机会网络的RSSI-PROPHET路由算法研究

针对机会型网络提出一种改进的机会网络路由算法RSSI-PROPHET。该算法结合节点接触频率和接收信号强度指示值RSS(IReceived Signal Strength Indication)信息进行设计,并加入一种消息到达通告机制来抑制已达消息副本的扩散。算法不需额外设备支持,不依赖于既存的网络拓扑。仿真结果表明,该算法明显减小了设备缓存空间的消耗,提高了系统效率。

基于增强型PROPHET路由的DTN拥塞控制研究

DTN(delay tolerant network)网络的特点及其采用的保管传输机制使得DTN极易耗尽其有限的网络资源(缓存、带宽等),从而导致网络拥塞,降低网络性能。针对这个问题,在应用增强型PROPHET(probabilistic routing protocol using history of encounters and transitivity)路由算法的基础上,给出了一种基于归一化混合参数的缓存管理策略。应用这种缓存管理策略的DTN网络会优先丢弃归一化混合参数小的消息,以使节点获得足够接收新消息的缓存空间,从而有效地缓解拥塞。仿真结果表明,基于归一化混合参数的缓存管理策略在消息递交率、开销率及平均时延几个方面的性能表现优于应用传统缓存管理策略。

基于PROPHET路由算法的缓冲区管理

DTN网络一般采用基于消息复制的随机路由策略,由于网络中存在大量的消息副本,因此会导致中间节点缓冲区占用大,出现拥塞。为此,从冗余控制角度出发,基于PROPHET路由算法,设计用于缓冲区管理的3种机制,包括消息副本数量的控制、数据包生存期的动态设置以及已成功传输数据包的主动删除。通过限制消息副本数和删除多余消息,降低网络中消息副本总量,从而减轻节点负载。实验结果表明,在网络资源有限的情况下,上述3种机制能提高消息的成功传输率,降低网络开销。

容迟网络中一种改进型ProPHET路由算法研究

由于ProPHET路由没有限制网络中消息数量,因此其网络开销很高。文章提出了新的消息转发度量化函数,并据此给出一种改进的概率路由算法P-DFM(ProPHET Based on DFM)。该算法利用节点与目的节点的接触概率和节点间的相遇频率来计算节点的消息转发度,通过比较节点的DFM决定转发消息的副本数目。采用TheONE对Epidemic路由、ProPHET路由及P-DFM路由进行仿真,结果表明提出的P-DFM算法有效地提高了消息投递率,降低了网络开销的成本。

面向地面DTN网络的Prophet路由算法的优化与仿真

从地面DTN网络的现实情况出发,分析了会影响传输性能以及成功率的三个要素—节点传输速率、缓存区大小以及平均转发成功率,并针对这三点对传统的Prophet路由协议进行了改进,使得改进后的Prophet-BSAS路由协议在进行下一跳的节点选择时,会优先选择与目标节点相遇概率较高、传输速率较高、缓存区较充足、平均转发成功率较高的节点。经过仿真实验对比,在infocom06真实数据集条件下,相比传统的Prophet路由协议,改进后的路由协议在递交成功率方面提高了8%,在网络开销比方面降低了100左右,在平均跳数方面降低了0.5跳左右。

概率路由中基于连接时间的机会转发算法

概率预测PRoPHET路由没有考虑到转发节点的有效性,存在多个中继节点预测性相同的情况时,移动性会使得节点间的连接时间不同而导致消息投递率低和网络负载过大的缺点.因此,预测概率还需考虑节点相遇持续时间对消息数据完整传递的影响,本文提出了一种基于连接时间的概率路由算法(PRoPHET-CT),增加了节点间连接时间占空比的影响因素.对比实验结果表明在节点密度较大的机会网络环境中,该改进算法有着较高的投递概率,同时降低了网络负载以及节点的平均跳数.

一种基于节点能量的机会网络概率路由算法

在机会网络中,节点之间可能不存在端到端的路径.为了节省网络中节点消耗的能量,在概率路由算法的基础上提出了一种基于节点能量的概率路由算法(Energy-based Probabilistic Routing Protocol using History of Encounters and Transitivity,EBPROPHET).首先,计算两个节点相遇时节点的通信开销,然后相遇节点的剩余能量作为一个参量引入算法,选择节点剩余能量多的节点作为转发节点,最后,进行消息的转发.仿真表明,EB-PROPHET算法具有良好的路由性能,降低了整个网络的能量消耗,延长了网络的生存周期.

基于密度聚类的容迟网络路由协议

为了克服现有容迟网络消息冗余副本过多,数据传输时延较大的问题,对基于历史预测的Prophet路由协议进行优化,提出基于密度聚类的路由协议,采用聚类分析理论和生灭过程理论,准确构建和维护密度聚类簇,使网络中的消息副本得到实时控制.在此基础上,提出基于Q学习的随机线性网络编码策略,采用增强学习领域中的值函数估计法,通过中间节点高效获得线性独立的编码包,以提高网络编码效益.仿真实验结果表明,相比Epidemic和Prophet路由算法,该算法可以获得较高的消息投递率;在有足够缓存的情况下,数据传输时延得到了很好的控制,对容迟网络具有较强的动态适应性.