CN103532865B - 一种容迟网络中基于社会感知的拥塞控制方法 - Google Patents

Abstract

一种容迟网络中基于社会感知的拥塞控制方法，针对社会性容迟网络的间断连接，长时延以及节点缓存受限引起的拥塞问题，提出一种基于社会感知的拥塞控制方法，考虑节点的社会关系特征和拥塞程度，构造社会拥塞度量值，在转发过程中将消息转发给社会拥塞度量值较高的节点，当发生拥塞时，根据消息对应的目的节点与当前携带消息节点的社会关系值，选择其中最小值对应的消息将其丢弃，减少了由于盲目丢包对路由效率的影响。仿真结果表明，相比现有算法，SACC算法在可忍受的时延范围内，能有效提高传递成功率，减少丢包率，降低开销。

Description

一种容迟网络中基于社会感知的拥塞控制方法

技术领域

本发明是一种基于节点间社会关系的拥塞控制算法，属于容迟网络的拥塞控制领域。

背景技术

容迟网络即DTN(DelayTolerantNetworks)是一种支持各种区域网络的互操作性，在各种区域网络的通信特性之间进行转换的受限网络(ChallengedNetwork)，在容迟网络的社会应用场景中，节点移动方式通常具有一定的社会性特征，利用节点的社会属性解决DTN的社会场景中的关键问题成为一种重要的技术手段，消息被传递给网络中社会关系多、转发能力强的关键节点，以提高路由效率。但另一方面，由于网络资源受限容易引发部分节点，特别是关键节点的拥塞问题，使得网络性能下降。而传统的基于TCP/IP协议的拥塞控制算法无法应用在容迟网络中，因此在容迟网络中研究基于社会感知的拥塞控制算法，对于提高社会性容迟网络的路由效率和网络性能有重要意义。

社会感知(SociallyAware)是社会学中用于描述各种社会现象和人类社交能力的概念。在计算机领域中，社会感知的主要内涵是指计算机系统对社会情境(SocialContext)的感知和响应，通过对人际交往中的社会情境进行量化，并以可视化呈现，以此促进人们的社会交往。

目前，针对DTN中的拥塞控制相关研究工作主要可以分为主动式的拥塞避免策略和被动式的拥塞解除策略两类：(1)主动式，主动式拥塞控制策略的基本思想是采用适当的流量分配策略，将发生拥塞的节点的消息转移到其它节点处，以降低拥塞节点处的负载压力，缓解拥塞情况。但主动分流策略需要拥塞节点与周围其它节点保持连接，并且需要了解网络全局信息对流量进行调度。(2)被动式，被动式拥塞控制算法的研究主要集中在采用不同的丢弃策略，主要思想是当节点发生拥塞后，根据不同的策略选择存储空间内一部分消息副本丢弃，释放缓存空间来接收新的消息副本。但现有的丢弃策略大多没有考虑携带消息的节点与目的节点之间的社会关系，很可能丢弃消息的目的节点与当前节点有很强的社会关系，未来成功转发概率很高，盲目的采用随机丢弃策略使得这样的消息不能很快被目的节点接收，路由效率大大降低。

发明内容

技术问题：针对社会性容迟网络的间断连接、长时延以及节点缓存受限引起的拥塞问题，本发明提出一种容迟网络中基于社会感知的拥塞控制方法，根据节点的社会关系特征和拥塞程度，构造社会拥塞度量值，在转发过程中将消息转发给社会拥塞度量值较高的节点；当发生拥塞时，采用基于社会关系的丢包策略，根据消息对应的目的节点与当前携带消息节点的社会关系，选择其中最小值对应的消息将其丢弃，减少了由于盲目丢包对路由效率的影响。

技术方案：

模型定义

用图G＝(V，E)表示一个社会性容迟网络，其中V是网络中所有节点的集合，E是连接两个节点的边的集合。有如下假设：只有当两节点相遇或同时处于对方通信范围时，信息交换才可以发生；若节点间接触频率高，时间长且具有一定规律性，则认为它们之间存在社会关系，即存在一条连接两节点的边；社会关系越强的节点之间消息转发成功概率越大，通过比较节点与目的节点社会关系的强弱决定是否转发消息，从而在路由过程中做出正确决策。

社会关系

定义1.S表示要发送消息的源节点；D为目的节点；i，j，k为中间相遇节点。

定义2.节点i和j的社会关系SR(i,j)定义如下：

$SR(i,j)=\frac{2T}{\underset{x=1}{\overset{n}{\Σ}}{\mathrm{\Δt}}_x^2}---\left(1\right)$

其中T为总时间，n为在T时间段内相遇总次数，Δt为相遇间隔时间，x表示节点i和j第x次相遇，Δt_x为本次相遇与上一次相遇的间隔时间。

拥塞度

由于容迟网络的间断连接性，以及网络拓扑结构不断动态变化，要求节点能够仅利用局部信息对网络全局进行拥塞控制，因此可以用消息丢弃数量与接收总数量的比值来表示节点的拥塞程度。

定义3.节点i在本地分别统计当前时段T内丢弃消息数量N_drop和接收消息数量N_rec，将二者的比值作为该节点拥塞程度的度量值，记为拥塞度CL(i)(CongestionLevel)。为了消除临时波动对拥塞度整体数值的影响，对上一时段与当前时段的拥塞度计算指数加权移动平均值，计算公式如下：

$CL\left(i\right)=\mathrm{\α}\×\frac{N_{drop}}{N_{rec}}+(1-\mathrm{\α})\×CL{\left(i\right)}^{\′}---\left(2\right)$

其中N_drop为丢弃消息数量，N_rec为接收消息数量，CL(i)’为上一时间段的拥塞度，α为平滑因子，为了反映最新的拥塞情况α取值为0.9。

社会拥塞度量值

在消息转发过程中，若相遇节点与目的节点的社会关系越强，则转发机会越多；若相遇节点的拥塞度越高，则消息被丢弃的概率越大。在消息转发决策过程中，社会关系表示积极因素，而拥塞度表示消极因素，因此根据定义2和定义3用社会关系与拥塞度之比作为转发过程的决策标准。

定义4.节点i的社会拥塞度量值SCM(i)(SocialCongestionMetric)为该节点与目的节点D的社会关系与节点i拥塞度的比值，用来对节点在当前拥塞程度下的转发能力进行综合评价，如式(3)所示：

${\mathrm{SCM}}_i\left(D\right)=\frac{SR(i,D)}{CL\left(i\right)}---\left(3\right)$

利用社会拥塞度量值，可以同时考虑节点的社会关系和拥塞状况，从而选择社会网络中关系更强的节点作为转发节点，同时避免将消息转发给严重拥塞的节点。

基于社会感知的拥塞控制算法

每个节点在本地维护一张社会关系列表SRT(SocialRelationTable)，记录与所有邻居节点的社会关系SR。为了便于在相遇时刻对SR进行更新，表中同时记录了相遇间隔时间平方和，根据公式(1)可以更新社会关系值。节点维护的本地信息还包括当前时段T内丢弃消息数量N_drop和接收消息数量N_rec，上一时段的拥塞度CL’，以及社会拥塞度量值SCM。每个消息维护的本地信息包括源节点ID，目的节点ID，生命周期(Time-To-Live,TTL)。

基于社会感知的拥塞控制算法(SociallyAwareCongestionControl,SACC)同时考虑了节点的社会关系和拥塞度，用二者的比值作为社会拥塞度量值衡量节点在当前拥塞程度下的转发能力，当节点相遇时将消息转发给社会拥塞度量值较高的节点；当发生拥塞时，采用基于社会关系的丢包策略释放缓存空间。SACC算法过程如下：

当节点i与节点j相遇时，发送节点i对发送队列中的每个消息执行如下操作：

步骤1：节点i从队列中选择第一个作为待转发的消息M_for；

步骤2：从消息头部获得目的节点D_for；

步骤3：节点i和j分别计算当前社会拥塞度量值SCM_i(D_for)和SCM_j(D_for)，比较SCM_i(D_for)和SCM_j(D_for)的大小，若SCM_i(D_for)≧SCM_j(D_for)，则i不转发消息；否则，转步骤4。

步骤4：节点j判断剩余缓存空间是否足够存储消息M_for，若缓存空间足够，则节点j接收来自节点i的消息M_for，消息转发结束；否则，转步骤5。

步骤5：节点j执行基于社会关系的丢包策略，释放部分缓存空间，直到j接收转发消息M_for。

基于社会关系的丢包策略

当相遇的节点没有足够的缓存空间容纳转发消息时，需要采用丢包策略将部分消息丢弃，从而释放一部分缓存空间接收新的消息。为了避免盲目丢弃消息，本发明提出一种基于社会关系的丢包策略，根据消息的目的节点与当前节点的社会关系的大小，选择社会关系值最小的消息将其删除，具体过程描述如下：

拥塞节点从消息队列中获得每个消息的目的节点ID，从节点在本地维护的社会关系列表中找到与每个目的节点相对应的社会关系的值，若列表中没有与某个目的节点的社会关系的记录，则将该节点与这个目的节点的社会关系的值设为0。取所有社会关系的最小值所对应的消息，若该消息为待转发消息，则j拒绝接收此消息，否则删除该消息。

由于在丢包过程中考虑了节点的社会关系，因此本发明可以减少随机丢包对传递成功率的影响。这是因为若当前节点与目的节点的社会关系最弱，说明当前节点对此消息的转发能力也最弱，此消息被成功传递的可能性最小，这样可以避免将最有可能被成功投递的消息丢弃的情况。

本发明的一种容迟网络中基于社会感知的拥塞控制算法，其特征在于同时考虑节点的社会关系特征和拥塞程度，构造社会拥塞度量值，提出一种基于社会感知的拥塞控制算法。

所述的基于社会感知的拥塞控制算法，根据节点的社会关系和拥塞度，用二者的比值作为社会拥塞度量值衡量节点在当前拥塞程度下的转发能力，当节点相遇时将消息转发给社会拥塞度量值较高的节点；当发生拥塞时，采用基于社会关系的丢包策略释放缓存空间，具体步骤如下：

当节点i与节点j相遇时，发送节点i对发送队列中的每个消息执行如下操作：

1)节点i从队列中选择第一个作为待转发的消息M_for；；

2)从消息头部获得目的节点D_for；

3)节点i和j分别计算当前社会拥塞度量值SCM_i(D_for)和SCM_j(D_for)，比较SCM_i(D_for)和SCM_j(D_for)的大小，若SCM_i(D_for)≧SCM_j(D_for)，则i不转发消息，等待下一次相遇；否则，转步骤4)；

4)节点j判断剩余缓存空间是否足够存储消息M_for，若缓存空间足够，则节点j接收来自节点i的消息M_for，消息转发结束；否则，转步骤5)；

5)节点j执行基于社会关系的丢包策略，释放部分缓存空间，直到j接收转发消息M_for。

所述的社会拥塞度量值，表示为节点的社会关系与节点拥塞度的比值，用来对节点在当前拥塞程度下的转发能力进行综合评价。在消息转发过程中，若相遇节点与目的节点的社会关系越强，则转发机会越多；若相遇节点的拥塞度越高，则消息被丢弃的概率越大。在消息转发决策过程中，社会关系表示积极因素，而拥塞度表示消极因素，因此用社会关系与拥塞度之比作为转发过程的决策标准，具体定义为：

${\mathrm{SCM}}_i\left(D\right)=\frac{SR(i,D)}{CL\left(i\right)}$

其中，SR(i,D)为节点i和目的节点D的社会关系值，CL(i)为节点i在当前时刻的拥塞度，SCM_i(D)为节点i在当前时刻关于节点D的社会拥塞度量值。

所述的基于社会关系的丢包策略，根据消息的目的节点与当前节点的社会关系的大小，当相遇的节点没有足够的缓存空间容纳转发消息时，选择社会关系值最小的消息将其删除，这是因为若当前节点与目的节点的社会关系最弱，说明当前节点对此消息的转发能力也最弱，此消息被成功传递的可能性最小，这样可以避免将最有可能被成功投递的消息丢弃的情况。具体过程描述如下：

拥塞节点从消息队列中获得每个消息的目的节点ID，从节点在本地维护的社会关系列表中找到与每个目的节点相对应的社会关系的值，若列表中没有与某个目的节点的社会关系的记录，则将该节点与这个目的节点的社会关系的值设为0。取所有社会关系的最小值所对应的消息，若该消息为待转发消息，则j拒绝接收此消息，否则删除该消息。

所述的节点的社会关系，节点i和j的社会关系SR(i,j)定义如下：

$SR(i,j)=\frac{2T}{\underset{x=1}{\overset{n}{\Σ}}{\mathrm{\Δt}}_x^2}$

其中，T为总时间段，n为在T时间段内相遇次数，Δt为相遇间隔时间，x表示节点i和j第x次相遇，Δt_x为本次相遇与上一次相遇的间隔时间。

所述的节点拥塞度，表示为节点在当前时间段内丢弃消息数量与接收消息总数量的比值，具体定义为：节点i在本地分别统计当前时段T内丢弃消息数量N_drop和接收消息数量N_rec，将二者的比值作为该节点拥塞程度的度量值，记为拥塞度CL(i)(CongestionLevel)。为了消除临时波动对拥塞度整体数值的影响，对上一时段与当前时段的拥塞度计算指数加权移动平均值，计算公式如下：

$CL\left(i\right)=\mathrm{\α}\×\frac{N_{drop}}{N_{rec}}+(1-\mathrm{\α})\×CL{\left(i\right)}^{\′}$

其中，N_drop为丢弃消息数量，N_rec为接收消息数量，CL(i)’为上一时间段的拥塞度，α为平滑因子，为了反映最新的拥塞情况α取值为0.9。

有益效果：本发明针对容迟网络中由于间断连接性、长时延以及节点缓存受限引起的拥塞问题，提出一种基于社会感知的拥塞控制算法SACC，利用社会网络分析方法，根据节点的社会关系特征和拥塞程度，构造社会拥塞度量值，在转发过程中将消息转发给社会拥塞度量值较高的节点，当发生拥塞时，根据消息对应的目的节点与当前携带消息节点的社会关系，选择其中最小值对应的消息将其丢弃，减少了由于盲目丢包对路由效率的影响。仿真结果表明，相比现有算法，SACC算法在可忍受的时延范围内，能有效提高传递成功率，减少丢包率，降低开销。

附图说明

图1是节点相遇时消息转发过程图，

图2是基于社会感知的拥塞控制方法流程图，

图3是基于社会关系的丢包策略示意图，

图4是两种丢包策略在不同缓存大小下丢包率对比图，

图5是两种丢包策略在不同消息生成时间间隔下丢包率对比图，

图6是三种路由算法传递率随缓存空间变化对比图，

图7是三种路由算法开销随缓存空间变化对比图，

图8是三种路由算法时延随缓存空间变化对比图，

图9是三种路由算法传递率随消息生成时间间隔变化对比图，

图10是三种路由算法开销随消息生成时间间隔变化对比图，

图11是三种路由算法时延随消息生成时间间隔变化对比图。

具体实施方式

以图1为例说明当节点i与j相遇时消息转发的过程。节点i携带的消息队列中有m₁,m₂,m₃,m₄四个数据包，对应的目的节点分别为D₁,D₂,D₃,D₄。首先节点i和j分别计算与第一个目的节点D₁的社会拥塞度量值，记为SCM_i(D₁)和SCM_j(D₁)，比较二者的大小得SCM_i(D₁)<SCM_j(D₁)，节点j与消息m₁的目的节点D₁的社会拥塞度量值大于节点i，说明节点j对于消息m₁的转发能力强于节点i，因此将m₁加入发送队列。对m₂,m₃,m₄进行同样操作，由于节点j与目的节点D₃的社会拥塞度量值小于节点i，即SCM_i(D₃)>SCM_j(D₃)，因此m₃不在发送队列中。

图3为节点采用基于社会关系的丢包策略示意图。节点j收到来自节点i的转发请求，但缓存空间已满，此时j的消息队列中有m₅,m₆,m₈,m₁₁四个数据包，对应的目的节点分别为D₅,D₆,D₈,D₁₁。节点j遍历社会关系列表SRT(j)，查找每个目的节点与j的社会关系值，找到其中的最小值，若最小值为SL(j,8)，说明j与D₈的社会关系最弱，即消息m₈的成功传递概率最低，因此节点j选择丢弃消息m₈。

用ONE仿真软件对SACC算法性能进行仿真分析，并与感染路由算法(Epidemic)和RR(RetiringReplicants)算法进行对比实验。仿真环境配置如表1所示：仿真场景采用赫尔辛基市城市地图作为移动区域，大小为4500m*3400m，节点数量为150个，分为行走、跑步和骑车三种节点，每种50个，节点无线通信范围为10m，带宽为250kbps，缓存大小分别为1M，2M，3M，4M，5M，6M，7M，8M，9M，10M，移动模型采用ONE默认的赫尔辛基城市地图模型，节点的移动速度分别为1.34m/s、4m/s、8.94m/s，分别表示行走、跑步和骑车三种不同活动的平均速度。数据包大小为50KB，数据生成时间分别为10s，20s，30s，40s，50s，60s，70s，80s，90s，100s。仿真运行时间为12H，对比模型为Epidemic算法和RR算法。

表1仿真环境

为了验证本文提出的基于社会关系的丢包策略的有效性，分别考察采用本文提出的丢包策略和采用随机丢包策略两种情况下，SACC算法的丢包率的对比情况。

丢包率：丢弃的消息数量与消息副本总数之比。Dropprobability＝(started-relayed)/started

如图4所示，消息生成时间间隔设置为50s，考察在采用两种丢包策略情况下，当缓存大小从1M增加到10M时SACC算法丢包率的对比。实验结果表明相比随机丢包，本文提出的基于社会感知的丢包策略能够有效降低丢包率，特别是在缓存较小的情况下丢包率明显减小，因为当缓存较小时节点需要通过大量丢包释放缓存接收新的消息，本文的策略选择转发概率最低的消息丢弃，能够有效降低丢包率。

在图5所示实验中，缓存空间大小设置为2M，观察消息生成时间间隔从10s变化为100s时，采用两种丢包策略时算法丢包率的对比情况。消息生成时间间隔不同时，两种丢包策略下算法的丢包率都变化不大，而本文提出的基于社会感知的丢包机制能有效降低丢包率，这是因为本文的丢包策略选择未来可能被转发概率最低的消息丢弃，避免了随机丢包的盲目性。

下面对算法性能进行测试。分别进行两组实验，观察在不同缓存大小和数据生成时间间隔情况下，Epidemic、RR和SACC三种算法性能的变化情况。采用如下3个性能指标：

1)传递率：成功传递的消息数与消息总数之比。Deliveryprobability＝Delivered/created；

2)开销：被转发但没有成功传递的消息数量与成功传递的消息数量之比。Overheadratio＝(Relayed-delivered)/delivered

3)时延：所有成功传递消息的平均时延。

仿真实验中将本文提出的算法SACC与另外两种算法Epidemic和RR进行对比。Epidemic算法是DTN中的经典路由算法，采用消息洪泛策略，每个节点维护一个消息列表，当节点相遇时互相交换消息列表，将对方节点没有的消息转发给对方，从而实现消息在网络中的快速扩散。RR算法在Epidemic的基础上考虑对消息副本数量进行控制，提出用丢包数与接收包数的比值作为网络拥塞程度的度量值，根据网络的拥塞程度对消息副本数进行动态调整，当拥塞度上升时降低副本限额，反之当拥塞度下降时提高副本限额，当发生拥塞时采用随机丢包策略释放缓存空间。

在第一组实验中，消息生成时间间隔设置为50s，观察当节点缓存空间从1M增加到10M时四种性能指标的变化情况。仿真结果如图6-8所示。

图6为当节点缓存空间从10M减小到1M时三种算法的成功传递率的变化情况。Epidemic的传递率最低，这是因为洪泛机制会产生大量冗余副本占用缓存空间。RR算法和SACC算法都减少了副本数量，因此传递率高于Epidemic。随着缓存空间不断减小，拥塞情况加剧，节点需要通过大量丢包释放缓存空间，因此三种算法的传递率都逐渐下降。Epidemic和RR算法都采用随机丢包策略，因此可能发生把最有可能被成功传递的消息丢弃的情况。而SACC算法采用基于社会感知的丢包策略，丢弃传递概率最低的消息，因此在缓存很小的情况下可以保持较高的传递率。

图7为当节点缓存空间从10M减小到1M时三种算法的开销的变化情况。随着缓存空间逐渐增大，三种算法的开销都有所降低，这是因为当缓存空间较小时，节点会丢弃一部分消息，因此参与转发但没有被成功传递的消息副本数量增加，开销较大。Epidemic算法开销最大，因为洪泛会产生大量冗余副本，RR算法对消息副本进行控制，因此开销明显降低，本文提出的SACC算法由于只转发社会拥塞度较高的消息，因此消息副本数最少，开销最小。

图8为当节点缓存空间从1M增加到10M时三种算法的时延的变化情况。随着缓存空间逐渐增大，消息在缓存中有更长的存储时间等待被转发，因此三种算法的时延逐渐增加。Epidemic算法的时延最小，因为消息副本数量最多，成功传递的速度最快。RR算法副本数量有所减少，因此时延也有所增加。本文提出的SACC算法中转发的消息副本数量最少，因此时延最长。

在第二组实验中，节点缓存空间为设置为2M，消息生成时间间隔从100s逐渐缩短为10s，表示网络中数据流量的密集程度逐渐增加，测试三种路由算法的性能变化情况。仿真结果如图9-11所示。

图9所示为三种算法的传递率随消息生成时间间隔的变化情况。当消息生成时间从每100s缩短为每10s生成一个消息，网络中的流量密度不断增加，节点的缓存空间仅为2M的情况下，随着拥塞情况加剧，传递率降低。Epidemic算法中存在大量冗余副本占用缓存空间，因此传递率最低。SACC算法中转发的消息副本数量最少，可以避免产生过多的冗余副本，并且SACC算法没有采用随机丢包策略，而是选择丢弃转发概率最低的消息，因此在拥塞严重的情况下传递率明显高于另外两种算法。

图10为消息生成时间间隔从100s到10s时三种算法的开销的变化情况。随着生成时间间隔逐渐变短，生成的消息数量增加，则成功传递的消息数量增加，因此三种算法的开销都降低。与两个比较算法相比，本文提出的SACC算法开销最小，这是因为SACC算法减少了转发的消息副本数量，使得网络中没有过多冗余副本占用缓存，从而减少丢包，降低开销。

如图11所示，当消息生成时间间隔从10s变化到100s的过程中，三种算法的时延略有增加，因为生成间隔时间变长，网络中消息数量降低，每个消息在缓存中存储的时间更长，因此时延增加。Epidemic的时延最短因为消息副本数最多，传递速度最快，SACC算法中消息副本数量最小，因此时延最长。

Claims (5)

1.一种容迟网络中基于社会感知的拥塞控制方法，其特征在于所述的基于社会感知的拥塞控制方法，根据节点的社会关系和拥塞度，用二者的比值作为社会拥塞度量值衡量节点在当前拥塞程度下的转发能力，当节点相遇时将消息转发给社会拥塞度量值较高的节点；当发生拥塞时，采用基于社会关系的丢包策略释放缓存空间，具体步骤如下：

当节点i与节点j相遇时，发送节点i与接收节点j对发送队列中的每个消息执行如下操作：

1)节点i从队列中选择第一个作为待转发的消息M_for；

2)从消息头部获得目的节点D_for；

3)节点i和j分别计算当前社会拥塞度量值SCM_i(D_for)和SCM_j(D_for)，比较SCM_i(D_for)和SCM_j(D_for)的大小，若SCM_i(D_for)≧SCM_j(D_for)，则i不转发消息，等待下一次相遇；否则，转步骤4)；

4)节点j判断剩余缓存空间是否足够存储消息M_for，若缓存空间足够，则节点j接收来自节点i的消息M_for，消息转发结束；否则，转步骤5)；

5)节点j执行基于社会关系的丢包策略，释放部分缓存空间，直到j接收转发消息M_for。

2.根据权利要求1所述的一种容迟网络中基于社会感知的拥塞控制方法，其特征在于所述的社会拥塞度量值，表示为节点的社会关系与节点拥塞度的比值，用来对节点在当前拥塞程度下的转发能力进行综合评价；在消息转发过程中，若相遇节点与目的节点的社会关系越强，则转发机会越多；若相遇节点的拥塞度越高，则消息被丢弃的概率越大；在消息转发决策过程中，社会关系表示积极因素，而拥塞度表示消极因素，因此用社会关系与拥塞度之比作为转发过程的决策标准，具体定义为：

${\mathrm{SCM}}_i\left(D\right)=\frac{SR(i,D)}{CL\left(i\right)}$

其中，SR(i,D)为节点i和目的节点D的社会关系值，CL(i)为节点i在当前时刻的拥塞度；SCM_i(D)为节点i在当前时刻关于节点D的社会拥塞度量值。

3.根据权利要求1所述的一种容迟网络中基于社会感知的拥塞控制方法，其特征在于所述的基于社会关系的丢包策略，根据消息的目的节点与相遇节点的社会关系的大小，当相遇节点没有足够的缓存空间容纳转发消息时，选择社会关系值最小的消息将其删除，具体过程描述如下：

相遇节点从消息队列中获得每个消息的目的节点ID，从相遇节点在本地维护的社会关系列表中找到与每个目的节点相对应的社会关系的值，若列表中没有与某个目的节点的社会关系的记录，则将该节点与这个目的节点的社会关系的值设为0；取所有社会关系的最小值所对应的消息，若该消息为待转发消息，则j拒绝接收此消息，否则删除该消息。

4.根据权利要求2所述的一种容迟网络中基于社会感知的拥塞控制方法，其特征在于所述的节点的社会关系，节点i和j的社会关系SR(i,j)定义如下：

$SR(i,j)=\frac{2T}{\underset{x=1}{\overset{n}{\&Sigma;}}{\mathrm{\&Delta;t}}_x^2}$

其中，T为总时间段，n为在T时间段内相遇次数，Δt为相遇间隔时间，x表示节点i和j第x次相遇，Δt_x为本次相遇与上一次相遇的间隔时间。

5.根据权利要求2所述的一种容迟网络中基于社会感知的拥塞控制方法，其特征在于所述的节点拥塞度，节点i的拥塞度CL(i)定义如下：

$CL\left(i\right)=\mathrm{\&alpha;}\&times;\frac{N_{drop}}{N_{rec}}+(1-\mathrm{\&alpha;})\&times;CL{\left(i\right)}^{\&prime;}$

其中，N_drop为丢弃消息数量，N_rec为接收消息数量，CL(i)’为节点i上一时间段的拥塞度，α为平滑因子，为了反映最新的拥塞情况α取值为0.9。