当前机会网络路由算法在数据包较少的情况下无法准确估算节点的兴趣,导致社区划分不合理,数据包在节点之间存在无效传递,从而增大了通信开销.针对此问题提出了一种将节点接收消息的历史次数和历史消息与各类消息间的相似度相结合,量化...当前机会网络路由算法在数据包较少的情况下无法准确估算节点的兴趣,导致社区划分不合理,数据包在节点之间存在无效传递,从而增大了通信开销.针对此问题提出了一种将节点接收消息的历史次数和历史消息与各类消息间的相似度相结合,量化对各类消息的兴趣程度,并根据这种兴趣程度来划分兴趣社区的路由算法ILCR(interest level community route).ILCR具体转发策略是选择在目标社区内且到目的节点概率大的节点,或者活跃且可靠程度大的节点作为中继,通过ONE平台对ILCR仿真并与Epidemic、Prophet对比,结果表明ILCR在投递率比Prophet提高了约13%,比Epidemic提高了约113%、网络开销比Prophet降低了约94.4%,比Epidemic降低了约81%等,保证了在网络频繁间断且网络资源匮乏的情况下成功通信的可能.展开更多
针对现有机会网络中根据兴趣划分社区的路由算法没有考虑节点多社区属性、统计节点相遇次数不够准确以及相遇节点控制信息交互存在冗余的问题,提出一种机会网络高效路由算法——HRCMA(High-throughput Routing Algorithm Considering M ...针对现有机会网络中根据兴趣划分社区的路由算法没有考虑节点多社区属性、统计节点相遇次数不够准确以及相遇节点控制信息交互存在冗余的问题,提出一种机会网络高效路由算法——HRCMA(High-throughput Routing Algorithm Considering M ulti-Community Attribute of Nodes for Opportunistic Netw orks).HRCM A算法增加了节点多社区属性的消息转发策略,统计相遇次数时去除了无效相遇次数;并在节点控制信息交互时,缩短了消息的长度来减小资源的浪费.仿真结果与分析表明,HRCM A算法与现有基于兴趣划分社区的BEEINFO算法相比,在网络吞吐量上提高了至少3.26%,投递成功率至少提高2.85%,归一化控制开销至少降低6.1%,平均时延减小了0.5%.展开更多
文摘当前机会网络路由算法在数据包较少的情况下无法准确估算节点的兴趣,导致社区划分不合理,数据包在节点之间存在无效传递,从而增大了通信开销.针对此问题提出了一种将节点接收消息的历史次数和历史消息与各类消息间的相似度相结合,量化对各类消息的兴趣程度,并根据这种兴趣程度来划分兴趣社区的路由算法ILCR(interest level community route).ILCR具体转发策略是选择在目标社区内且到目的节点概率大的节点,或者活跃且可靠程度大的节点作为中继,通过ONE平台对ILCR仿真并与Epidemic、Prophet对比,结果表明ILCR在投递率比Prophet提高了约13%,比Epidemic提高了约113%、网络开销比Prophet降低了约94.4%,比Epidemic降低了约81%等,保证了在网络频繁间断且网络资源匮乏的情况下成功通信的可能.
文摘针对现有机会网络中根据兴趣划分社区的路由算法没有考虑节点多社区属性、统计节点相遇次数不够准确以及相遇节点控制信息交互存在冗余的问题,提出一种机会网络高效路由算法——HRCMA(High-throughput Routing Algorithm Considering M ulti-Community Attribute of Nodes for Opportunistic Netw orks).HRCM A算法增加了节点多社区属性的消息转发策略,统计相遇次数时去除了无效相遇次数;并在节点控制信息交互时,缩短了消息的长度来减小资源的浪费.仿真结果与分析表明,HRCM A算法与现有基于兴趣划分社区的BEEINFO算法相比,在网络吞吐量上提高了至少3.26%,投递成功率至少提高2.85%,归一化控制开销至少降低6.1%,平均时延减小了0.5%.
