基于节点差异性的机会网络数据转发算法

基于节点差异性的机会网络数据转发算法
高彩霞;祁昌平
【摘要】为了提高机会网络传输成功率，降低传输开销，提出了一种基于节点差异性的机会网络数据转发算法。

选择剩余能量大、邻居更新速度快的节点作为中继节点，根据节点对的邻居相似度自适应调节阈值，以满足不同网络环境下的转发要求。

仿真实验表明，此算法与其他算法相比，在较低的传输延迟下大大提高了传输的成功率，降低了网络传输开销。

%In order to improve the success rate of network transmission , reduce transport costs , a novel data transmission algorithm of opportunistic networks based on nodes'difference is proposed . Firstly , the node residual energy and neighbor update speed is selected as a relay node ;and then the threshold is adaptively adjusted according to neighbor similarity node to meet the forwarding requirements under the different network environment . The simulation results show that this proposed algorithm not only has improved the network data transmission probability and reduced the delay of network transmission , and greatly reduce the transmission number of nodes and sharply reduce the network cost compared with other opportunistic network data forwarding algorithms .
【期刊名称】《西北师范大学学报（自然科学版）》
【年(卷),期】2015(000)004
【总页数】5页(P42-45,57)
【关键词】机会网络;邻居变化率;传输性能;自适应转发
【作者】高彩霞;祁昌平
【作者单位】河西学院信息技术与传媒学院，甘肃张掖 734000;河西学院信息技术与传媒学院，甘肃张掖 734000
【正文语种】中文
【中图分类】TP393.01
机会网络是一种通过节点移动来实现的延迟容忍网络.相对于传统无线网络,机会网络的规模和节点初始位置无法预先设置，以“存储-携带-转发”模式传输信息.由于机会网络可以处理网络分裂、时延等传统网络不能解决的难题，在通信基础设施缺乏、网络环境恶劣等场合得到了广泛的应用[1].然而在机会网络应用过程中，网络被分割成不连通的子区域，数据通信利用节点移动带来的相遇机会来实现，因此怎样选择最优节点进行数据的转发，成为机会网络研究中的难点和热点[2].
为了提高数据传输成功率，文中提出了一种基于节点差异性的机会网络数据转发算法.首先考虑节点的剩余能量和邻居变化率，选择剩余能量大、邻居更新快的节点作为中继节点；然后根据节点对的邻居相似度调节阈值的大小，控制不同节点传输性能和不同网络环境下的转发条件，实现自适应转发决策;最后进行仿真实验，测试算法的性能.
针对机会网络的数据转发问题，国内外学者进行了大量而深入的研究，提出许多有效的数据转发算法[3].最为原始也最为简单的算法为直接传输(Direct transmission)算法，该算法具有消耗小等优点，但是仅当节点移动到汇聚点的通信范围内，才能进行数据有效传输，且存在延迟大、传输成功率低等不足，限制其应用范围[4].之后有学者提出基于洪泛理论(flooding)的机会网络数据转发算法，
较好地降低了延迟，提高了数据传输成功率，但是存在网络资源消耗和丢包现象十分严重的缺点[5].文献[6]提出了一种基于RED策略的数据转发算法，通过消息传
输的发生与否计算数据传输概率，并根据节点当前传输概率对参数进行编码，有效提高了数据传输的成功率，但是如何计算参数全凭经验，具有较强的主观性和盲目性.为了减少网络数据转发延迟，降低网络的开销，有学者提出了SW(spray and wait)算法，其数据传输效率与消息副本数量密切相关，当副本规模较大时，延迟小，传输成功率高，但是网络开销比较大[7].针对SW算法存在的不足，许多学者对其进行改进，提出一些改进的SW算法，如SF(spray and focus)算法.相对于SW算法，SF算法提高了机会网络数据转发的性能，但是该转发方式缺乏灵活性，不能自适应不同机会网络的传输要求[8].文献[9]提出了基于邻居节点数目的效用值阈值自适应调整算法，但仅考虑相遇节点数目变化，难以准确描述机会网络传输的实际变化状况.文献[10]提出了一种基于节点性能的机会网络自适应转发算法.
2.1 网络模型
设多个节点随机分布在一个N×N的正方形区域内，该传感器网络的性质为：
1)全部机会网络节点采用Random waypoint运动规律，该运动规律的思想为：
在N×N的正方形区域内，节点随机选择起始点S和目的点D，节点的运动速度属于区间[Vmin,Vmax],节点匀速地从点S向点D作直线运行，在D处选取暂停时间，暂停时间属于区间[Tmin,Tmax],并且在该位置节点处于静止状态,从而完成一次运
动过程.然后将点D作为下次运动的起始点S，进入下一轮运动，不断重复.
2)以基站作为参考标准，对全部汇聚点进行部署，一旦部署后，汇聚点就不能再移动[11].
3)全部节点均不需要人工维护.
4)各节点当前位置及运动速率通过全球定位系统(Global positioning system，GPS)确定.
5)全部节点的运行时钟保持同步.
网络模型如图1所示.
2.2 通信模型
根据传输距离，使用自由空间和多径衰落这两种信道模型.如果通信距离小于某个阈值，使用自由空间信道模型；否则，使用多径衰落信道模型[12].发送长度为k bit、距离为d的消息消耗的能量为[7]
其中,eTx为发射电路消耗的能量；εfs为自由空间模型下发送1 bit数据消耗的能量；εmp为多径衰落模型下发送1 bit数据消耗的能量；.
接收长度为n bit的消息消耗的能量为[7]
其中eRx为接收1 bit消息消耗的能量.
3.1 节点的剩余能量
一个节点的剩余能量越多，它将消息转发到目标节点的成功率就越高.由于能量百分比难以对节点当前的能量状态进行准确描述，因此对节点的剩余能量Ei进行归一化处理[8]:
其中，uE为节点i的剩余能量率；Ej是相遇节点j的剩余能量.
3.2 邻居变化率
一个节点的邻居变化率越高，该节点在一定时间内与其他节点相遇的概率就越大.设Ni为节点i的邻居变化率，则[12]
其中，t和told为当前时刻和上一次更新邻居节点列表的时刻；Ni(t)和Ni(told)分别表示节点i的当前邻居节点列表和上一次的邻居节点列表.同样，对Ni进行归一化处理[8]:
其中，uN为节点i的邻居变化率比率；Nj是相遇节点j的邻居变化率.
3.3 数据传输性能
节点传输能力的优劣主要通过剩余能量和邻居变化率来估计.一个节点的剩余能量
和邻居变化率越高，该节点的数据传输能力就越强.节点i的传输性能为[10]
其中ω表示权重值，其值大小在0～1.
3.4 转发控制因子
在机会网络数据转发过程，节点性能越优异，它可以承担的传输任务就越多.根据
该思想，当两个节点i与j相遇时，可以得到Pi和Pj，如果Pj>Pi，那么节点j的传输性能更优，但这时不一定表示节点i应该转发消息包给节点j.文中数据转发算法参考过邻居相似程度对阈值进行自适应调整，提高数据转发的成功率.设Di,j为
节点i相对于节点j的阈值控制因子，则有[9]
在消息转发中，节点i(携带消息包)与节点j相遇，若满足(8)式的条件，则节点i将该消息转发给节点j;否则，继续等待相遇节点.
其中Pth为阈值.
综合上述可知，基于节点差异的机会网络数据转发算法的工作流程如图2.
4.1 仿真环境及参数设置
为了测试文中提出的转发算法的有效性和优越性，在Windows XP操作系统，Intel(R) Core(TM) i3-2120 2.8 GHz CPU，4 GB RAM环境下，采用Matlab 2012编程，进行仿真实验.同时为了文中算法结果具有可比性，选择SW,Binary spray and wait(BSW)和Epidemic算法进行对比，并选择传输成功率、平均延迟、开销率作为算法的评价标准.仿真参数设置见表1.
4.2 结果与分析
4.2.1 传输成功率比较在不同节点密度条件下，不同算法的机会网络数据传输成功率如图3所示.从图3可以看出:
1)在相同节点密度条件下，SW和BSW算法的数据传输成功率高于Epidemic算法，这主要由于SW和BSW算法基数据传输效率与消息副本数量密切相关，当副
本规模较大时，其延迟小，传输成功率高.
2)相对于SW，BSW和Epidemic算法，文中算法的传输成功率明显提高.例如，
节点数为150时，文中算法成功率为0.55，SW算法为0.4，BSW算法为0.43，而Epidemic算法只为0.25，这主要由于文中算法选择剩余能量大、邻居更新快
的节点作为中继节点，并根据邻居相似度动态调节阈值，以满足不同网络环境下的转发条件，从而提高了传输成功率.
4.2.2 网络平均延迟比较在不同时间条件下，不同算法的平均延迟如图4所示.从
图4可以看出:
1)相对于Epidemic算法，SW和BSW算法的网络平均延迟得到大幅度改善，具
有更优的机会网络数据转发性能，提高了数据传输效率和速度.
2)相对于SW,BSW算法，文中算法的网络平均延迟基本持平，相差不大，平均延
迟没有得到较好改善.但是随着时间增加，所有算法由于泛洪机制造成的网络拥塞，导致消息包不能到达目标节点，从而导致机会网络传输平均延迟比较大.
4.2.3 开销率比较在不同节点条件下，不同算法的网络开销率如图5所示.从图5
可以看出:
1)在所有算法中，Epidemic算法开销率最大，是其他算法的近10倍，这主要由
于Epidemic算法需要大量的额外开销，导致网络资源浪费十分严重.
2)相对于SW，BSW算法，文中算法在开销率方面优势显著，比SW和BSW算
法减少了约20%开销，这主要由于文中算法有目的地选择传输能力强的中继节点，并自适应控制转发条件，减少了盲目转发造成的资源浪费.
为了更加充分利用机会网络的能量，有效延长网络生存时间，提高数据传输成功率，提出了一种基于节点差异性的机会网络数据转发算法.该算法充分考虑节点的剩余
能量和邻居变化率，以及自适应调节不同邻居相似度下的转发条件.仿真验证实验
结果表明，与其他机会网络数据转发算法相比，文中算法不仅提高了网络数据传输
的成功率，减少了网络传输延迟，并且大幅度降低了节点间的转发次数，网络传输开销急剧减少.
【相关文献】
[1] PELUSI L,PASSARELLA A,CONTI M.Opportunistic networking:Data forwarding in disconnected mobile Ad hoc networks[J].Communications Magazine,2006,44(11):134-141.
[2] CHEN L，YU C，SUN T，et al.A hybrid routing approach for opportunistic
networks[C]//Proceedings of the 2006 SIGCOMM Workshop on Challenged Networks.Pisa:ACM，2006:213-220.
[3] LEGUAY J，FRIEDMAN T，CONAN V.DTN routing in a mobility pattern
space[C]//Proceedings of the 2005 ACM SIGCOMM Workshop on Delay Tolerant Networking.Philadelphia:ACM，2005:276-283.
[4] 杨波,王雷.高性能的机会网络数据转发机制EH-EC[J]. 计算机应用,2010,20(12):3180-3184.
[5] 钱景辉.一种机会网络中节点转发策略的改进[J]. 微电子学与计算机,2013,30(1):5-8.
[6] GUPTA B,GHOSH K,DUTTA D,et al.Broadcasting in complete and incomplete star interconnection networks [J].International Journal of Computer System Science and Engineering,2001,4(2):205-21.
[7] 刘唐,彭舰,王建忠,等.延迟容忍移动传感器网络中基于节点优先级的数据转发策略[J]. 计算机科学,2011,38(3):140-146.
[8] 龚丁海.机会网络中转发机制的研究[J]. 河池学院学报,2011,31(2):49-51.
[9] 孙利民,熊永平,马建.机会移动传感器网络中的自适应数据收集机制[J].通信学
报,2008,29(11):186-193.
[10] 周航,牛建伟,孙利民,等.机会网络中自适应多跳多拷贝传输算法[J].计算机科
学,2008,35(11):167-170.
[11] 孙践知,刘乃瑞,张迎新,等.机会网络典型路由算法性能分析[J]. 计算机工程,2011,37(16):86-89.
[12] 舒坚,杨世伟,刘琳岚.机会网络中的自适应转发控制算法[J]. 计算机应用研究,2011,28(6):2336-2338.。