基于社会特征周期演化的机会移动网络路由转发策略

发布时间：2019-07-30 11:58

【摘要】：针对分布式k团社区检测引起的超大社区问题,提出了具有节点退出机制的τ-window社区检测方法,相应提出了τ-、window中心性估计。通过实验发现τ-window社区和τ-window中心性具有周期演化特性,利用该特性,提出TTL(time to live)社区检测和TTL中心性估计,以更准确预测消息生存期上节点的相遇。随后,利用TTL社区和TTL中心性作为转发测度,设计了新的机会移动网络路由算法PerEvo。实验结果表明,与现有的基于社会特征的路由算法比较,PerEvo在保持基本不变的传输开销的同时,有效提高了机会移动网络消息投递的成功率。
【图文】：

生成新的Ｆｑｏ原有逡逑Ｑ现分成２部分，一部分是新巧中的节点，一部分逡逑＼ＦｊｎＣ０＼＾ｋ－＼逦（５）邋是不在新尸０中的节点，设为Ｇ０，如式（７）所示。逡逑时，ｖ）就加入Ｃ０，相应地设置b6；＝巧，并加入ａｒｏＬＣ０。逦Ｇ０邋＝邋｛ｖＪｖｔｅＣ０ｎｖ＾Ｆ０｝逦（７）逡逑以上算法实时维护的本地社区Ｃ０就是ｖ０的社逦同理，对于Ｑ内任意节点Ｖｊ．的熟人集在Ｃ０处逡逑区，该算法在线检测时存在一个问题，即随着时间邋的近似也按照八的更新方式进行更新（注：ｖｏ上逡逑演化，Ｃｆｌ将掜变成超大社区。图２显示了该算法Ｓ需保存计算々与其熟人加权累积联系时憸关的近逡逑线检测时某节点每天１２：００的社区尺寸，由图２可逡逑知’由于节点缺乏退出社区机制’大部分节点最；＾逦步歘７更新ｑ。令Ｃｏ＝邋Ｆｏ，不断从Ｇ０中挑逡逑位于同－社区’这对于消息转发已经没有意义。逦选符合式（５）的节点移入Ｑ，}0Ｇｏ中无法挑出这逡逑７０１逦逦样的节点，生成新的Ｃ０ｏ逡逑６０邋－逦步歘８更新ＦＳｏＬＣｑｏ新的Ｃｏ生成后，根据逡逑５（）逦式（３）生成新的ＦＳｏＬＣ０ｏ逡逑通过上述方法检测时，节点在／时刻维护的本地逡逑＾邋４０逦社区Ｃ０定义为ｔ时刻节点的ｒ－ｗｉｎｄｏｗ社区，当＠小逡逑｜３０邋“逦时，ｒ－ｗｉｎｄｏｗ社区更多反映节点最近的社会联系，由逡逑—２０－邋｜逦于引入了节点退出社区机制，Ｃｏ不会再变成超大社逡逑１０＿邋｜｜逦区，，这点在社区的周期演化分析中得到了验证。逡逑３．３邋ｒ－ｗｉｎｄｏｗ中心性估计逡逑２邋４邋６邋８邋Ｕ邋１４邋１６邋１８邋２０邋２２逦Ｂｕｂｂｌｅ实际选择的ｃ－ｗｉｎｄｏｗ中心性度量基于逡逑时间／天逡逑图２分布式ｔ团算法检

基于社会特征周期演化的机会移动网络路由转发策略

逦系数为０．８１，两者存在较强相关性；同一周期相邻逡逑时间窗节点的Ｔ－ｗｉｎｄｏｗ中心性相关系数为０．５４，两逡逑０．８－逦者存在一定相关性；而同一周期非相邻时间窗（此处逡逑仅考虑间隔时间窗）节点的７－ｗｉｎｄｏｗ中心性相关逡逑？＂‘６“邋°１２系数为－０．０２’邋两者不相关。逡逑０．２－逡逑１５邋－逡逑０１＿Ｉ逦１逦１逦１逦１邋Ｉ逦１逦１逦１邋Ｉ逦逦＞逡逑２邋４邋６邋８邋１０邋１２邋１４邋１６邋１８邋２０邋２２逦ｃ逡逑时间／天逦１邋１０邋－逡逑图５活跃节点相邻时间窗的社区相似度逦ｉ逡逑同理，节点非相邻时间窗社区相似度（仅考虑逦５＿逦｜｜逡逑间隔时间窗）巧定义为节点Ｖ，？—个周期中非相邻时逦｜邋｜逡逑间窗Ｔ－ｗｉｎｄｏｗ社区相似度的平均，为所有抽样节逦ｏｉ￣＾３６邋４８邋６０邋７２邋８４邋９６邋１０＾＂２（逡逑点Ｐ；值的平均，图６展示了尸满变化，由图６可知，邋时间化逡逑节点一个周期内非相邻时间窗社区差异较大。逦ＷＩＤ为２９逦巾心逡逑２０．逦逡逑１．０１逦逡逑０．８邋－邋１５邋＊逡逑０．６邋－逦＂ｏ邋．邋ｎ逡逑ｍ逦．Ｂ邋－逡逑５邋Ｉ邋Ｉ逦ａ邋Ｉ逡逑。」Ｌ邋Ｊ邋ｌＩ邋ｉＪ邋Ｉ逡逑０Ｉ逦逦１２邋２４邋３６邋４８邋６０邋７２邋８４邋９６邋１０８邋１２０逡逑２邋４邋６邋８邋１０邋１２邋１４邋１６邋１８邋２０邋２２逦时间／ｈ逡逑（ｂ）活跃节点平均ｒ－ｗｉｎｄｏｗ中心性逡逑图６活跃节点非相邻时间窗的社区相似度逦图７活跃节点连续５天的ｆ－ｗｉｎｄｏｗ中心性变化逡逑以上实验分析表明，节点的ｒ－ｗｉｎｄｏｗ社区按照逦以上分析表明’节点ｒ－ｗｉｎｄｏ
【作者单位】：东南大学计算机科学与工程学院;东南大学
【基金】：国家自然科学基金资助项目(61272532,61370209,61300200,61472080) 国家高技术研究发展计划(“863”计划)基金资助项目(2013AA013503) 江苏省博士后科研基金资助项目(1402039B) 江苏省未来网络前瞻性研究基金资助项目(BY2013095-2-06)~~
【分类号】：TN929.5

【共引文献】