机会网络中基于节点社会属性的转发算法

doi:10.3778/j.issn.1002-8331.1605-0426

计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (22): 92-96.DOI: 10.3778/j.issn.1002-8331.1605-0426

机会网络中基于节点社会属性的转发算法

刘慧1，张振宇1，2，杨文忠2，吴晓红2

1.新疆大学软件学院，乌鲁木齐 830008
2.新疆大学信息科学与工程学院，乌鲁木齐 830046

出版日期:2017-11-15 发布日期:2017-11-29

Routing algorithm based on attribute of sociality of node in opportunistic networks

LIU Hui1, ZHANG Zhenyu1，2, YANG Wenzhong2, WU Xiaohong2

1.School of Software Engineering, Xinjiang University, Urumqi 830008, China
2.School of Information Science and Engineering, Xinjiang University, Urumqi 830046, China

Online:2017-11-15 Published:2017-11-29

摘要/Abstract

摘要： 针对机会网络中的数据转发问题，提出一种基于节点社会属性的转发算法。该算法计算节点的陌生性、介数中心性和相似性，均衡利用多个节点的资源防止某些节点因资源消耗过快而退出网络，降低网络的连通性。仿真结果表明，与Epidemic、PROPHET及SW等算法相比，在保证较低传输延迟和较高传输成功率的基础上，通过减少节点间的转发次数，有效地降低了网络传输开销，从而提高数据交付率和减少延迟。

关键词: 机会网络, 陌生性, 介数中心性, 相似性, 数据转发

Abstract: For message forwarding in opportunistic networks, a forwarding algorithm based on Attribute of Sociality of Node is proposed in this paper. This algorithm computes value of strangeness of nodes, betweenness, similarity and balanced use of the resources of multiple nodes to prevent some nodes fast out of the network and reduces network connectivity. Through the simulation experiment and compared with Epidemic, PROPHET, SW algorithm, this algorithm can reduce network overhead by reducing the number of forwarding between nodes based on ensuring lower delivery latency and higher delivery success rate, which improves data delivery ratio and decreases latency.

Key words: opportunistic networks, degree of strangeness, betweenness, similarity, message forwarding

刘慧1，张振宇1，2，杨文忠2，吴晓红2. 机会网络中基于节点社会属性的转发算法[J]. 计算机工程与应用, 2017, 53(22): 92-96.

LIU Hui1, ZHANG Zhenyu1，2, YANG Wenzhong2, WU Xiaohong2. Routing algorithm based on attribute of sociality of node in opportunistic networks[J]. Computer Engineering and Applications, 2017, 53(22): 92-96.

[1]	张晓闻，任勇峰. 结合稀疏表示与拓扑相似性的图像匹配算法[J]. 计算机工程与应用, 2021, 57(8): 198-203.
[2]	蒋斌，梁小安，张亮，高杨军. 基于改进修正权重的证据组合方法[J]. 计算机工程与应用, 2021, 57(24): 100-106.
[3]	卫鼎峰，李梁，柴晶. 融合物品信息的社会化推荐算法[J]. 计算机工程与应用, 2021, 57(19): 198-204.
[4]	张陶，于炯，廖彬，毕雪华. 基于最小描述长度原则的属性图概要方法[J]. 计算机工程与应用, 2021, 57(15): 124-132.
[5]	石晨，张宇，胡博. 基于共同语境的近义词/同义词短语查找模型[J]. 计算机工程与应用, 2021, 57(14): 142-147.
[6]	袁中臣，马宗民. 基于语义的UML类图的集成分类[J]. 计算机工程与应用, 2021, 57(12): 257-262.
[7]	任益辰，肖达. 基于程序双维度特征的恶意程序相似性分析[J]. 计算机工程与应用, 2021, 57(1): 118-125.
[8]	应文杰，桑基韬. 改进的哈希学习高效推荐算法[J]. 计算机工程与应用, 2020, 56(9): 75-83.
[9]	安宁，江思源，唐晨，杨矫云. 融合单纯形映射与熵加权的聚类方法[J]. 计算机工程与应用, 2020, 56(9): 148-155.
[10]	徐戈，杨晓燕，汪涛. 单词语义相似性计算综述[J]. 计算机工程与应用, 2020, 56(4): 9-15.
[11]	王见，毛黎明，尹爱军. 结合形状特征及其上下文的多维DTW[J]. 计算机工程与应用, 2020, 56(22): 42-47.
[12]	王工书，任尊晓，李丹丹，相洁，王彬. 脑激活任务区分度的分析及应用研究[J]. 计算机工程与应用, 2020, 56(21): 272-278.
[13]	刘成士，赵志刚，李强，吕慧显，董晓晨，李金霞. 加强的低秩表示图像去噪算法[J]. 计算机工程与应用, 2020, 56(2): 216-225.
[14]	刘喜梅，潘立军. 求解公共自行车再平衡问题的克隆选择算法[J]. 计算机工程与应用, 2020, 56(11): 252-258.
[15]	谭章禄，王兆刚，胡翰. 时间序列趋势相似性度量方法研究[J]. 计算机工程与应用, 2020, 56(10): 94-99.

机会网络中基于节点社会属性的转发算法

Routing algorithm based on attribute of sociality of node in opportunistic networks

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics