移动社会网络中基于社区的消息机会传输策略

移动社会网络是一种由大量具有社会特征的节点组成的机会网络.已有的基于社区的路由算法大多选用社会性最优的节点参与转发,而没有考虑到社区分布对节点移动的影响,将这些算法直接用于移动社会网络中会导致网络资源消耗高、传输成功率低等问题.针对这些问题,提出一种基于社区的消息机会传输算法,在社区间根据节点到目标社区的传输概率选择社区间的最优传输路径,在社区内选择与目标节点相遇概率较高的节点完成社区内传输.仿真实验结果表明,在移动社会网络中,该算法与 Prophet,Spray and Wait 等经典算法相比,提高了消息传输成功率,降低了网络开销.     

基于社区的机会网络冗余效用混合转发机制

针对机会网络主流路由协议没有考虑到节点的社区特性,提出了一种基于社区的冗余效用混合转发机制。该算法从合理降低洪泛度和准确预测效用值方面出发,通过消息筛选、消息优先级和活跃节点机制对消息进行有效处理和转发。与经典的Epidemic和Prophet算法相比,该算法具有消息传达率较高、传输延时小和网络开销低的特点。     

一种基于网络编码的机会社会网络路由算法

为了解决机会社会网络中数据传输成功率低、平均传输延迟大等不利因素,文章提出一种基于网络编码的机会社会网络路由(OSN-NC)算法,OSN-NC路由算法的中间节点只将目标节点相同的编码数据包进行再次编码,因此这样可以降低全局编码系数数量和高斯消元的复杂度,增加数据传输的可靠性。社区内我们采用PROPHET和网络编码相结合的消息传输策略,将编码数据包传输给网络中相遇概率值更大的下一跳转发节点,直到遇到目标节点。在社区间我们选择累积相遇概率值大的节点作为编码节点完成消息的转发,直到遇到具有相同社区的中间节点后采用社区内消息传输策略。仿真结果表明,OSN-NC算法在提高网络吞吐量和数据传输成功率、降低平均传输时延等方面具有明显的改善。     

基于社交关系的移动机会网络路由算法

在基于节点社交信息移动机会网络路由算法的设计中,存在不能有效平衡数据的传输成功率与平均传输时延的问题。为此,提出一种基于社交关系的路由算法。利用改进的桥接中心度重新评价节点的异质中心性,通过引入社区内的转发判别因子加快社区内消息的转发,结合带有老化机制的Simple社区识别算法选择转发节点。仿真结果表明,与经典算法Bubble Rap及其改进算法BiBubble、BridgingCom相比,该算法能够有效提高消息投递成功率并减小消息平均传输时延。     

一种车载机会网络文件调度与数据传输算法

车载机会网络通过移动车辆无线通信设备实现数据传输,是未来智能交通的重要组成部分。车载机会网络中,由于车辆节点的频繁移动,链路信道的衰减以及短暂的通信链路持续时间,使得车辆节点很难在有限的链路时间内成功传输大小不同的文件。为了解决以上问题,分析车辆的运行轨迹信息,根据文件传输时耗与链路持续时间,提出文件发送序列调度算法,通过计算车辆的相遇概率完成数据的传输。仿真结果表明,该方法相比传统算法在文件传输成功率、网络平均时延和网络负载率等方面具有明显的优势。     

一种基于节点移动倾向检测的社会网络机会转发机制

社会网络中节点的移动特点可以归结为强移动性和弱移动性两种类型。提出的MTBR (Mobile-Tendency Based Routing)算法引入了移动倾向的概念,将人的移动习惯与节点的移动规律进行关联。该算法通过检测出社会网络中强移动性节点的移动倾向,并利用强移动节点来携带数据并进行数据转发。实验数据表明,节点移动性越强其移动倾向越明显;相较于同类算法,MTBR算法可以有效地将消息向较远的目的地转发,其产生的转发能耗较低,送达率更稳定。     

移动机会网络中一种轻量级的分布式社会距离路由算法

目前大部分机会路由算法采取洪泛的方式进行辅助信息的交换造成网络资源浪费严重。针对此问题,提出了一种分布式社会距离路由算法。首先,通过分析节点间接触的稳定性与规律性来确定朋友关系。其次,通过朋友关系来构建节点间的社会距离;进一步地,每个节点维护一张用于记录当前已知的到其他节点的最短社会距离表,通过朋友节点之间相互交换并比较表中信息来不断更新最短社会距离。由于社会距离的构建与更新只需要朋友之间交换信息而并不需要全部节点来参与,极大地减少了辅助信息的交换次数。最后,数据包被发送到与其目的节点社会距离较近的中继节点,保证了数据包高效率地投递。实验结果表明：与接触和传输记录的概率路由（PRoPHET）算法相比投递率提升约3%,包传输延时降低约27%,辅助信息交换次数减少约63%;与基于中心度与相似度的路由（SimBet）算法相比包投递率提升约11%,包传输延时方面基本持平,辅助信息交换次数减少约63%。社会距离路由算法在可扩展性方面的良好表现,为移动机会网络大规模部署提供了理论支撑。     

一种移动互联网下的机会式内容共享机制

现有移动互联网的体系结构在网络的通信上有许多规定和限制,尤其要求保证网络的连通性,这使得在某些突发状况、通信基础设施不足的移动通信场景下的应用受到了限制.提出一种机会式内容共享机制,该机制利用网络中参与节点相遇的机会进行内容转发,转发过程对网络的连通性要求较低,对网络基础设施依赖较小.在本文内容共享机制下,采用集中式、分布式结合的网络结构,在网络中加入一定数量的静态节点对网络进行管理,在机会转发算法上,利用静态节点位置相对固定的特点,提出了基于位置的机会转发机制LAOF和基于传染算法的转发机制ERF,仿真实验显示了较好的转发性能.     

兴趣社区引导的机会社会网络节点移动模型

在机会网络节点移动模型的研究中,不同的移动模型对网络协议的性能具有不同影响,因此选择合适的移动模型至关重要。针对一些社会服务性活动中人类表现出的社会性移动特征,提出一种适合于相关场景的基于兴趣的节点移动模型。上述模型根据社会网络中的节点中心性对社区里的节点进行划分;同时使用人类动力学知识描述节点信息,使节点兴趣具有时变性。仿真结果表明,上述模型比随机路点移动模型和社区移动模型更接近实际数据集的统计结果。     

校园机会网络移动模型研究

节点的移动模型对机会网络的研究有着重要的影响。本文在分析校园环境下学生移动节点的活动特性,提出一种目的驱动和状态转换移动模型。构建节点移动的目的空间和目的位置空间,利用正态分布模拟节点在目的位置的停留时间。仿真结果表明,本模型更接近真实数据。     

基于机会网络中社交关系的转发机制

由于现有的机会网络转发机制不能完全适应社会网络中基于社交关系的判断与分析,为此通过建立社交关系的分类,构建机会网络中的社会关系树结构模型,提出了一种新的转发机制。该机制设置了节点权重值,由节点所处的层次和社会关系的可利用性及可靠性决定。通过路径权重值,选择最有价值的路径进行消息的传递。通过仿真实验,所提出的转发机制有效地降低了网络中的消息副本数和降低了路由开销。     

机会网络中基于移动特征的效用转发协议*

针对非社区网络中的主流转发协议未考虑到节点移动的非完全随机性,提出一种基于移动特征的效用转发协议。每个节点关联两个移动特征——活跃度和相似度,依靠活跃节点带动消息的适当发散和递交,并通过相似度的判定和效用值的比较降低网络开销。仿真结果表明,该协议在保持相对平稳的端到端延时的情况下,可以提高消息递交率,降低网络资源消耗。     

机会网络蓝牙设备唤醒调度机制研究

在以人为载体的机会网络中,移动蓝牙设备有电池能量有限的特点。同时,在机会网络中,节点经常处于较长时间的互不连通状态,如何设计有效的蓝牙节点唤醒调度模式来降低能耗并确保不破坏网络现有的连通性是一个重要问题。提出了一种机会网络蓝牙设备唤醒调度策略BWM。该策略分析蓝牙设备电池能耗问题,建立了涉及能耗的蓝牙数据传输模型,并对休眠唤醒机制中的参数内在联系进行研究,以确保数据成功传输量为前提来对唤醒周期间隔长度进行控制。仿真实验结果表明,BWM在保证节点有效数据发送性能前提下节省了节点消耗的能量。     

移动社交网络中基于网络中心度的链路预测方法*

移动社交网络中的链路预测是指通过已知的网络节点以及移动社交网络结构等信息预测网络中尚未产生连边的两个节点之间产生链接的可能性。基于网络中心度的思想,提出一种适用于移动社交网络的链路预测算法。在该算法中,根据节点网络中心度和共同邻居数来计算两个节点的相似性指标,两个节点的共同邻居数越多、共同邻居的网络中心度越高,则两个节点的相似度越高。另外,由于移动社交网络的动态性特征,还将考虑时间因素对预测结果的影响。将该方法与其他4种常用的链路预测方法进行比较,实验结果显示所提方法要优于其他方法。     

Dynamic human contact prediction based on naive Bayes algorithm in mobile social networks

Human contact prediction is a challenging task in mobile social networks. The existing prediction methods are based on the static network structure, and directly applying these static prediction methods to dynamic network prediction is bound to reduce the prediction accuracy. In this paper, we extract some important features to predict human contacts and propose a novel human contact prediction method based on naive Bayes algorithm, which is suitable for dynamic networks. The proposed method takes the ever-changing structure of mobile social networks into account. First, the past time is partitioned into many periods with equal intervals, and each period has a feature matrix of all node pairs. Then, with the feature matrixes used for classifiers training based on naive Bayes algorithm, we can get a classifier for each time period. At last, the different weights are assigned to the classifiers according to their importance to contact prediction, and all classifiers are weighted combination into the final prediction classifier. The extensive experiments are conducted to verify the effectiveness and superiority of the proposed method, and the results show that the proposed method can improve the prediction accuracy and TP Rate to a large extent. Besides, we find that the size of time interval has a certain impact on the clustering coefficient of mobile social networks, which further affects the prediction accuracy.     

基于数据包序列号集合的机会路由传输协调机制

机会路由传输协调机制组织和协调候选路由节点间的数据包传输,通过减少端到端累计数据包传输次数提高机会路由端到端吞吐量。现有基于batch map的批量分段式传输协调机制的协调成功率随批量传输的数据包数量的振荡而振荡。针对此问题,提出了基于数据包序列号集合的批量连续式传输协调机制,通过维持每轮批量传输的数据包数量确保传输协调成功率,提高机会路由端到端吞吐量。实验结果显示,基于数据包序列号集合的机会路由传输协调机制能平均提高约18%的端到端吞吐量。     

机会网络下基于信任机制的改进Epidemic算法

针对 Epidemic 算法导致机会网络拥塞引发的路由可靠性问题,提出一种基于信任机制的改进Epidemic算法。通过构建节点之间的信任机制,提供具有足够可信度的节点作为消息的下一跳转发节点,使消息进行有限规模的泛洪传播。仿真实验结果和分析表明,改进后的Epidemic算法避免了泛洪机制引发的网络拥塞问题,并且在路由可靠性和传输性能上有一定的提高。     

基于团结构亲密度的移动社交网络数据转发算法

由于移动社交网络中不存在稳定的端到端连接,因此移动社交网络中的数据转发是一个重要问题.从节点的友好性角度出发,利用节点间的友好性,构造了节点间的团结构并利用团与节点、社区之间的亲密度,提出了一种基于团结构亲密度的数据转发算法(DFAIG).基本思想是,数据包携带节点只有在本社区AP或者相遇节点与以目的节点为中心的团结构的亲密度达到一定要求时,才转发数据包给相遇节点.仿真结果显示:与著名的Epidemic,Label和SGBR相比,提出的算法在降低网络开销上具有明显优势,且有效地提高数据包传递率.     

基于移动医疗大数据平台下深度最优匹配算法的机会网络转发机制

通过分析在移动医疗大数据平台下,机会网络中节点传递信息方式的特点,遍历所有邻接节点,对两节点的数据进行比较,通过最优匹配方式,选择匹配结果最优的邻接节点作为下一跳的节点,从而找出一条使数据高效转发的路径。根据此过程,提出一种基于移动医疗大数据平台下深度最优匹配算法的机会网络转发机制,即DOM算法,用来匹配节点中的数据分组,从而选择一条数据高效转发的路径。通过与机会网络中的经典算法比较,表明DOM算法能够在数据传播的过程中减少冗余数据并且显著提高传输成功率。