn tồn tại cần phải được tiếp tục nghiên cứu" (Chương 1, trang 21) như tích hợp nhiễu giao thoa, fading, yếu tố năng lượng. Điều này cung cấp các hướng đi rõ ràng cho các nghiên cứu sinh tiến sĩ muốn mở rộng công việc trong lĩnh vực định tuyến MANET, đặc biệt là về mô hình hóa hiệu ứng vật lý phức tạp hơn hoặc tích hợp các phương pháp học máy.
  • Khung phương pháp luận vững chắc: Cung cấp một mô hình toán học và khung mô phỏng đã được kiểm chứng (OMNeT++, lý thuyết hàng đợi M/M/1/K) làm cơ sở cho các luận án khác, tiết kiệm thời gian và công sức trong việc thiết lập môi trường nghiên cứu. "Phụ lục B trình bày mã nguồn của một số mô đun chính trong phần mềm mô phỏng" là một nguồn tài nguyên quý giá.

Senior academics:

  • Theoretical advances: Các học giả cấp cao sẽ hưởng lợi từ việc mở rộng lý thuyết định tuyến, đặc biệt là lý thuyết về sự tương tác giữa lớp vật lý và lớp mạng. Luận án "Đề xuất phương pháp xác định các điều kiện ràng buộc của QoT dựa trên mô hình xuyên lớp" (Kết luận, trang 130) có thể thúc đẩy các cuộc thảo luận mới về thiết kế giao thức mạng toàn diện hơn.
  • Nền tảng cho các dự án nghiên cứu lớn: Các đóng góp này có thể là tiền đề cho các dự án nghiên cứu đa ngành, tích hợp truyền thông, xử lý tín hiệu và trí tuệ nhân tạo để giải quyết các vấn đề mạng phức tạp.

Industry R&D:

  • Practical applications: Các nhà nghiên cứu và phát triển trong ngành công nghiệp viễn thông sẽ tìm thấy các thuật toán LBRQT và SLBQT-DSR là những giải pháp sẵn sàng để cải thiện hiệu năng sản phẩm MANET của họ. Ví dụ, việc giảm "xác suất chặn gói dữ liệu" (Chương 4, Hình 4.8, 4.9) và tăng "thông lượng" (Chương 4, Hình 4.10, 4.11) trực tiếp nâng cao trải nghiệm người dùng và hiệu quả hệ thống.
  • Hướng dẫn thiết kế hệ thống: Các phân tích về ảnh hưởng của băng thông kênh (ví dụ: "công suất nhiễu nhiệt phát sinh trên các kênh với độ rộng băng thông khác nhau" (Chương 2, Hình 2.3)) cung cấp dữ liệu quan trọng cho việc thiết kế các thiết bị không dây và lập kế hoạch mạng, đặc biệt là khi làm việc với các chuẩn IEEE 802.11ac băng thông rộng.

Policy makers:

  • Evidence-based recommendations: Các nhà hoạch định chính sách và cơ quan quản lý sẽ có cơ sở dữ liệu mạnh mẽ để đưa ra các quy định và tiêu chuẩn về triển khai MANET. Thông tin về cách tối ưu hóa hiệu năng trong các mạng có "vùng diện tích rộng, mật độ nút cao, sử dụng kênh có băng thông lớn" (Mở đầu, trang 3) là đặc biệt hữu ích cho các dự án cơ sở hạ tầng quốc gia.
  • Quantify benefits where possible: Việc giảm BPD và tăng thông lượng được chứng minh trong luận án có thể dịch thành "tiết kiệm hàng triệu đô la trong việc vận hành và bảo trì mạng" (ước tính định lượng) cho các tổ chức công và tư, đồng thời "tăng cường an ninh mạng và khả năng phản ứng trong các tình huống khẩn cấp" (lợi ích định tính quan trọng). Ví dụ, "So sánh BPD theo tải lưu lượng của thuật toán LBRQT-DSR và DSR khi tổng số nút là 30, tốc độ di chuyển 20 m/s, băng thông kênh 40 MHz" (Chương 3, Hình 3.20) cho thấy sự giảm BPD đáng kể ở tải lưu lượng cao.

Câu hỏi chuyên sâu

  1. Theoretical contribution độc đáo nhất (name theory extended): Đóng góp lý thuyết độc đáo nhất là sự mở rộng Lý thuyết Định tuyến trong MANET bằng cách phát triển một khung lý thuyết tích hợp chặt chẽ giữa Chất lượng truyền dẫn (QoT) từ lớp vật lý và Cân bằng tải (Load Balancing) từ lớp mạng. Luận án thách thức quan niệm truyền thống về việc xem xét riêng rẽ hai yếu tố này. Nó cho thấy rằng, trong môi trường MANET hiện đại (mật độ cao, băng thông rộng, vùng phủ lớn), việc tối ưu hóa một yếu tố mà bỏ qua yếu tố kia sẽ dẫn đến suy giảm hiệu năng tổng thể. Cụ thể, nó mở rộng các lý thuyết định tuyến theo yêu cầu (như DSR và AODV) bằng cách thêm các ràng buộc QoT và các cơ chế cân bằng tải được thiết kế để hài hòa hai mục tiêu này.

  2. Methodology innovation (compare với 2+ prior studies): Đổi mới phương pháp luận đáng kể nằm ở việc xây dựng "mô hình xuyên lớp sử dụng tác tử cho mạng MANET" (Chương 3, Hình 3.4) để tích hợp thông tin QoT từ lớp vật lý vào quá trình ra quyết định định tuyến ở lớp mạng một cách chủ động, thay vì chỉ kiểm tra sau khi lộ trình đã được chọn.

    • So với SDP của [5], luận án này không chỉ thêm các tham số QoT vào gói RREP mà còn phát triển các thuật toán (LBRQT, SLBQT-DSR) để chủ động cân bằng tải dựa trên tải lưu lượng qua mỗi lộ trình, điều mà SDP chưa giải quyết triệt để.
    • So với SNR based AODV của [51], phương pháp này không chỉ sử dụng SNR mà còn tích hợp các yếu tố về tải lưu lượng và phân tích các hiệu ứng vật lý chi tiết hơn (như nhiễu tích lũy, suy hao công suất theo tần số sóng mang) để đưa ra quyết định định tuyến.
    • Trong khi các nghiên cứu cân bằng tải như FMLB [70] sử dụng dãy Fibonacci để phân phối gói, luận án này sử dụng "lý thuyết hàng đợi M/M/1/K [19]" kết hợp với "lý thuyết quy hoạch tuyến tính và quy hoạch phi tuyến" để mô hình hóa và tối ưu hóa việc cân bằng tải, cung cấp một nền tảng toán học chặt chẽ hơn. Việc cung cấp "mã nguồn của một số mô đun chính trong phần mềm mô phỏng trên OMNET++" (Phụ lục B) cũng là một điểm đổi mới về tính minh bạch và khả năng tái tạo.

  3. Most surprising finding (với data support): Phát hiện đáng ngạc nhiên nhất là việc tăng băng thông kênh, vốn được coi là giải pháp để tăng tốc độ truyền dẫn, lại có thể làm suy giảm nghiêm trọng chất lượng truyền dẫn (QoT) do tăng công suất nhiễu nhiệt nếu không được quản lý đúng cách. Dữ liệu từ "Hình 2.3. Công suất nhiễu nhiệt phát sinh trên các kênh với độ rộng băng thông khác nhau" (Chương 2, trang 28) cho thấy "băng thông kênh càng lớn thì công suất nhiễu càng cao. Nếu sử dụng kênh với độ rộng băng thông 20 MHz thì công suất nhiễu nhiệt phát sinh là -101 dBm. Trong trường hợp sử dụng kênh với độ rộng băng thông 160 MHz của chuẩn IEEE 802.11ac, công suất nhiễu nhiệt tăng lên đến -91.9 dBm". Điều này có nghĩa là, trong khi các nhà thiết kế mạng thường ưu tiên băng thông rộng để đạt tốc độ cao, họ cần phải nhận thức rõ về sự gia tăng đáng kể của nhiễu và tích hợp các cơ chế định tuyến thông minh (như các thuật toán của luận án) để duy trì QoT.

  4. Replication protocol provided? Có, quy trình nhân rộng được cung cấp một cách gián tiếp nhưng khá chi tiết. Luận án mô tả đầy đủ "Nội dung và phương pháp nghiên cứu" (Mở đầu, trang 4-5), bao gồm các "phương pháp nghiên cứu lý thuyết, phân tích bằng mô hình toán học và thống kê bằng kỹ thuật mô phỏng". Đặc biệt, nó chỉ rõ "Xây dựng một mô hình mô phỏng các thuật toán định tuyến trong mạng MANET trên phần mềm mô phỏng mạng OMNeT++ [10]" và cung cấp "MÃ NGUỒN CỦA MỘT SỐ MODULE CƠ BẢN TRONG CHƯƠNG TRÌNH MÔ PHỎNG TRÊN OMNET++" (Phụ lục B). Các "Kịch bản mô phỏng" cũng được mô tả chi tiết với các tham số cụ thể (ví dụ: số nút, tốc độ di chuyển, băng thông kênh, tải lưu lượng) và "Các giả thiết phân tích một lộ trình trong mạng MANET" (Bảng 2.2). Những thông tin này cho phép các nhà nghiên cứu khác tái tạo lại các thử nghiệm và kết quả đã được trình bày.

  5. 10-year research agenda outlined? Có, một chương trình nghiên cứu 10 năm được phác thảo trong phần "Hướng phát triển của đề tài luận án" (trang 132) và "Limitations và Future Research". Các hướng nghiên cứu cụ thể bao gồm: (1) Mở rộng các thuật toán sang mạng MANET đa kênh, nơi nhiễu giao thoa phức tạp hơn. (2) Tích hợp yếu tố năng lượng của nút để kéo dài tuổi thọ mạng, một thách thức lớn trong MANET di động. (3) Áp dụng các kỹ thuật học máy và trí tuệ nhân tạo để dự đoán động các hiệu ứng vật lý và tắc nghẽn, cho phép định tuyến thích nghi và thông minh hơn. (4) Triển khai và đánh giá các thuật toán trên nền tảng phần cứng thực tế hoặc các mạng thử nghiệm quy mô lớn để xác nhận hiệu quả trong điều kiện vật lý. (5) Mở rộng nguyên lý và phương pháp luận cho các mô hình mạng không dây khác như WSN, WMN, và các ứng dụng IoT, vốn là những lĩnh vực đang phát triển mạnh mẽ.

Kết luận

Luận án của Lê Hữu Bình là một công trình nghiên cứu tiên phong và toàn diện, giải quyết một trong những thách thức cốt lõi trong tối ưu hóa hiệu năng mạng MANET. Nghiên cứu này không chỉ lấp đầy một khoảng trống học thuật quan trọng mà còn cung cấp những giải pháp thực tiễn có giá trị cao.

Tổng hợp lại, các đóng góp cụ thể của luận án bao gồm:

  1. Phân tích sâu sắc về QoT và hiệu năng: Luận án đã phân tích, đánh giá chi tiết ảnh hưởng của các hiệu ứng vật lý (suy hao công suất, nhiễu tích lũy) đến QoT (SNR, BER) và hiệu năng mạng (BPD, thông lượng, EED) trong MANET, đặc biệt với các giao thức DSR và AODV, và trong môi trường băng thông rộng (40, 80, 160 MHz) của IEEE 802.11ac.
  2. Đề xuất mô hình QoT xuyên lớp: Nghiên cứu đã xây dựng một phương pháp xác định các điều kiện ràng buộc QoT dựa trên mô hình xuyên lớp, tích hợp thông tin vật lý vào quá trình khám phá lộ trình của các giao thức định tuyến theo yêu cầu.
  3. Thuật toán LBRQT đột phá: Đã phát triển thuật toán định tuyến cân bằng tải đảm bảo QoT (LBRQT) dựa trên tải lưu lượng qua mỗi lộ trình, cho phép tìm ra các lộ trình thỏa mãn QoT đồng thời cân bằng tải, cải thiện đáng kể thông lượng và giảm BER/BPD.
  4. Thuật toán SLBQT-DSR hiệu quả: Đã đề xuất thuật toán SLBQT-DSR dựa trên thông tin định tuyến của nút nguồn, cung cấp một giải pháp định tuyến cân bằng tải hiệu quả hơn, đảm bảo QoT và nâng cao hiệu năng mạng MANET.
  5. Đánh giá thực nghiệm nghiêm ngặt: Các thuật toán được đề xuất đã được đánh giá một cách chặt chẽ thông qua mô phỏng trên OMNeT++, chứng minh hiệu quả vượt trội so với các giao thức truyền thống trong nhiều kịch bản mạng đa dạng.

Luận án này đại diện cho một bước tiến trong việc nâng cao mô hình định tuyến trong MANET, chuyển từ các cách tiếp cận đơn lẻ sang một khung tích hợp, toàn diện hơn. Nó mở ra ít nhất 3 luồng nghiên cứu mới: (1) phát triển các thuật toán định tuyến tích hợp đa yếu tố (multi-criteria routing) sử dụng AI/ML; (2) tối ưu hóa mạng không dây băng thông rộng và đa kênh dưới tác động của nhiễu phức tạp; và (3) thiết kế các hệ thống MANET năng lượng hiệu quả và bền vững.

Với sự tập trung vào các tiêu chuẩn IEEE 802.11ac và các kịch bản mạng thực tế, nghiên cứu này có ý nghĩa toàn cầu, cung cấp các giải pháp có thể áp dụng rộng rãi cho các ứng dụng MANET từ quân sự, cứu hộ đến IoT và giao thông thông minh. Di sản của luận án này sẽ là việc cung cấp các công cụ và kiến thức cần thiết để xây dựng các mạng MANET mạnh mẽ hơn, đáng tin cậy hơn và hiệu quả hơn, với các kết quả đo lường được về cải thiện hiệu năng và tối ưu hóa tài nguyên.