能耗自选演进机制的延迟容忍网络路由算法

为了提高延迟容忍网络中数据投递过程节点能耗管理效率、改善数据在网络中的转发效率等,本文引入节点间能耗博弈模型,进而提出了一种基于能耗自选演进机制的延迟容忍网络路由算法（Efficient Routing Mechanism for Delay Tolerant Network based on Energy Consumption Strategy）,根据泛洪路由策略设计数据投递机制,数据在网络中转发时,节点依据自身能量剩余状态制定相应的投递操作,对首先将数据投递至目的节点的中间节点予以一个单位的奖励,利用节点策略博弈模型选取合理的数据投递操作,以此改善节点转发数据能量消耗,从而提高数据投递能量管理效率,并提高数据转发效率.仿真验证表明：所提算法与对照算法相比在数据投递率、传输时延、网络开销等性能指标上表现出较好效果.     

WSN中基于最大最小化的优化路由算法

无线传感器网络(WSN)由能量受限的节点组成,需要设计路由算法优化节点的能耗。文章以最大化网络生存时间为目标,基于最大最小化模型提出了优化路由算法,定义了数据发送矩阵,设计了转发节点选择机制,以避免路由回路;基于节点收发数据的能耗及剩余能量,设计了求解优化路由的数学规划模型,优化了传感器节点的数据发送路径和发送量,均衡了节点的能量消耗。仿真结果表明,该算法能有效地均衡节点的能耗,延长网络生存时间。     

无线传感器网络中基于拍卖博弈的数据包转发算法

在无线传感器网络中,为了提高能量的利用率和增强数据包转发的可靠性,设计了PFAG（Packet Forwarding Algorithm Based on Auction Game）算法。该算法将数据包转发过程看作一种多阶段拍卖博弈过程,首先,网络中的节点根据拍卖博弈模型中的标价函数给出相应标价,然后基于双方博弈阶段最大化自己收益的原则,源节点可选出最佳的转发节点,从而找出最优的包转发策略。仿真结果表明,PFAG算法可有效的降低和平衡网络能耗,具备传输可靠性高和适应网络规模变化性强的特点。     

无线传感器网络路由中合作性重复博弈模型的研究

无线传感器网络中,节点能耗、路径可靠度以及节点的死亡时间是传感器网络路由需要考虑的关键因素.为了提高能量利用率和传感器网络收益,在节点理性且自私的条件下,运用博弈论方法提出了一种基于节点合作的数据包发送/转发的重复博弈模型,设计了一个与路径连通度和节点能量消耗有关的收益函数,采用惩罚机制使重复博弈模型存在子博弈精炼纳什均衡,降低了自私节点背叛的可能性.实验结果表明:采用惩罚机制的重复博弈能够提高网络的收益,同时也提高了网络吞吐量,任何自私节点的不合作行为都导致节点的能量浪费和节点的整体收益下降.     

基于流间编码的机会路由转发节点集选择算法

针对流间网络编码与机会路由结合时编码机会与转发节点数目之间的矛盾,提出一种基于流间网络编码的机会路由转发节点集选择算法FNSA。采用发送可变长报文探测包的方法获取更加准确的数据包成功发送概率,定量分析链路数据成功传输概率、传输次数和转发节点的个数之间的关系,确立最佳转发节点数目,选取最佳转发节点集。将该算法应用于编码感知机会路由协议CAOR,仿真实验结果表明,采用定长探测包时(α=0),网络吞吐量性能有约5%的提升;采用可变长报文探测包时(α=0.1),网络吞吐量性能有约9%的提升。     

基于博弈论的无线传感网能量均衡模型

提出一种基于贝叶斯博弈的无线传感网能量均衡算法,该算法将每次数据转发过程分解为两个阶段的博弈。第一阶段博弈是指节点结合自身能量水平及参与博弈其他节点的战略,构造静态贝叶斯博弈模型,以最优化期望收益函数的解作为节点参与路由转发数据包的最优决策概率;第二阶段博弈是指源节点与邻居节点根据能量水平及相互战略,构造博弈模型,根据最大化期望收益函数的解,决定双方在博弈阶段的最优转发包数量。仿真实验结果表明,本文提出的算法能够有效地均衡网络的能量消耗,延长网络的生存时间。     

面向博弈的无线传感器网络自适应路由算法

在无线传感器网络聚簇路由算法基础上,提出了一种面向博弈的自适应路由优化算法.网络中以总体通信能耗最小和延长个体寿命为首要原则,建立源簇到基站的路径;簇首之间相互通信时,在直接、中继以及协作通信方式中,自适应选择路径策略;在路由建立过程中,引入基于博弈论的路由选择算法和路由转发算法,通过两两博弈找出最可靠的下一跳节点,自组织地建立可靠有效的路由路径.仿真实验表明,所提出的路由算法能有效减少通信能耗,延长网络生命周期.     

隐式路由协议的一种转发节点快速选择算法

针对已有隐式路由协议转发节点选择算法效率不高的缺点，提出了一种基于IEEE 802.11 DCF机制的转发节点快速选择算法（FFS）．该算法让候选转发节点根据自己的转发优先级退避相应的时隙后发送CTS帧，并在多个候选节点发生冲突时随机选择退避时隙值，从而快速高效地唯一确定转发节点．仿真结果表明，FFS算法在能效、时延、分组到达率等网络性能指标上优于已有算法．     

MANETs面向稳定性的自适应路由开销控制算法

为了在节点频繁移动的MANETs网络环境中发现和建立具有较长维持时间的路由,以增强路由的可用性和数据传输的连续性,面向稳定性的路由算法需要中间节点转发更多的RREQ分组,但这会造成路由开销显著增加。为此,提出了一种面向稳定性的自适应路由开销控制算法。算法使用策略型博弈对RREQ转发过程进行建模,利用该博弈存在的混合策略纳什均衡计算RREQ的转发概率,实现RREQ的概率转发。仿真结果表明,提出的面向稳定性的自适应路由开销控制算法不仅保证了路由的稳定性和分组递交率,而且有效地减少了路由开销和传输延迟。     

基于社会自私性的机会网络路由算法

在现有的基于节点自私性的机会网络路由算法中,大部分假设只有个别节点具有自私性。然而在现实世界中,大部分人都具有不同程度自私性。因此,本文提出一种针对社会自私性的机会网络路由算法。在该算法中,节点的自私性体现为追求最大的转发收益,转发收益的大小与消息的优先权和节点间的社会关系强度有关。社会关系越强,消息的优先权越高,节点的转发意愿就越强,相应地消息转发效益就越大。同时,节点优先发送转发收益最大的消息,且选择到与目的节点的社会关系更强,投递率更大且转发意愿较强的节点作为转发节点。最后,通过仿真实验证明该路由算法的可行性和高效性。     

机会网络自私节点的Bertrand博弈与激励机制研究

在真实的网络环境中,很多节点可能是自私的,它们不愿意牺牲自己的资源为其他节点转发消息。针对这种情况,提出一种基于博弈论的激励机制,可以激励节点与其他节点相互合作。该机制为二阶段激励,激励节点接收消息以协助其他节点转发,同时激励节点转发更多的消息。把源节点与中继节点之间的竞争与合作模型化为Bertrand（伯特兰德）博弈,定义了源节点和中继节点的效用函数。求解了源节点的最佳定价策略和中继节点最佳的转发计划,验证了源节点与中继节点之间存在唯一的纳什均衡。模拟仿真结果表明提出的激励机制能够鼓励自私节点参与合作,能提高路由算法的传递率,同时降低了消息传递延迟。与基于声誉的激励机制相比,所提激励机制能使消息传递成功率提高31.4%、平均时延降低9.7%。     

基于博弈论能耗均衡的WSN非均匀分簇路由协议

在无线传感器网络(WSN)的分簇路由算法中,节点间能耗不均容易引发 “能量空洞”现象,影响整个网络的性能。针对这个问题,提出了一种基于博弈论能耗均衡的非均匀分簇路由(GBUC)算法。该算法在分簇阶段,采用非均匀分簇结构,簇的半径由簇头到汇聚节点的距离和剩余能量共同决定,通过调节簇头在簇内通信的能耗和转发数据的能耗来达到能耗的均衡;在簇间通信阶段,通过建立一个以节点剩余能量和链路可靠度为效益函数的博弈模型,利用其纳什均衡的解来寻找联合能耗均衡、链路可靠性的最优传输路径,从而提高网络性能。仿真结果表明:与能量高效的非均匀分簇(EEUC)算法和非均匀分簇节能路由(UCEER)算法相比,GBUC算法在均衡节点能耗、延长网络生命周期等性能方面有显著的提高。     

基于Stackelberg博弈的双层水下传感器网络功率分配算法

针对水下传感器协作通信网络中能量消耗严重的问题,为了平衡节点间的能量消耗,同时提高系统的信道容量,提出了基于节点剩余能量的分布式博弈功率分配算法。将用户节点和中继节点间的交易模型构建为双层的Stackelberg博弈,使剩余能量少的节点提供较少的功率进行转发服务,反之则提供较多的功率进行服务,从而平衡节点间的能量消耗。与未考虑剩余能量的算法相比,在有2、3和4个中继节点时,信道容量分别提升了9.4%、23.1%和16.7%。仿真结果表明,该算法不仅提高了系统总的信道容量,而且延长了水下传感器协作通信网络的生存时间。     

基于不完全信息博弈的传感器网络能量平衡路由

针对无线传感器网络能耗不均匀的问题, 提出了一种基于博弈论模型的能量平衡路由 (Game theory-based energy balance routing, GTEBR) 算法. GTEBR 算法通过引入仲裁机制及自信概率, 将不完全信息的静态博弈转换为完全但不完美的信息静态博弈, 采用静态博弈的方法解决问题. 本文设计了适合传感器节点的解算机制, 并对采用 GTEBR 算法后的传感器网络纳什均衡的存在性作出了证明. 最后仿真实验表明, 采用 GTEBR 算法具有良好的收敛性以及很好的性能.     

Energy-aware routing for delay-sensitive underwater wireless sensor networks

The energy reduction is a challenging problem in the applications of underwater wireless sensor networks （UWSNs）. The embedded battery is difficult to be replaced and it has an upper bound on its lifetime. Multihop relay is a popular method to reduce energy consumption in data transmission. The energy minimum path from source to destination in the sensor networks can be obtained through the shortest path algorithm. However, because of the node mobility, the global path planning approach is not suitable for the routing in UWSNs. It calls for an energy-efficient routing protocol for the high dynamic UWSNs. In this paper, we propose the modified energy weight routing （MEWR） protocol to deal with the energy-efficient routing of delay- sensitive UWSNs. MEWR is a low flooding routing protocol. It can tolerate the node mobility in UWSNs and achieve a low end-to-end packet delay. MEWR can provide lower energy consumption than the existing low delay routing protocols through the dynamic sending power adjustment. The simulation results demonstrate the effectiveness of MEWR.     

Ergodic secrecy rate of two-user MISO interference channels with statistical CSI

This paper considers a two-user multiple-input single-output （MISO） interference channel with confidential messages （IFC-CM）, where the beamforming vectors at the two transmitters are jointly optimized using the closed-form Pareto-optimal parameterization. We prove that artificial noise cannot improve the secrecy rate performance, and coordinated beamforming is secrecy-rate optimal which is achieved by agreeing on the parameters between the two transmitters. We analyze the feasible set of the beamforming parameters that guarantees positiveness of the secrecy rates when the transmitters know only statistical CSI, and then analysis in the ergodic secrecy rate region is discussed. More importantly, we derive the closed form of the ergodic secrecy rates and illustrate the Pareto-optimal structure of the beamforming vectors.     

A two-stage optimization model for road-rail transshipment procurement and truckload synergetic routing

Road-rail multimodal transport has increasing importance in modern cargo transport. This paper presents a novel two-stage model for optimizing auction game strategy and route in container road-rail transshipment. Two critical questions are investigated in the two stages, respectively: (a) In the first stage, what is the best pricing strategy for either large-scale or small-scale carriers in a stochastic bid generation problem? (b) In the second stage, what are the best routes of the container trucks to minimize the total expected profit of the carrier according to its pricing strategy? To deal with the first stage problem, this paper presents an evolutionary game model to capture the long-term strategic behaviors of the carriers and to optimize the choice between historical pricing strategy and combinatorial strategy for each carrier. The equilibrium points of the evolutionary game model and Evolutionary Stability Strategy are derived and discussed. In the second stage, a fleet management problem is presented to determine the routing of the trucks over the whole temporal horizon regarding the transportation price. An A*-based search heuristic is proposed to find the satisfying solution to this difficult problem. To show the efficiency and effectiveness of the proposed method, numerical studies are conducted. The results show that (a) The optimized pricing strategy is impacted by the expected profit rate, the correlation coefficient between different transport ation enterprise carriers, and the probability of winning bids. The equilibrium point of the ordering bidding system depends on whether these critical input parameters exceed a threshold. (b) In the fleet management and route optimization stage, the small-scale carrier has gained about 11.42% more profits than the large-scale carrier.     

蜂窝网络中基于双层博弈的吞吐量最大化研究

如何提升系统的吞吐量是蜂窝网络中研究的热点。利用设备到设备通信(D2D)技术为蜂窝边缘用户设备提供中继支持，进而提升系统的吞吐量。描述一种中继节点选择和频谱分配的联合问题，帮助蜂窝边缘用户设备寻找合适的中继节点，并为D2D链路分配频谱，在满足D2D和传统蜂窝用户设备干扰约束的条件下使系统吞吐量最大化。为此，提出一种基于双层博弈模型的分布式算法，对上述问题进行求解。该博弈模型分为内层和外层；内层通过Stackelberg博弈理论为蜂窝边缘用户设备选择中继节点，并将其作为主节点，蜂窝边缘用户设备作为从节点；外层采用联合博弈理论为蜂窝边缘用户设备及其中继节点间的链路分配合适的频谱。仿真结果表明本文算法在能耗、吞吐量等方面的性能要优于其他典型算法。