Nâng cao hiệu năng thông lượng và độ công bằng mạng adhoc IEEE 802.11 EDCA

Tổng quan về luận án

Luận án này tiên phong giải quyết những thách thức cố hữu về hiệu năng trong mạng không dây di động adhoc (MANETs), một lĩnh vực công nghệ đang phát triển nhanh chóng và đóng vai trò hạ tầng cốt lõi cho các ứng dụng IoT, giao thông thông minh, y tế thông minh và các giải pháp quân sự. Nghiên cứu đặt trọng tâm vào việc nâng cao thông lượng và độ công bằng tại tầng điều khiển truy nhập môi trường truyền MAC (Medium Access Control) theo chuẩn IEEE 802.11 EDCA (Enhanced Distributed Channel Access), một phương thức truy nhập phân tán tiên tiến có khả năng phân biệt mức độ ưu tiên.

Bối cảnh khoa học và tính tiên phong của nghiên cứu Sự phát triển mạnh mẽ của công nghệ truyền dẫn không dây, đặc biệt là các công nghệ tốc độ cao như WiFi, 4G, 5G, đã tạo tiền đề cho sự phổ biến của MANETs. Tuy nhiên, bản chất tự trị, không hạ tầng, định tuyến đa chặng, năng lượng hạn chế, và tô-pô mạng động của MANETs tạo ra nhiều thách thức ở tất cả các tầng mạng. Tại tầng MAC, các vấn đề như tranh chấp tài nguyên, va chạm truyền phát, liên kết không dây lỗi bit cao, nhiễu kênh vô tuyến và hiệu ứng multipath fading làm suy giảm nghiêm trọng hiệu năng mạng, dẫn đến tỉ lệ lỗi và mất gói cao, thông lượng giảm và tính công bằng dễ bị phá vỡ. Luận án này tiếp cận một trong những vấn đề cốt lõi nhất – tối ưu hóa hiệu năng tại tầng MAC – bằng cách tập trung vào việc cải thiện các chỉ số thông lượng và độ công bằng, hai yếu tố then chốt cho các ứng dụng đòi hỏi chất lượng dịch vụ (QoS) cao.

Research gap SPECIFIC với citations từ literature Mặc dù phương thức IEEE 802.11 EDCA đã được chấp thuận như một phần của chuẩn IEEE 802.11e [30] và phần nào đáp ứng việc đảm bảo QoS cho dữ liệu đa phương tiện, các nghiên cứu hiện tại [52, 53, 54] chỉ ra rằng nhiều chỉ số hiệu năng vẫn còn hạn chế. Nguyên nhân chính là do các giá trị tham số điều khiển truy nhập phân tán nâng cao (như TXOP, CWmin, CWmax, AIFS) được thiết lập theo giá trị mặc định của chuẩn IEEE 802.11e, không phù hợp với đặc tính biến động của mạng adhoc. "Bộ giá trị này được áp dụng cho tất cả các loại kiến trúc mạng tỏ ra không phù hợp với đặc tính của mạng adhoc, có cấu trúc thường xuyên thay đổi với mức độ chia sẻ, tương tranh về băng thông giữa các nút láng giềng vào từng thời điểm là khác nhau." Vấn đề này dẫn đến sự mất cân bằng trong việc phân bổ băng thông, đặc biệt là khi mạng đạt trạng thái bão hòa, khiến các luồng ưu tiên thấp dễ bị "bỏ đói" ("starvation"). Luận án khẳng định rằng "nhiều chỉ số quan trọng như tính công bằng và tính ổn định thông lượng vẫn chưa có giải pháp toàn diện," mặc dù nhiều kết quả tích cực đã đạt được từ các nghiên cứu khác trong việc cải thiện thông lượng hoặc giảm độ trễ. Sự thiếu hụt một phương pháp toàn diện để nâng cao đồng thời thông lượng và độ công bằng trong môi trường MANETs động, đặc biệt với khả năng điều khiển thông minh và thích nghi, chính là khoảng trống nghiên cứu mà luận án này hướng tới.

Research questions và hypotheses Nghiên cứu này được dẫn dắt bởi các câu hỏi và giả thuyết sau:

1. RQ1: Làm thế nào để điều chỉnh linh hoạt tham số Transmission Opportunity (TXOP) trong IEEE 802.11 EDCA nhằm cải thiện chất lượng luồng dữ liệu theo mức độ ưu tiên khác nhau, đồng thời đảm bảo tính công bằng cho các luồng ưu tiên thấp trong mạng adhoc?
   • H1: Việc điều chỉnh động tham số TXOP dựa trên cơ chế trọng số ưu tiên sẽ ngăn chặn sự chiếm dụng băng thông quá mức của các luồng ưu tiên cao, từ đó nâng cao thông lượng cho các luồng ưu tiên thấp mà vẫn duy trì chỉ số công bằng ở mức trên trung bình.
2. RQ2: Phương pháp Fuzzy Logic có thể được ứng dụng như thế nào để điều khiển thông minh các tham số trong IEEE 802.11 EDCA, đặc biệt là CW và TXOP, nhằm nâng cao tính công bằng cho các luồng dữ liệu trong mạng adhoc?
   • H2: Sử dụng Fuzzy Logic để điều khiển thích nghi các tham số CW và TXOP dựa trên trạng thái mạng và yêu cầu lưu lượng sẽ dẫn đến sự phân bổ băng thông công bằng hơn giữa các luồng dữ liệu có ưu tiên khác nhau, ngay cả trong điều kiện tải mạng cao.
3. RQ3: Các tham số TXOP và CW trong IEEE 802.11 EDCA ảnh hưởng như thế nào đến hiệu năng (thông lượng và độ công bằng) của mạng adhoc dưới các kịch bản tải khác nhau?
   • H3: Giá trị mặc định của TXOP và CW trong IEEE 802.11 EDCA không tối ưu cho môi trường mạng adhoc động, và việc khảo sát có hệ thống các giá trị này sẽ cung cấp bằng chứng thực nghiệm về sự cần thiết của các cơ chế điều chỉnh động.

Theoretical framework với tên theories cụ thể Luận án được xây dựng trên nền tảng các lý thuyết và chuẩn giao thức mạng không dây, bao gồm:

• Lý thuyết hàng đợi (Queueing Theory): Đặc biệt là mô hình hàng đợi M/M/1/L (trích dẫn Hình 1.10), được sử dụng để phân tích sự tắc nghẽn và xác suất chặn gói dữ liệu trong các kết nối không dây. Lý thuyết này giúp định lượng ảnh hưởng của tốc độ đến và tốc độ phục vụ gói tin lên hiệu năng mạng.
• Lý thuyết thông tin Shannon (Shannon's Information Theory): Cụ thể là công thức xác định dung lượng kênh truyền có nhiễu C = B log2(1 + SNR) [25], là cơ sở để đánh giá khả năng truyền dữ liệu tối đa và ảnh hưởng của các yếu tố vật lý như băng thông (B) và tỷ lệ cường độ tín hiệu trên cường độ nhiễu (SNR) đến hiệu năng mạng.
• Chuẩn IEEE 802.11e và các giao thức con (EDCA, DCF, HCF): Cung cấp khung khổ kỹ thuật cho cơ chế truy nhập kênh truyền phân tán nâng cao. Luận án đi sâu vào các tham số cụ thể như AIFS, CWmin/CWmax, TXOP như mô tả trong tài liệu chuẩn [30] và phân tích ảnh hưởng của chúng đến việc phân bổ tài nguyên và QoS.
• Logic mờ (Fuzzy Logic): Được áp dụng như một phương pháp điều khiển thông minh để xử lý sự không chắc chắn và tính phi tuyến trong các hệ thống mạng, cho phép điều chỉnh tham số một cách linh hoạt hơn so với các phương pháp điều khiển truyền thống.

Đóng góp đột phá với quantified impact Luận án đưa ra các đóng góp đột phá với tiềm năng tác động đáng kể:

1. Cơ chế điều chỉnh TXOP động dựa trên trọng số ưu tiên: Đề xuất này giải quyết trực tiếp vấn đề "bỏ đói" luồng ưu tiên thấp. Mô phỏng ban đầu cho thấy cơ chế này có thể cải thiện chỉ số công bằng (Fairness Index) lên đến 0.78 trong kịch bản Case 2 của TXOP, cao hơn đáng kể so với các cấu hình mặc định hoặc không tối ưu, đồng thời đảm bảo phân bổ thông lượng theo tỷ lệ xấp xỉ 3:2:1 cho Voice, Video, Best-effort khi mạng bão hòa.
2. Phương pháp điều khiển tham số EDCA bằng Fuzzy Logic: Đây là một đóng góp tiên phong trong việc áp dụng trí tuệ nhân tạo vào tối ưu hóa tầng MAC của MANETs. Bằng cách điều khiển thông minh các tham số như TXOP và CW, luận án hướng tới việc "đưa lại sự công bằng về thông lượng của từng loại dữ liệu," mang lại tiềm năng gia tăng tính công bằng vượt trội so với các phương pháp truyền thống.
3. Nền tảng mô phỏng phân tích tác động tham số IEEE 802.11 EDCA: Nghiên cứu đã xây dựng một bộ mô phỏng trên NS2 để "khảo sát, phân tích, đánh giá ảnh hưởng các tham số trong IEEE 802.11 EDCA tới hiệu năng mạng adhoc," cung cấp dữ liệu thực nghiệm chi tiết về mối quan hệ giữa TXOP, CW và các chỉ số hiệu năng. Ví dụ, kết quả chỉ số công bằng cho CW Case 2 là 0.77 cho thấy một điểm cân bằng hiệu quả giữa thông lượng và độ công bằng.
4. Thực nghiệm ứng dụng trong VANETs: Luận án trình bày một thực nghiệm về truyền dữ liệu đa phương tiện trong mạng VANET, minh họa khả năng triển khai thực tế của các cải tiến. Thực nghiệm này "thiết lập kênh truyền thông và kiểm soát việc xử lý dữ liệu đa phương tiện giúp mở ra cơ hội trong việc triển khai các ứng dụng trên mạng VANET với độ tin cậy cao nhằm sớm bắt kịp với công nghệ của cuộc cách mạng 4.0." Điều này chứng minh tiềm năng chuyển đổi công nghệ cho giao thông thông minh và các ứng dụng liên quan.

Scope (sample size, timeframe) và significance Phạm vi nghiên cứu tập trung vào tầng MAC của mạng adhoc, cụ thể là phương thức IEEE 802.11 EDCA. Nghiên cứu khảo sát các tham số như TXOP và CW, sử dụng mô hình đơn chặng với 3 luồng dữ liệu điển hình (Voice, Video, Best-effort) được mô phỏng trên phần mềm NS2. Kích thước bộ đệm là 100 gói tin, tốc độ dữ liệu kênh 11 Mbps, tầm cảm nhận sóng mang 550 m. Thời gian nghiên cứu không được nêu cụ thể nhưng bao gồm khảo sát các công trình "trong những năm gần đây". Ý nghĩa của luận án là rất lớn, không chỉ giải quyết các bài toán kỹ thuật cấp thiết trong việc nâng cao hiệu năng mạng không dây adhoc mà còn đóng góp vào việc đào tạo cán bộ trình độ cao, thúc đẩy ứng dụng kết quả nghiên cứu cơ bản vào các lĩnh vực kinh tế-xã hội như giao thông, y tế, nông nghiệp thông minh, đồng thời nâng cao tiềm lực nghiên cứu công nghệ cao của quốc gia.

Literature Review và Positioning

Synthesis của major streams với TÊN TÁC GIẢ và NĂM cụ thể Tổng quan tài liệu cho thấy ba hướng tiếp cận chính để giải quyết bài toán hiệu năng trong mạng adhoc: giao thức định tuyến, cơ chế xử lý hàng đợi, và phương thức truy nhập môi trường truyền.

1. Hướng tiếp cận về giao thức định tuyến: Các nghiên cứu như của Li et al. [31] đề xuất hàm trọng số WSA (Weighted Signal to noise ratio Average) cho giao thức DSDV nhằm cải thiện độ trễ và thông lượng. Nghiên cứu [32] cải tiến giao thức OSLR bằng hàm trọng số phản ánh tỷ lệ nhiễu. Các tác giả trong [33] đề xuất cải tiến AODV bằng mô hình xuyên lớp với trường dữ liệu LC để chọn lại lộ trình, trong khi nghiên cứu [34] cải tiến DSR và AODV bằng cách thêm trường SNR và RP vào gói tin RREP. Ngoài ra, các công trình của Li et al. [42, 43, 44] và các tác giả khác [3, 45] tập trung vào định tuyến theo mật độ tải lưu lượng để cân bằng tải và giảm tắc nghẽn cục bộ. Nhiều nghiên cứu cũng đã sử dụng logic mờ để cải tiến thuật toán định tuyến, dựa trên cường độ tín hiệu và hệ số nhiễu để đạt tỷ lệ truyền gói thành công cao hơn và giảm lỗi bit.
2. Hướng tiếp cận về cơ chế xử lý hàng đợi: Các nghiên cứu trong luồng này tập trung vào cải tiến các phương pháp lập lịch truyền thống như FIFO và Round Robin. Công trình của He et al. [28] đề xuất cải tiến FIFO theo trọng số ưu tiên từ lớp MAC để nâng cao tính công bằng, cho thấy thông lượng được cải thiện. Nghiên cứu [29] cải tiến lập lịch dựa trên hàng đợi RR, giả định tầng MAC đã cân bằng băng thông, tuy nhiên giải pháp này được đánh giá là không phù hợp thực tế. Zhou et al. [36] đề xuất phương pháp lập lịch mới dựa trên xác suất với hàng đợi Round Robin nhằm đạt tính công bằng trên mỗi luồng trong mạng adhoc đa chặng, cải thiện cả thông lượng tổng cộng và công bằng.
3. Hướng tiếp cận về phương thức truy nhập môi trường truyền (tầng MAC): Đây là trọng tâm chính của luận án. Các nghiên cứu chia thành hai xu hướng: (a) cải tiến giao thức truy nhập phân tán (DCF, EDCA) thông qua các gói tin điều khiển, và (b) cải tiến các tham số trong IEEE 802.11 EDCA. Xu hướng thứ nhất bao gồm các nghiên cứu như của Chen et al. [37] với thuật toán điều khiển truy nhập MAC nhằm chia sẻ hiệu quả kênh truyền và giảm xung đột, áp dụng cho cả DCF và EDCA. Các công trình của Li et al. [38], Tang et al. [39], và Wang et al. [40] đề xuất cải tiến giao thức RTS/CTS/Data/ACK để giảm xung đột với trạm ẩn. Tuy nhiên, các phương pháp này "vẫn chưa giải quyết triệt để được vấn đề mất cân bằng trong sử dụng băng thông giữa các trạm [41], [27]." Xu hướng thứ hai, và là trọng tâm của luận án, là điều chỉnh tham số EDCA. Các nghiên cứu của Kim et al. [46], Zhou et al. [26], Zhou et al. [36], và Yu et al. [47] đề cập đến điều chỉnh cửa sổ tương tranh (CW). Các nghiên cứu của Li et al. [48], Chang et al. [49], Liu et al. [50], và Park et al. [51] đề xuất cơ chế cải tiến điều chỉnh tham số TXOP, ví dụ [49] điều chỉnh TXOP dựa trên tỷ lệ CBR (Channel Busyness Ratio) để giải quyết vấn đề công bằng.

Contradictions/debates với ít nhất 2 opposing views Trong lĩnh vực tối ưu hóa hiệu năng mạng adhoc, có một mâu thuẫn rõ rệt giữa việc đạt được thông lượng cao và duy trì độ công bằng. Các phương pháp lập lịch truyền thống như FIFO và RR thường không đảm bảo cân bằng thông lượng giữa các luồng dữ liệu, đặc biệt là giữa luồng trực tiếp và luồng chuyển tiếp [26]. "Thực nghiệm bằng mô phỏng theo nghiên cứu [26] cũng chứng minh rằng các thuật toán lập lịch FIFO, RR không đảm bảo việc cân bằng thông lượng giữa luồng dữ liệu trực tiếp và luồng dữ liệu chuyển tiếp." Hơn nữa, trong IEEE 802.11 EDCA, việc phân biệt ưu tiên dẫn đến các luồng ưu tiên cao (Voice, Video) có cơ hội truy nhập kênh lớn hơn và chiếm nhiều băng thông hơn so với luồng ưu tiên thấp (Best-effort, Background), dễ dẫn đến tình trạng "bỏ đói" luồng thấp. Điều này tạo ra một sự đánh đổi giữa hiệu suất tổng thể (có thể cao hơn với ưu tiên rõ ràng) và tính công bằng trong phân bổ tài nguyên. Một mâu thuẫn khác tồn tại giữa các mô hình giải tích và thực nghiệm/mô phỏng. "Ưu điểm của phương pháp [giải tích] này là chi phí và thời gian thử nghiệm thấp, tuy nhiên nhược điểm của phương pháp này là nhiều giả thuyết đưa ra để giải quyết bài toán khi áp dụng vào thực tế không khả thi hoặc thiếu các điều kiện cần thiết." Ngược lại, phương pháp mô phỏng và thực nghiệm mang lại kết quả sát với thực tế hơn nhưng tốn kém và phức tạp hơn [26, 36].

Positioning trong literature với specific gap identified Luận án này được định vị rõ ràng trong xu hướng thứ hai của hướng tiếp cận về phương thức truy nhập môi trường truyền, tập trung vào việc cải tiến các tham số trong IEEE 802.11 EDCA. Cụ thể, nó giải quyết khoảng trống trong việc thiếu một "giải pháp toàn diện" cho cả "tính công bằng và tính ổn định thông lượng" trong mạng adhoc. Các nghiên cứu hiện tại về điều chỉnh TXOP [48, 49, 50, 51] hoặc CW [46, 26, 36, 47] thường tập trung vào một tham số hoặc một khía cạnh cụ thể, và "chủ yếu mới chứng minh về mặt toán học kèm nhiều giả thiết khi áp dụng vào thực tế khó khả thi." Luận án này vượt qua những hạn chế đó bằng cách: (1) đề xuất một cơ chế điều chỉnh TXOP động có trọng số để giải quyết vấn đề công bằng một cách cụ thể hơn, đảm bảo luồng ưu tiên thấp vẫn nhận được băng thông thích hợp; và (2) áp dụng Fuzzy Logic để điều khiển thông minh các tham số, mang lại khả năng thích nghi và linh hoạt cao hơn so với các phương pháp dựa trên quy tắc cố định hoặc mô hình toán học đơn giản. Bằng cách kết hợp điều chỉnh động TXOP và điều khiển thông minh bằng Fuzzy Logic, luận án cung cấp một giải pháp toàn diện và thực tế hơn để cân bằng thông lượng và độ công bằng trong môi trường MANETs động.

How this advances field với concrete contributions Nghiên cứu này thúc đẩy lĩnh vực mạng adhoc bằng cách:

• Mở rộng khả năng của IEEE 802.11 EDCA: Vượt ra ngoài bộ tham số mặc định và các giải pháp điều chỉnh tĩnh, luận án mang đến cơ chế điều chỉnh động và thông minh, giúp EDCA hoạt động hiệu quả hơn trong môi trường MANETs thực tế.
• Cải thiện tính công bằng trong phân bổ tài nguyên: Đây là một thách thức lớn chưa được giải quyết triệt để. Các đề xuất của luận án đảm bảo các luồng ưu tiên thấp không bị "bỏ đói", tối ưu hóa việc sử dụng băng thông cho mọi loại dịch vụ.
• Giới thiệu ứng dụng trí tuệ nhân tạo (Fuzzy Logic) vào tầng MAC: Mở ra hướng nghiên cứu mới về việc sử dụng các kỹ thuật AI để tự động điều chỉnh và tối ưu hóa các giao thức mạng, đặc biệt là trong các môi trường động và phức tạp.
• Cung cấp bằng chứng thực nghiệm mạnh mẽ: Thông qua mô phỏng trên NS2 với các kịch bản chi tiết, luận án cung cấp cơ sở dữ liệu và phân tích đáng tin cậy cho các đề xuất, khắc phục nhược điểm của các nghiên cứu chủ yếu dựa trên mô hình giải tích.

So sánh với ÍT NHẤT 2 international studies

1. So sánh với Chang et al. [49]: Nghiên cứu của Chang et al. đề xuất điều chỉnh TXOP dựa trên tỷ lệ CBR (Channel Busyness Ratio) để giải quyết vấn đề công bằng. Phương pháp này tính CBR bằng cách phân chia thời lượng kênh bận với thời lượng truyền khung, sau đó điều chỉnh TXOP dựa trên so sánh tỷ lệ kênh bận và giá trị ngưỡng. Mặc dù [49] cũng hướng tới cải thiện công bằng, luận án của chúng tôi vượt trội hơn bằng cách đề xuất cơ chế điều chỉnh TXOP động dựa trên trọng số ưu tiên của từng luồng dữ liệu, không chỉ dựa vào trạng thái bận của kênh. Điều này cho phép phân bổ băng thông một cách có mục tiêu và linh hoạt hơn, đặc biệt khi mạng bão hòa, đảm bảo tỷ lệ thông lượng thích hợp cho các luồng ưu tiên thấp thay vì chỉ cố gắng cân bằng tổng thể.
2. So sánh với Liu et al. [50]: Liu et al. đề xuất thuật toán phân tán thích ứng để xác định TXOP một cách linh hoạt dựa trên thông lượng yêu cầu tại mỗi nút mạng. Mỗi trạm sẽ đo thông lượng của mình trong một khung thời gian để so sánh với giá trị mong muốn nhằm thiết lập lại giá trị TXOP mới. Trong khi [50] tập trung vào thông lượng yêu cầu, luận án của chúng tôi tích hợp yếu tố ưu tiên dữ liệu một cách rõ ràng thông qua trọng số và sử dụng Fuzzy Logic để điều khiển thông minh, mang lại khả năng điều chỉnh đa tham số (TXOP, CW) một cách tổng thể và phức tạp hơn, thích nghi với nhiều loại dữ liệu khác nhau và các mục tiêu kép (thông lượng và công bằng). Cách tiếp cận bằng Fuzzy Logic của chúng tôi giúp xử lý tốt hơn các tình huống phức tạp mà các phương pháp dựa trên ngưỡng hoặc phép đo trực tiếp có thể bỏ lỡ.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án này đưa ra những đóng góp lý thuyết đáng kể, mở rộng và thách thức các lý thuyết hiện có trong lĩnh vực mạng không dây adhoc.

• Extend/challenge WHICH specific theories (name theorists):
  • Thách thức các giả định về tham số cố định trong IEEE 802.11 EDCA: Chuẩn IEEE 802.11e [30] đã thiết lập các bộ tham số mặc định cho EDCA để phân biệt QoS. Tuy nhiên, luận án chứng minh rằng "các giá trị này được thiết lập theo giá trị mặc định của chuẩn IEEE 802.11e [30] tỏ ra không phù hợp với đặc tính của mạng adhoc," bởi tính chất tô-pô mạng động và sự tương tranh thay đổi. Nghiên cứu này thách thức quan điểm rằng một bộ tham số tĩnh có thể tối ưu cho mọi kiến trúc mạng adhoc, đề xuất sự cần thiết của các cơ chế điều chỉnh động và thông minh.
  • Mở rộng Lý thuyết Hàng đợi (Queueing Theory) và Lý thuyết Điều khiển Truy nhập MAC: Bằng cách đề xuất cơ chế điều chỉnh TXOP động dựa trên trọng số ưu tiên, luận án mở rộng cách tiếp cận truyền thống về quản lý hàng đợi và điều khiển truy nhập. Các mô hình hàng đợi truyền thống (như M/M/1/L) thường tập trung vào hiệu suất đơn lẻ. Đóng góp của luận án là tích hợp yếu tố "ưu tiên có trọng số" và "điều chỉnh động" vào quyết định phân bổ cơ hội truyền, làm phong phú thêm lý thuyết về tối ưu hóa nguồn lực trong môi trường tranh chấp kênh.
• Conceptual framework với components và relationships Khung khái niệm của luận án xoay quanh việc tối ưu hóa hiệu năng mạng adhoc (thông lượng và độ công bằng) thông qua việc điều khiển thích nghi các tham số tầng MAC. Các thành phần chính bao gồm:
  • Input Factors: Đặc tính mạng adhoc (tô-pô động, băng thông hữu hạn, năng lượng hạn chế), tình trạng tải mạng (thông lượng yêu cầu), và các luồng dữ liệu với mức độ ưu tiên khác nhau (Voice, Video, Best-effort).
  • Core Mechanism: Phương thức truy nhập phân tán nâng cao IEEE 802.11 EDCA với các tham số điều khiển chính: TXOP (Transmission Opportunity), CW (Contention Window), AIFS (Arbitration Inter-Frame Space).
  • Proposed Interventions:
    1. Cơ chế điều chỉnh TXOP động dựa trên trọng số ưu tiên: Điều chỉnh TXOP của từng luồng dựa trên mức độ ưu tiên của nó và trạng thái tải mạng để cân bằng việc sử dụng băng thông.
    2. Hệ thống điều khiển Fuzzy Logic: Một bộ điều khiển thông minh nhận đầu vào là các chỉ số hiệu năng mạng (ví dụ: thông lượng luồng, độ công bằng hiện tại, tỷ lệ bận kênh) và đầu ra là các giá trị tối ưu cho TXOP và CW.
  • Output Metrics: Thông lượng (Throughput) và Chỉ số công bằng (Fairness Index).
  • Relationships: Input factors ảnh hưởng đến hành vi của EDCA với tham số mặc định. Các can thiệp đề xuất sẽ điều chỉnh các tham số của EDCA một cách thông minh, dẫn đến cải thiện các output metrics.
• Theoretical model với propositions/hypotheses numbered Luận án ngụ ý một mô hình lý thuyết được xây dựng trên các giả thuyết chính đã được đánh số ở phần Tổng quan. Cụ thể hơn:
  • Proposition 1 (TXOP-Weighted Priority): Trong mạng adhoc đa dịch vụ sử dụng IEEE 802.11 EDCA, việc điều chỉnh động TXOP cho từng luồng dữ liệu dựa trên trọng số ưu tiên của nó, thay vì giá trị cố định, sẽ tối ưu hóa sự phân bổ băng thông, giảm thiểu tình trạng "bỏ đói" cho các luồng ưu tiên thấp và cải thiện đáng kể chỉ số công bằng mạng.
  • Proposition 2 (Fuzzy Logic for Fairness): Việc áp dụng một bộ điều khiển Fuzzy Logic để thích nghi điều chỉnh các tham số tầng MAC (ví dụ: TXOP, CW) của IEEE 802.11 EDCA dựa trên các đặc điểm động của mạng và yêu cầu dịch vụ sẽ dẫn đến một mức độ công bằng cao hơn và ổn định thông lượng tốt hơn so với các cơ chế điều khiển tĩnh hoặc chỉ dựa trên ngưỡng.
• Paradigm shift với EVIDENCE từ findings Luận án không đề xuất một "paradigm shift" hoàn toàn khỏi các khung lý thuyết hiện có, mà là một sự "tiến hóa paradigm" từ cách tiếp cận cố định, định hướng bởi các chuẩn sang một cách tiếp cận linh hoạt, thích nghi và thông minh hơn. Bằng chứng từ các phát hiện mô phỏng, như "giá trị thông lượng và chỉ số công bằng không tỷ lệ thuận với nhau. Việc tìm điểm cân bằng giữa thông lượng và chỉ số công bằng đòi hỏi phải tính đến trong bài toán nâng cao hiệu năng cho mạng adhoc," cho thấy rằng các thiết lập tĩnh không thể đạt được sự tối ưu đồng thời. Việc áp dụng Fuzzy Logic, một nhánh của trí tuệ nhân tạo, vào việc điều khiển tham số mạng, minh chứng cho sự chuyển đổi từ các mô hình điều khiển thuần túy toán học sang các hệ thống ra quyết định thông minh, có khả năng học hỏi và thích nghi với môi trường mạng phức tạp và không chắc chắn của MANETs. Đây là một bước tiến quan trọng hướng tới mạng tự cấu hình và tự tối ưu.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp một cách độc đáo các khái niệm từ lý thuyết điều khiển, trí tuệ nhân tạo, và giao thức mạng để giải quyết bài toán đa mục tiêu (thông lượng và công bằng).

• Integration của theories (name 3+ specific theories)
  1. Lý thuyết Hàng đợi (Queueing Theory): Được sử dụng làm nền tảng để mô hình hóa và định lượng các yếu tố về tắc nghẽn, thời gian chờ, và xác suất mất gói tại các nút mạng, đặc biệt là trong môi hình đa chặng (trích dẫn Hình 1.10).
  2. Lý thuyết Điều khiển (Control Theory): Các cơ chế điều chỉnh tham số động (TXOP, CW) có thể được hiểu như các hệ thống điều khiển phản hồi, nơi các tham số được điều chỉnh dựa trên phản hồi từ hiệu năng mạng để đạt được mục tiêu mong muốn.
  3. Lý thuyết Tập mờ (Fuzzy Set Theory) và Logic mờ (Fuzzy Logic): Là cốt lõi của phương pháp điều khiển thông minh, cho phép xử lý các biến số không chắc chắn và các quy tắc heuristic, từ đó đưa ra quyết định điều chỉnh tham số một cách mềm dẻo, gần với tư duy con người hơn so với các thuật toán cứng nhắc.
• Novel analytical approach với justification Cách tiếp cận phân tích của luận án là sự kết hợp giữa phân tích thực nghiệm dựa trên mô phỏng và mô hình điều khiển thông minh. Thay vì chỉ dựa vào mô hình toán học giải tích thường kèm nhiều giả định đơn giản hóa, luận án sử dụng bộ mô phỏng NS2 [14] để tạo ra các kịch bản thực tế, khảo sát và đánh giá chi tiết ảnh hưởng của các tham số EDCA (TXOP, CW) lên thông lượng và độ công bằng. Sau đó, các phát hiện từ quá trình khảo sát này được dùng làm cơ sở để xây dựng và hiệu chỉnh hệ thống điều khiển Fuzzy Logic. "Luận án giới thiệu một mô hình đơn giản để sử dụng các kết quả dữ liệu đã được thực nghiệm qua mô phỏng nhằm xây dựng một cơ chế điều khiển thông minh các tham số trong IEEE 802.11 EDCA bằng phương pháp sử dụng Fuzzy logic trong môi trường mạng adhoc." Sự kết hợp này biện minh cho tính hiệu quả và khả thi, vì nó dung hòa giữa độ chính xác của dữ liệu mô phỏng và khả năng thích nghi của AI.
• Conceptual contributions với definitions
  • Chỉ số công bằng có trọng số (Weighted Fairness Index - ngụ ý): Luận án đề xuất cơ chế điều chỉnh TXOP động "dựa theo trọng số" cho từng luồng dữ liệu, cho phép mỗi loại luồng (Voice, Video, Best-effort) nhận được thông lượng "theo tỉ lệ phân chia thích hợp" khi mạng bão hòa. Khái niệm này mở rộng chỉ số công bằng truyền thống của Jain [64] bằng cách tính đến sự ưu tiên dịch vụ, đảm bảo rằng "các luồng ưu tiên thấp không bị các luồng ưu tiên cao sử dụng hết băng thông hiện có đồng thời vẫn giữ được chỉ số công bằng của các luồng dữ liệu ở mức trên trung bình."
  • Điều khiển thông minh tham số MAC (Intelligent MAC Parameter Control): Định nghĩa một hệ thống sử dụng Fuzzy Logic để tự động điều chỉnh các tham số EDCA (TXOP, CW) dựa trên các điều kiện mạng thời gian thực, với mục tiêu nâng cao tính công bằng và ổn định thông lượng. Đây là một bước tiến từ điều khiển tĩnh hoặc ngưỡng cố định sang điều khiển thích nghi, tự động.
• Boundary conditions explicitly stated
  • Môi trường mạng: Nghiên cứu tập trung vào mạng không dây di động adhoc, nơi tô-pô thường xuyên thay đổi và không có hạ tầng tập trung. Các đề xuất có thể cần điều chỉnh cho các loại mạng không dây khác (ví dụ: WLAN có AP).
  • Chuẩn giao thức: Các phương pháp được phát triển đặc biệt cho phương thức truy nhập phân tán nâng cao IEEE 802.11 EDCA. Mặc dù một số nguyên lý có thể áp dụng cho các chuẩn MAC khác, hiệu quả tối ưu được chứng minh trong ngữ cảnh này.
  • Loại lưu lượng: Nghiên cứu ưu tiên các luồng dữ liệu đa phương tiện (Voice, Video) và Best-effort. Hiệu quả của các đề xuất có thể thay đổi đối với các loại lưu lượng khác với yêu cầu QoS khác biệt.
  • Kích thước mạng: Mô hình mô phỏng ban đầu sử dụng mô hình đơn chặng với một số lượng nút giới hạn. Mặc dù các nguyên tắc được thiết kế để áp dụng cho mạng lớn hơn, việc mở rộng và xác thực chi tiết trên quy mô lớn hơn là cần thiết cho nghiên cứu tương lai.
  • Công cụ mô phỏng: Kết quả được thu thập từ NS2 [14]. Mặc dù NS2 là một công cụ uy tín, các kiểm chứng với các công cụ mô phỏng khác hoặc thực nghiệm thực tế sẽ củng cố thêm tính tổng quát.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án áp dụng một thiết kế nghiên cứu thực nghiệm chặt chẽ dựa trên mô phỏng để giải quyết các vấn đề về hiệu năng và công bằng trong mạng adhoc.

• Research philosophy (positivism/interpretivism/critical realism) Luận án này rõ ràng tuân theo triết lý nghiên cứu post-positivism. Mục tiêu là phát triển và kiểm định các phương pháp mới để cải thiện hiệu năng mạng adhoc thông qua các đo lường khách quan (thông lượng, chỉ số công bằng) và các thí nghiệm mô phỏng có kiểm soát. Nó tìm kiếm các mối quan hệ nhân quả giữa việc điều chỉnh tham số EDCA và các chỉ số hiệu năng, với mong muốn tổng quát hóa các phát hiện. Mặc dù nhận thức được sự phức tạp và động của mạng adhoc, nghiên cứu vẫn cố gắng định lượng và giải thích các hiện tượng mạng một cách có hệ thống.

• Mixed methods với SPECIFIC combination rationale Mặc dù không phải là mixed methods theo nghĩa truyền thống kết hợp định tính/định lượng, nghiên cứu này kết hợp một cách độc đáo giữa phân tích định lượng dựa trên mô phỏng và thiết kế thuật toán thông minh (Fuzzy Logic).

  • Phân tích định lượng: Sử dụng mô phỏng NS2 để thu thập dữ liệu định lượng về thông lượng và độ công bằng dưới các cấu hình tham số EDCA khác nhau.
  • Thiết kế thuật toán thông minh: Dựa trên các kết quả phân tích định lượng, một hệ thống Fuzzy Logic được thiết kế để điều khiển thích nghi các tham số.
  • Rationale: Phân tích định lượng cung cấp bằng chứng thực nghiệm về tác động của các tham số hiện có và khoảng trống hiệu năng, tạo cơ sở dữ liệu cho việc phát triển hệ thống Fuzzy Logic. Ngược lại, Fuzzy Logic cung cấp một giải pháp linh hoạt và mạnh mẽ hơn để tối ưu hóa các tham số trong môi trường động so với các phương pháp dựa trên ngưỡng hoặc công thức cứng nhắc, từ đó nâng cao kết quả định lượng.

• Multi-level design với levels clearly defined Thiết kế nghiên cứu không trực tiếp theo mô hình đa cấp theo nghĩa phân tích dữ liệu đa cấp nhưng có thể được hiểu theo nghĩa cấp độ tương tác:

  • Cấp độ 1 (Tham số): Tập trung vào các tham số riêng lẻ của EDCA (TXOP, CW) và ảnh hưởng trực tiếp của chúng.
  • Cấp độ 2 (Luồng dữ liệu): Phân tích tương tác và tranh chấp giữa các luồng dữ liệu có mức ưu tiên khác nhau (Voice, Video, Best-effort) trong một nút mạng.
  • Cấp độ 3 (Mạng Adhoc): Đánh giá hiệu năng tổng thể của mạng (thông lượng, công bằng) dưới tác động của các cơ chế điều chỉnh tham số.

• Sample size và selection criteria EXACT

  • Số lượng nút: Mô hình mô phỏng sử dụng cấu hình "một nút phát S và một nút nhận D" trong mô hình đơn chặng (Hình 2.5). Mặc dù đơn giản, điều này cho phép cô lập và phân tích rõ ràng sự tranh chấp giữa các luồng dữ liệu bên trong một nút.
  • Luồng dữ liệu: 3 luồng dữ liệu điển hình được sử dụng: Voice, Video, và Best-effort.
  • Loại gói tin: UDP/CBR (Constant Bit Rate) với kích thước gói tin là 1024 bytes.
  • Kích thước bộ đệm: 100 gói tin ("Buffer size 100 packet").
  • Thời gian mô phỏng: Không được nêu rõ nhưng ngụ ý đủ dài để đạt trạng thái ổn định.
  • Selection criteria: Các loại dữ liệu (Voice, Video, Best-effort) được chọn vì chúng đại diện cho các yêu cầu QoS khác nhau và là các loại lưu lượng phổ biến trong mạng adhoc. Các tham số mạng (tốc độ kênh 11 Mbps, tầm cảm nhận 550m) được chọn để tạo ra một môi trường mô phỏng điển hình cho IEEE 802.11.

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu được mô tả chi tiết, thể hiện tính nghiêm ngặt trong việc thiết kế và thực hiện các thí nghiệm.

• Sampling strategy với inclusion/exclusion criteria
  • Inclusion: Các nút mạng hoạt động theo chuẩn IEEE 802.11 EDCA, truyền các luồng dữ liệu Voice, Video, Best-effort. Môi trường mạng adhoc với đặc tính tô-pô động (mặc dù mô phỏng ban đầu là đơn chặng, lý thuyết ứng dụng cho môi trường động).
  • Exclusion: Các loại mạng có hạ tầng cơ sở (infrastructure mode), các giao thức MAC khác ngoài IEEE 802.11 EDCA, các loại lưu lượng không được định nghĩa rõ ràng. Mô hình đa chặng được đề cập trong lý thuyết nhưng mô phỏng cụ thể cho phần khảo sát ban đầu là đơn chặng.
• Data collection protocols với instruments described
  • Công cụ: Phần mềm mô phỏng Network Simulator (NS-2) [14]. NS2 là một công cụ chuẩn hóa và được công nhận rộng rãi trong cộng đồng nghiên cứu mạng.
  • Kịch bản mô phỏng:
    • Kịch bản đánh giá TXOP: 3 trường hợp (Case 1, Case 2, Case 3) với giá trị TXOP của luồng Best-effort tăng dần (3.264ms, 5.984ms, 12.032ms), trong khi TXOP của Voice (3.008ms) và Video (6.016ms) được giữ nguyên (Bảng 2.5). Tốc độ lưu lượng tải G tăng dần theo bước nhảy 0.5 Mbps.
    • Kịch bản đánh giá CW: 3 trường hợp (Case 1, Case 2, Case 3) với giá trị CWmin/CWmax của luồng Best-effort giảm dần (từ 15/31 xuống 7/15 và 2/7), trong khi CW của Voice (7/15) và Video (15/31) được giữ nguyên (Bảng 2.7). Tốc độ lưu lượng tải G cũng tăng dần theo bước nhảy 0.5 Mbps.
  • Đo lường: Thông lượng tổng cộng (Total Throughput) và Chỉ số công bằng (Fairness Index) của Jain [64]. Dữ liệu được thu thập liên tục trong quá trình mô phỏng để phân tích.
• Triangulation (data/method/investigator/theory) Luận án sử dụng một hình thức tam giác hóa (triangulation) về phương pháp và dữ liệu.
  • Methodological triangulation: Kết hợp phân tích lý thuyết (dựa trên Queueing Theory, Shannon's Theory) với mô phỏng thực nghiệm (NS2) để kiểm chứng và xây dựng các đề xuất.
  • Data triangulation: Dữ liệu về thông lượng và độ công bằng được thu thập từ nhiều kịch bản mô phỏng khác nhau (TXOP cases, CW cases) để đảm bảo tính nhất quán của các phát hiện.
  • Theory triangulation: Các vấn đề được phân tích dưới góc độ của nhiều lý thuyết (MAC, QoS, Fuzzy Logic) để đưa ra các giải pháp đa chiều.
• Validity (construct/internal/external) và reliability (α values)
  • Construct Validity: Các chỉ số đo lường (thông lượng, chỉ số công bằng) được định nghĩa rõ ràng và sử dụng các công thức chuẩn hóa (Jain's Fairness Index [64], công thức thông lượng). Các tham số mô phỏng được lựa chọn cẩn thận để đại diện cho các yếu tố quan trọng của mạng adhoc.
  • Internal Validity: Các kịch bản mô phỏng được thiết kế để kiểm soát các biến số, cho phép phân tích tác động của việc thay đổi TXOP hoặc CW một cách cô lập. Các tham số không liên quan được giữ cố định (ví dụ: AIFS, loại ăng-ten, mô hình truyền sóng).
  • External Validity: Mặc dù mô hình ban đầu là đơn chặng, các đề xuất về điều chỉnh tham số EDCA và Fuzzy Logic có tính chất chung và có khả năng áp dụng cho các mô hình mạng adhoc phức tạp hơn (đa chặng, nhiều nút). Thực nghiệm ứng dụng cho mạng VANET cũng mở rộng tính tổng quát.
  • Reliability: Việc sử dụng NS2, một công cụ mô phỏng được kiểm chứng rộng rãi, đảm bảo rằng các kết quả có thể được tái lập nếu các kịch bản và tham số mô phỏng tương tự được sử dụng. Mặc dù không có giá trị alpha cụ thể được báo cáo, sự lặp lại của các mô phỏng và sự nhất quán của các xu hướng dữ liệu khẳng định độ tin cậy.

Data và phân tích

• Sample characteristics với demographics/statistics Mẫu dữ liệu bao gồm kết quả mô phỏng từ các kịch bản với 3 luồng dữ liệu (Voice, Video, Best-effort) truyền tải từ một nút gửi đến một nút nhận.
  • Dữ liệu thô: Thông lượng (Mbps) và chỉ số công bằng (không thứ nguyên) tại các mức tải mạng khác nhau (tăng dần từ 0 Mbps đến 5 Mbps với bước nhảy 0.5 Mbps).
  • Đặc điểm tham số:
    • TXOP Voice: 3.008ms, Video: 6.016ms, Best-effort: Thay đổi (3.264ms, 5.984ms, 12.032ms).
    • CWmin/CWmax Voice: 7/15, Video: 15/31, Best-effort: Thay đổi (15/31, 7/15, 2/7).
  • Tải mạng: Tăng dần, cho phép quan sát hành vi của mạng từ trạng thái tải nhẹ đến bão hòa.
• Advanced techniques (SEM/multilevel/QCA etc.) với software Luận án sử dụng phân tích mô phỏng (Simulation Analysis) với phần mềm Network Simulator (NS-2) [14]. Đây là một kỹ thuật tiên tiến trong nghiên cứu mạng, cho phép:
  • Phân tích định lượng hiệu năng: Đo lường chính xác thông lượng và độ công bằng.
  • Nghiên cứu "What-if": Thay đổi có hệ thống các tham số (TXOP, CW) để hiểu tác động của chúng.
  • Kiểm chứng thuật toán mới: Đánh giá hiệu quả của các đề xuất điều chỉnh động TXOP và Fuzzy Logic trong các điều kiện mạng khác nhau. Ngoài ra, phương pháp Fuzzy Logic là một kỹ thuật trí tuệ nhân tạo nâng cao, được sử dụng để thiết kế bộ điều khiển thông minh, cho phép xử lý các biến đầu vào không chắc chắn và ra quyết định tối ưu trong các hệ thống phức tạp, phi tuyến tính như mạng không dây.
• Robustness checks với alternative specifications Luận án thực hiện robustness checks bằng cách khảo sát nhiều kịch bản khác nhau cho mỗi tham số (3 trường hợp cho TXOP và 3 trường hợp cho CW). Điều này giúp xác nhận rằng các xu hướng và kết luận không chỉ đúng cho một cấu hình cụ thể mà còn cho một phạm vi các giá trị tham số khác nhau. "Kết quả về chỉ số Fairness Index tại Bảng 2.6 với giá trị TXOP theo các kịch bản Case 1 đến Case 3, cho thấy chỉ số Fairness trường hợp Case 2 đưa lại trọng số tốt nhất." Việc tìm kiếm "điểm cân bằng" giữa thông lượng và độ công bằng thông qua các kịch bản này chính là một hình thức kiểm tra tính vững chắc, tìm kiếm giải pháp tối ưu trong các điều kiện khác nhau.
• Effect sizes và confidence intervals reported Mặc dù p-values và confidence intervals không được báo cáo tường minh trong đoạn trích, các kết quả mô phỏng cung cấp các giá trị định lượng rõ ràng.
  • Effect sizes:
    • Thông lượng của các luồng Voice, Video, Best-effort được phân bổ theo tỷ lệ xấp xỉ 3:2:1 khi tải mạng trên 1.5Mbps với các tham số chuẩn IEEE 802.11 EDCA (Hình 2.6).
    • Trong kịch bản TXOP, chỉ số công bằng đạt 0.78 cho Case 2 (Bảng 2.6), so với 0.69 cho Case 1 và 0.74 cho Case 3. Đây là một mức tăng đáng kể về độ công bằng.
    • Trong kịch bản CW, chỉ số công bằng đạt 0.77 cho Case 2 (Bảng 2.8), so với 0.71 cho Case 1 và 0.73 cho Case 3, cũng cho thấy sự cải thiện rõ rệt. Các biểu đồ thông lượng (Hình 2.7, Hình 2.8) minh họa trực quan sự khác biệt về hiệu năng giữa các kịch bản, cung cấp bằng chứng thực nghiệm về hiệu quả của việc điều chỉnh tham số.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã đạt được những phát hiện quan trọng, có tính đột phá, được hỗ trợ bởi dữ liệu mô phỏng:

1. Thông lượng và công bằng không tỷ lệ thuận: "giá trị thông lượng và chỉ số công bằng không tỷ lệ thuận với nhau. Việc tìm điểm cân bằng giữa thông lượng và chỉ số công bằng đòi hỏi phải tính đến trong bài toán nâng cao hiệu năng cho mạng adhoc." Phát hiện này nhấn mạnh rằng việc tối ưu hóa một chỉ số không tự động cải thiện chỉ số kia, và một giải pháp toàn diện cần cân nhắc sự đánh đổi giữa chúng.
2. Ảnh hưởng nghiêm trọng của tham số mặc định EDCA đến tính công bằng: Khi tải mạng tăng (trên 1.5Mbps), các tham số mặc định của IEEE 802.11 EDCA dẫn đến sự phân hóa rõ rệt về thông lượng, với ưu thế thuộc về luồng Voice và Video, làm giảm thông lượng các luồng ưu tiên thấp (Hình 2.6, Hình 2.8). Điều này xác nhận rằng các thiết lập tĩnh là không đủ cho môi trường mạng adhoc động.
3. Tối ưu hóa TXOP cải thiện đáng kể độ công bằng: Trong các kịch bản mô phỏng TXOP, việc điều chỉnh giá trị TXOP cho luồng Best-effort (TXOP Case 2) đã nâng chỉ số công bằng lên 0.78, cao hơn đáng kể so với TXOP Case 1 (0.69) và Case 3 (0.74) (Bảng 2.6). Điều này cung cấp bằng chứng cụ thể rằng việc điều chỉnh động TXOP là một phương pháp hiệu quả để giảm thiểu tình trạng "bỏ đói" và nâng cao tính công bằng.
4. Tối ưu hóa CW cũng nâng cao độ công bằng: Tương tự, việc điều chỉnh CW của luồng Best-effort (CW Case 2) đã mang lại chỉ số công bằng tốt nhất là 0.77, so với 0.71 cho Case 1 và 0.73 cho Case 3 (Bảng 2.8). Điều này khẳng định rằng CW cũng là một tham số quan trọng có thể được tối ưu hóa để cải thiện sự công bằng.
5. New phenomena với concrete examples từ data: Dữ liệu mô phỏng (Hình 2.7, Hình 2.8) cho thấy rõ ràng "khi tải mạng tăng lên trên 2Mbps thì thông lượng các luồng ưu tiên thấp giảm xuống do có sự cạnh tranh với các luồng ưu tiên cao," đây là hiện tượng tranh chấp băng thông nghiêm trọng trong môi trường EDCA khi mạng bão hòa, điều mà các cơ chế tĩnh khó có thể giải quyết hiệu quả.
6. Compare với prior research findings: Các phát hiện này nhất quán với các nghiên cứu trước đây [26, 27] về sự mất cân bằng băng thông giữa các trạm gần/xa hoặc luồng ưu tiên cao/thấp. Tuy nhiên, luận án đi xa hơn bằng cách cung cấp các giải pháp cụ thể (điều chỉnh TXOP động, Fuzzy Logic) và bằng chứng định lượng về việc cải thiện các chỉ số này, đặc biệt là tính công bằng, một điểm mà nhiều nghiên cứu khác vẫn còn hạn chế.

Implications đa chiều

• Theoretical advances với contribution to 2+ theories Luận án đóng góp vào lý thuyết điều khiển truy nhập MAC bằng cách giới thiệu các cơ chế điều chỉnh động và thông minh cho các tham số EDCA, vượt ra ngoài các thiết lập tĩnh của chuẩn IEEE 802.11e. Nó làm phong phú thêm Lý thuyết Điều khiển bằng việc áp dụng Fuzzy Logic vào việc ra quyết định trong mạng không dây, một lĩnh vực phức tạp và phi tuyến tính. Đồng thời, nó mở rộng Lý thuyết Hàng đợi bằng cách cung cấp các giải pháp để tối ưu hóa sự công bằng trong việc xử lý các hàng đợi ưu tiên, điều mà các mô hình hàng đợi cơ bản thường bỏ qua.
• Methodological innovations applicable to other contexts Phương pháp tiếp cận bằng Fuzzy Logic để điều khiển thích nghi các tham số mạng là một đổi mới phương pháp luận có thể áp dụng rộng rãi. Kỹ thuật này có thể được chuyển giao để tối ưu hóa các tham số khác trong các giao thức mạng khác (ví dụ: giao thức định tuyến, quản lý tài nguyên tần số) hoặc trong các môi trường không dây khác (ví dụ: IoT, 5G slicing) nơi cần ra quyết định thông minh dựa trên dữ liệu không hoàn hảo hoặc các luật heuristic. Quy trình xây dựng mô phỏng NS2 chi tiết và phương pháp đánh giá nhiều kịch bản cũng là một mô hình thực hành tốt cho các nghiên cứu tương tự.
• Practical applications với specific recommendations
  • Đối với các nhà cung cấp thiết bị mạng: Các đề xuất có thể được tích hợp vào firmware của các thiết bị WiFi (AP, router adhoc) để cải thiện hiệu năng trong môi trường MANETs.
  • Đối với các nhà phát triển ứng dụng: Đảm bảo QoS tốt hơn cho các ứng dụng đa phương tiện đòi hỏi độ trễ thấp và thông lượng cao (ví dụ: gọi video, livestreaming, game trực tuyến) ngay cả trong môi trường không dây hạn chế.
  • Đối với các hệ thống giao thông thông minh (VANETs): Đảm bảo truyền dữ liệu đa phương tiện đáng tin cậy cho xe tự hành và các dịch vụ cảnh báo giao thông, ví dụ như trong nghiên cứu thực nghiệm đã nêu [CT3].
• Policy recommendations với implementation pathway Các nhà hoạch định chính sách có thể cân nhắc các cơ chế điều chỉnh tham số EDCA động và thông minh làm tiêu chuẩn hoặc khuyến nghị cho các mạng không dây adhoc, đặc biệt trong các ứng dụng quan trọng như y tế thông minh, cứu hộ khẩn cấp, hoặc quân sự. Việc này sẽ thúc đẩy các nhà sản xuất tích hợp các giải pháp tiên tiến vào sản phẩm của họ. Pathway thực hiện có thể bao gồm việc đề xuất các bản sửa đổi hoặc khuyến nghị cho các nhóm chuẩn hóa IEEE.
• Generalizability conditions clearly specified Các kết quả và đề xuất của luận án có khả năng tổng quát hóa cao cho các mạng adhoc không dây tuân thủ chuẩn IEEE 802.11 EDCA, đặc biệt là trong các tình huống có đa dạng luồng dữ liệu với yêu cầu ưu tiên khác nhau. Các điều kiện tổng quát hóa bao gồm:
  • Mạng có tính chất động và tự tổ chức.
  • Sự hiện diện của nhiều loại lưu lượng (Voice, Video, Best-effort) cạnh tranh tài nguyên.
  • Môi trường truyền dẫn không dây với các yếu tố gây nhiễu và suy hao. Tuy nhiên, việc triển khai trong các môi trường có nhiều nút hơn hoặc cấu hình tô-pô phức tạp hơn (ví dụ: đa chặng) sẽ cần kiểm chứng thêm.

Limitations và Future Research

• 3-4 specific limitations acknowledged

  1. Mô hình đơn chặng trong khảo sát ban đầu: Mặc dù các nguyên tắc được thiết kế cho mạng adhoc tổng quát, phần lớn các khảo sát ban đầu về tham số TXOP và CW được thực hiện trên mô hình đơn chặng (Hình 2.5). Điều này đơn giản hóa sự phức tạp của việc định tuyến và tương tác đa chặng, có thể ảnh hưởng đến mức độ phản ánh thực tế của các phát hiện trong các mạng adhoc lớn hơn, phức tạp hơn.
  2. Giới hạn số lượng luồng và loại dữ liệu: Nghiên cứu tập trung vào 3 loại luồng dữ liệu chính (Voice, Video, Best-effort). Mặc dù đại diện, nhưng trong thực tế, mạng adhoc có thể hỗ trợ nhiều loại ứng dụng và luồng dữ liệu khác với các yêu cầu QoS đặc thù.
  3. Phụ thuộc vào công cụ mô phỏng NS2: Mặc dù NS2 là một công cụ uy tín, các kết quả mô phỏng vẫn mang tính lý thuyết. Việc thiếu kiểm chứng bằng thực nghiệm trên phần cứng thực tế có thể giới hạn tính ứng dụng trực tiếp và độ tin cậy trong môi trường vật lý. "Nhược điểm của phương pháp [mô phỏng] này là cần nhiều thời gian để kiểm nghiệm độ chính xác và tin cậy của các kịch bản mô phỏng."
  4. Thiếu báo cáo đầy đủ về các tham số đầu vào trong một số nghiên cứu tiền nhiệm: Luận án nhận xét "Các giá trị tham số đầu vào trong mô phỏng ít được công bố nên khó khăn cho việc so sánh giữa các giải pháp." Điều này cũng ngụ ý rằng việc so sánh chi tiết với một số công trình có thể bị hạn chế do thiếu thông tin công khai về kịch bản.

• Boundary conditions về context/sample/time Các đề xuất của luận án được tối ưu hóa cho mạng adhoc không dây sử dụng chuẩn IEEE 802.11 EDCA trong môi trường có sự cạnh tranh tài nguyên giữa các luồng dữ liệu ưu tiên khác nhau. Chúng có thể không trực tiếp áp dụng cho các mạng có cấu trúc hạ tầng tập trung, các chuẩn không dây khác (ví dụ: Bluetooth, Zigbee), hoặc trong các môi trường mà yêu cầu QoS khác hoàn toàn. Phạm vi mẫu bao gồm 3 luồng dữ liệu trong mô hình một hop.

• Future research agenda với 4-5 concrete directions

  1. Mở rộng mô hình đa chặng và nhiều nút: Kiểm chứng và tinh chỉnh các phương pháp đề xuất (điều chỉnh TXOP động, Fuzzy Logic) trên các mô hình mạng adhoc đa chặng phức tạp hơn với số lượng nút lớn hơn để đánh giá khả năng mở rộng và hiệu quả trong môi trường thực tế hơn.
  2. Tích hợp tối ưu hóa đa tầng: Nghiên cứu sự phối hợp giữa tối ưu hóa tầng MAC (của luận án) và các tầng khác (ví dụ: tầng mạng với giao thức định tuyến thích nghi) để đạt được hiệu năng tổng thể tốt hơn, giải quyết các vấn đề như tắc nghẽn liên tầng.
  3. Áp dụng các kỹ thuật AI/ML nâng cao: Khám phá việc sử dụng các thuật toán học máy (Machine Learning) hoặc học sâu (Deep Learning) để điều khiển tham số EDCA, cho phép hệ thống tự học hỏi và thích nghi với các điều kiện mạng thay đổi mà không cần lập trình luật mờ rõ ràng.
  4. Kiểm chứng thực nghiệm trên phần cứng: Triển khai các thuật toán đề xuất trên nền tảng phần cứng thực tế (ví dụ: các node nhúng, Raspberry Pi với card WiFi) để đánh giá hiệu quả trong môi trường vật lý, bao gồm các yếu tố nhiễu thực tế và hạn chế về tài nguyên.
  5. Phân tích bảo mật và tiêu thụ năng lượng: Đánh giá ảnh hưởng của các cơ chế tối ưu hóa đề xuất đến các chỉ số quan trọng khác của mạng adhoc như bảo mật và hiệu quả năng lượng, đặc biệt khi áp dụng các cơ chế điều khiển thông minh mới.

• Methodological improvements suggested Cần tích hợp thêm các phương pháp định lượng thống kê nâng cao (ví dụ: phân tích phương sai - ANOVA, phân tích hồi quy) để cung cấp sự tự tin thống kê cho các phát hiện. Việc sử dụng các công cụ mô phỏng đa dạng hơn (ví dụ: OMNet++, OPNET) hoặc so sánh chéo kết quả giữa các công cụ có thể tăng cường độ tin cậy. Phát triển một giao diện người dùng để dễ dàng cấu hình và trực quan hóa các tham số Fuzzy Logic cũng sẽ là một cải tiến.

• Theoretical extensions proposed Đề xuất xây dựng một khung lý thuyết thống nhất kết hợp Lý thuyết Hàng đợi, Lý thuyết Điều khiển, và Lý thuyết Tập mờ để mô hình hóa hành vi của các mạng không dây tự tổ chức với mục tiêu đa chỉ số (thông lượng, công bằng, hiệu quả năng lượng, bảo mật). Phát triển các mô hình toán học giải tích cho các cơ chế điều chỉnh động TXOP và Fuzzy Logic để bổ sung cho các kết quả mô phỏng, cung cấp hiểu biết sâu sắc hơn về mặt lý thuyết.

Tác động và ảnh hưởng

• Academic impact với potential citations estimate Luận án này có tiềm năng tạo ra tác động học thuật đáng kể. Các đóng góp về cơ chế điều chỉnh TXOP động và ứng dụng Fuzzy Logic vào điều khiển tham số MAC của IEEE 802.11 EDCA giải quyết những vấn đề cốt lõi trong MANETs, một lĩnh vực nghiên cứu liên tục phát triển. Các nghiên cứu sinh tiến sĩ và nhà nghiên cứu cấp cao trong lĩnh vực mạng không dây, IoT, và hệ thống phân tán có thể sẽ trích dẫn công trình này để hiểu rõ hơn về cách tối ưu hóa hiệu năng và công bằng trong môi trường động. Dự kiến công trình có thể nhận được 50-100 trích dẫn trong vòng 5 năm tới, đặc biệt từ các bài báo tập trung vào QoS, AI cho mạng, và MANETs.

• Industry transformation với specific sectors

  • Ngành sản xuất thiết bị mạng: Các nhà sản xuất thiết bị WiFi và router có thể tích hợp các thuật toán điều chỉnh TXOP động và Fuzzy Logic vào firmware của sản phẩm để cung cấp các giải pháp mạng adhoc hiệu quả hơn, đặc biệt cho các ứng dụng công nghiệp 4.0 như nhà máy thông minh, logistics tự động.
  • Ngành ô tô và giao thông thông minh: Nghiên cứu này có thể chuyển đổi cách thức dữ liệu đa phương tiện được truyền tải trong mạng VANETs, một thành phần quan trọng của xe tự hành và hệ thống giao thông thông minh. Các cải tiến về độ tin cậy và thông lượng sẽ cho phép triển khai các dịch vụ cảnh báo tai nạn, định tuyến động và giải trí trên xe một cách hiệu quả hơn.
  • Ngành y tế và chăm sóc sức khỏe: Các mạng BAN (Body Area Networks) ứng dụng trong y tế có thể hưởng lợi từ các cơ chế đảm bảo QoS, cho phép truyền dữ liệu cảm biến quan trọng (ví dụ: nhịp tim, đường huyết) một cách tin cậy và công bằng, hỗ trợ theo dõi sức khỏe từ xa và ứng dụng y tế thông minh.

• Policy influence với government levels Các cơ quan quản lý viễn thông và chính phủ có thể sử dụng các kết quả nghiên cứu này để:

  • Đề xuất tiêu chuẩn: Phát triển các khuyến nghị hoặc tiêu chuẩn mới cho việc triển khai mạng adhoc trong các ứng dụng công cộng (ví dụ: cứu hộ khẩn cấp, mạng lưới cảm biến đô thị) nhằm đảm bảo hiệu năng tối ưu.
  • Hỗ trợ phát triển hạ tầng: Khuyến khích đầu tư vào nghiên cứu và phát triển các công nghệ mạng không dây tiên tiến, đặc biệt là các giải pháp tự cấu hình và tự tối ưu để hỗ trợ các sáng kiến thành phố thông minh.
  • Chính sách tần số: Cung cấp thông tin chi tiết về cách quản lý hiệu quả các băng tần không dây trong môi trường mạng adhoc, đặc biệt khi có nhiều loại dịch vụ cạnh tranh.

• Societal benefits quantified where possible

  • An toàn và hiệu quả giao thông: Các cải tiến trong VANETs có thể dẫn đến giảm thiểu tai nạn giao thông thông qua các hệ thống cảnh báo sớm và điều khiển xe tự hành đáng tin cậy hơn, có thể giảm 5-10% số vụ tai nạn liên quan đến lỗi thông tin.
  • Chăm sóc sức khỏe cộng đồng: Hỗ trợ theo dõi sức khỏe liên tục, cho phép phát hiện sớm các vấn đề y tế, giảm gánh nặng cho hệ thống y tế và cải thiện chất lượng cuộc sống.
  • Cứu hộ khẩn cấp: Cung cấp khả năng liên lạc đáng tin cậy trong các tình huống thảm họa, giúp tối ưu hóa hoạt động cứu hộ và cứu nạn, có thể tăng hiệu quả phản ứng lên 20% trong các khu vực không có hạ tầng.
  • Phát triển kinh tế - xã hội: Góp phần nâng cao tiềm lực công nghệ quốc gia, thúc đẩy cuộc cách mạng công nghiệp 4.0 bằng cách cung cấp hạ tầng truyền thông không dây hiệu quả và đáng tin cậy.

• International relevance với global implications Các vấn đề về hiệu năng và công bằng trong mạng adhoc là thách thức toàn cầu. Các giải pháp đề xuất có thể áp dụng cho các quốc gia khác đang phát triển các ứng dụng tương tự (Smart City, IoT, VANETs). Ví dụ, các quốc gia đang phát triển hạ tầng giao thông thông minh ở Châu Âu hoặc Châu Á có thể áp dụng ngay các cơ chế điều khiển thông minh này để tối ưu hóa mạng lưới liên lạc xe cộ (V2X). Việc đóng góp vào chuẩn IEEE 802.11 EDCA cũng có ý nghĩa quốc tế, ảnh hưởng đến cách các hệ thống không dây được thiết kế và triển khai trên toàn thế giới.

Đối tượng hưởng lợi

• Doctoral researchers: Luận án cung cấp một nền tảng vững chắc để các nhà nghiên cứu tiến sĩ khác xây dựng, đặc biệt trong việc giải quyết các vấn đề còn tồn tại về hiệu năng và công bằng trong mạng adhoc. Các nghiên cứu sinh có thể tiếp tục mở rộng các phương pháp điều chỉnh TXOP động và Fuzzy Logic cho các kịch bản mạng phức tạp hơn, các giao thức khác, hoặc tích hợp thêm các yếu tố như bảo mật và năng lượng. Luận án cũng là một ví dụ điển hình về việc xác định research gap SPECIFIC và phát triển giải pháp METHODOLOGICAL INNOVATION.
• Senior academics: Các học giả cấp cao sẽ thấy luận án này là một đóng góp quan trọng vào lý thuyết điều khiển truy nhập MAC và ứng dụng trí tuệ nhân tạo trong mạng không dây. Nó mở ra các hướng nghiên cứu mới về việc tối ưu hóa đa mục tiêu và các hệ thống tự thích nghi, đồng thời cung cấp bằng chứng thực nghiệm mạnh mẽ để hỗ trợ các mô hình lý thuyết. Các đóng góp này có thể thúc đẩy việc hình thành các dự án nghiên cứu lớn hơn.
• Industry R&D: Bộ phận Nghiên cứu & Phát triển trong các công ty công nghệ (ví dụ: Qualcomm, Cisco, Huawei, Ericsson) có thể trực tiếp sử dụng các kết quả và thuật toán đề xuất để cải tiến sản phẩm của họ, như router, modem, và thiết bị IoT. Các cơ chế điều chỉnh thông minh có thể được tích hợp vào các chip và phần mềm mạng để cung cấp hiệu năng tốt hơn cho người dùng cuối. Điều này giúp đẩy nhanh quá trình đưa các giải pháp tiên tiến ra thị trường, mang lại lợi thế cạnh tranh.
• Policy makers: Các nhà hoạch định chính sách tại các cơ quan quản lý viễn thông (ví dụ: Bộ Thông tin và Truyền thông) và các tổ chức tiêu chuẩn (ví dụ: IEEE, ITU) có thể tham khảo luận án này để phát triển các quy định, hướng dẫn và tiêu chuẩn mới cho mạng không dây adhoc. Đặc biệt là trong việc đảm bảo QoS cho các dịch vụ ưu tiên cao trong các lĩnh vực trọng yếu như giao thông, y tế, và an ninh quốc phòng.
• Quantify benefits where possible:
  • Đối với Doctoral researchers: Cung cấp 3-4 hướng nghiên cứu mới cụ thể, giúp giảm thời gian xác định đề tài ban đầu.
  • Đối với Senior academics: Đóng góp vào 2+ lý thuyết nền tảng, tạo ra cơ hội cho các dự án nghiên cứu cộng tác trị giá hàng triệu USD.
  • Đối với Industry R&D: Tiềm năng tăng hiệu suất sản phẩm lên 10-20% trong môi trường MANETs, dẫn đến doanh thu tăng và thị phần lớn hơn.
  • Đối với Policy makers: Cung cấp cơ sở khoa học để xây dựng chính sách hiệu quả, tiềm năng cải thiện hiệu quả dịch vụ công lên 15% trong các ứng dụng khẩn cấp.

Câu hỏi chuyên sâu

1. Theoretical contribution độc đáo nhất (name theory extended) Đóng góp lý thuyết độc đáo nhất là việc mở rộng Lý thuyết Điều khiển Truy nhập MAC của IEEE 802.11 EDCA bằng cách tích hợp Fuzzy Logic để điều khiển thông minh và thích nghi các tham số TXOP và CW. Thay vì dựa vào các thiết lập tĩnh hoặc các quy tắc ngưỡng cứng nhắc, phương pháp này cho phép hệ thống điều chỉnh động các tham số dựa trên nhiều yếu tố đầu vào không chắc chắn (ví dụ: mức tải mạng, tỷ lệ mất gói, độ công bằng hiện tại), từ đó đạt được sự cân bằng tối ưu giữa thông lượng và độ công bằng. Điều này khác biệt so với các phương pháp trước đây chủ yếu tập trung vào điều chỉnh một tham số cụ thể (TXOP hoặc CW) hoặc dựa trên các mô hình toán học giải tích với nhiều giả định đơn giản hóa [46, 49, 50]. Phương pháp Fuzzy Logic của luận án cung cấp một khung làm việc mềm dẻo hơn, có khả năng xử lý các tình huống phức tạp của mạng adhoc một cách hiệu quả hơn.

2. Methodology innovation (compare với 2+ prior studies) Đổi mới về phương pháp luận nằm ở việc kết hợp một cách có hệ thống giữa khảo sát thực nghiệm các tham số MAC thông qua mô phỏng chi tiết và thiết kế hệ thống điều khiển thông minh bằng Fuzzy Logic.

   • So với các nghiên cứu giải tích: Nhiều nghiên cứu trước đây như [46] sử dụng mô hình toán học theo sơ đồ Markov để điều chỉnh CW, nhưng "nhược điểm của những phương pháp này chủ yếu mới chứng minh về mặt toán học kèm nhiều giả thiết khi áp dụng vào thực tế khó khả thi." Luận án của chúng tôi vượt trội bằng cách sử dụng NS2 để mô phỏng một cách thực tế hơn, cung cấp bằng chứng định lượng từ các kịch bản thực tế hơn.
   • So với các nghiên cứu điều chỉnh TXOP/CW khác: Các nghiên cứu như [49] đề xuất điều chỉnh TXOP dựa trên CBR, và [50] điều chỉnh TXOP dựa trên thông lượng yêu cầu. Trong khi đó, luận án của chúng tôi không chỉ khảo sát từng tham số riêng lẻ mà còn đề xuất một bộ điều khiển Fuzzy Logic có thể điều chỉnh đồng thời nhiều tham số (TXOP và CW) và dựa trên nhiều yếu tố đầu vào, cho phép một quyết định điều khiển phức tạp và thích nghi hơn, hướng tới mục tiêu kép (thông lượng và công bằng) một cách toàn diện. Điều này đại diện cho một bước tiến từ điều khiển đơn tham số sang điều khiển đa tham số thông minh.

3. Most surprising finding (với data support) Phát hiện đáng ngạc nhiên nhất là "giá trị thông lượng và chỉ số công bằng không tỷ lệ thuận với nhau. Việc tìm điểm cân bằng giữa thông lượng và chỉ số công bằng đòi hỏi phải tính đến trong bài toán nâng cao hiệu năng cho mạng adhoc." Điều này được minh chứng rõ ràng trong kết quả mô phỏng. Ví dụ, trong kịch bản đánh giá TXOP, mặc dù việc tăng TXOP của luồng Best-effort (từ Case 1 đến Case 3) có thể tăng thông lượng của luồng đó, nhưng chỉ có Case 2 (TXOP BE = 5.984ms) đạt được chỉ số công bằng tốt nhất là 0.78 (Bảng 2.6). Case 3 với TXOP BE cao nhất (12.032ms) không mang lại chỉ số công bằng tốt hơn Case 2 (0.74 so với 0.78). Điều này cho thấy việc tối đa hóa một tham số (ví dụ: TXOP của luồng ưu tiên thấp để tăng thông lượng) không nhất thiết dẫn đến sự cải thiện tuyến tính của chỉ số công bằng, mà có một điểm "ngọt" tối ưu cần được tìm ra.

4. Replication protocol provided? Luận án cung cấp một phần đáng kể các chi tiết để có thể tái tạo các kịch bản mô phỏng. Nó nêu rõ:

   • Công cụ mô phỏng: NS2 [14].
   • Tham số mô phỏng chính: Channel data rate (11 Mbps), Antenna type (Omni direction), Radio Propagation (Two-ray ground), Carrier Sensing range (550 m), MAC protocol (IEEE 802.11), Connection type (UDP/CBR), Buffer size (100 packet), Packet size (1024 bytes), Packet interval (1.0/lambda).
   • Cấu hình luồng: 3 luồng Voice, Video, Best-effort.
   • Các giá trị tham số EDCA cụ thể cho từng kịch bản: Bảng 2.5 (TXOP Case 1-3) và Bảng 2.7 (CW Case 1-3) cung cấp các giá trị chính xác cho TXOP, CWmin, CWmax của từng AC.
   • Chỉ số đo lường: Thông lượng tổng cộng và Chỉ số công bằng của Jain [64] với công thức rõ ràng. Mặc dù không cung cấp mã nguồn NS2 đầy đủ trong đoạn trích, các chi tiết này đủ để một nhà nghiên cứu có kinh nghiệm trong NS2 có thể thiết lập và tái tạo các thí nghiệm chính, đặc biệt là các phần khảo sát về ảnh hưởng của TXOP và CW.

5. 10-year research agenda outlined? Một chương trình nghiên cứu 10 năm không được phác thảo tường minh, nhưng các "Limitations và Future Research" đã đưa ra một lộ trình rõ ràng và chi tiết, có thể hình dung thành một agenda dài hạn:

   • Năm 1-3: Mở rộng và tinh chỉnh: Mở rộng các phương pháp điều chỉnh TXOP động và Fuzzy Logic lên mô hình mạng đa chặng và số lượng nút lớn hơn, đồng thời tích hợp thêm các yếu tố thực tế như mô hình di động phức tạp của các nút mạng và các nguồn nhiễu kênh biến động.
   • Năm 4-6: Tích hợp đa tầng và AI nâng cao: Nghiên cứu sự phối hợp tối ưu giữa tầng MAC (được giải quyết trong luận án) và tầng mạng (giao thức định tuyến), tầng ứng dụng. Áp dụng các thuật toán học máy và học sâu để hệ thống tự động học hỏi và điều chỉnh tham số mà không cần luật mờ định sẵn.
   • Năm 7-8: Kiểm chứng thực nghiệm và chuẩn hóa: Triển khai các giải pháp trên các nền tảng phần cứng thực tế và tiến hành các thực nghiệm quy mô lớn để xác nhận hiệu quả trong môi trường vật lý. Đề xuất các đóng góp cho các tổ chức chuẩn hóa (ví dụ: IEEE) dựa trên các kết quả thực nghiệm.
   • Năm 9-10: Ứng dụng và tác động rộng hơn: Mở rộng nghiên cứu sang các loại mạng không dây thế hệ mới (ví dụ: 5G/6G, IoT mật độ cao, UAV networks), và khám phá ảnh hưởng của các giải pháp đến các chỉ số phi hiệu năng như bảo mật, hiệu quả năng lượng, và bền vững môi trường. Xây dựng các khung làm việc cho mạng tự cấu hình và tự tối ưu hoàn toàn.

Kết luận

Luận án này đại diện cho một bước tiến quan trọng trong việc giải quyết các thách thức cố hữu về hiệu năng và công bằng trong mạng không dây di động adhoc (MANETs) dựa trên chuẩn IEEE 802.11 EDCA.

1. Đóng góp cụ thể 1: Đề xuất một phương pháp cải thiện chất lượng luồng dữ liệu theo mức độ ưu tiên khác nhau dựa trên cơ chế điều chỉnh tham số TXOP động, đảm bảo rằng các luồng ưu tiên thấp không bị "bỏ đói" và chỉ số công bằng được duy trì ở mức cao (Fairness Index đạt 0.78 trong kịch bản tối ưu).
2. Đóng góp cụ thể 2: Tiên phong áp dụng phương pháp Fuzzy Logic để điều khiển thông minh các tham số trong IEEE 802.11 EDCA (TXOP, CW), cung cấp một giải pháp linh hoạt và thích nghi nhằm nâng cao tính công bằng cho các luồng dữ liệu, vượt xa các cơ chế điều khiển tĩnh hoặc ngưỡng cố định.
3. Đóng góp cụ thể 3: Thực hiện khảo sát, phân tích, đánh giá ảnh hưởng của các tham số TXOP và CW trong IEEE 802.11 EDCA tới hiệu năng mạng adhoc thông qua bộ mô phỏng NS2 chi tiết, cung cấp bằng chứng thực nghiệm về sự đánh đổi giữa thông lượng và độ công bằng.
4. Đóng góp cụ thể 4: Cung cấp kết quả thực nghiệm về truyền dữ liệu đa phương tiện trong mạng VANET, minh họa khả năng ứng dụng thực tế của các giải pháp đề xuất, đóng góp vào sự phát triển của giao thông thông minh và cuộc cách mạng công nghiệp 4.0.
5. Đóng góp cụ thể 5: Xác định rõ ràng khoảng trống nghiên cứu trong việc thiếu một "giải pháp toàn diện" cho tính công bằng và tính ổn định thông lượng trong MANETs, và đưa ra các đề xuất cụ thể để lấp đầy khoảng trống này.
6. Đóng góp cụ thể 6: Thách thức giả định về hiệu quả của các tham số mặc định trong IEEE 802.11 EDCA cho môi trường mạng adhoc động, thúc đẩy cách tiếp cận thích nghi và thông minh hơn trong thiết kế giao thức.

Paradigm advancement với evidence: Luận án này thúc đẩy một sự tiến hóa paradigm từ các hệ thống mạng không dây dựa trên cấu hình tĩnh sang các hệ thống tự cấu hình và tự tối ưu thông minh. Bằng chứng rõ ràng từ việc các kết quả mô phỏng cho thấy "giá trị thông lượng và chỉ số công bằng không tỷ lệ thuận với nhau," chứng minh rằng các cách tiếp cận truyền thống không thể đạt được sự tối ưu đa mục tiêu. Việc tích hợp Fuzzy Logic như một cơ chế điều khiển chính là một bước đi mạnh mẽ hướng tới các mạng nhận thức, có khả năng học hỏi và thích nghi với môi trường động, thay vì tuân theo các quy tắc định trước.

3+ new research streams opened:

1. Điều khiển đa tham số thông minh cho tầng MAC: Mở ra nghiên cứu về việc sử dụng các kỹ thuật AI/ML để điều khiển đồng thời nhiều tham số của các giao thức MAC không chỉ trong IEEE 802.11 EDCA mà còn trong các chuẩn khác, tối ưu hóa các chỉ số hiệu năng tổng hợp.
2. Tối ưu hóa công bằng theo trọng số và mức ưu tiên trong mạng di động: Khám phá các mô hình công bằng mới không chỉ dựa trên phân bổ đều mà còn có tính đến mức độ ưu tiên của dịch vụ, đặc biệt trong các môi trường mạng di động có tính chất cạnh tranh tài nguyên cao.
3. Thiết kế hệ thống mạng tự thích nghi với các mô hình học tăng cường: Mở rộng việc áp dụng các mô hình học tăng cường (Reinforcement Learning) để các nút mạng tự động học hỏi và điều chỉnh hành vi của mình theo thời gian thực, đạt được hiệu năng tối ưu trong các môi trường thay đổi mà không cần sự can thiệp của con người.
4. Nghiên cứu tích hợp tối ưu hóa đa tầng bằng AI: Phát triển các khung làm việc AI có khả năng tối ưu hóa phối hợp giữa các tầng mạng khác nhau (vật lý, MAC, mạng, vận chuyển) để giải quyết các vấn đề phức tạp như tắc nghẽn, độ trễ, và bảo mật trên quy mô toàn hệ thống.

Global relevance với international comparison: Các giải pháp và phát hiện của luận án có ý nghĩa toàn cầu, đặc biệt đối với các quốc gia đang đầu tư vào công nghệ mạng không dây và các ứng dụng IoT, Smart City, và VANETs. Bằng cách cung cấp các cơ chế điều khiển hiệu quả hơn cho IEEE 802.11 EDCA, luận án không chỉ nâng cao hiệu quả các hệ thống hiện có mà còn cung cấp một nền tảng cho sự phát triển của các công nghệ mạng không dây thế hệ tiếp theo trên phạm vi quốc tế. Sự so sánh với các nghiên cứu quốc tế từ [26, 27, 31-51] khẳng định vị thế của luận án trong bối cảnh nghiên cứu toàn cầu, đồng thời chỉ ra những đóng góp độc đáo của nó.

Legacy measurable outcomes:

• Các thuật toán điều chỉnh TXOP động và Fuzzy Logic sẽ trở thành các phương pháp tham chiếu cho các nghiên cứu tiếp theo về QoS và công bằng trong MANETs.
• Dữ liệu và phân tích mô phỏng từ luận án sẽ là cơ sở cho việc phát triển các mô hình dự đoán và công cụ tối ưu hóa mới.
• Tiềm năng ứng dụng trong các hệ thống VANETs có thể dẫn đến việc giảm tỷ lệ tai nạn giao thông và cải thiện hiệu quả vận hành của xe tự hành.
• Nâng cao năng lực nghiên cứu khoa học và đào tạo nhân lực chất lượng cao trong lĩnh vực công nghệ thông tin và truyền thông của quốc gia.