本文選題：機(jī)會(huì)網(wǎng)絡(luò) + 機(jī)會(huì)路由　； 參考：《東南大學(xué)》2015年碩士論文

【摘要】：大量具備短距離無(wú)線通信能力的智能設(shè)備的普及推動(dòng)了機(jī)會(huì)網(wǎng)絡(luò)的研究和應(yīng)用。但在實(shí)際應(yīng)用環(huán)境中,由于節(jié)點(diǎn)移動(dòng)、網(wǎng)絡(luò)稀疏或信號(hào)衰減等各種原因,機(jī)會(huì)網(wǎng)絡(luò)中的鏈路動(dòng)態(tài)性較高,導(dǎo)致消息投遞率成功低、投遞時(shí)延大等問(wèn)題,制約了機(jī)會(huì)網(wǎng)絡(luò)的實(shí)用性。在機(jī)會(huì)網(wǎng)絡(luò)中部署具有較大緩存空間、位置固定或者移動(dòng)的輔助節(jié)點(diǎn),形成混合結(jié)構(gòu)機(jī)會(huì)網(wǎng)絡(luò),可以降低網(wǎng)絡(luò)的動(dòng)態(tài)性,提高網(wǎng)絡(luò)傳輸性能�；旌辖Y(jié)構(gòu)機(jī)會(huì)網(wǎng)絡(luò)符合諸如校園等社區(qū)網(wǎng)絡(luò)、路線固定的公交車網(wǎng)絡(luò)、具有路邊節(jié)點(diǎn)的車載網(wǎng)絡(luò)等應(yīng)用形式。本論文主要研究基礎(chǔ)設(shè)施輔助節(jié)點(diǎn)對(duì)網(wǎng)絡(luò)動(dòng)態(tài)性,鏈路變化可預(yù)測(cè)性的影響以及對(duì)消息投遞性能的改進(jìn)作用,內(nèi)容如下：(1)研究混合結(jié)構(gòu)網(wǎng)絡(luò)統(tǒng)計(jì)特性。為了研究混合結(jié)構(gòu)機(jī)會(huì)網(wǎng)絡(luò)中輔助節(jié)點(diǎn)的數(shù)量和密度等參數(shù)對(duì)網(wǎng)絡(luò)的影響,本論文通過(guò)對(duì)實(shí)際數(shù)據(jù)集進(jìn)行統(tǒng)計(jì)和分析的方式進(jìn)行一系列的實(shí)驗(yàn),總結(jié)了網(wǎng)絡(luò)動(dòng)態(tài)性、鏈路屬性的變化。實(shí)驗(yàn)結(jié)果表明：節(jié)點(diǎn)相遇時(shí)間間隔分布函數(shù)曲線呈現(xiàn)“重尾”特征；輔助節(jié)點(diǎn)的密度和部署方法對(duì)提升機(jī)會(huì)網(wǎng)絡(luò)的傳輸性能有較大影響：僅僅少量正確部署的輔助節(jié)點(diǎn)就能顯著提升網(wǎng)絡(luò)性能,而高密度的輔助節(jié)點(diǎn)帶來(lái)的邊際效用遞減。(2)提出混合結(jié)構(gòu)機(jī)會(huì)網(wǎng)絡(luò)中的鏈路預(yù)測(cè)組合算法。該算法對(duì)相遇頻繁且呈周期性的節(jié)點(diǎn)對(duì)采用基于周期模式挖掘的鏈路預(yù)測(cè)算法,對(duì)相遇頻繁但非周期性的節(jié)點(diǎn)對(duì)采用基于決策樹(shù)的機(jī)器學(xué)習(xí)鏈路預(yù)測(cè)算法,對(duì)相遇不頻繁的節(jié)點(diǎn)對(duì)采用基于相似性的鏈路預(yù)測(cè)算法。在實(shí)際數(shù)據(jù)集中進(jìn)行的實(shí)驗(yàn)結(jié)果表明,該組合算法的預(yù)測(cè)效果要優(yōu)于其他單一算法,且該算法能夠?qū)Ω嗟墓?jié)點(diǎn)對(duì)實(shí)現(xiàn)預(yù)測(cè)。(3)研究基于預(yù)測(cè)的混合結(jié)構(gòu)機(jī)會(huì)網(wǎng)絡(luò)消息投遞。結(jié)合(1)的結(jié)論,提出了Prophet-F和基礎(chǔ)設(shè)施節(jié)點(diǎn)的部署方案;結(jié)合(2)的組合鏈路預(yù)測(cè)算法,提出基于PDR的路由協(xié)議；并在實(shí)際數(shù)據(jù)集的基礎(chǔ)上進(jìn)行模擬實(shí)驗(yàn)。結(jié)果表明將基礎(chǔ)設(shè)施部署在熱點(diǎn)位置網(wǎng)絡(luò)性能最好,且在確定部署方案下Prophet-F較網(wǎng)絡(luò)性能提高15%～20%；基于PDR的路由協(xié)議性能優(yōu)于包括Prophet-F在內(nèi)的其他路由。論文成果能夠提高機(jī)會(huì)網(wǎng)絡(luò)的實(shí)用性,可以改善社區(qū)機(jī)會(huì)網(wǎng)絡(luò)、車載自組織網(wǎng)絡(luò)等機(jī)會(huì)網(wǎng)絡(luò)的傳輸性能。
[Abstract]:The popularity of a large number of smart devices with short-range wireless communication capabilities has promoted the research and application of opportunistic networks. However, in the practical application environment, due to various reasons, such as node movement, network sparsity or signal attenuation, the link dynamics in the opportunistic network is relatively high, which leads to the low message delivery rate and the large delivery delay. It restricts the practicability of the opportunity network. The deployment of auxiliary nodes with large buffer space, fixed position or moving position in opportunistic networks to form a hybrid opportunistic network can reduce the dynamic nature of the network and improve the transmission performance of the network. The hybrid structure opportunity network accords with community network such as campus, bus network with fixed route, vehicular network with roadside node and so on. In this paper, the influence of infrastructure auxiliary nodes on network dynamics, the predictability of link changes and the improvement of message delivery performance are studied. The main contents are as follows: 1) the statistical characteristics of hybrid networks are studied. In order to study the influence of the parameters such as the number and density of auxiliary nodes on the network, this paper makes a series of experiments through statistics and analysis of the actual data sets, and summarizes the dynamics of the network. Changes in link attributes. The experimental results show that the distribution function curve of time interval between nodes meets with "heavy-tailed" feature. The density and deployment method of auxiliary nodes have great influence on the transmission performance of opportunistic networks: only a small number of properly deployed auxiliary nodes can significantly improve the network performance. A link prediction combination algorithm is proposed for hybrid opportunistic networks with reduced marginal utility brought by high density auxiliary nodes. The algorithm adopts link prediction algorithm based on periodic pattern mining for frequent and periodic node pairs, and machine learning link prediction algorithm based on decision tree for frequent but aperiodic node pairs. A link prediction algorithm based on similarity is used for node pairs that meet infrequently. The experimental results in the actual data set show that the prediction effect of the combined algorithm is better than that of the other single algorithms, and the algorithm can be used to realize the prediction of more node pairs. In combination with the conclusion of No.1), the deployment scheme of Prophet-F and infrastructure nodes is proposed, and the routing protocol based on PDR is proposed in combination with the combined link prediction algorithm of X2), and the simulation experiments are carried out on the basis of the actual data set. The results show that the performance of the network is the best when the infrastructure is deployed in the hot spot, and the performance of Prophet-F is better than that of the network under certain deployment scheme, and the performance of the routing protocol based on PDR is better than that of other routes, including Prophet-F. The results of this paper can improve the practicability of the opportunity network and improve the transmission performance of the opportunity network such as the community opportunity network and the vehicle-mounted ad hoc network.
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP393.02

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王萬(wàn)良;正交逼近預(yù)測(cè)算法及其在電腦充絨機(jī)中的應(yīng)用[J];信息與控制;1994年04期

2 李文澤;盛光磊;;一種基于粒子群的實(shí)際業(yè)務(wù)流預(yù)測(cè)算法[J];微電子學(xué)與計(jì)算機(jī);2014年01期

3 楊斷利;張立梅;籍穎;呂晶;;河北省風(fēng)能特征及其對(duì)風(fēng)速預(yù)測(cè)算法的改進(jìn)[J];科技傳播;2013年06期

4 朱斌;樊祥;馬東輝;程正東;;窗口大小和權(quán)值模板對(duì)固定權(quán)值背景預(yù)測(cè)算法的影響[J];紅外與激光工程;2006年S4期

5 王祖儷;程小平;;入侵響應(yīng)中基于事件相關(guān)性的攻擊預(yù)測(cè)算法[J];計(jì)算機(jī)科學(xué);2005年04期

6 徐慶飛;張新;李衛(wèi)民;;二維空間中目標(biāo)軌跡預(yù)測(cè)算法研究與分析[J];航空電子技術(shù);2012年01期

7 楊雙懋;郭偉;唐偉;;基于FARIMA-GARCH模型的網(wǎng)絡(luò)業(yè)務(wù)預(yù)測(cè)算法[J];通信學(xué)報(bào);2013年03期

8 李楚斐;譚長(zhǎng)庚;韓宇;;車輛網(wǎng)絡(luò)單跳鏈路斷開(kāi)時(shí)間預(yù)測(cè)算法[J];計(jì)算機(jī)工程;2012年02期

9 周璇;楊建成;;基于支持向量回歸機(jī)的空調(diào)逐時(shí)負(fù)荷滾動(dòng)預(yù)測(cè)算法[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年03期

10 孫道清;分?jǐn)?shù)線快速預(yù)測(cè)系統(tǒng)在普通高校招生工作中的應(yīng)用[J];微型機(jī)與應(yīng)用;2004年06期

相關(guān)會(huì)議論文 前10條

1 朱斌;樊祥;馬東輝;程正東;;窗口大小和權(quán)值模板對(duì)固定權(quán)值背景預(yù)測(cè)算法的影響[A];2006年全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)會(huì)議文集（D 光電信息處理技術(shù)專題）[C];2006年

2 王峰;姬冰輝;李斗;;一種基于混沌理論的自相似業(yè)務(wù)流預(yù)測(cè)算法研究[A];2006北京地區(qū)高校研究生學(xué)術(shù)交流會(huì)——通信與信息技術(shù)會(huì)議論文集（上）[C];2006年

3 錢正祥;徐華;張申浩;;數(shù)字信號(hào)序列的向量預(yù)測(cè)算法[A];第三屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2005年

4 郭景峰;代軍麗;馬鑫;王娟;;針對(duì)通信社會(huì)網(wǎng)絡(luò)的時(shí)間序列鏈接預(yù)測(cè)算法[A];第26屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（A輯）[C];2009年

5 張利萍;李宏光;;改進(jìn)的灰色預(yù)測(cè)算法在工業(yè)應(yīng)用中的評(píng)價(jià)[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

6 崔冬;;一種改進(jìn)的LRP信道預(yù)測(cè)算法[A];2006通信理論與技術(shù)新進(jìn)展——第十一屆全國(guó)青年通信學(xué)術(shù)會(huì)議論文集[C];2006年

7 王佳;殷海兵;周冰倩;;一種適合硬件實(shí)現(xiàn)的低復(fù)雜度MAD預(yù)測(cè)算法[A];浙江省電子學(xué)會(huì)2011學(xué)術(shù)年會(huì)論文集[C];2011年

8 鄭銘浩;劉志紅;巫瑞波;徐峻;;P450各亞型代謝調(diào)控劑預(yù)測(cè)算法[A];中國(guó)化學(xué)會(huì)第28屆學(xué)術(shù)年會(huì)第14分會(huì)場(chǎng)摘要集[C];2012年

9 張曉丹;王萍;;一種基于特征的H.264的子塊快速幀內(nèi)預(yù)測(cè)算法[A];第七屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2011)論文集【oral】[C];2011年

10 劉志紅;鄭銘浩;嚴(yán)鑫;巫瑞波;徐峻;;基于結(jié)構(gòu)的化合物穩(wěn)定性預(yù)測(cè)算法[A];中國(guó)化學(xué)會(huì)第28屆學(xué)術(shù)年會(huì)第14分會(huì)場(chǎng)摘要集[C];2012年

相關(guān)博士學(xué)位論文 前2條

1 馬玉韜;基于濾波理論和特征統(tǒng)計(jì)的蛋白質(zhì)編碼區(qū)預(yù)測(cè)算法研究[D];天津大學(xué);2013年

2 玄萍;MicroRNA識(shí)別及其與疾病關(guān)聯(lián)的預(yù)測(cè)算法研究[D];哈爾濱工業(yè)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 閆青;基于預(yù)測(cè)算法的快速多尺度金字塔時(shí)空特征點(diǎn)計(jì)算算法研究[D];青島科技大學(xué);2016年

2 錢呂見(jiàn);復(fù)雜網(wǎng)絡(luò)中基于角色傳遞性和對(duì)稱性的鏈接預(yù)測(cè)算法研究[D];蘭州大學(xué);2016年

3 李小科;無(wú)模型自適應(yīng)預(yù)測(cè)算法及其在非線性過(guò)程控制中的應(yīng)用[D];蘭州大學(xué);2016年

4 周攀;基于姿態(tài)傳感器的人體步態(tài)預(yù)測(cè)算法設(shè)計(jì)與實(shí)現(xiàn)[D];西南交通大學(xué);2016年

5 周真爭(zhēng);基于社團(tuán)綜合屬性的鏈路預(yù)測(cè)算法研究[D];南京信息工程大學(xué);2016年

6 任程;DSP+FPGA平臺(tái)功耗管理的研究與實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2016年

7 陳威;在線社會(huì)媒體的流行性預(yù)測(cè)研究[D];電子科技大學(xué);2016年

8 戴維夫;衛(wèi)星在軌狀態(tài)異變的演變趨勢(shì)分析與預(yù)測(cè)算法研究[D];電子科技大學(xué);2016年

9 呂仁俊;LBSN中基于行為分析的用戶位置預(yù)測(cè)[D];東南大學(xué);2015年

10 孫延;混合結(jié)構(gòu)機(jī)會(huì)網(wǎng)絡(luò)鏈路預(yù)測(cè)技術(shù)研究[D];東南大學(xué);2015年

，

本文編號(hào)：1856956