在机会网络中,节点的行为模式会表现出一定的社交特征,节点往往因相似的移动模式和固定的活动范围,在动态异构网络中表现出一定的集群特性,形成一个个拥有相似社会特征的独特小团体.节点的社会属性表现出长期的稳定性,可以有效应用在路...在机会网络中,节点的行为模式会表现出一定的社交特征,节点往往因相似的移动模式和固定的活动范围,在动态异构网络中表现出一定的集群特性,形成一个个拥有相似社会特征的独特小团体.节点的社会属性表现出长期的稳定性,可以有效应用在路由中.针对这一思想,本文提出了基于社交圈划分和相遇时间预测的机会网络路由算法SCEP(Social Circle division and Encounter time Prediction).该算法关注两个节点形成的直接关系与节点的社会属性特征,定义了基于强社交关系的熟悉集合拓扑,基于熟悉集合的概念以分布式方式开发社区,节点社区的合并受某些规则的约束,并对过时节点进行拓扑剪裁.同时,本文基于节点间相遇的时间间隔序列建模,利用节点间相遇历史数据预测下一次通信的时间.消息的路由通过利用社区、亲密节点集和可预测的通信时间等因素来实现.仿真实验结果表明,与EpSoc,CARA,SAAD,Prophet、NBAPR这5种算法相比,SCEP的性能更好.展开更多
文摘在机会网络中,节点的行为模式会表现出一定的社交特征,节点往往因相似的移动模式和固定的活动范围,在动态异构网络中表现出一定的集群特性,形成一个个拥有相似社会特征的独特小团体.节点的社会属性表现出长期的稳定性,可以有效应用在路由中.针对这一思想,本文提出了基于社交圈划分和相遇时间预测的机会网络路由算法SCEP(Social Circle division and Encounter time Prediction).该算法关注两个节点形成的直接关系与节点的社会属性特征,定义了基于强社交关系的熟悉集合拓扑,基于熟悉集合的概念以分布式方式开发社区,节点社区的合并受某些规则的约束,并对过时节点进行拓扑剪裁.同时,本文基于节点间相遇的时间间隔序列建模,利用节点间相遇历史数据预测下一次通信的时间.消息的路由通过利用社区、亲密节点集和可预测的通信时间等因素来实现.仿真实验结果表明,与EpSoc,CARA,SAAD,Prophet、NBAPR这5种算法相比,SCEP的性能更好.
