機(jī)會(huì)網(wǎng)絡(luò)路由算法研究.pdf

1、隨著移動(dòng)無(wú)線(xiàn)通信技術(shù)、移動(dòng)終端技術(shù)的迅速發(fā)展，移動(dòng)通信已成為人們能夠隨時(shí)對(duì)地乃至移動(dòng)中從互聯(lián)網(wǎng)獲取信息和服務(wù)的一種重要通信方式，而傳統(tǒng)的無(wú)線(xiàn)通信方式必須應(yīng)用一定的基礎(chǔ)設(shè)施（如基站）來(lái)保障通信節(jié)點(diǎn)之間的連通性完成通信，這就給一些缺少基礎(chǔ)設(shè)施部署的惡劣環(huán)境下通信造成一定了困難，為了解決此問(wèn)題，一種新型的網(wǎng)絡(luò)被提了出來(lái)——機(jī)會(huì)網(wǎng)絡(luò)。機(jī)會(huì)網(wǎng)絡(luò)(Opportunistic Network)具有時(shí)延容忍網(wǎng)(DTN)許多特征，節(jié)點(diǎn)不具有統(tǒng)一部署性，不

2、需要預(yù)設(shè)網(wǎng)絡(luò)規(guī)模和節(jié)點(diǎn)初始位置，端到端通信時(shí)不需要確定是否存在通路。因此機(jī)會(huì)網(wǎng)絡(luò)能夠解決頻繁間斷網(wǎng)絡(luò)中通信難題，能夠應(yīng)用于應(yīng)急求援、軍事移動(dòng)網(wǎng)絡(luò)等環(huán)境。同時(shí)網(wǎng)絡(luò)復(fù)雜多變的拓?fù)浣Y(jié)構(gòu)、受限網(wǎng)絡(luò)容量、缺乏的網(wǎng)絡(luò)通信信息給研究人員帶來(lái)了巨大的挑戰(zhàn)，路由算法研究和設(shè)計(jì)成為一個(gè)非常重要的環(huán)節(jié)，算法的優(yōu)劣直接影響著網(wǎng)絡(luò)性能的優(yōu)劣。
　　本人對(duì)路由協(xié)議做了大量的研究工作，發(fā)現(xiàn)當(dāng)前機(jī)會(huì)路由協(xié)議中概率路由(robabilisticrouting)、傳

3、染路由(epidemic routing)機(jī)制等未涉及節(jié)點(diǎn)接觸頻率和接觸時(shí)間兩個(gè)因素，造成一定的局限性及缺失性，針對(duì)這一問(wèn)題劉期烈、許猛等人提出了基于歷史效用的HMPR算法，此算法具有比傳統(tǒng)路由投遞率較好，但并沒(méi)有很好的改善路由延時(shí)問(wèn)題。基于以上因素本文第三章提出了基于歷史效用的冗余混合路由算法——HHRA。HHRA算法主要根據(jù)節(jié)點(diǎn)歷史信息（相遇間隔、相遇頻率及節(jié)點(diǎn)間的可靠傳輸效率）評(píng)估節(jié)點(diǎn)轉(zhuǎn)發(fā)效用值，其轉(zhuǎn)發(fā)策略基于多副本控制機(jī)制。仿真

4、結(jié)果，本文提出的HHRA算法對(duì)比傳染路由(Epidemic)和概率路由(Prophet)提高傳輸成功率并減少了傳輸延遲。
　　本人在研究轉(zhuǎn)發(fā)協(xié)議的同時(shí)發(fā)現(xiàn)現(xiàn)有的大多非社區(qū)移動(dòng)模型轉(zhuǎn)發(fā)協(xié)議都基于節(jié)點(diǎn)移動(dòng)完全隨機(jī)，較少利用移動(dòng)特征設(shè)計(jì)協(xié)議，忽視了實(shí)際場(chǎng)景中節(jié)點(diǎn)的移動(dòng)規(guī)律，如人、動(dòng)物、車(chē)等，他們運(yùn)動(dòng)具有一定的規(guī)律特點(diǎn)，如果能夠充分借鑒節(jié)點(diǎn)移動(dòng)規(guī)律來(lái)設(shè)計(jì)轉(zhuǎn)發(fā)協(xié)議那將是有利可行的。舒堅(jiān)、董海星等人提出的BMCU算法基于節(jié)點(diǎn)移動(dòng)特征效用轉(zhuǎn)發(fā)機(jī)

5、制，但該算法存在明顯不足之處，轉(zhuǎn)發(fā)策略之沒(méi)有考慮到中繼節(jié)點(diǎn)與目標(biāo)節(jié)點(diǎn)的相似度，如果所遇到中繼節(jié)點(diǎn)與源節(jié)點(diǎn)和目的節(jié)點(diǎn)的相似度大于閾值，那么就會(huì)造成判斷失真，并會(huì)阻礙消息成功傳輸;此外，其活躍度模型建立不完善，效用值只參考活躍度而不考慮親密度并不能保證通信可靠性等。于是本文第四章對(duì)此算法作了改進(jìn):提出了親密度模型，并完善了相似度模型建立策略，通過(guò)與自身節(jié)點(diǎn)相似度比較后，在相似度小于閾值情況下綜合考慮與目的節(jié)點(diǎn)相似度、親密度、活躍度及剩余能量