小世界网络中的删边扩容效应

不同于无标度网络,小世界网络中体现负载特性的介数分布和体现连接特征的度分布这两种结构差异很大,依据这个差异,我们提出了有效的删边扩容方法并进行了仿真实验,并进一步从容量与最大介数的关系理论分析确证了实验结果.接着,我们分析了小世界网络中介数分布的差异性与删边扩容效果的相关性,把基于介数的基尼系数变化用于度量删边扩容的效果,指出了结构差异是导致删边扩容效应的必要条件.还指出了无论从容量与介数的定义、仿真结果、结构差异与删边扩容效果的关系来看,都应该从介数入手来实现删边扩容方法,这种方法反直觉,有很多变种,并且实现方便、节省成本,作为一类新的路由策略可以广泛地应用于各类通信网络和交通网络等领域.     

车载网中一种基于链路稳定度的路由方法

车载自组织网络VANET(vehicular ad hoc network)由于车辆高速移动性、分布不均匀、运动行为受交通环境限制等因素的影响,使得VANET具有网络拓扑结构变化频繁、传输信号受干扰大、网络易于断裂等固有特性。路由选择是VANET的重要组成部分。如何选择下一跳节点是实现路由方法的关键,链路稳定度是衡量VANET性能的重要因素。本文通过计算预期路径的链路稳定度来选择下一跳节点,提出一种基于链路稳定度的路由方法。实验结果表明与传统的AODV相比,本文提出的方法在端到端延时,数据包的传递率等方面有较大的提高。     

基于跨层快速邻居感知的OLSR协议

提出了一种基于跨层快速邻居感知的OLSR协议——FS-OLSR,协议在采用hello消息进行链路感知和邻居探测的基础上,结合链路层反馈的信息对网络层邻居表进行更新,以增强节点的邻居感知能力;并将邻居节点的新鲜度作为MPR计算的依据,以提高拓扑消息中广播邻居节点的新鲜度,使之更加适合于快速移动场景。仿真结果表明,在快速移动场景中,FS-OLSR能够在增加少量路由开销的情况下,显著降低丢包率。     

基于空洞模型的地理位置路由改进算法研究

针对现有WSN中地理位置路由遇路由空洞后会产生冗余路由的问题,提出一种基于感知空洞形状的分段贪婪路由(Easy Modeling Greedy Routing,EMGR)算法。EMGR引入虚拟坐标概念,利用空洞边界探测包收集空洞边界节点信息,将其映射到虚拟坐标系中;根据空洞边界节点在虚拟坐标系的不同分布,定义凹、凸域来概括路由空洞形状;根据不同的空洞形状找到合适的中转节点,采用分段贪婪路由方式传输数据。仿真实验结果表明,相较于GPSR算法,EMGR算法产生的路由跳数减少了35%,网络能耗低,路径扩张率和网络时延小。     

Pub/Sub系统中基于免疫的新型路由算法

为减少Pub/Sub系统中因遍历节点而产生的广播负载,在无标度网络的Pub/Sub系统遍历路由的基础上,提出了基于免疫思想的新型路由算法。第一阶段,通过设置阈值δ,选择初始免疫节点;第二阶段,通过投票机制进一步甄选核心代理节点和免疫节点。仿真实验表明所提出的方法与Pub/Sub系统中传统的Gossip算法及洪泛算法相比较,能够限制消息在确定的范围内传播并且降低消息遍历的时间和广播开销的负载。基于免疫的新型路由算法可加快消息的传播速度、降低网络开销。     

基于NS2的Ad-Hoc网络典型路由协议的研究与仿真

无线自组织网络是一种完全由无线节点或终端自主构成的通信网络,常用于需要紧急或临时搭建网络环境下应用,具有独立于固定基础设施、带宽有限和拓扑结构易变等特点.本文以Ad-HOC网络为研究内容,重点介绍了Ad-HOC网络的组网关键技术——路由协议,以网络仿真器NS2作为仿真平台,对比在不同移动节点数目和节点不同停留时间两种情...     

基于智能垃圾桶的垃圾分类动态收运路径优化问题研究

针对城市生活垃圾分类收运过程中存在的环境二次污染和垃圾产生量不确定性等问题,提出了一种基于智能垃圾桶的动态收运车辆路径优化方法。建立以最小化碳排放成本、燃油消耗成本、固定成本和车辆延迟到达惩罚成本为目标的动态车辆路径优化模型。采用滚动时域的方式将动态问题转换为一系列静态问题,并设计两阶段算法进行求解。首先采用粒子群算法对收运车辆路径进行规划,而后在每个时域末,综合考虑待清运垃圾桶的位置和垃圾量、垃圾收运车辆的位置和装载量以动态调整现有车辆路径。研究结果表明,相较于传统的静态收运方案,动态垃圾收运方案能够在降低车辆运输成本和碳排放成本的同时,显著降低由于清运不及时造成的环境二次污染的风险。     

基于蚁群优化的WSN能耗均衡链状路由协议

为了从路由技术的角度解决无线传感器网络的能耗问题,综合蚁群优化算法和PEGASIS协议的思想提出了ACO-PEGASIS路由协议;该协议采用蚁群优化算法构建通信链,解决了PEGASIS协议中由于贪婪算法的局部性产生的相邻节点间的长链问题;并在成链过程中综合考虑节点间距离、节点剩余能量等因子,以均衡全网的能量消耗;同时根据距离和能量因素选取链头节点并采用一定措施降低链头重选次数;仿真结果表明,与PEGASIS协议相比,该协议更加有效地均衡了全网的能量消耗,延长了网络的生存周期。     

基于能量强度的簇区分路由方法研究

传感器节点体积微小,通常携带能量十分有限的电池。由于传感器节点个数多,成本要求低廉,分布区域广,而且部署区域环境复杂,有些区域甚至是人员不能到达的,所以传感器节点通过更换电池的方式来补充能量是不现实的。如何高效使用能量来最大化网路的生命周期是无线传感器网络面临的首要挑战。为了提高网络的寿命,目前人们已经提出了很多基于网络层的路由协议。比较研究了传感器网络现有的路由协议,参考LEACH分簇算法和MTP协议,提出了一种在MTP协议基础上将LEACH分簇思想引入进来的改进方法,即在基于能量强度将网络节点分层后,再在各层上进行簇区分,均衡各传感器节点的能量来提高网络的寿命。实验表明该路由算法可提高网络寿命。     

Routing with multiple quality-of-services constraints: An approximation perspective

Finding a path that satisfies multiple Quality-of-Service (QoS) constraints is vital to the deployment of current emerged services. However, existing algorithms are not very efficient and effective at finding such a path. Moreover, few works focus on three or more QoS constraints. In this paper, we present an enhanced version of fully polynomial time approximation scheme (EFPTAS) for multiconstrainted path optimal (MCOP) problem. Specifically, we make four major contributions. We first allow the proposed algorithm to construct an auxiliary graph, through which the QoS parameters on each of the finding path can be guaranteed not to exceed the given constraints. Then we adopt a concept, called nonlinear definition of path constraints in EFPTAS for reducing both time and space complexity. Also, we enable EFPTAS to run iteratively to facilitate a progressive refinement of the finding result. In addition to these, we identify some “deployment” issues for proposed algorithm, the essential steps that how and when the EFPTAS takes place are presented. By analyzing the proposed algorithm theoretically, we find that the presented EFPTAS can find a (1+ε)-approximation path in the network with time complexity O(|E||V|/ε) (where |E| is the number of edges and |V| is the number of nodes), which outperforms the previous best-known algorithm for MCOP. We conduct an extensive comparison between the algorithm presented in this paper and previous best-known study experimentally, our results indicate that EFPTAS can find a path with low complexity and preferable quality.