CN110461018B - 基于可计算ap的机会网络路由转发方法 - Google Patents

基于可计算ap的机会网络路由转发方法 Download PDF

Info

Publication number
CN110461018B
CN110461018B CN201910756850.7A CN201910756850A CN110461018B CN 110461018 B CN110461018 B CN 110461018B CN 201910756850 A CN201910756850 A CN 201910756850A CN 110461018 B CN110461018 B CN 110461018B
Authority
CN
China
Prior art keywords
node
probability
message
nodes
forwarding
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910756850.7A
Other languages
English (en)
Other versions
CN110461018A (zh
Inventor
李峰
董佳佳
曹梦珂
兰宇晴
刘泉明
包敏杨
刘杰民
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeastern University Qinhuangdao Branch
Original Assignee
Northeastern University Qinhuangdao Branch
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Northeastern University Qinhuangdao Branch filed Critical Northeastern University Qinhuangdao Branch
Priority to CN201910756850.7A priority Critical patent/CN110461018B/zh
Publication of CN110461018A publication Critical patent/CN110461018A/zh
Application granted granted Critical
Publication of CN110461018B publication Critical patent/CN110461018B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W40/00Communication routing or communication path finding
    • H04W40/02Communication route or path selection, e.g. power-based or shortest path routing

Abstract

本发明公开了一种基于可计算AP的机会网络路由转发方法,将具有可计算能力的AP节点引入到机会网络中,AP节点的核心功能负责整个网络的路由决策,根据各个节点之间的相遇概率在其内部将整个网络构建为一个不确定图,从全局角度分析网络结构和拓扑演变情况,计算端到端之间路径的转发概率,从而为每个节点形成路由决策表。同时,AP节点也是一个中间转发节点,为其它移动节点提供消息转发任务。每个移动节点都维护有一张记录它与其它所有节点相遇概率的向量表,当在AP信号覆盖范围时将概率向量表上传到AP节点,并且从AP接收该节点的路由决策表;在消息转发过程中,节点只依据路由决策表判断是否将消息转发到下一跳中,因此大大提高了消息转发的效率。

Description

基于可计算AP的机会网络路由转发方法
技术领域
本发明涉及短距离无线通信领域,具体涉及一种基于可计算AP的机会网络路由转发方法。
背景技术
近年来,随着大量低成本、具备短距离无线通信能力的便捷式智能设备的发展,出现了一种新型的移动自组织网络模式——机会网络(Opportunistic Networks),为移动设备提供机会通信和信息共享服务,在空间网络、水下网络、手持设备组网和无人机组网等特定领域得到了广泛应用,并且在解决接入网流量压力过载、频谱资源短缺等问题方面也具有较好的作用。机会网络中节点具有典型的移动性、连接间断性和开放性等特征,一般采用短距离无线通信技术实现通信,当两个节点在射频信号覆盖范围内时自动建立无线连接链路进行数据交换。在这种条件下网络无法保障一种稳定的拓扑结构,在绝大部分时刻都缺乏完整的端到端的连通链路,通过采用“存储—携带—转发”机制依靠节点移动带来的相遇机会协作传递消息实现整个网络通信。在这种拓扑结构频繁变化的动态网络环境中,路由决策成为影响网络性能的关键要素,那么如何在消息投递过程中快速决策选择最合适的下一跳转发节点,以及如何降低每个节点维护路由信息所付出的开销,成为当前机会网络路由研究亟待解决的关键问题。
现有的机会路由转发方法,都假设网络中节点是完全分布和对等的关系,为了保障消息转发的成功率和最小时延,一般采用多副本的路由转发策略,典型代表是Epidemic传染转发路由,这种路由类似于泛洪机制的传播策略,每个节点将携带的消息副本拷贝给所有相遇到的节点,优点是节点不需要维护任何额外信息和计算开销,路由决策和转发速度较快,但缺点是整个网络消息包的冗余较大,在缓存有限的前提下将导致大量消息包来不及转发而被丢弃,从而降低转发的成功率,大大浪费了网络带宽资源和存储资源。为了解决过多冗余消息副本带来的转发效率低的问题,提出了基于节点相遇概率或转发效用的有限副本路由转发策略,如PROPHET和MaxProp,这类方法利用节点之间的历史相遇信息在每个节点内构造一个分布式的路由决策表,作为消息下一跳节点路由选择的依据。网络中每个节点都维护一个与其他节点相遇概率的向量表,当两个节点相遇时互换概率向量表从中获取相遇节点到目标节点的概率,以此判定是否将该节点作为下一跳转发节点,优点是减少了网络消息的冗余,提高了转发的成功率,缺点是节点在每次相遇时需要先互换概率向量表,才能实现消息的转发,并且需要进行多次消息包头处理和向量表查询操作,这些操作耗费了大量时间,导致转发效率降低,另外这种方法也无法从网络全局拓扑的角度获取端到端之间的连通路径。基于社会关系或社交网络的转发方法,如SMART,SSAR,Bubble Rap,SGBR,SimBet和SEBAR,这类方法利用节点间的社会特征(如中心性或社区性)评估节点,将网络划分为多个社区,然后计算每个节点的中心度作为社区内和社区间消息转发的依据,缺点是节点中心度只采用局部信息计算。
综上所述,已有的消息路由策略网络中每个节点都需要维护一张局部的路由表或概率向量表,路由表的存储、节点间相遇概率的计算、消息转发时路由表的多次查询和匹配等,将导致每个节点消耗额外的计算资源、存储资源和网络带宽资源,对于资源有限的机会网络节点来说,过多的资源和能耗的开销严重影响了节点的生存周期,同时由于采用局部路由策略的方式,无法从全局角度获取网络的拓扑结构,大大降低了网络的转发性能。
发明内容
为了解决现有技术问题,本发明提供一种基于可计算AP的机会网络路由转发方法,从网络全局拓扑结构的角度,将具有可计算能力的AP(Access Point,访问点)节点引入到网络中,比较适用于节点资源有限的机会网络,能够有效降低每个节点维护路由信息所付出的资源开销,提高了整个网络的路由转发效率。
为解决上述技术问题,本发明所采取的技术方案是:
一种基于可计算AP的机会网络路由转发方法,所述机会网络中有n个移动节点vi和一个固定的AP节点;每个移动节点都维护有一张记录它与其它所有节点相遇概率的向量表;所述方法包括以下步骤:
S1、当移动节点在移动过程中进入AP节点的信号覆盖范围时,移动节点将其相遇概率向量表上传到AP节点;
S2、AP节点根据所有移动节点上传的相遇概率向量表,依据网络中所有节点之间的历史相遇情况构建一个表示整个网络节点之间连接关系的不确定图;
S3、AP节点利用该不确定图计算生成全局路由决策表,进而生成所有节点的路由决策表,并在移动节点每次上传相遇概率向量表的同时将路由决策表下发给移动节点;
S4、移动节点收到路由决策表后依顺序检测消息的目标节点的ID标识,找到目标节点对应的转发结点集合,首先判断AP节点是否在消息的转发结点集合中:
如果AP节点在此集合中,则移动节点将消息上传到AP节点,由AP节点代为转发;如果AP节点不在此集合中,那么移动节点携带消息待到合适的机会再转发;
S5、在移动过程中,当移动节点与其他节点相遇时,判断此节点是否属于消息的转发节点集合,如果属于就将消息转发给相遇节点,如果不属于则继续携带。
进一步的,每个移动节点维护有一张记录它与网络中其它所有节点相遇概率的向量表,相遇概率的计算和维护过程具体为:
(1)计算网络中的任意一对节点(vi,vj)之间的平均相遇间隔:
Figure GDA0002885318570000041
其中,
Figure GDA0002885318570000042
表示vi,vj在第m次、第m+1次连续两次相遇的时间间隔,
Figure GDA0002885318570000043
表示节点vi,vj第m次相遇的时刻,其中m=0时,
Figure GDA0002885318570000044
Figure GDA0002885318570000045
Figure GDA0002885318570000046
表示为节点vi,vj的n次连续相遇间隔时间序列;
(2)计算两个节点vi,vj之间在时间T内的相遇概率:
Figure GDA0002885318570000047
(3)随着网络的运行,利用上述两个计算公式在每个移动节点内部生成一个n+1维的、记录它与所有节点在时间T内相遇概率的向量表qi=(qi,0,qi,1,qi,2,…,qi,n-1,qi,AP),其中qi,i=1表示节点自身的概率,如果节点vi,vj之间在历史上没有过相遇则qi,j=0,表示节点vi,vj的相遇概率为0。
进一步的,所述步骤S4和S5中,移动节点在每个时隙检测所携带消息的生存时间,从缓存中丢弃生存时间已超时的消息,当收到一个新的消息转发请求时,如果剩余空间不足,则丢弃缓存中最早接收的消息,以腾出足够的空闲空间存储新消息。
进一步的,所述步骤S3中,AP节点为每个节点生成路由决策表的具体步骤为:
S3-1、当AP节点接收到各移动节点上传的相遇概率向量表之后,首先将所有移动节点的向量表汇总形成一个相遇概率矩阵Q:
Figure GDA0002885318570000051
其中,qi,i=1;
S3-2、基于相遇概率矩阵Q,AP节点动态地构建一个描述网络全局拓扑结构的不确定性图G=(V,E,p);
其中,V={v0,v1,v2,…,vn-1,AP}为所有节点的集合,E={ei,j}为所有边的集合,如果两个节点vi,vj在历史上建立过连接则存在一条边ei,j,p:E→(0,1]是为每条边分配权重的函数,权重的大小为两个节点的相遇概率,即p(ei,j)=qi,j
S3-3、基于不确定性图G=(V,E,p)计算网络中每对节点间的最大路径传输概率,得到表示全局概率路由表的节点间最大路径传输概率矩阵:
S3-3-1、对于从节点vi到vj的边,进行n+1次试探,首先判断路径vi,v0,vj是否存在,如果存在则比较vi,vj和vi,v0,vj的路径概率,取概率较大的作为从vi到vj中间顶点的序号不大于0的最大概率路径;在路径上再增加一个节点v1,依此类推,在经过n+1次比较后,最后得到从节点vi到vj的最大转发概率路径;
S3-3-2、节点vi,vj路径上的中间节点全部取自集合{v0,v1,v2,…,vk}的最大转发概率路径的概率值
Figure GDA0002885318570000061
的迭代公式为:
Figure GDA0002885318570000062
S3-3-3、根据上面的递归公式,使用改进的弗洛伊德算法以递增次序来计算
Figure GDA0002885318570000063
的值,该算法的输入为相遇概率矩阵Q,该矩阵的元素代表的是无向图G=(V,E,p)边的权重,其中:
Figure GDA0002885318570000064
然后初始化:令矩阵P(-1)为相遇概率矩阵Q;之后三重嵌套循环生成最大转发概率的矩阵Pn:第一层循环的变量k从0增加到n,其中变量k表示路径中间节点的编号的最大值不超过k,并且每经历一次第一层循环就创建一个新的(n+1)×(n+1)的矩阵
Figure GDA0002885318570000065
第二层循环的变量i从0增加到n,其中变量i表示源节点的编号,第三层循环的变量j也是从0增加到n,其中变量j表示目的节点的编号,并且每经历一次第三层循环就比较
Figure GDA0002885318570000066
Figure GDA0002885318570000067
值的大小,较大的值赋给
Figure GDA0002885318570000068
最后算法的返回结果为最大转发概率矩阵Pn
Figure GDA0002885318570000069
S3-4、AP节点为所有节点vi生成路由决策表:
首先在最大传输概率矩阵Pn中提取节点vi的行向量,然后将行向量的中每个节点vj作为目标节点,分别在对应的列向量中查找满足条件
Figure GDA0002885318570000071
的节点vk,从节点vi的相遇概率向量表qi=(qi,0,qi,1,qi,2,…,qi,n-1,qi,AP)中查找与节点vk的相遇概率qi,k,如果计算出的综合值
Figure GDA0002885318570000072
δ∈(0,1)为阈值,则将节点vk作为到目标节点vj的下一跳转发节点;由此为节点vi行向量中的每个目标节点生成一个候选的下一跳转发节点集合,从而形成了一张非常轻量的适合于节点vi的路由决策表。
进一步的,所述步骤S3中,AP节点生成路由决策表之后,还为网络中的每个节点生成一个新的路由消息包,消息内容仅包含节点的路由决策表,然后将路由消息发送给各个节点;当节点收到AP节点发来的路由消息后,将路由决策表进行保存或更新。
进一步的,所述步骤S5中,当节点vi在移动过程中与节点vj建立连接链路后,启动消息的路由转发策略,具体步骤如下:
S5-1、首先,查找缓存中是否有携带的待转发的消息,如果存在要转发的消息集合M,对集合M中的消息按照接收时间戳由小到大进行排序;
S5-2、循环检测每条消息m∈M,如果消息检测完成则算法结束,否则从消息m的头部字段中,获取消息m的目的节点vd,转到步骤S5-3;
S5-3、根据目标节点vd查找路由决策表Ti,获取消息m的下一跳转发节点集合setd,判断节点vj是否在集合setd中,如果vj∈setd表明节点vj是消息m的合适的下一跳转发节点,则将消息m转发给节点vj,否则不转发,转到步骤S5-2。
采用上述技术方案所产生的有益效果在于:
(1)本发明提出了基于可计算AP的机会网络路由方法,将具有可计算能力的AP(Access Point,访问点)节点引入到网络中,AP节点相对于网络中的移动节点有较强的计算能力和存储能力,有持续的供电设备。在本发明中,AP节点的核心功能负责整个网络的路由决策,根据各个节点之间的相遇概率在其内部将整个网络构建为一个不确定图,从全局角度分析网络结构和拓扑演变情况,计算端到端之间路径的转发概率,从而为每个节点形成路由决策表。同时,AP节点也是一个中间转发节点,为其它移动节点提供消息转发任务。
(2)本发明实现了路由计算和消息转发的分离。在本发明中,每个节点仅仅维护一张向量表记录与其它节点的相遇概率,当在AP信号覆盖范围时将概率向量表上传到AP节点,并且从AP接收该节点的路由决策表。在消息转发过程中,节点只依据路由决策表判断是否将消息转发到下一跳中,因此大大提高了消息转发的效率。该方法由于每个节点将路由计算的任务都卸载到了计算能力更强的AP上,从而实现了路由计算和消息转发的分离,大大节省了节点资源开销,增加了网络的生存周期。
附图说明
图1是相遇概率向量表的上传示意图;
图2是消息通过AP节点的转发示意图;
图3是节点间消息的转发(D2D)示意图;
图4是节点对的相遇间隔序列示意图;
图5是网络的全局拓扑结构示意图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明公开了一种基于可计算AP的机会网络路由转发方法。
机会网络模型:整个机会网络中有n个移动节点和一个固定的AP(Access Point,访问点)节点。每个移动节点都具有全局唯一的ID标识vi,大小相同容量有限的缓存空间B,以及维护有一个记录它与其它节点相遇概率的向量表,任意节点均可产生相同尺寸大小的消息,消息的目标节点可以是网络中其他任何一个节点,每个消息都具有唯一的ID标识Mj,除了消息的内容和ID外,Bundle中用于消息控制的字段包括发送节点和目标节点的ID、消息产生的时间戳t、消息生存周期TTL以及消息的副本数nc等属性。AP节点相对于网络中的移动节点有较强的计算能力和存储能力,有持续的供电设备,AP节点同样可以转发消息,可作为消息转发的中间节点,为其它移动节点提供消息转发任务。
本发明的方法包括以下步骤:
S1、当移动节点在移动过程中进入AP节点的信号覆盖范围时(即与AP节点建立连接),移动节点将其相遇概率向量表上传到AP节点,如图1所示;
S2、AP节点根据所有移动节点上传的相遇概率向量表,依据网络中所有节点之间的历史相遇情况构建一个表示整个网络节点之间连接关系的不确定图;
S3、AP节点利用该不确定图从全局角度分析网络结构和拓扑演变情况,计算生成全局路由决策表,进而生成所有节点的路由决策表,并在移动节点每次上传相遇概率向量表的同时将路由决策表下发给移动节点;
S4、移动节点收到路由决策表后依顺序检测消息的目标节点的ID标识,找到目标节点对应的转发结点集合,首先判断AP节点是否在消息的转发结点集合中:
如果AP节点在此集合中,则移动节点将消息上传到AP节点,由AP节点代为转发,如图2所示;如果AP节点不在此集合中,那么移动节点携带消息待到合适的机会再转发;
S5、在移动过程中,当移动节点与其他节点(包括移动节点和AP节点,下同)相遇时,判断此节点是否属于消息的转发节点集合,如果属于就将消息转发给相遇节点,如果不属于则继续携带,如图3所示。
移动节点在每个时隙检测所携带消息的生存时间,从缓存中丢弃生存时间已超时的消息,当收到一个新的消息转发请求时,如果剩余空间不足,则丢弃缓存中最早接收的消息,以腾出足够的空闲空间存储新消息。
本发明中的每个移动节点维护有一张记录它与网络中其它所有节点相遇概率的向量表,相遇概率的计算和维护过程具体为:
(1)计算网络中的任意一对节点(vi,vj)之间的平均相遇间隔,如图4所示:
Figure GDA0002885318570000101
其中,
Figure GDA0002885318570000102
表示vi,vj在第m次、第m+1次连续两次相遇的时间间隔,
Figure GDA0002885318570000103
表示节点vi,vj第m次相遇的时刻,其中m=0时,
Figure GDA0002885318570000104
Figure GDA0002885318570000105
Figure GDA0002885318570000106
表示为节点vi,vj的n次连续相遇间隔时间序列;
节点平均相遇间隔是衡量节点间相遇概率的重要指标。节点间的平均相遇间隔越短说明它们在一段时间内的相遇概率越高。因此节点内部通过记录该节点与其他各节点的平均相遇间隔来度量节点间的相遇概率。
(2)计算两个节点vi,vj之间在时间T内的相遇概率:
在移动机会网络中,任意一对节点vi,vj之间的平均相遇间隔均服从参数为
Figure GDA0002885318570000111
的指数分布,其概率密度函数为:
Figure GDA0002885318570000112
因此,节点vi,vj在时间T内的相遇概率可以采用如公式(2)累计密度分布函数计算得出:
Figure GDA0002885318570000113
(3)随着网络的运行,利用公式(2)在每个移动节点内部生成一个n+1维的、记录它与所有节点在时间T内相遇概率的向量表qi=(qi,0,qi,1,qi,2,…,qi,n-1,qi,AP),其中qi,i=1表示节点自身的概率,如果节点vi,vj之间在历史上没有过相遇则qi,j=0,表示节点vi,vj的相遇概率为0。
该计算过程比较简单,需要的计算资源较少。当移动节点进入AP节点信号覆盖范围时,与AP节点建立连通链路后自动将维护的概率向量表传递给AP节点。
在本发明中AP节点除了具有基本的消息转发能力之外,还具有较强的计算能力和存储能力,能够依据网络中各个节点的历史相遇情况构建一个不确定图,然后利用弗洛伊德算法计算出端到端之间路径的最大转发概率,从而可以为每个节点生成路由决策表。步骤S3中,AP节点为每个节点生成路由决策表的具体步骤为:
S3-1、当AP节点接收到各移动节点上传的相遇概率向量表之后,首先将所有移动节点的向量表汇总形成一个相遇概率矩阵Q:
Figure GDA0002885318570000121
其中,qi,i=1;
S3-2、基于相遇概率矩阵Q,AP节点动态地构建一个描述网络全局拓扑结构的不确定性图G=(V,E,p),如图5所示;
其中,V={v0,v1,v2,…,vn-1,AP}为所有节点的集合,E={ei,j}为所有边的集合,如果两个节点vi,vj在历史上建立过连接则存在一条边ei,j,p:E→(0,1]是为每条边分配权重的函数,权重的大小为两个节点的相遇概率,即p(ei,j)=qi,j
本发明是利用AP节点强大的计算能力和存储能力为每个节点形成路由决策表,当两个节点相遇时,路由策略的主要任务是比较两个节点到消息目标节点的转发概率,即判断哪个节点到目标节点的路径转发概率高,然后选择概率高者作为消息的下一跳节点。为此,将路由问题转换成在全局拓扑结构图中求解端到端之间路径的转发概率问题,由于端到端之间可能存在多条路径,本发明以最高概率的一条路径作为端到端之间的转发概率。假设节点vi,vj之间存在一条路径pathi,j:vi,vi+1,vi+2,…vj,那么这条路径的转发概率为每对节点之间相遇概率的乘积,即
Figure GDA0002885318570000122
在公式(3)中,由于端到端之间路径的转发概率是一种乘性关系,无法利用现有的最短路径算法直接在网络全局拓扑图中求出两个节点间的最大概率转发路径。但是由于边的权重值qi,j∈(0,1],所以如果节点vi,vj之间有多条路径,则一定存在一条路径pathi,j:vi,vi+1,vi+2,…vj使得P(pathi,j)∈(0,1]值最大,即存在最高转发概率的路径。在本发明中,通过对弗洛伊德算法进行改进,实现对整个网络节点间最大概率路径的求解。
S3-3、基于不确定性图G=(V,E,p)计算网络中每对节点间的最大路径传输概率,得到表示全局概率路由表的节点间最大路径传输概率矩阵:
S3-3-1、对于从节点vi到vj的边,进行n+1次试探,首先判断路径vi,v0,vj是否存在,如果存在则比较vi,vj和vi,v0,vj的路径概率,取概率较大的作为从vi到vj中间顶点的序号不大于0的最大概率路径;在路径上再增加一个节点v1,依此类推,在经过n+1次比较后,最后得到从节点vi到vj的最大转发概率路径;
S3-3-2、首先定义求解节点对之间最大转发概率路径的概率值的迭代公式,设
Figure GDA0002885318570000131
表示节点vi,vj路径上的中间节点全部取自集合{v0,v1,v2,…,vk}的最大转发概率路径的概率值。当k=-1时,从节点vi到节点vj的直接路径没有任何中间节点,这样的路径只有一条,因此
Figure GDA0002885318570000132
由此可以递归定义
Figure GDA0002885318570000133
对于任何路径来说,所有中间节点都属于集合{v0,v1,v2,…,vn-1,AP},矩阵
Figure GDA0002885318570000134
给出的就是最大转发概率的矩阵。为了便于算法描述以vn表示AP节点。S3-3-3、根据上面的递归公式,使用改进的弗洛伊德算法以递增次序来计算
Figure GDA0002885318570000135
的值,该算法的输入为相遇概率矩阵Q,该矩阵的元素代表的是无向图G=(V,E,p)边的权重,其中:
Figure GDA0002885318570000141
然后初始化:令矩阵P(-1)为相遇概率矩阵Q;之后三重嵌套循环生成最大转发概率的矩阵Pn:第一层循环的变量k从0增加到n,其中变量k表示路径中间节点的编号的最大值不超过k,并且每经历一次第一层循环就创建一个新的(n+1)×(n+1)的矩阵
Figure GDA0002885318570000142
第二层循环的变量i从0增加到n,其中变量i表示源节点的编号,第三层循环的变量j也是从0增加到n,其中变量j表示目的节点的编号,并且每经历一次第三层循环就比较
Figure GDA0002885318570000143
Figure GDA0002885318570000144
值的大小,较大的值赋给
Figure GDA0002885318570000145
最后算法的返回结果为最大转发概率矩阵Pn
Figure GDA0002885318570000146
命题1:矩阵Pn是最大转发概率矩阵,即
Figure GDA0002885318570000147
为节点vi、vj之间路径的最大转发概率。
Figure GDA0002885318570000148
表示节点vi、vj路径上的中间节点全部取自集合{v0,v1,v2,…,vk}的最大转发路径的概率,则节点vi、vj之间的最大转发概率为
Figure GDA0002885318570000149
可以通过下面的分析推理得出命题的正确性。因为从节点vi到节点vj的中间节点全部来自集合{v0,v1,v2,…,vk}最大的转发概率路径,存在两种情况,如果经过vk,则
Figure GDA00028853185700001410
如果不经过vk,则
Figure GDA00028853185700001411
根据算法要求求解最大概率路径,那么
Figure GDA0002885318570000151
已知
Figure GDA0002885318570000152
由此可推导出
Figure GDA0002885318570000153
依次类推,当把节点间的所有路径都考虑之后即可求得
Figure GDA0002885318570000154
所以算法返回的矩阵Pn是最大转发概率矩阵,即
Figure GDA0002885318570000155
为节点vi、vj之间路径的最大转发概率。
命题2:节点vi到节点vj的最大转发概率路径上任意两个节点的转发概率也是最大的。
设在节点vi到节点vj的最大转发概率路径path上存在两个节点vk,vd,将路径分割为vi到vk(记为path1),vk到vd(记为path2),vd到vj(记为path3)三段,path路径的概率为p(path)=p(path1)×p(path2)×p(path3),其中path1和path3均为节点间的最大概率路径,用反证法证明,假设,vk到vd存在其它概率更大的路径(记为path4),满足条件
Figure GDA0002885318570000156
那么将得到p(path1)×p(path2)×p(path3)<p(path1)×p(path4)×p(path3),这与命题2的前提矛盾,所以假设错误,命题2成立。
计算出端到端之间最大传输概率矩阵Pn之后,AP节点即可得到一个全局的概率路由表,如果将该表传给网络中的每个节点作为路由决策表,那么在每个节点内部将占用较大的存储空间,假设每对节点间的概率值占4byte,那么路由表至少占用4×(n+1)2byte,并且节点在每次消息转发时都将至少两次查询路由表,第一次查找本节点到消息目标节点的概率值,第二次查找相遇节点到消息目标节点的概率值,然后比较两个概率值的大小决定是否将相遇节点作为消息的下一跳转发节点,这种方式导致消息转发效率较低,在每次转发机会出现时浪费了大量的消息转发时间。
为了提高节点在转发消息时路由表的查找效率,以及尽量节省路由表占用缓存的空间,本发明提出了一种轻量级的、个性化的路由决策表生成方法,在该方法中AP节点依据每个节点到其它节点的传输概率,从全局的角度为网络中的每个节点生成个性化的路由决策表。因为在机会网络中消息转发的主要决策依据是,下一跳转发节点到消息的目标节点应该具有更高的传输概率,那么在路由决策表生成中应该选择到目标节点转发概率更高的节点作为转发节点,而从最大传输概率矩阵Pn中的行向量
Figure GDA0002885318570000161
获出节点vi到其它所有目标节点的转发概率,从列向量
Figure GDA0002885318570000162
中可以得出网络所有节点到目标节点vj的转发概率。对于节点vi行向量中的某一目标节点vj,那么最合适的下一跳转发节点vk应满足条件
Figure GDA0002885318570000163
其中vk∈{v0,v1,v2,…,vn-1,AP},即下一跳转发节点的选择就是从列向量中查找满足条件的节点集合。但是,由于机会网络中节点之间的连接具有一定的概率,那么在满足条件的节点集合中,有可能存在某个节点到目标节点vj具有很高的转发概率,但与节点vi的相遇概率较低,在这种情况下该节点很难作为节点vi的下一跳转发节点(因为两个节点很难相遇),为此需要结合节点间的相遇概率对满足条件的节点进一步筛选。
S3-4、AP节点为所有节点vi生成路由决策表:
基于上述分析,本发明实现了一种轻量级的、个性化的路由决策表生成算法:AP节点为vi生成路由决策表,首先在最大传输概率矩阵Pn中提取节点vi的行向量,然后将行向量的中每个节点vj作为目标节点,分别在对应的列向量中查找满足条件
Figure GDA0002885318570000164
的节点vk,从节点vi的相遇概率向量表qi=(qi,0,qi,1,qi,2,…,qi,n-1,qi,AP)中查找与节点vk的相遇概率qi,k,如果计算出的综合值
Figure GDA0002885318570000165
δ∈(0,1)为阈值,则将节点vk作为到目标节点vj的下一跳转发节点。这样将会为节点vi行向量中的每个目标节点生成一个候选的下一跳转发节点集合,从而形成了一张非常轻量的适合于节点vi的路由决策表,如表1所示。
表1移动节点vi的路由决策表
Figure GDA0002885318570000171
基于路由决策表的消息转发策略:步骤S3中,AP节点生成路由决策表之后,还为网络中的每个节点生成一个新的路由消息包,该消息是一种特定类型的包,消息内容仅包含节点的路由决策表,然后将路由消息发送给各个节点;当节点收到AP节点发来的路由消息后,将路由决策表进行保存或更新。
当节点vi在移动过程中与节点vj建立连接链路后,启动消息的路由转发策略,具体步骤如下:
S5-1、首先,查找缓存中是否有携带的待转发的消息,如果存在要转发的消息集合M,对集合M中的消息按照接收时间戳由小到大进行排序;
S5-2、循环检测每条消息m∈M,如果消息检测完成则算法结束,否则从消息m的头部字段中,获取消息m的目的节点vd,转到步骤S5-3;
S5-3、根据目标节点vd查找路由决策表Ti,获取消息m的下一跳转发节点集合setd,判断节点vj是否在集合setd中,如果vj∈setd表明节点vj是消息m的合适的下一跳转发节点,则将消息m转发给节点vj,否则不转发,转到步骤S5-2。
该算法的节点只需要查找本地的路由决策表,根据转发节点集合即可判断是否应该转发消息,不需要与相遇节点进行路由信息的交换,从而大大提高了消息的转发效率,降低了网络流量,减轻了网络压力。其时间复杂度最大为O(|M|×n×s),其中s表示路由决策表中转发节点集合的平均节点数。随着网络中节点数量的增加,转发节点数的增多,算法的时间复杂度也会增大,但同时也更有利于消息成功转发。

Claims (6)

1.一种基于可计算AP的机会网络路由转发方法,其特征在于:
所述机会网络中有n个移动节点vi和一个固定的AP节点;每个移动节点都维护有一张记录它与其它所有节点相遇概率的向量表;
所述方法包括以下步骤:
S1、当移动节点在移动过程中进入AP节点的信号覆盖范围时,移动节点将其相遇概率向量表上传到AP节点;
S2、AP节点根据所有移动节点上传的相遇概率向量表,依据网络中所有节点之间的历史相遇情况构建一个表示整个网络节点之间连接关系的不确定图;
S3、AP节点利用该不确定图计算生成全局路由决策表,进而生成所有节点的路由决策表,并在移动节点每次上传相遇概率向量表的同时将路由决策表下发给移动节点;
S4、移动节点收到路由决策表后依顺序检测消息的目标节点的ID标识,找到目标节点对应的转发结点集合,首先判断AP节点是否在消息的转发结点集合中:
如果AP节点在此集合中,则移动节点将消息上传到AP节点,由AP节点代为转发;如果AP节点不在此集合中,那么移动节点携带消息待到合适的机会再转发;
S5、在移动过程中,当移动节点与其他节点相遇时,判断此节点是否属于消息的转发节点集合,如果属于就将消息转发给相遇节点,如果不属于则继续携带。
2.根据权利要求1所述的基于可计算AP的机会网络路由转发方法,其特征在于:每个移动节点维护有一张记录它与网络中其它所有节点相遇概率的向量表,相遇概率的计算和维护过程具体为:
(1)计算网络中的任意一对节点(vi,vj)之间的平均相遇间隔:
Figure FDA0002885318560000021
其中,
Figure FDA0002885318560000022
表示vi,vj在第m次、第m+1次连续两次相遇的时间间隔,
Figure FDA0002885318560000023
表示节点vi,vj第m次相遇的时刻,其中m=0时,
Figure FDA0002885318560000024
Figure FDA0002885318560000025
Figure FDA0002885318560000026
表示为节点vi,vj的n次连续相遇间隔时间序列;
(2)计算两个节点vi,vj之间在时间T内的相遇概率:
任意一对节点vi,vj之间的平均相遇间隔均服从参数为
Figure FDA0002885318560000027
的指数分布,其概率密度函数为:
Figure FDA0002885318560000028
节点vi,vj在时间T内的相遇概率为:
Figure FDA0002885318560000029
(3)随着网络的运行,利用上述两个计算公式在每个移动节点内部生成一个n+1维的、记录它与所有节点在时间T内相遇概率的向量表qi=(qi,0,qi,1,qi,2,…,qi,n-1,qi,AP),其中qi,i=1表示节点自身的概率,如果节点vi,vj之间在历史上没有过相遇则qi,j=0,表示节点vi,vj的相遇概率为0。
3.根据权利要求1所述的基于可计算AP的机会网络路由转发方法,其特征在于:所述步骤S4和S5中,移动节点在每个时隙检测所携带消息的生存时间,从缓存中丢弃生存时间已超时的消息,当收到一个新的消息转发请求时,如果剩余空间不足,则丢弃缓存中最早接收的消息,以腾出足够的空闲空间存储新消息。
4.根据权利要求1所述的基于可计算AP的机会网络路由转发方法,其特征在于:所述步骤S3中,AP节点为每个节点生成路由决策表的具体步骤为:
S3-1、当AP节点接收到各移动节点上传的相遇概率向量表之后,首先将所有移动节点的向量表汇总形成一个相遇概率矩阵Q:
Figure FDA0002885318560000031
其中,qi,i=1;
S3-2、基于相遇概率矩阵Q,AP节点动态地构建一个描述网络全局拓扑结构的不确定图G=(V,E,p);
其中,V={v0,v1,v2,…,vn-1,AP}为所有节点的集合,E={ei,j}为所有边的集合,如果两个节点vi,vj在历史上建立过连接则存在一条边ei,j,p:E→(0,1]是为每条边分配权重的函数,权重的大小为两个节点的相遇概率,即p(ei,j)=qi,j
S3-3、基于不确定图G=(V,E,p)计算网络中每对节点间的最大路径传输概率,得到表示全局概率路由表的节点间最大路径传输概率矩阵:
S3-3-1、对于从节点vi到vj的边,进行n+1次试探,首先判断路径vi,v0,vj是否存在,如果存在则比较vi,vj和vi,v0,vj的路径概率,取概率较大的作为从vi到vj中间顶点的序号不大于0的最大概率路径;在路径上再增加一个节点v1,依此类推,在经过n+1次比较后,最后得到从节点vi到vj的最大转发概率路径;
S3-3-2、节点vi,vj路径上的中间节点全部取自集合{v0,v1,v2,…,vk}的最大转发概率路径的概率值
Figure FDA0002885318560000032
的迭代公式为:
Figure FDA0002885318560000041
S3-3-3、根据上面的递归公式,使用改进的弗洛伊德算法以递增次序来计算
Figure FDA0002885318560000044
的值,该算法的输入为相遇概率矩阵Q,该矩阵的元素代表的是不确定图G=(V,E,p)边的权重,其中:
Figure FDA0002885318560000042
然后初始化:令矩阵P(-1)为相遇概率矩阵Q;之后三重嵌套循环生成最大转发概率的矩阵Pn:第一层循环的变量k从0增加到n,其中变量k表示路径中间节点的编号的最大值不超过k,并且每经历一次第一层循环就创建一个新的(n+1)×(n+1)的矩阵
Figure FDA0002885318560000045
第二层循环的变量i从0增加到n,其中变量i表示源节点的编号,第三层循环的变量j也是从0增加到n,其中变量j表示目的节点的编号,并且每经历一次第三层循环就比较
Figure FDA0002885318560000046
Figure FDA0002885318560000047
值的大小,较大的值赋给
Figure FDA0002885318560000048
最后算法的返回结果为最大转发概率矩阵Pn
Figure FDA0002885318560000043
S3-4、AP节点为所有节点vi生成路由决策表:
首先在最大传输概率矩阵Pn中提取节点vi的行向量,然后将行向量的中每个节点vj作为目标节点,分别在对应的列向量中查找满足条件
Figure FDA0002885318560000049
的节点vk,从节点vi的相遇概率向量表qi=(qi,0,qi,1,qi,2,…,qi,n-1,qi,AP)中查找与节点vk的相遇概率qi,k,如果计算出的综合值
Figure FDA0002885318560000051
为阈值,则将节点vk作为到目标节点vj的下一跳转发节点;由此为节点vi行向量中的每个目标节点生成一个候选的下一跳转发节点集合,从而形成了一张非常轻量的适合于节点vi的路由决策表。
5.根据权利要求1所述的基于可计算AP的机会网络路由转发方法,其特征在于:所述步骤S3中,AP节点生成路由决策表之后,还为网络中的每个节点生成一个新的路由消息包,消息内容仅包含节点的路由决策表,然后将路由消息发送给各个节点;当节点收到AP节点发来的路由消息后,将路由决策表进行保存或更新。
6.根据权利要求1或5所述的基于可计算AP的机会网络路由转发方法,其特征在于:所述步骤S5中,当节点vi在移动过程中与节点vj建立连接链路后,启动消息的路由转发策略,具体步骤如下:
S5-1、首先,查找缓存中是否有携带的待转发的消息,如果存在要转发的消息集合M,对集合M中的消息按照接收时间戳由小到大进行排序;
S5-2、循环检测每条消息m∈M,如果消息检测完成则算法结束,否则从消息m的头部字段中,获取消息m的目的节点vd,转到步骤S5-3;
S5-3、根据目标节点vd查找路由决策表Ti,获取消息m的下一跳转发节点集合setd,判断节点vj是否在集合setd中,如果vj∈setd表明节点vj是消息m的合适的下一跳转发节点,则将消息m转发给节点vj,否则不转发,转到步骤S5-2。
CN201910756850.7A 2019-08-16 2019-08-16 基于可计算ap的机会网络路由转发方法 Active CN110461018B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910756850.7A CN110461018B (zh) 2019-08-16 2019-08-16 基于可计算ap的机会网络路由转发方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910756850.7A CN110461018B (zh) 2019-08-16 2019-08-16 基于可计算ap的机会网络路由转发方法

Publications (2)

Publication Number Publication Date
CN110461018A CN110461018A (zh) 2019-11-15
CN110461018B true CN110461018B (zh) 2021-03-19

Family

ID=68487066

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910756850.7A Active CN110461018B (zh) 2019-08-16 2019-08-16 基于可计算ap的机会网络路由转发方法

Country Status (1)

Country Link
CN (1) CN110461018B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113098770B (zh) * 2020-01-08 2024-04-16 华为技术有限公司 报文发送方法、路由表项的生成方法、装置及存储介质
CN113518009B (zh) * 2021-07-12 2023-07-21 山东建筑大学 一种基于不确定图的水声通信路由转发方法
CN114079969B (zh) * 2021-08-16 2023-11-28 珠海市杰理科技股份有限公司 数据传输方法及装置、可读存储介质、节点设备
CN114726434B (zh) * 2022-03-18 2023-09-19 电子科技大学 一种适用于大规模光网络的毫秒级快速寻路方法
CN115134374B (zh) * 2022-06-29 2023-08-01 中国人民解放军国防科技大学 一种机会网络的目录数据同步方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101977226B (zh) * 2010-10-28 2012-12-05 北京航空航天大学 一种新型的机会网络数据传输方法
CN104661275B (zh) * 2014-12-11 2018-01-30 北京邮电大学 一种机会网络中数据传输方法
GB2548798A (en) * 2016-03-17 2017-10-04 Virtuosys Ltd Wireless communication unit and method for sharing delay tolerant content
CN108391300B (zh) * 2018-03-15 2021-03-26 东北大学 一种机会网络中基于信誉度的可信路由算法

Also Published As

Publication number Publication date
CN110461018A (zh) 2019-11-15

Similar Documents

Publication Publication Date Title
CN110461018B (zh) 基于可计算ap的机会网络路由转发方法
CN107333312B (zh) 机会网络中的路由选择方法
Tabatabaei et al. A novel energy-aware clustering method via Lion Pride Optimizer Algorithm (LPO) and fuzzy logic in wireless sensor networks (WSNs)
Singh et al. Energy-efficient clustering and routing algorithm using hybrid fuzzy with grey wolf optimization in wireless sensor networks
CN111510956B (zh) 一种基于分簇和增强学习的混合路由方法、海洋通信***
CN114423061B (zh) 一种基于注意力机制和深度强化学习的无线路由优化方法
Gnana Prakasi et al. Decision tree based routing protocol (DTRP) for reliable path in MANET
Xiaokaiti et al. Efficient data transmission for community detection algorithm based on node similarity in opportunistic social networks
Tang dao 2: Overcoming overall storage overflow in intermittently connected sensor networks
Khodaparas et al. A multi criteria cooperative caching scheme for internet of things
Yin et al. Reinforcement learning-based routing algorithm in satellite-terrestrial integrated networks
CN108632785B (zh) 一种基于链路质量的蚁群自适应车联网路由选择方法
CN113727408A (zh) 一种基于速度与能量感知的无人机自组网改进aodv路由方法
CN110417572B (zh) 一种基于目标节点相遇概率预测消息传递节点的方法
Chen et al. An efficient neural network-based next-hop selection strategy for multi-hop VANETs
CN1731763A (zh) Ad Hoc网络中基于信息熵的分布式Qos多播路由方法
CN110121185A (zh) 一种配电通信网络路由优化方法
Huang et al. UAV routing protocol based on link stability and selectivity of neighbor nodes in ETX metrics
Hua et al. Path selection algorithms in homogeneous mobile ad hoc networks
Wu et al. On-demand Intelligent Routing Algorithms for the Deterministic Networks
CN113708953A (zh) 一种基于节点重要性均衡的水声传感器网络抗毁方法
CN111432447A (zh) 消息传输方法、***、终端设备及存储介质
Li et al. A MANET accessing Internet routing algorithm based on dynamic gateway adaptive selection
CN103346965A (zh) 基于编码子图优化编码代价的光组播路由方法
CN117119555B (zh) 一种月面探索时变拓扑群节点自适应组网路由方法及***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant