CN101572961A - 一种移动无标度自组织网络模型的建立方法 - Google Patents
一种移动无标度自组织网络模型的建立方法 Download PDFInfo
- Publication number
- CN101572961A CN101572961A CNA2009100850749A CN200910085074A CN101572961A CN 101572961 A CN101572961 A CN 101572961A CN A2009100850749 A CNA2009100850749 A CN A2009100850749A CN 200910085074 A CN200910085074 A CN 200910085074A CN 101572961 A CN101572961 A CN 101572961A
- Authority
- CN
- China
- Prior art keywords
- node
- network
- scale
- addlong
- probability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种移动无标度自组织网络模型的建立方法,该方法首先假设网络的整个仿真区域为[X,Y];节点的信号传输半径为r0;节点空间分布概率密度函数为pdfUnifonn,忽略节点的边界效应;假设网络最初没有节点和边;整个网络的节点数目为N;接着以概率PAddNode=1为网络增加节点;建立节点Ai在局域世界内的连接;以概率PAddLong为节点Ai增加eAddLong条长程连接。本发明提供的无标度网络拓扑更接近真实世界。无标度网络对随机节点故障具有较高的鲁棒性。应用于移动自组织网络/无线传感器网络可以优化网络连通性、延长网络的生命期,节约能量的使用、增加网络的吞吐率和容量、更加健壮,具备可伸缩性,提高网络搜索协议效率。
Description
技术领域
本发明属于通信领域,涉及一种网络模型,具体涉及一种移动无标度自组织网络模型的建立方法。
背景技术
大量的真实网络除了具有小世界效应外,网络的节点度也可能服从幂律分布。节点度服从幂律分布就是说具有某个特定度的节点数目与这个特定的度之间的关系可以用一个幂函数近似地表示。幂函数曲线是一条下降相对缓慢的曲线,这使得度很大的节点可以在网络中存在。对于随机网络和规则网络,度分布区间非常狭窄,几乎找不到偏离节点度均值较大的点,故其平均度可以被看作其节点度的一个特征标度。在这个意义上,节点度服从幂律分布,节点度没有明显的特征标度的网络被叫做无标度网络,并称这种节点度的幂律分布为网络的无标度特性。无标度网络最重要的特性就是标度不变性(Scale Invariance)。下面从指数函数和幂律函数对标度改变的反映来解释标度不变性或者无标度特性。幂律函数y(x)=cxα;指数函数z(x)=ce-x。现在改变测量单位(标度),即乘以一个因子λ,看看这两个函数如何变化,显然有y(λx)=c(λx)α=λαcxα=λαy(x),z(λx)=ce-λx=c(eλ)-x。从第一个等式可知:幂律函数图形的形状没有发生变化,同时函数的指数也不变。然而从第二个等式可知:指数函数图形的形状已经改变,同时函数的指数也乘以了因子。这说明幂律函数具有标度不变性,即不依赖所采用的测量单位,而指数函数则不具备标度不变性。
1999年,和Albert给出了构造无标度网络的演化模型。和Albert把真实系统通过自组织生成无标度的网络归功于两个主要因素:生长和优先连接,而他们的网络模型(BA网络)正是模拟这两个关键机制设计的。在已有的网络基础上不断有新的节点加入,每个新节点加入时都要有m条边与已有节点相连,但连接到某个节点的概率与该节点的度值成正比,这样就可以形成一个幂律指数为-3的无标度网络,且与初始分布和m值无关。
在BA无标度网络中,越老的节点具有越高的度。然而在许多实际网络系统中,节点的度及增长速度并非只与该节点的年龄有关,比如WWW上的某些站点通过好的内容和市场推广,可以在较短的时间内获得大量的超文本链接,甚至超越一些老的站点。一些最新发表的高质量的科研论文可以在较短时间内获得大量的引用。显然,这些都是与节点的内在性质相关的。Bianconi和把这一性质称为节点的适应度(Fitness),并据此提出了适应度模型。
李翔和陈关荣认为优先连接机制不可能在整个网络上都起作用而只会在某个局域世界(Local-world)里被遵守,比如Internet中,计算机网络是基于域-路由器的结构来组织管理的,一台主机通常只与同一域内的其他主机相连,而路由器则代表它内部域的主机和其他路由器相连。他们将局域世界的概念引入BA模型对其作了推广,提出了所谓的局域世界演化网络模型。局域世界演化网络模型的度分布介于指数网络和无标度网络的度分布之间。该模型表明,随着局域世界的扩大,网络演化越不均匀,越接近于BA模型,即:局域世界的规模决定了网络演化的非均匀性。
许多实际的网络不仅有新节点和边的加入,同时还有旧节点和边被删除。表现出有增有减的动态演化过程。这是比纯粹增长网络更广的演化网络。史定华和刘黎民等遵循达尔文进化原理,提出了一个简单的优胜劣汰模型。优胜劣汰模型删除部分陈旧的节点和连线,增加部分节点和连线从而实现优胜劣汰。
上述研究均将网络看作无权网,然而现实网络大多为有权网,即网络节点之间的连接强度是有区别的。Yook等人提出了一种权重演化模型:假定节点权重正比于节点的度数,也即度数大的节点拥有更大的权数。结果表明,其度分布也符合幂律特征。
无线网络领域无标度拓扑控制策略的相关工作有:Saffre等人提出一个移动自组织网络仿真工具STAN(Simulation Tool for Ad hoc Networks),STAN中的节点符合移动自组织网络的特征,节点并不知道全局信息,仅能发送和接收消息。STAN是一个事件驱动和异步的仿真平台。STAN还考虑节点密度、节点的信号传输范围和信号冲突。STAN通过修改BA网络中的优先连接规则,提出自己的本地和异步优先连接规则从而使一个本地信息交换网络拓扑接近于无标度网络拓扑,用以提高移动自组织网络的效率和鲁棒性。但是STAN并没有考虑节点的移动性。类似地,Ishizuka等人在部署传感器节点上使整个网络拓扑呈现无标度特性,充分利用无标度网络对随机攻击的鲁棒性,从而增强了网络的容错性。Garbinato等人提出一个拓扑控制策略使固定传感器网络成为无标度网络,仿真试验显示无标度网络拓扑在无线传感器网络的信息扩散上有着积极的影响,作者建议可在部署无线传感器网络时最好采用无标度网络拓扑。Sarshar等人提出一个本地的分布式补偿重连协议使得网络的拓扑结构呈现无标度特性,且幂律指数可调,非常灵活。
发明内容
本发明提出了一个移动无标度自组织网络模型(A Mobile Scale-free NetworkModel for Mobile Ad hoc Networks,MSNMA)。为了使网络具备无标度特性,本发明提出的网络模型生成算法采用无标度网络模型的最基本的两个机制,生长和优先连接。在已有的网络基础上不断有新的节点加入,并且增加新边时采用与度大的节点优先连接的机制。目前的网络模型生成算法都在节点固定的前提下提出的,本发明提出网络模型中的节点是移动的,并采用移动自组织网络的某一移动模型(比如RWP)来决定节点的移动方式;并借鉴局域世界演化网络模型思路,天然地,制定节点的局域世界的法则为:在某节点信号传输范围内的所有节点组成该节点的局域世界,节点与其局域世界内的节点存在边。为了使网络具备无标度特性,节点与节点信号传输半径外的节点可以增加小部分长程边。
本发明首先做如下假设:假设网络的整个仿真区域为[X,Y];节点的信号传输半径为r0;节点空间分布概率密度函数为pdfUniform,节点空间分布概率密度函数可由节点的移动模型得出,节点的移动模型为任选,并假设节点空间分布概率密度函数为均匀分布;忽略节点的边界效应;假设网络最初没有节点和边;整个网络的节点数目为N;接着可按如下步骤进行操作:
步骤1:以概率PAddNode=1为网络增加节点。
以概率PAddNode=1按照节点空间分布概率密度函数pdfUniform增加节点Ai,0<i≤N,N为网络内的节点总数。节点Ai的位置为[xi,yi]t,节点Ai的空间分布概率密度函数为均匀分布。
步骤2:建立节点Ai在局域世界内的连接。
根据节点Ai的位置[xi,yi]t和节点的信号传输半径r0,为节点Ai增加eAddNode(t)条边。节点Ai和处于该节点信号传输半径r0内的所有其它节点构成一个局域世界,该节点Ai与局域世界内的其它节点之间均增加连接。
步骤3:以概率PAddLong为节点Ai增加eAddLong条长程连接。
首先按照择优概率∏(ki)=ki/t选取一个节点Aj,其中,i≠j,ki是节点Aj的度,t是步骤。如果该节点Aj和节点Ai处于彼此的信号传输半径r0之内,则返回步骤2;否则两个节点之间以概率PAddLong增加一个长程连接,0<PAddLong≤1。重复此过程eAddLong次,为节点Ai建立eAddLong条长程连接。
本发明提出的移动无标度自组织网络模型的优点在于:本发明在网络拓扑构建和维护过程中根据无标度网络的拓扑特性来对网络拓扑结构进行优化,这将具有重要意义。具体体现在:
(1)无标度网络拓扑更接近真实世界。实证研究表明,大量真实网络几乎都具有无标度特性,包括Internet、WWW以及新陈代谢网络等连接度分布函数具有幂律形式,是无标度网络。
(2)无标度网络对随机节点故障具有较高的鲁棒性。有研究比较了ER随机图和BA无标度网络的连通性对节点去除的鲁棒性,结果发现相较ER随机图而言,无标度网络对随机节点去除具有较高鲁棒性。有研究对实际网络Internet和WWW网络(它们都是无标度网络)面对随机故障的鲁棒性进行研究,结果仍然证明其对随机攻击具有较高鲁棒性。
(3)研究表明,小世界/无标度网络拓扑应用于移动自组织网络/无线传感器网络可以优化网络连通性、延长网络的生命期,节约能量的使用、增加网络的吞吐率和容量、更加健壮,具备可伸缩性,提高网络搜索协议效率。
附图说明
图1为本发明一种移动无标度自组织网络模型的建立方法流程图。
图2为本发明一种移动无标度自组织网络模型的度分布图,理论计算值和仿真试验结果的比较。
具体实施方式
下面将结合附图、理论分析和仿真试验对本发明作进一步的详细说明。
本发明提供一种移动无标度自组织网络模型,该方法首先做如下假设:假设网络的整个仿真区域为[X,Y],节点的信号传输半径为r0,节点空间分布概率密度函数为pdfUniform,节点空间分布概率密度函数可由节点的移动模型得出,节点的移动模型为任选,并假设节点空间分布概率密度函数为均匀分布;忽略节点的边界效应;假设网络最初没有节点和边;整个网络的节点数目为N;按照如下步骤进行移动无标度自组织网络模型的建立:
步骤1:以概率PAddNode=1为网络增加节点。
以概率PAddNode=1按照节点空间分布概率密度函数pdfUniform增加节点Ai,0<i≤N,N为网络内的节点总数。节点Ai的位置为[xi,yi]t,节点Ai的空间分布概率密度函数为均匀分布。
步骤2:建立节点Ai在局域世界内的连接。
根据节点Ai的位置[xi,yi]t和节点的信号传输半径r0,为节点Ai增加eAddNode(t)条边。节点Ai和处于该节点信号传输半径r0内的所有其它节点构成一个局域世界,该节点Ai与局域世界内的其它节点之间均增加连接。
步骤3:以概率PAddLong为节点Ai增加eAddLong条长程连接。
首先按照择优概率∏(ki)=ki/t选取一个节点Aj,其中,i≠j,ki是节点Aj的度,t是步骤。如果该节点Aj和节点Ai处于彼此的信号传输半径r0之内,则返回步骤2;否则两个节点之间以概率PAddLong增加一个长程连接,0<PAddLong≤1。重复此过程eAddLong次,为节点Ai建立eAddLong条长程连接。
若网络已为全连接网络、或者网络为初始阶段不可能增加eAddLong条边则无需进行长程连接。
所述的长程连接的形式具体实现为:
(1)特殊节点。特殊节点是装备两个不同信号传输范围(Radio Range)的无线电信号发送和接收装置的节点。信号传输范围包括一个短距离传输范围和一个长距离传输范围。比如同时具备蜂窝网络接口和WiFi网络接口的节点。
(2)基站。在移动自组织(Ad hoc)网络中利用基站,把基站视为一个节点,基站和移动Ad hoc网络节点存在一些距离较远的长程边。
(3)逻辑边。将物理上相对固定的多跳(Muti-hop)线路视为两个远距离节点之间存在一条逻辑上的边。
(4)定向天线。在需要直接连接的两个远距离节点之间使用定向天线来直接建立物理上的连接。
(5)有线连接。在需要直接连接的两个远距离节点之间使用有线线路来直接建立物理上的连接。
本发明无标度自组织网络模型MSNMA的度分布P(k)服从幂律分布,因此符合无标度特性。以下为移动无标度自组织网络模型MSNMA度分布分析和理论证明。平均场方法(Mean-field Approcach)由Barabasi,Albert和Jeong提出。本发明采用平均场方法推导该网络模型的度分布如下。
为简化计算,忽略节点的边界效应。并假设移动模型的节点空间概率分布为均匀分布,如果节点空间分布概率密度函数不是均匀分布仍然可以按照移动模型的节点空间概率分布类似推导,本发明仅以节点空间概率分布为均匀分布为例。令ki(t)表示为在t时间步节点i的度数,以下简写为ki。假设节点i是在第i时间步加入网络的。则第t步节点总数为t。整个仿真区域为[X,Y],假设信号传输半径r0<<X和r0<<Y。
(1)增加新节点和其在局域世界内的连接
因为移动模型的节点空间概率分布为均匀分布,则落入新节点i的信号传输半径r0内的概率应为因为落入增加新节点i的信号传输半径r0内的节点数均与新节点i存在边。因为是一个新节点,假设其与节点i存在边,则节点i增加的度为1。所以,
(2)增加新节点的长程连接
建立动力学方程 解此微分方程可以得到大致的ki(t)表达式
因为r0<<X和r0<<Y,所以 因此,
令a=eAddLong·PAddLong,则
解此偏微分方程,则ki=C·ta,即为ki(t)。
因为第i步时节点数为i,根据移动自组织网络的特点,节点和该节点信号传输半径内的所有其它节点存在边,则节点i在第i步时的度应该为在节点i信号传输半径范围内的节点数与长程边数之和。即,
因为 所以
ki(i)≈eAddLong·PAddLong=a
由上式可以解出 所以
因为计算网络度分布需要随机选择一个节点,所以ki(t)中的i必须看成随机变量。现在来研究它的分布,由于是随机选择的,则i应该在t个节点中服从均匀分布,即 于是由动力学解,网络度分布可以推导如下:
将ki(t)表达式代入P{ki(t)<k},
则
由上式可知 其中 a=eAddLong·PAddLong,γ称为度(分布)指数,由此可见该模型的度分布P(k)服从幂律分布。
以下为本发明的仿真试验证明。
本发明为了确保仿真中节点的空间概率分布为均匀分布,因此采用的移动模型为Static。根据MSNMA算法生成一个具体的网络拓扑结构。通过统计具有度数k的节点的频数,重复若干次,取其平均值,然后以频率代替概率,即以网络中度数为k的节点数占总节点数的比例(频率)作为概率p(k)的近似值。为了使信号传输半径r0<<X和r0<<Y,仿真试验选择r0=10,X,Y=1000。考察各节点的度分布情况来判断网络是否具有无标度特性。仿真参数如表一所示。
表一MSNMA仿真参数
参数 | 值 |
N | 2000 |
r0 | 10 |
PAddLong | 1/10;1/5 |
eAddLong | 5 |
X | 1000 |
Y | 1000 |
观察网络是否具备无标度特性。通过图2可以看出,在根据MSNEMA算法增加长程连接后网络在不同的网络节点数的情况下度分布图形大致呈一条直线,可以用幂律分布函数来表示,从图2中可以看出其幂律-γ大约为-2和-3,这和 其中a=eAddLong·PAddLong计算值相吻合,从而证明了理论推导的正确,并因此可以认为该网络模型具备无标度网络属性。
Claims (4)
1、一种移动无标度自组织网络模型的建立方法,其特征在于:
首先假设:网络的整个仿真区域为[X,Y];节点的信号传输半径为r0;节点空间分布概率密度函数为PdfUniform,忽略节点的边界效应;假设网络最初没有节点和边;整个网络的节点数目为N;接着按如下步骤建立网络模型:
步骤1:以概率PAddNode=1为网络增加节点;
以概率PAddNode=1按照节点空间分布概率密度函数pdfUniform增加节点Ai,0<i≤N,N为网络内的节点总数,节点Ai的位置为[xi,yi]t;
步骤2:建立节点Ai在局域世界内的连接;
根据节点Ai的位置[xi,yi]t和节点的信号传输半径r0,为节点Ai增加eAddNode(t)条边;节点Ai和处于该节点信号传输半径r0内的所有其它节点构成一个局域世界,该节点Ai与局域世界内的其它节点之间均增加连接;
步骤3:以概率PAddLong为节点Ai增加eAddLong条长程连接;
首先按照择优概率П(ki)=ki/t选取一个节点Aj,其中,i≠j,ki是节点Aj的度,t是步骤;如果该节点Aj和节点Ai处于彼此的信号传输半径r0之内,则返回步骤2;否则两个节点之间以概率PAddLong增加一个长程连接,0<PAddLong≤1;重复此过程eAddLong次,为节点Ai建立eAddLong条长程连接。
2、根据权利要求1所述的一种移动无标度自组织网络模型的建立方法,其特征在于:步骤1中的节点Ai的空间分布概率密度函数为均匀分布。
3、根据权利要求1所述的一种移动无标度自组织网络模型的建立方法,其特征在于:所述的节点空间分布概率密度函数由节点的移动模型得出,节点的移动模型为任选。
4、根据权利要求1所述的一种移动无标度自组织网络模型的建立方法,其特征在于:所述的移动无标度自组织网络模型的度分布P(k)服从幂律分布。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2009100850749A CN101572961A (zh) | 2009-05-31 | 2009-05-31 | 一种移动无标度自组织网络模型的建立方法 |
CN2010101819905A CN101848557B (zh) | 2009-05-31 | 2010-05-25 | 一种移动无标度自组织网络模型的建立方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2009100850749A CN101572961A (zh) | 2009-05-31 | 2009-05-31 | 一种移动无标度自组织网络模型的建立方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101572961A true CN101572961A (zh) | 2009-11-04 |
Family
ID=41232159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2009100850749A Pending CN101572961A (zh) | 2009-05-31 | 2009-05-31 | 一种移动无标度自组织网络模型的建立方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101572961A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102185916A (zh) * | 2011-04-27 | 2011-09-14 | 西安电子科技大学 | 具有小世界和无标度特性的传感器网络建立方法 |
CN102571431A (zh) * | 2011-12-02 | 2012-07-11 | 北京航空航天大学 | 针对复杂网络的基于群思想改进的Fast-Newman聚类方法 |
CN101795460B (zh) * | 2009-12-23 | 2013-01-30 | 大连理工大学 | 一种适用于障碍物环境下移动自组网的马尔可夫移动模型 |
CN103023692A (zh) * | 2012-10-29 | 2013-04-03 | 北京航空航天大学 | 一种基于随机扩散的复杂网络生成模型的建立方法 |
CN103298009A (zh) * | 2012-12-31 | 2013-09-11 | 南京理工大学 | 复杂无线网络控制系统的建模及故障传播方法 |
CN113660116A (zh) * | 2021-07-29 | 2021-11-16 | 西安电子科技大学 | 一种弱连通有向无环无标度网络生成方法 |
-
2009
- 2009-05-31 CN CNA2009100850749A patent/CN101572961A/zh active Pending
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101795460B (zh) * | 2009-12-23 | 2013-01-30 | 大连理工大学 | 一种适用于障碍物环境下移动自组网的马尔可夫移动模型 |
CN102185916A (zh) * | 2011-04-27 | 2011-09-14 | 西安电子科技大学 | 具有小世界和无标度特性的传感器网络建立方法 |
CN102185916B (zh) * | 2011-04-27 | 2013-06-26 | 西安电子科技大学 | 具有小世界和无标度特性的传感器网络建立方法 |
CN102571431A (zh) * | 2011-12-02 | 2012-07-11 | 北京航空航天大学 | 针对复杂网络的基于群思想改进的Fast-Newman聚类方法 |
CN102571431B (zh) * | 2011-12-02 | 2014-06-18 | 北京航空航天大学 | 针对复杂网络的基于群思想改进的Fast-Newman聚类方法 |
CN103023692A (zh) * | 2012-10-29 | 2013-04-03 | 北京航空航天大学 | 一种基于随机扩散的复杂网络生成模型的建立方法 |
CN103023692B (zh) * | 2012-10-29 | 2015-01-28 | 北京航空航天大学 | 一种基于随机扩散的复杂网络生成模型的建立方法 |
CN103298009A (zh) * | 2012-12-31 | 2013-09-11 | 南京理工大学 | 复杂无线网络控制系统的建模及故障传播方法 |
CN103298009B (zh) * | 2012-12-31 | 2016-03-02 | 南京理工大学 | 复杂无线网络控制系统的建模及故障传播方法 |
CN113660116A (zh) * | 2021-07-29 | 2021-11-16 | 西安电子科技大学 | 一种弱连通有向无环无标度网络生成方法 |
CN113660116B (zh) * | 2021-07-29 | 2022-07-26 | 西安电子科技大学 | 一种弱连通有向无环无标度网络生成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101848557B (zh) | 一种移动无标度自组织网络模型的建立方法 | |
Moh’d Alia | Dynamic relocation of mobile base station in wireless sensor networks using a cluster-based harmony search algorithm | |
CN101572961A (zh) | 一种移动无标度自组织网络模型的建立方法 | |
Liu et al. | Multi-layer clustering routing algorithm for wireless vehicular sensor networks | |
Lee | Classification of node degree based on deep learning and routing method applied for virtual route assignment | |
Aslam et al. | A multi-criterion optimization technique for energy efficient cluster formation in wireless sensor networks | |
Zhang et al. | A new constructing approach for a weighted topology of wireless sensor networks based on local-world theory for the Internet of Things (IOT) | |
CN101188444B (zh) | 一种无线传感网的分布式分簇组网的方法 | |
CN107529201A (zh) | 一种基于leach协议的无线传感器网络数据传输方法 | |
CN104410997B (zh) | 一种用于无线传感器网络的层次型拓扑结构构建方法 | |
CN103781144A (zh) | 一种交互邻居表模式的Zigbee网络树型路由方法 | |
CN107404745A (zh) | 一种基于自组网的火灾探测器远程检测系统 | |
CN108566664A (zh) | 一种分布式高能效的wsn分簇路由优化方法 | |
CN102769890A (zh) | 基于均匀分簇和数据聚合的无线传感器网络路由方法 | |
CN104202787A (zh) | 基于最佳冗余度的无线传感器网络自适应路由方法 | |
Zhao et al. | Survey on social-aware data dissemination over mobile wireless networks | |
Zhang et al. | An improved routing protocol for raw data collection in multihop wireless sensor networks | |
Yarinezhad et al. | A cellular data dissemination model for wireless sensor networks | |
CN110113807A (zh) | 无线传感器网络中基于数据相似度的节点休眠调度方法 | |
CN106851596A (zh) | 一种农业环境无线传感网的动态自组网方法 | |
CN101808338B (zh) | 基于质量开销比跳数分簇的服务发现及移动模型建立方法 | |
CN102624893B (zh) | 基于spiral曲线的无线Mesh网络P2P资源共享方法 | |
Hao et al. | Distributed topology construction algorithm to improve link quality and energy efficiency for wireless sensor networks | |
Al-Karaki et al. | Energy-centric routing in wireless sensor networks | |
Liu et al. | A proactive maintaining algorithm for dynamic topology control in wireless sensor networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20091104 |