CN103906130B - 带有节点状态估计的拥塞控制方法 - Google Patents
带有节点状态估计的拥塞控制方法 Download PDFInfo
- Publication number
- CN103906130B CN103906130B CN201410100018.9A CN201410100018A CN103906130B CN 103906130 B CN103906130 B CN 103906130B CN 201410100018 A CN201410100018 A CN 201410100018A CN 103906130 B CN103906130 B CN 103906130B
- Authority
- CN
- China
- Prior art keywords
- node
- nodes
- data
- state
- saturated
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 229920006395 saturated elastomer Polymers 0.000 claims abstract description 53
- 230000007704 transition Effects 0.000 claims abstract description 19
- 230000008447 perception Effects 0.000 claims abstract description 13
- 238000009792 diffusion process Methods 0.000 claims description 11
- 238000009499 grossing Methods 0.000 claims description 10
- 230000002776 aggregation Effects 0.000 claims description 6
- 238000004220 aggregation Methods 0.000 claims description 6
- 230000004083 survival effect Effects 0.000 claims description 6
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 abstract description 9
- 230000008569 process Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种带有节点状态估计的拥塞控制方法，属于无线网络拥塞控制技术。包括：步骤一：利用马尔科夫链估算节点状态转移概率，从而估计下一时刻饱和状态以及非饱和状态节点数量；步骤二：节点估计其直接感知结果及来自于其他节点的间接感知结果，从而聚合直接感知与间接感知结果；步骤三：判定节点所在范围的拥塞状态，选择中继节点并限定转发数据数量，进而实施拥塞控制。该方法能够在保障数据有效传输的同时，对网络拥塞进行一定的控制，达到了提升网络资源利用率及降低。
Description
技术领域
本发明属于无线网络数据转发技术领域，具体是一种带有节点状态估计的拥塞控制方法。
背景技术
区别于传统移动自组织网络的数据转发机制，间断连接无线网络中节点之间的连接频繁间断，为了提高网络整体性能，常采用多副本转发数据，但数据副本在网络中的不断扩散将导致中继节点缓存空间逐渐饱和，使其无法为其他数据提供转发服务，进而造成网络拥塞。
显然，对于网络资源有限的间断连接无线网络来说，网络拥塞控制尤为重要。虽然，传统的传输控制协议(Transmission Control Protocol,TCP)能够较好地解决有线网络的拥塞控制问题，但是，TCP需要在限定时间内在源节点和目的节点之间快速反馈网络状态信息，从而达到拥塞控制的目的，然而，对于节点之间连接频繁间断的间断连接无线网络来说，网络状态信息传输延迟较大，TCP中的拥塞控制方法无法适用。
针对冗余副本导致网络拥塞的问题，目前已有的拥塞控制方法主要有：(1)负载均衡法（参见文献Radenkovic M,Grundy A.Efficient and adaptive congestion controlfor heterogeneous delay-tolerant networks[J].Ad Hoc Networks,2012,10(7):1322-1345.）：该算法中，节点检测到本地缓存区即将溢出时，则利用邻居节点剩余缓存转移本地节点缓存中的部分数据以降低拥塞，从而缓解拥塞严重的区域；(2)抑制数据法（参见文献Leela-Amornsin L,Esaki H.Heuristic congestion control for message deletion indelay tolerant network[M]//Smart Spaces and Next Generation Wired/WirelessNetworking.Springer Berlin Heidelberg,2010:287-298.）：在该算法中，首先判定是否存在相同的数据副本，进而对此类数据副本设定相应的暂停接收时间，并更新其他数据的传输概率，以通过降低网路中的冗余副本达到缓解网络拥塞的目的。这两种拥塞控制方法均未考虑本地节点所在范围内节点的拥塞状态。大量的数据转移将使得有限的网络资源无法为亟待发送的数据提供服务，且批量的传输数据将导致部分网络区域甚至全网区域出现拥塞。从而降低拥塞区域的数据传输效率，进而影响网络性能。
发明内容
针对以上现有技术中的不足，本发明的目的在于提供一种保障数据有效传输的同时，降低网络拥塞、达到了提升网络资源利用率及降低冗余副本的带有节点状态估计的拥塞控制方法，本发明的技术方案如下：
一种带有节点状态估计的拥塞控制方法，其包括以下步骤：
101、节点A统计与其相遇的节点中饱和节点的数量Ns(t)和非饱和节点的数量Nv(t)，并得出节点A传输数据数量的上限Mmax，然后根据马尔科夫模型估计与节点A相遇的节点的状态转移概率，包括非饱和节点转变成饱和的概率Pr(n,q)以及饱和节点转变成非饱和节点的概率P(tmin<△t)，即其中q表示相遇节点携带数据的数量，n表示相遇节点此次转发的数据中本地缓存中未保留的数据数量；处于饱和的节点状态转移的概率为其中△t表示给定的时间段，TTL表示数据生存时间，k表示饱和节点在丢包前携带数据数量；则相遇节点中非饱和节点状态转移的数量为Nact(t)=Pr(n,q)·Nmax(t)，其中Nmax(t)为非饱和节点状态转移数量上限，Nmax(t)=Nv(t)；
102、然后估计下一时刻相遇节点中饱和节点数量，下一时刻处于饱和状态的节点主要包含两个部分：非饱和节点接收数据之后转变成饱和节点;删除TTL到期数据后而变成非饱和节点的饱和节点数量,根据公式Ns(t+△t)=Nact(t)+{Ns(t)-Ns(t)·P(tmin<△t)}估计下一时刻相遇节点中饱和节点数量，其中Ns(t)初始值Ns(0)为节点首次相遇节点中的饱和节点数量，采用时间序列指数平滑方法估计出下一时刻相遇节点中非饱和节点数量，即 表示当前时刻的指数平滑值；
103、根据步骤102中得到的Ns(t+△t)和Nv(t+△t)，采用D-S聚合法对相遇节点状态的转移概率进行权重量化，并得出节点A聚合直接感知和间接感知状态后非饱和节点影响节点A判定下一时刻拥塞状态的影响权重值饱和节点对节点A判定下一时刻拥塞状态的影响权重值相遇节点中，未能与节点A建立连接并未能确定其状态的这类节点对本次预测拥塞状态的影响权重值
104、根据步骤103中得到的计算本次连接数据转发数量的上限值其中，Ri_al为节点A携带数据总量，相遇节点若接收数据数量少于Ri_se时达到饱和状态，则中断本次连接；若节点A中数据在网络中存在时间达到自身数据生存时间TTL的75%时，则节点A不再转发数据存在时间高于75%TTL的数据，直到携带该数据的节点A与其目的节点相遇时才会被转发；然后节点A获取其缓存中数据的扩散率并按照扩散率的升序进行转发排序，若节点A预测出下一时刻其相遇节点均处于饱和状态，则节点A只转发本地缓存中最新产生的数据。
进一步的，步骤102中时间序列指数平滑方法中，采用α,1-α(0<α<1)为权重对下一刻相遇节点数量进行加权平均，即其中St-1分别表示当前时刻及前一时刻的指数平滑值，Nt(t)表示当前时刻相遇节点数量，α为节点相遇概率。
进一步的，步骤104中的数据扩散率值其中Tu为节点统计时间，Cd本地缓存和其相遇节点中拥有该数据副本的数量。
本发明的优点及有益效果如下：
在本方法中，对于网络中节点所在范围的拥塞状态的预测是通过节点通过运动过程中以直接获取及间接推荐的方式来实现的。节点根据预测的拥塞状态动态地为数据选择中继节点，利用最终的预测结果计算本次连接数据转发数量上限Ri_se，从而按照数据在网络中的生存时间及其扩散率Vmsg选取符合要求的数据进行转发。本发明提出的带有节点状态估计的拥塞控制方法，能够在保障数据有效传输的同时，对网络拥塞进行有效的控制，达到了提升网络资源利用率及降低冗余副本的目的。
附图说明
图1是本发明所述方法的流程图；
图2为本发明中节点状态估计的拥塞控制流程图；
图3为本发明中节点状态转移的马尔科夫模型概率预测图。
具体实施方式
下面结合附图给出一个非限定性的实施例对本发明作进一步的阐述。
间断连接无线网络中存在三类状态的节点，分别是饱和状态的节点、非饱和状态的节点以及与本地节点未建立连接而状态未被获知的节点，且所有节点在网络中随机分布，节点的状态可以随着缓存的变化而发生转移。按照网络中节点状态的类型，节点状态之间会发生如下三种变化。这三种变化分别是：仍保持原状态不变、由非饱和状态转变成饱和状态、由饱和状态转变成非饱和状态。
在带有节点状态估计的拥塞控制中，节点在一个较小的时间段[t,t+△t]的运动过程中分别统计与其相遇节点中饱和节点的数量Ns(t)和非饱和节点的数量Nv(t)，并计算出在给定的时间[t,t+△t]内，节点可以传输数据数量的上限Mmax；从而利用马尔科夫链估计其相遇节点状态转移的概率，即非饱和状态节点因接收数据后其剩余缓存不足以容纳一个数据而转变成饱和状态的概率Pr(n,q)以及饱和状态节点因缓存中数据生存时间截止而被丢弃之后转变成非饱和状态节点的概率P(tmin<△t)。即其中q表示相遇节点携带数据的数量；n表示相遇节点此次转发的数据中，本地缓存中未保留的数据数量。同时，处于饱和状态的节点因数据生存时间截止丢弃数据而状态转移的概率为其中△t表示给定的时间段，TTL表示数据生存时间，k表示饱和节点在丢包前携带数据数量。因此，相遇节点中非饱和节点状态转移的数量为Nact(t)=Pr(n,q)·Nmax(t)，其中Nmax(t)为非饱和节点状态转移数量上限，且Nmax(t)=Nv(t)。从而可估计下一时刻相遇节点中饱和节点数量Ns(t+△t)=Nact(t)+{Ns(t)-Ns(t)·P(tmin<△t)}，其中Ns(t)初始值Ns(0)为节点首次相遇节点中的饱和节点数量。同时，节点根据基于历史信息采用适用于广义平稳随机过程的时间序列指数平滑方法预测下一时刻节点的相遇节点数量，即预测值其中分别表示当前时刻及前一时刻的指数平滑值，且初始值S0为原时间序列的第一项，即节点首次估计下一时刻相遇节点数量，α为节点相遇概率，且节点相遇时间间隔服从指数分布。显然，在给定时间△t内，节点运动范围较小，因此，可认为节点所在区域的网络拓扑较稳定。至此，可以估计出下一时刻相遇节点中非饱和节点数量，即
然而，下一时刻相遇节点中处于各状态节点数量的实际值与预测值的误差直接影响所设计的拥塞控制方法的效果，若实际值与本次预测值误差较大，将导致节点无法做出正确的数据转发操作，从而降低了网络性能。同时，Nv(t+△t)、Ns(t+△t)并不能十分准确的描述下一时刻处于各状态的相遇节点数量。若在t时刻，节点通信范围的某些相遇节点与其他节点建立连接，节点则不能与之建立连接，从而不能确定这类节点的状态并获知这类节点的反馈信息。因此，节点按照上述方法所获知的拥塞状态并不是非常准确，从而使得拥塞控制过程也无法较好地适用于当前网络状况。因此，拥塞状态的确定需要充分考虑多个节点的工作状态，即节点自身的感知结果及与其相遇节点的间接推荐结果。为了更加准确、全面地获知当前网络状况，利用D-S证据理论对相遇节点状态的不确定性进行量化，首先，利用Ns(t+△t)和Nv(t+△t)归一化处理未能与本地节点建立连接，从而未能获知其状态的这类节点影响本地节点此次判定网络拥塞状态的权重值，即权重值其次，量化下一时刻非饱和状态节点数量Nv(t+△t)影响本地节点此次判定网络拥塞状态的权重值，即权重值最后，量化下一时刻饱和状态节点数量Ns(t+△t)影响本地节点此次判定网络拥塞状态的权重值，即权重值且满足同时，节点获取其相遇节点的间接信息之后，分别就采用均值法聚合获取的间接感知结果，即 最后节点采用加权平均方法对感知结果进行聚合，即 其中φ1、φ2为加权因子，且 其中γ为预测倾向因子。
在本方法中，对于网络中节点所在范围的拥塞状态的预测是通过节点通过运动过程中以直接获取及间接推荐的方式来实现的。节点根据预测的拥塞状态动态地为数据选择中继节点，利用最终的预测结果计算本次连接数据转发数量上限Ri_se，从而按照数据在网络中的生存时间及其扩散率Vmsg选取符合要求的数据进行转发。
图1为本发明所述方法的流程图，如图所示，本方法主要包括以下步骤：利用马尔科夫链估算节点状态转移概率，从而估计下一时刻饱和状态以及非饱和状态节点数量，节点估计其直接感知结果及来自于其他节点的间接感知结果，从而聚合直接感知与间接感知结果，判定节点所在范围的拥塞状态，选择中继节点并限定转发数据数量，进而实施拥塞控制。
图2为本发明中节点状态估计的拥塞控制流程图，具体来说，包括以下步骤：
1.节点状态感知过程：
(1)网络特征：在带有节点状态估计的拥塞控制中，节点相遇时间间隔服从参数为λ的指数分布，节点在一个较小的时间段[t,t+△t]内，相遇节点数量服从泊松分布，节点运动过程中分别统计与其相遇节点中饱和节点数量Ns(t)和非饱和节点数量Nv(t)；
(2)估计下一时刻各状态节点数量：在给定的时间[t,t+△t]内，节点计算传输数据数量的上限其中B为链路容量，msize为数据大小；从而利用马尔科夫链估计节点发生状态转移概率，即非饱和状态节点因接收数据后其剩余缓存不足以容纳一个数据而转变成饱和状态的概率Pr(n,q)以及饱和状态节点因缓存内数据生存时间截止而丢弃之后转变成非饱和状态的概率P(tmin<△t)。即其中q表示相遇节点携带数据的数量；n表示相遇节点此次转发的数据中，本地缓存中未保留的数据数量。同时，处于饱和状态的节点因数据生存时间截止丢弃数据而状态发生转移的概率为：其中△t表示给定的时间段，TTL表示数据生存时间，k表示节点在丢包前携带数据数量。因此，相遇节点中非饱和节点状态转移的数量为Nact(t)=Pr(n,q)·Nmax(t)，其中Nmax(t)为非饱和节点状态转移数量上限，且Nmax(t)=Nv(t)。从而可估计下一时刻相遇节点中饱和节点数量Ns(t+△t)=Nact(t)+{Ns(t)-Ns(t)·P(tmin<△t)}，其中Ns(t)初始值Ns(0)为节点首次相遇节点中的饱和节点数量。假设{Xi,i=1,2,…,n}为节点相遇持续时间序列，则集合中任意Xi独立不相关，以α,1-α(0<α<1)为权重估计下一时刻的相遇节点数量，即其中St-1分别表示当前时刻及前一时刻的指数平滑值，且初始值S0为原时间序列的第一项，即节点首次估计下一时刻相遇节点数量，α为节点相遇概率，且节点相遇时间间隔服从指数分布，因此节点在给定时间△t内的相遇概率为α=1-e-△t。显然，在给定时间△t内，节点运动范围较小，因此，可认为节点所在区域的网络拓扑较稳定。至此，可以估计出下一时刻相遇节点中非饱和节点数量，即
2.估计转移概率并聚合节点状态信息：下一时刻相遇节点中处于各状态节点数量的实际值与预测值的误差直接影响所设计的拥塞控制方法的效果，若实际值与本次预测值误差较大，将导致节点无法做出正确的数据转发操作，从而降低了网络性能。同时，Nv(t+△t)、Ns(t+△t)并不能十分准确的描述下一时刻处于各状态的相遇节点数量。若在t时刻，节点通信范围的某些相遇节点与其他节点建立连接，节点则不能与之建立连接，从而不能确定这类节点的状态并获知这类节点的反馈信息。因此，节点按照上述方法所获知的拥塞状态并不是非常准确，从而使得拥塞控制过程也无法较好地适用于当前网络状况。因此，拥塞状态的确定需要充分考虑多个节点的工作状态，即节点自身的感知结果及与其相遇节点的间接推荐结果。为了更加准确、全面地获知当前网络状况，利用D-S证据理论对相遇节点状态的不确定性进行量化，首先，利用Ns(t+△t)和Nv(t+△t)归一化处理未能与本地节点建立连接，从而未能获知其状态的这类节点影响本地节点此次判定网络拥塞状态的权重值，即权重值其次，量化下一时刻非饱和状态节点数量Nv(t+△t)影响本地节点此次判定网络拥塞状态的权重值，即权重值最后，量化下一时刻饱和状态节点数量Ns(t+△t)影响本地节点此次判定网络拥塞状态的权重值，即权重值且满足同时，节点获取其相遇节点的间接信息之后，分别就采用均值法聚合获取的间接感知结果，即 最后节点采用加权平均方法分别对不同状态的感知结果进行聚合，即 其中φ1、φ2为加权因子，且 其中γ为预测倾向因子。
3.判定拥塞状态，选择中继节点并限定数据转发数量，实施拥塞控制过程：
(1)根据最终的预测结果计算本次连接数据转发数量的上限值，其转发数量的上限值其中，Ri_al为节点携带数据总量，相遇节点若接收数据数量少于Ri_se时达到饱和状态，则中断本次连接；
(2)若本地缓存中数据在网络中存在时间达到自身TTL的75%时，则节点不再转发本地缓存中数据存在时间高于75%TTL的数据，直到携带该数据的节点与其目的节点相遇，才会被投递；
(3)本地节点感知其缓存中数据的扩散率并按照扩散率的升序进行转发排序，即数据扩散率值其中Tu为节点统计时间，Cd本地缓存和其相遇节点中拥有该数据副本的数量；
(4)若节点预测出下一时刻其相遇节点均处于饱和状态，则节点只转发本地缓存中最新产生的数据。
如图3所示为本发明的节点状态转移的马尔科夫链概率，在间断连接无线网络中非饱和状态节点接收数据后仍处于非饱和状态的概率为P11，非饱和状态节点接收数据后变成饱和状态的概率为P12，饱和状态的节点不发生数据丢弃的概率为P22，饱和状态的节点丢弃数据后变成非饱和状态的概率为P21。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明方法权利要求所限定的范围。
Claims (3)
1.一种带有节点状态估计的拥塞控制方法，其特征在于包括以下步骤：
101、节点A统计与其相遇的节点中饱和节点的数量Ns(t)和非饱和节点的数量Nv(t)，并得出节点A传输数据数量的上限Mmax，然后根据马尔科夫模型估计与节点A相遇的节点的状态转移概率，包括非饱和节点转变成饱和的概率Pr(n,q)以及饱和节点转变成非饱和节点的概率P(tmin＜Δt)，即其中q表示相遇节点携带数据的数量，n表示相遇节点此次转发的数据中本地缓存中未保留的数据数量；处于饱和的节点状态转移的概率为其中Δt表示给定的时间段，TTL表示数据生存时间，k表示饱和节点在丢包前携带数据数量；则相遇节点中非饱和节点状态转移的数量为Nact(t)＝Pr(n,q)·Nmax(t)，其中Nmax(t)为非饱和节点状态转移数量上限，Nmax(t)＝Nv(t)；
102、然后估计下一时刻相遇节点中饱和节点数量，下一时刻处于饱和状态的节点主要包含两个部分：非饱和节点接收数据之后转变成饱和节点；删除TTL到期数据后而变成非饱和节点的饱和节点数量,根据公式Ns(t+Δt)＝Nact(t)+{Ns(t)-Ns(t)·P(tmin＜Δt)}估计下一时刻相遇节点中饱和节点数量，其中Ns(t)初始值Ns(0)为节点首次相遇节点中的饱和节点数量，采用时间序列指数平滑方法估计出下一时刻相遇节点中非饱和节点数量，即 表示当前时刻的指数平滑值；
103、根据步骤102中得到的Ns(t+Δt)和Nv(t+Δt)，采用D-S证据理论算法和均值聚合算法对相遇节点状态的转移概率进行权重量化，并得出节点A聚合直接感知和间接感知状态后非饱和节点影响节点A判定下一时刻拥塞状态的影响权重值饱和节点对节点A判定下一时刻拥塞状态的影响权重值相遇节点中，未能与节点A建立连接并未能确定其状态的这类节点对本次预测拥塞状态的影响权重值
104、根据步骤103中得到的计算本次连接数据转发数量的上限值其中，Ri_al为节点A携带数据总量，相遇节点若接收数据数量少于Ri_se时达到饱和状态，则中断本次连接；若节点A中数据在网络中存在时间达到自身数据生存时间TTL的75％时，则节点A不再转发数据存在时间高于75％TTL的数据，直到携带该数据的节点A与其目的节点相遇时才会被转发；然后节点A获取其缓存中数据的扩散率并按照扩散率的升序进行转发排序，若节点A预测出下一时刻其相遇节点均处于饱和状态，则节点A只转发本地缓存中最新产生的数据。
2.根据权利要求1所述的带有节点状态估计的拥塞控制方法，其特征在于：步骤102中时间序列指数平滑方法中，采用α,1-α(0＜α＜1)为权重对下一刻相遇节点数量进行加权平均，即其中St-1分别表示当前时刻及前一时刻的指数平滑值，Nt(t)表示当前时刻相遇节点数量，α为节点相遇概率。
3.根据权利要求1所述的带有节点状态估计的拥塞控制方法，其特征在于：步骤104中的数据扩散率值其中Tu为节点统计时间，Cd本地缓存和其相遇节点中拥有该数据副本的数量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410100018.9A CN103906130B (zh) | 2014-03-18 | 2014-03-18 | 带有节点状态估计的拥塞控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410100018.9A CN103906130B (zh) | 2014-03-18 | 2014-03-18 | 带有节点状态估计的拥塞控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103906130A CN103906130A (zh) | 2014-07-02 |
| CN103906130B true CN103906130B (zh) | 2017-02-15 |
Family
ID=50997232
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410100018.9A Active CN103906130B (zh) | 2014-03-18 | 2014-03-18 | 带有节点状态估计的拥塞控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103906130B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106209426B (zh) * | 2016-06-28 | 2019-05-21 | 北京北信源软件股份有限公司 | 一种基于d-s证据理论的服务器负载状态评估分析方法和系统 |
| CN108737460B (zh) * | 2017-04-14 | 2022-06-07 | 腾讯科技（深圳）有限公司 | 一种连接的处理方法及客户端 |
| CN110971471B (zh) * | 2019-12-30 | 2022-03-29 | 国网江苏省电力有限公司信息通信分公司 | 基于状态感知的电力通信主干网故障恢复方法和装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101155125A (zh) * | 2006-09-28 | 2008-04-02 | 联想(北京)有限公司 | 一种拥塞处理方法 |
| CN103024813A (zh) * | 2012-12-05 | 2013-04-03 | 北京科技大学 | 基于容迟容断传感器网络的捆绑层改进算法 |
| CN103476086A (zh) * | 2013-09-18 | 2013-12-25 | 南京理工大学 | 基于节点拥塞度预测的动态多径aodv路由方法 |
| CN103561426A (zh) * | 2013-11-04 | 2014-02-05 | 南京邮电大学 | 容迟移动传感网中基于节点活跃度的改进概率路由方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9215620B2 (en) * | 2008-05-05 | 2015-12-15 | Cisco Technology, Inc. | Distributed bi-directional flow control in wireless mesh networks |
-
2014
- 2014-03-18 CN CN201410100018.9A patent/CN103906130B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101155125A (zh) * | 2006-09-28 | 2008-04-02 | 联想(北京)有限公司 | 一种拥塞处理方法 |
| CN103024813A (zh) * | 2012-12-05 | 2013-04-03 | 北京科技大学 | 基于容迟容断传感器网络的捆绑层改进算法 |
| CN103476086A (zh) * | 2013-09-18 | 2013-12-25 | 南京理工大学 | 基于节点拥塞度预测的动态多径aodv路由方法 |
| CN103561426A (zh) * | 2013-11-04 | 2014-02-05 | 南京邮电大学 | 容迟移动传感网中基于节点活跃度的改进概率路由方法 |
Non-Patent Citations (4)
| Title |
|---|
| Encounter–Based Routing in DTNs;Samuel C. Nelson;《Proceedings of IEEE INFOCOM》;20090630;846-854 * |
| Retiring Replicants: Congestion Control for;Nathanael Thompson, Samuel C. Nelson, Mehedi Bakht, Tarek Abdelz;《Proceedings of IEEE INFOCOM》;20100506;1-9 * |
| 基于马尔可夫链的Ad hoc节点状态预测方法研究;张雪艳;《电脑知识与技术》;20120430;第8卷(第10期);2189-2190 * |
| 机会网络中消息冗余度动态估计的缓存管理策略;吴大鹏;《电子与信息学报》;20120131;第34卷(第1期);101-107 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103906130A (zh) | 2014-07-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104394236B (zh) | 节点与消息状态联合感知的分布式协作缓存方法 | |
| CN101715225B (zh) | 认知网络中的自适应自组网络路由方法 | |
| CN103401804B (zh) | 无线传感器网络节点数据缓存转发控制系统及方法 | |
| CN102546393B (zh) | 基于整体活跃度的社会网络路由优化方法 | |
| CN102572941B (zh) | 移动容迟网络中基于概率路由的缓冲区管理方法 | |
| CN101459933B (zh) | 拥塞控制方法 | |
| CN101594697B (zh) | 一种基于社区机会网络下的数据传输方法 | |
| CN111385201A (zh) | 一种基于双向父节点决策的rpl路由方法 | |
| CN106953803B (zh) | 一种基于深空延迟容忍网络的改进概率路由方法 | |
| CN110351200B (zh) | 一种基于转发任务迁移的机会网络拥塞控制方法 | |
| CN103546377B (zh) | 一种基于改进传输概率估计的容迟网络数据传输方法 | |
| CN101335717A (zh) | Ad Hoc网络中能量均衡路由协议的实现方法 | |
| CN103906130B (zh) | 带有节点状态估计的拥塞控制方法 | |
| CN104333883A (zh) | 一种改进的无线传感器网络能量多路径路由方法 | |
| CN107509229B (zh) | 一种基于车辆节点中心性计算的车联网机会路由方法 | |
| CN102421161B (zh) | Epidemic机制下基于优先级的机会网络路由算法 | |
| CN110166292A (zh) | 机会网络中基于投递预测与副本自适应的机会路由方法 | |
| CN110868727A (zh) | 无线传感网中数据传输延时优化方法 | |
| Farahani | Congestion control approaches applied to wireless sensor networks: A survey | |
| CN104394074A (zh) | 一种容迟网中基于能效的消息转发方法 | |
| CN105392152B (zh) | 一种评估自私节点声誉的数据转发方法 | |
| CN116471645A (zh) | 基于深度强化学习的无线传感网络路由算法的自适应选择方法 | |
| CN106028415A (zh) | 一种面向物联网应用的容迟网络路由方法 | |
| CN114448879B (zh) | 一种基于sdn的数据中心网络流量调度方法 | |
| CN102202344A (zh) | 无线Mesh网中基于博弈论的跨层拥塞控制方法 |
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 | ||
| OL01 | Intention to license declared | ||
| OL01 | Intention to license declared | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20140702 Assignee: Jianzhu (Chongqing) Network Technology Co.,Ltd. Assignor: CHONGQING University OF POSTS AND TELECOMMUNICATIONS Contract record no.: X2024980028181 Denomination of invention: Congestion control method with node state estimation Granted publication date: 20170215 License type: Open License Record date: 20241210 |
|
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20140702 Assignee: Guangxi Hanrong Technology Co.,Ltd. Assignor: CHONGQING University OF POSTS AND TELECOMMUNICATIONS Contract record no.: X2024980043432 Denomination of invention: Congestion control method with node state estimation Granted publication date: 20170215 License type: Open License Record date: 20250124 |