CN103476086B - 基于节点拥塞度预测的动态多径aodv路由方法 - Google Patents

基于节点拥塞度预测的动态多径aodv路由方法 Download PDF

Info

Publication number
CN103476086B
CN103476086B CN201310430286.2A CN201310430286A CN103476086B CN 103476086 B CN103476086 B CN 103476086B CN 201310430286 A CN201310430286 A CN 201310430286A CN 103476086 B CN103476086 B CN 103476086B
Authority
CN
China
Prior art keywords
node
packet
path
ntncd
value
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.)
Expired - Fee Related
Application number
CN201310430286.2A
Other languages
English (en)
Other versions
CN103476086A (zh
Inventor
卜祥贺
田金川
兰少华
吴歉歉
陆维迪
董萍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN201310430286.2A priority Critical patent/CN103476086B/zh
Publication of CN103476086A publication Critical patent/CN103476086A/zh
Application granted granted Critical
Publication of CN103476086B publication Critical patent/CN103476086B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种基于节点拥塞度预测的动态多径AODV路由方法,首先,节点建立灰色系统GM(1,1)预测模型和RBF神经网络预测模型,根据前n个时刻的节点队列占用量,预测第n+1时刻节点队列占用量,并通过计算得出节点拥塞度;其次,引入多径机制,在建立主路径的过程中,综合考虑节点发送数据量大小和邻居节点平均节点拥塞度,在满足一定条件时,启动多径机制。在建立主路径时,综合考虑节点跳数和拥塞度,使建立的主路径具有节点跳数少、拥塞度小的优点。在数据传输时,当主路径上的下一跳主节点将发生拥塞时,通过建立辅助路径绕过拥塞节点。采用此方法,可以降低网络发生拥塞的可能性、增加网络的吞吐量、减少端到端时延、延长网络的生存时间。

Description

基于节点拥塞度预测的动态多径AODV路由方法
技术领域
本发明属于计算机网络技术领域,涉及移动AdHoc网络的路由方法,特别是一种基于节点拥塞度预测的动态多径AODV路由方法,。
背景技术
移动AdHoc网络(移动自组织网络),又称MANET(MobileAdHocNetworks),是一类由移动节点通过共享无线信道相互通信构成的动态网络,不依赖于任何固定的基础设施。网络中的各节点之间地位平等,都参与路由发现与路由维护。移动AdHoc网络具有独立组网能力,以及自组织性、无中心性、动态性等特点,比有中心的无线网络更坚固耐用、具有更高的抗毁性,比较适用于交通、战场、抢险、救援、探险、危险环境中的目标监控等需要临时通信的场合。因此,移动AdHoc网络成为当今的一个研究热点。
无线自组网按需平面距离矢量路由协议(AdhocOn-DemandDistanceVectorRouting,AODV)是由因特网工程任务组(InternetEngineeringTaskForce,IETF)MANET工作组为无线移动AdHoc网络提出的一种标准化的按需式路由协议,它是为了适应无线移动自组织网的需求,对DSDV路由算法和DSR路由算法进行改进而形成的。AODV是一种按需路由协议,网络中节点要发送数据分组的时候进行路由发现过程,这使得AODV路由协议具有简单、路由开销小等优点。
AODV路由协议在建立路由过程中,只考虑了节点跳数的问题,随着网络负载增加,网络会出现局部拥塞,吞吐量下降很快,因此在路由建立过程中必须要考虑拥塞问题。现有的解决方案大多只考虑当前时刻的链路稳定问题,并且很少考虑多径问题,效果不是很理想。因此在本发明中,首先每个节点建立预测模型,能够准确的预测节点下一时刻的拥塞情况;其次引入动态多径机制,当要发送的数据量过大或者源节点的邻居节点平均拥塞度过高时,采用多径机制,将集中在一条路径上的负载分配到多条路径上,可以有效地缓解拥塞,平衡网络负载,降低端到端时延。本专利的重点是在准确预测节点的拥塞度基础上,引入多径机制,在建立路径和数据传输时综合考虑跳数和拥塞度,使路径同时具有拥塞度小、跳数少的优点。
发明内容
本发明提出一种基于节点拥塞度预测的动态多径AODV路由方法(NodeCongestionDegreePredictbasedDynamicMultipathAODV,NCDPDM_AODV),目的是在传统的AODV协议的基础上,通过融合节点拥塞度预测和多径机制,减少网络中拥塞发生的可能性,降低拥塞发生带来的严重影响。本发明通过建立两个预测模型预测节点队列占用量和节点的拥塞度,引入动态多径机制,在邻居节点平均节点拥塞度和源节点要转发的数据量大小满足一定的条件时启动多路径发现过程。在多径机制未启用时,节点仍采用单径机制进行数据的转发。在建立主路径时,综合考虑节点跳数和节点的拥塞度,使得NCDPDM_AODV建立的主路径具有节点跳数少、拥塞度小的优点。节点转发数据时,当下一跳主节点要发生拥塞时,通过建立辅助路径绕过下一跳拥塞主节点,能够有效的达到拥塞避免的目的。
本发明所采用的具体方法如下。
(1)节点分别建立灰色系统GM(1,1)预测模型和RBF神经网络预测模型,用来分别预测下一时刻节点队列占用量。节点队列占用量是指节点MAC层接口缓冲队列中已被占用空间,即所有的未处理的消息的字节数。通过MAC层为网络层提供的服务可以获得MAC层缓存队列中已被占用的空间大小和队列总空间大小。
节点每隔一段时间获取MAC层缓存队列中已被占用量。把前n个时刻节点队列占用量作为两个预测模型的输入,得到第n+1时刻两个模型的预测输出值。然后按照权重加权组合两个预测值,权重系数是w,通过计算可得到第n+1时刻节点队列占用量的最终预测值。假设灰色系统GM(1,1)模型的预测值是X1,RBF神经网络模型的预测值是X2,则最终预测结果X=w*X1+(1-w)*X2。其中,n∈[3,5],w∈(0.5,1)。
(2)引入下一时刻节点拥塞度NTNCD(NextTimeNodeCongestionDegree)反应节点的拥塞程度。首先为节点队列占用量设置两个门限值THmin和THmax,它们的计算方法如下所示,其中Queue_Size表示节点MAC层队列总大小;
THmin=35%*Queue_Size
THmax=2*THmin
若X<THmin,则NTNCD=0;若THmin<X<THmax,则NTNCD=X/Queue_Size;若X>THmax,则NTNCD=1。
引入节点剩余队列可用量=Queue_Size-X。节点维护一个邻居拥塞表,并通过Hello消息周期性地广播自己的NTNCD和剩余队列可用量。
(3)当源节点满足多径机制的启用条件时动态启用多径机制,否则仍然使用单径机制。其中,多径机制的启用条件包括源节点到目的节点的数据量大小超过邻居节点的剩余队列可用量最大值以及源节点的邻居节点的平均节点拥塞度正常。
对于源节点的邻居节点的平均节点拥塞度,用反映。其计算方法如公式所示:
N C D &OverBar; = 1 m &Sigma; i = 1 m N T N C D ( neighbour i )
其中m代表邻居节点个数,NTNCD(neighbouri)表示源节点的第i个邻居节点的拥塞度。
设定一个阈值Ta,Ta∈[0.7,0.8]。若则认为邻居节点发生拥塞的可能性较高,应使用多径机制;否则,认为邻居节点的发生拥塞的可能性小,应使用单径机制。
本发明所涉及的数据结构介绍如下。
节点在原有AODV协议的基础上,需要附加存储的结构如下。
1)邻居拥塞表,格式为<节点地址,下一时刻节点拥塞度NTNCD,节点剩余队列可用量>。它根据来自邻居节点的Hello消息所携带的值更新;
2)辅助路径请求分组,格式为<源节点地址,路由请求序列号,Flag>。该分组用于发现辅助路径目的节点;
3)辅助路径应答分组,格式为<目的节点地址,路由请求序列号,Flag>。该分组用于向辅助路径源节点传送辅助路径目的节点信息;
在原有AODV协议的基础上,需要修改的消息格式如下。
1)在原有AODV协议Hello消息中添加一个下一时刻节点拥塞度NTNCD字段和一个下一时刻节点剩余队列可用量字段,其它字段不变,用于向邻居节点广播节点的拥塞情况;
2)路由请求分组是在原有AODV协议的基础上,添加了一个Flag字段和一个PWeight字段。其中Flag表示源节点使用单径机制还是多径机制。PWeight表示路径上节点的跳数和拥塞度的和;
本发明路由方法的总体流程如下。
(1)开始时,每个节点分别建立灰色系统GM(1,1)预测模型和RBF神经网络预测模型,根据节点前n个时刻的队列占用量,预测第n+1时刻的队列占用量,然后按照权重w加权组合两个预测值,得到最终预测结果;
(2)源节点要发送数据时,首先查看本地路由表中是否有到达目的节点的有效路径,若有,则用该路径作为主路径进行数据传输;若没有,从邻居拥塞表中找出邻居节点剩余队列可用量最大值SMAX,若要发送的数据量大于SMAX,则转到(5);否则转到(3);
(3)源节点计算邻居节点的平均节点拥塞度Ta的阈值,则转到(5);
(4)源节点初始化改进的RREQ分组的PWeight值并把其Flag值置为0,向邻居节点广播分组,转到(6);
(5)源节点初始化改进的RREQ分组的PWeight值并把其Flag值置为1,向邻居节点广播分组;
(6)中间节点若收到重复的RREQ分组,则丢弃;否则根据下一时刻节点拥塞度NTNCD进行处理,NTNCD∈[0,1];若NTNCD<1,则更新RREQ分组的PWeight值,继续广播该分组;若NTNCD=1,则丢弃分组;
(7)目的节点第一次收到RREQ分组,首先更新分组的PWeight值,然后运行目的节点应答算法;
(8)源节点收到目的节点传送的RREP应答分组后,主路径建立,主路径上的所有节点都是主节点,源节点开始发送数据分组;
(9)主路径上节点要转发数据分组时,先查看邻居拥塞表得到下一跳主节点的NTNCD,若NTNCD=1,则转到(10);若NTNCD<1,则直接转发数据分组,结束;
(10)当前节点作为辅助路径源节点,产生辅助路径请求分组SPRQ,SPRQ分组沿着主路径向下游主节点传送;若接收到SPRQ分组的主节点的NTNCD=1,则继续将SPRQ分组转发到下一跳主节点;若接收到SPRQ分组的主节点的NTNCD<1,那么它就是要找的辅助路径目的节点;辅助路径目的节点回复辅助路径应答分组SPRP;SPRP沿着逆向路径传送到辅助路径源节点;
(11)辅助路径源节点初始化改进RREQ分组的PWeight值并置Flag=0,广播分组;
(12)中间节点若收到重复的RREQ分组,则丢弃;否则若中间节点NTNCD<1,则更新分组的PWeight值,继续广播分组;若中间节点NTNCD=1,则丢弃分组;
(13)辅助路径目的节点根据目的节点应答算法,回复RREP响应分组,分组沿逆向路径传送到辅助路径源节点;
(14)辅助路径源节点收到RREP分组,辅助路径建立;辅助路径源节点利用辅助路径转发数据以绕过下一跳拥塞主节,结束。
本发明与现有技术相比,其显著优点;首先,本发明在保留AODV协议的按需驱动,寻找跳数最小的路由的基础上,引入了节点队列占用量预测模型,通过计算得到节点的拥塞度,并在路径建立时引入了动态多径机制,只有在满足一定的条件时才按需的进行多径路由的发现;其实,在路径建立过程中综合考虑节点跳数和节点拥塞度,使选取的主路径具有节点跳数少、拥塞度小的优点;再次,数据转发过程中通过建立辅助路径自动避开拥塞较重的节点,可以进一步平衡网络负载,避免或缓解拥塞。
附图说明
图1本发明Hello消息结构示意图。
图2本发明邻居拥塞表格式示意图。
图3本发明路由请求分组格式示意图。
图4本发明主路径建立算法流程图。
图5本发明辅助路径建立算法流程图。
具体实施方式
下面结合附图进一步详细说明本发明。
图1是Hello消息格式示意图。本发明在原有AODV协议Hello消息格式的基础上,添加一个下一时刻节点拥塞度NTNCD字段和一个下一时刻节点剩余队列可用量字段,其它字段不变。本发明只对Hello消息添加2个信息,在没有增加任何额外控制开销的基础上,将本节点的拥塞度和MAC层队列可用情况扩散出去。
图2是节点邻居拥塞表格式示意图。邻居拥塞表中分为3个部分,分别是邻居节点编号,邻居节点的NTNCD和邻居节点的剩余队列可用量。
图3是路由请求分组的格式示意图。本发明在原有AODV协议的路由请求分组基础上,添加了一个Flag字段和一个PWeight字段,其中Flag表示源节点启用的是单径机制还是多径机制,Flag=0表示启用单径机制,Flag=1表示启用多径机制。PWeight表示路径上节点跳数和拥塞度的和。
图4是主路径建立算法流程图。其具体步骤如下。
(1)开始时,每个节点分别建立灰色系统GM(1,1)预测模型和RBF神经网络预测模型,根据节点前n个时刻的队列占用量,预测第n+1时刻的队列占用量,然后按照权重w加权组合两个预测值,得到最终预测结果;
(2)源节点要发送数据时,查看本地AODV路由表中是否有到目的节点的路径,若存在,则直接用这条路径作为主路径传输数据;若不存在,从邻居拥塞表中找出剩余队列可用量最大值SMAX,若源节点要发送的数据量大于等于SMAX,则转到(4);
(3)根据邻居拥塞表,计算源节点的邻居节点的平均节点拥塞度Ta的阈值,则转到(4);
(4)源节点初始化改进的RREQ分组的PWeight值并把其Flag值置为0,向邻居节点广播分组,转到(6);
(5)源节点初始化改进的RREQ分组的PWeight值并把其Flag值置为1,向邻居节点广播分组;
(6)中间节点若收到重复的RREQ分组,则丢弃;否则根据下一时刻节点拥塞度NTNCD进行处理,NTNCD∈[0,1]。若NTNCD<1,则更新RREQ分组的PWeight值,继续转发分组;若NTNCD=1,则丢弃分组;
(7)目的节点第一次收到RREQ分组,首先更新RREQ分组中PWeight值,然后根据Flag值采取对应的目的节点应答算法;
(8)源节点收到目的节点发送的RREP应答分组后,主路径建立,主路径上的所有节点都是主节点;
图5是辅助路径建立算法流程图。其具体步骤如下。
(1)当前节点作为辅助路径源节点,产生SPRQ分组,沿着主路径向下一跳主节点传送,如果下一跳主节点的NTNCD=1,则继续向下一跳主节点传送,直到到达一个NTNCD<1的主节点,即是要找的辅助路径目的节点。辅助路径目的节点产生SPRP分组。SPRP沿着逆向路径发送到辅助路径源节点;
(2)辅助路径源节点初始化RREQ分组PWeight值并置Flag=0,广播分组;
(3)中间节点若收到重复的RREQ分组,则丢弃;否则若中间节点NTNCD<1,则更新分组的PWeight值,继续转发分组;若中间节点NTNCD=1,则丢弃分组;
(4)辅助路径目的节点根据目的节点应答算法,回复RREP响应分组,RREP沿逆向路径传送到辅助路径源节点;
(5)辅助路径源节点收到RREP分组,辅助路径建立。辅助路径源节点利用辅助路径转发数据以绕过下一跳拥塞主节点。

Claims (9)

1.一种基于节点拥塞度预测的动态多径AODV路由方法,其特征在于方法如下:
1)开始时,每个节点分别建立灰色系统GM(1,1)预测模型和RBF神经网络预测模型,根据节点前n个时刻的队列占用量,预测第n+1时刻的队列占用量,然后按照权重w加权组合两个预测值,得到最终预测结果;
2)源节点要发送数据时,首先查看本地路由表中是否有到达目的节点的有效路径,若有,则用该路径作为主路径进行数据传输;若没有,从邻居拥塞表中找出邻居节点剩余队列可用量最大值SMAX,若要发送的数据量大于SMAX,则转到(5);否则转到(3);
3)源节点计算邻居节点的平均节点拥塞度Ta的阈值,则转到(5);
4)源节点初始化改进的RREQ分组的PWeight值并把其Flag值置为0,Flag表示源节点使用单径机制还是多径机制,PWeight表示路径上节点的跳数和拥塞度的和,向邻居节点广播分组,转到(6);
5)源节点初始化改进的RREQ分组的PWeight值并把其Flag值置为1,向邻居节点广播分组;
6)中间节点若收到重复的RREQ分组,则丢弃;否则根据下一时刻节点拥塞度NTNCD进行处理,NTNCD∈[0,1];若NTNCD<1,则更新RREQ分组的PWeight值,继续广播该分组;若NTNCD=1,则丢弃分组;
7)目的节点第一次收到RREQ分组,首先更新分组的PWeight值,然后运行目的节点应答算法;
8)源节点收到目的节点传送的RREP应答分组后,主路径建立,主路径上的所有节点都是主节点,源节点开始发送数据分组;
9)主路径上节点要转发数据分组时,先查看邻居拥塞表得到下一跳主节点的NTNCD,若NTNCD=1,则转到(10);若NTNCD<1,则直接转发数据分组,结束;
10)当前节点作为辅助路径源节点,产生辅助路径请求分组SPRQ,SPRQ分组沿着主路径向下游主节点传送;若接收到SPRQ分组的主节点的NTNCD=1,则继续将SPRQ分组转发到下一跳主节点;若接收到SPRQ分组的主节点的NTNCD<1,那么它就是要找的辅助路径目的节点;辅助路径目的节点回复辅助路径应答分组SPRP;SPRP沿着逆向路径传送到辅助路径源节点;
11)辅助路径源节点初始化改进RREQ分组的PWeight值并置Flag=0,广播分组;
12)中间节点若收到重复的RREQ分组,则丢弃;否则若中间节点NTNCD<1,则更新分组的PWeight值,继续广播分组;若中间节点NTNCD=1,则丢弃分组;
13)辅助路径目的节点根据目的节点应答算法,回复RREP响应分组,分组沿逆向路径传送到辅助路径源节点;
14)辅助路径源节点收到RREP分组,辅助路径建立;辅助路径源节点利用辅助路径转发数据以绕过下一跳拥塞主节,结束。
2.根据权利要求1所述的基于节点拥塞度预测的动态多径AODV路由方法,其特征在于:所述1)中灰色系统GM(1,1)预测模型和RBF神经网络预测模型根据节点前n个时刻的队列占用量,预测第n+1时刻的队列占用量,然后按照权重w加权组合两个预测值,得到最终预测结果,n∈[3,5];设X1是灰色系统GM(1,1)模型的预测值,X2是RBF神经网络模型的预测值,w是给定的权值,w∈(0.5,1),最终预测值X计算方法如公式(1)所示:
X=w*X1+(1-w)*X2(1)。
3.根据权利要求1所述的基于节点拥塞度预测的动态多径AODV路由方法,其特征在于:所述2)中邻居拥塞表的格式是<节点地址,下一时刻节点拥塞度NTNCD,节点剩余队列可用量>,它根据来自邻居节点的Hello消息所携带的值更新。
4.根据权利要求1所述的基于节点拥塞度预测的动态多径AODV路由方法,其特征在于:所述3)中表示源节点的邻居节点的平均节点拥塞度,其计算方法如公式(2)所示,
其中m代表邻居节点个数,NTNCD(neighbouri)表示源节点的第i个邻居节点的NTNCD。
5.根据权利要求1所述的基于节点拥塞度预测的动态多径AODV路由方法,其特征在于:所述4)和5)中在改进的RREQ分组中增加了一个PWeight字段和一个Flag字段,PWeight字段代表路径的节点跳数和节点拥塞度的和,Flag字段代表源节点启用的是单径机制还是多径机制。
6.根据权利要求1所述的基于节点拥塞度预测的动态多径AODV路由方法,其特征在于:所述6)中对节点MAC层队列的占用量设置两个门限值THmin和THmax,THmin和THmax定义如公式(3)和公式(4)所示,其中Queue_Size为节点MAC层队列的总大小;
THmin=35%*Queue_Size(3)
THmax=2*THmin(4)
把通过预测得到的下一时刻节点队列占用量X和门限值THmin、THmax进行比较和计算得到NTNCD,如果X<THmin,则节点NTNCD=0;如果THmin<X<THmax,则节点NTNCD=X/Queue_Size;如果X>THmax,则节点NTNCD=1;
节点剩余队列可用量=Queue_Size–X;
节点通过Hello消息周期性地广播自己的NTNCD和剩余队列可用量。
7.根据权利要求1所述的基于节点拥塞度预测的动态多径AODV路由方法,其特征在于:所述7)中,节点更新RREQ分组中的PWeight值要先计算节点的NWeight值,NWeight值的计算方法如公式(5)所示:
NWeight=1+NTNCD(5)
PWeight值的更新方法如公式(6)所示:
PWeight(新)=PWeight(旧)+NWeight(6)
其中PWeight(旧)表示更新前的值,PWeight(新)表示更新后的值。
8.根据权利要求1所述的基于节点拥塞度预测的动态多径AODV路由方法,其特征在于:所述7)中目的节点根据Flag值采取对应的应答算法,若Flag=0,则等待时间T继续接收的其它RREQ分组,选取PWeight值最小的RREQ分组的进行应答,回复RREP分组;若Flag=1,则等待时间T继续接收其它RREQ分组,选取PWeight值最小的2个RREQ分组进行应答,回复RREP分组;RREP分组沿逆向路径传送到源节点;T是预先设定的秒数,T∈[30,60]。
9.根据权利要求1所述的基于节点拥塞度预测的动态多径AODV路由方法,其特征在于:所述10)中辅助路径请求分组SPRQ和辅助路径应答分组SPRP是新增加的消息分组,它们的格式如下所示:
1)SPRQ分组的格式是:<源节点地址,路由请求序列号,Flag>;
2)SPRP分组的格式是:<源节点地址,目的节点地址,路由请求序列号,Flag>。
CN201310430286.2A 2013-09-18 2013-09-18 基于节点拥塞度预测的动态多径aodv路由方法 Expired - Fee Related CN103476086B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310430286.2A CN103476086B (zh) 2013-09-18 2013-09-18 基于节点拥塞度预测的动态多径aodv路由方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310430286.2A CN103476086B (zh) 2013-09-18 2013-09-18 基于节点拥塞度预测的动态多径aodv路由方法

Publications (2)

Publication Number Publication Date
CN103476086A CN103476086A (zh) 2013-12-25
CN103476086B true CN103476086B (zh) 2016-07-06

Family

ID=49800746

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310430286.2A Expired - Fee Related CN103476086B (zh) 2013-09-18 2013-09-18 基于节点拥塞度预测的动态多径aodv路由方法

Country Status (1)

Country Link
CN (1) CN103476086B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103906130B (zh) * 2014-03-18 2017-02-15 重庆邮电大学 带有节点状态估计的拥塞控制方法
CN104113478A (zh) * 2014-06-27 2014-10-22 山东大学(威海) 一种应用跨层设计实现拥塞控制策略的无线传感器网络多径路由协议
CN107172663A (zh) * 2017-07-20 2017-09-15 电子科技大学 Ad Hoc网络的QoS路由方法
CN109831264B (zh) * 2018-02-07 2020-07-24 中国科学院计算技术研究所 基于最近邻居回归的时序水声信道质量预测方法和系统
CN108495341B (zh) * 2018-02-08 2021-10-22 西安电子科技大学 一种基于流向预测的资源预留方法及系统、移动通信系统
CN109922513B (zh) * 2019-03-06 2020-08-18 上海交通大学 一种基于移动预测和时延预测的olsr路由方法及系统
CN110139319B (zh) * 2019-05-25 2022-04-01 西南电子技术研究所(中国电子科技集团公司第十研究所) 高动态时延网络传输时延最小化路由方法
CN112291747B (zh) * 2020-11-13 2021-12-03 珠海大横琴科技发展有限公司 网络拥塞控制方法及装置、电子设备、存储介质
CN114448800A (zh) * 2022-02-18 2022-05-06 珠海星云智联科技有限公司 一种网络优化控制方法及相关装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101815287A (zh) * 2010-03-11 2010-08-25 北京交通大学 基于树状网的无线传感网路由方法及路由系统
CN101827413A (zh) * 2009-03-05 2010-09-08 赵欣 基于移动预测的动态多径路由算法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7299038B2 (en) * 2003-04-30 2007-11-20 Harris Corporation Predictive routing including the use of fuzzy logic in a mobile ad hoc network

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101827413A (zh) * 2009-03-05 2010-09-08 赵欣 基于移动预测的动态多径路由算法
CN101815287A (zh) * 2010-03-11 2010-08-25 北京交通大学 基于树状网的无线传感网路由方法及路由系统

Also Published As

Publication number Publication date
CN103476086A (zh) 2013-12-25

Similar Documents

Publication Publication Date Title
CN103476086B (zh) 基于节点拥塞度预测的动态多径aodv路由方法
CN101415248B (zh) 基于负载均衡的跨层动态源路由协议的建立方法
Mahapatra et al. QoS and energy aware routing for real-time traffic in wireless sensor networks
CN102821437B (zh) 一种无线自组网按需距离矢量路由方法
CN105848247B (zh) 一种车载Ad Hoc网络的自适应路由协议方法
CN103856399B (zh) 一种基于稳定性的Ad Hoc备份路由算法
CN101150518A (zh) 一种单向链路环境下建立路由的方法
CN101711048A (zh) 移动自组织网络与Internet融合过程中的网关选择方法
CN105577547A (zh) 一种移动自组织网络中基于多Qos路由选择方法
CN101932062A (zh) 一种Ad Hoc网络环境下的多路径路由方法
CN103118412A (zh) Ad Hoc网络中基于信任的按需多路径矢量路由算法
CN101835099B (zh) 基于分簇与rrep广播的大规模传感器网络路由方法
CN111148178B (zh) 一种基于无人机自组网的dsr路由协议实现方法
Er-rouidi et al. A balanced energy consumption in mobile ad hoc network
CN110831006B (zh) 自组网系统及其数据传输方法
CN103108372A (zh) 基于节点发送和接收能力的干扰感知跨层路由方法
CN108462983A (zh) 基于改进蚁群aodv协议的多机器人通信组网方法
Ramamoorthy et al. An enhanced bio-inspired routing algorithm for vehicular ad hoc networks
CN108768852B (zh) 一种车联网中基于多副本拥塞避免的机会路由方法
Lim et al. Multi-hop data harvesting in vehicular sensor networks
CN104901885B (zh) 一种地理位置信息辅助的安全路由选择方法
Li et al. An energy based dynamic AODV routing protocol in wireless Ad Hoc networks
Shinde et al. PALBMRP: power aware load balancing multipath routing protocol for MANET
CN103685038A (zh) 一种在无线自组织网中基于节点相对运动速度和节点密集程度的广播路由选择方法
Kaur et al. Simulation based analysis of TCP variants over MANET routing protocols using NS2

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160706

Termination date: 20180918