CN105657775A - 用于移动自组织网络稳定路由建立的方法 - Google Patents
用于移动自组织网络稳定路由建立的方法 Download PDFInfo
- Publication number
- CN105657775A CN105657775A CN201610236503.8A CN201610236503A CN105657775A CN 105657775 A CN105657775 A CN 105657775A CN 201610236503 A CN201610236503 A CN 201610236503A CN 105657775 A CN105657775 A CN 105657775A
- Authority
- CN
- China
- Prior art keywords
- node
- route
- state
- routing
- mobile
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供一种用于移动自组织网络稳定路由建立的方法,属于自组织无线通信领域。对节点的AODV路由数据进行统计,分析出节点的运动状态计算出节点的状态转移概率矩阵;对各个节点进行马尔可夫性质判断;在建立路由时,对于满足马尔可夫性质的节点,采取路径最小概率最大算法作为路由选择的依据,对于不满足马尔可夫性质的节点,采取最小路径算法作为路由选择依据。本发明引入了马尔可夫的预测机制,提出了基于马尔可夫性质的路径最小概率最大算法,在移动自组织网络建立路由时,根据节点类型的不同,选择不同的算法进行路由节点的选择,融合了最小路径算法和路径最小概率最大算法的优势,减小了路由开销,提高了网络传输稳定性。
Description
技术领域
本发明属于自组织无线通信领域,尤其是指一种用于移动自组织网络稳定路由建立的方法。
背景技术
作为一种典型的按需生成路由协议,无线自组织网络按需距离矢量路由协议(Ad-hocOn-DemandDistanceVectorRouting,AODV)具备实现单播和组播的双重功能,在移动自组织网络中有重要的理论意义和应用价值。按需的表现在当源节点S有向目的节点D发送的数据包时,源节点S才在网络中发起路由查找和建立的过程。和先验式的网络路由协议相比,按需路由协议不用周期性的广播报文来维护所有的路由,只需维护当前所需的路由,减少了报文的发送。AODV协议是在动态源路由协议(DynamicSourceRouting,DSR)和目标序列距离路由矢量算法(DestinationSequencedDistanceVector,DSDV)协议的基础上发展起来的,因此,它结合了DSR和DSDV协议的优点,不仅包含了DSR协议中的寻找路由和维护路由两个重要部分,同时也包含了DSDV协议中的目的节点序列号思想、逐条路由机制和定期广播分组等多个部分,具有降低网络数据分组的传输延迟和改善无线资源利用等多种优势。移动自组织网络节点的无规律快速运动,引起网络拓扑结构的剧烈变化。
马尔科夫过程是由俄国数学家马尔科夫与1907年提出的,它的基本性质是系统下一时刻状态变化和过去状态没有任何关系,只和现在状态有关。马尔可夫链是满足马尔可夫性质的随机变量序列X1,X2,X3,...即给出当前状态,将来状态和过去状态是相互独立的。即:
Pr(X1=x1,...,Xn=xn)>0,
Pr(Xn+1=x|X1=x1,X2=x2,...,Xn=xn)=Pr(Xn+1=x|Xn=xn)
马尔可夫链需要满足的两个必要条件:(1)时刻n的下一时刻n+1状态转移概率只与时刻n当前所处的状态有关,而与时间n之前任何时刻的状态无关;(2)时刻n到时刻n+1状态的变化与时刻n为何值没有任何关系。
常用的马尔科夫模型可以用(St,P,Q)来表示。
St是系统的状态集合,可以是元素有限或元素无限的,表示为:St1,St2,St3,...;P是状态转移概率P=(pij)n*n,pij(n)=P(Xn+1=Stj|Xn=Sti)马尔科夫链在时刻n的一步转移概率,其中Sti,Stj∈St,系统在时刻n时的系统状态Sti变化到Stj的概率pij(n);Q是系统状态初始时的概率分布Q=[Q1,Q2,...]。
状态转移概率矩阵P:
对于网络链路稳定性的研究,一般采用两种方式。第一种是一些辅助的通讯设备(如GPS等)来定位节点实时坐标,但是GPS硬件功能成本高,且定位精度有限,在时变的网络拓扑结构中优势不明显。另外一种方式采用了跨层的思想,通过底层协议获取的节点信号强度信息预测节点的稳定性来预测节点的稳定性,来预测节点的稳定性,这种方式需要多层协议之间进行协作,同时,底层干扰的存在会影响节点信号强度的实时获取,使得这种检测方法的实际效用大打折扣。
发明内容
本发明提供一种用于移动自组织网络稳定路由建立的方法,以解决传统的AODV协议在快速移动的网络环境下,存在路由开销大,传输链路不稳定的问题,并提供了一种实现低路由开销、高稳定性的路由建立的方法。
本发明采取的技术方案是,包括下列步骤:
步骤一:对于包含有四个或四个以上节点,且每个节点有八个运动方向的移动自组织网络,其中节点八个运动方向分别是:东E,东南SE,南S,西南SW,西W,西北NW,北N,东北NE,在节点间路由未建立前,对网络中的所有节点的AODV路由数据进行统计,计算出节点的状态转移概率pij,确定系统的状态转移概率矩阵(pij),i,j∈I={1,2,...,m},m=8;
假设网络系统状态St={St1,St2,...,Stm},I={1,2,...,m},将fij(i,j∈I)看做状态转移频数,fij表示下一时刻从状态Sti转移到状态Stj的总次数,表示从状态Sti下一时刻遍历m个状态的所有次数,用两者的比值表示状态转移概率,用pij(i,j∈I)表示:
表示从状态Sti一步转移到状态Stj的概率;
由状态转移概率得到转态转移概率矩阵:
步骤二:当源节点S有数据发往目的节点D时,源节点S就发起路由建立请求;
步骤三:由节点的运动状态St={St1,St2,...,Stm}和状态转移概率矩阵(pij),计算出节点的统计量是以自由度为(m-1)2的χ2分布。
节点的运动状态St={St1,St2,...,Stm},用fij表示从状态Sti经过一步转移到达状态Stj的频数,i,j∈I。将转移状态矩阵(pij)的j列之和除以各行各列的总和所得的值为“边际概率”,记为p.j,即:
则统计量以自由度为(m-1)2的χ2分布的极限分布。
给定显著性水平α,则查询表格可以得到的数值。如果则认为序列{xi}符合马尔科夫的性质,可用马尔可夫链来处理;如果则认为序列{xi}不符合马尔科夫的性质,不可用马尔可夫链来处理;
步骤四:在建立路由时,路由节点的选择,对于满足马尔可夫性质的节点,采取路径最小概率最大算法作为路由节点选择的准则;对于不满足马尔可夫性质的节点,采取最小路径算法作为路由节点选择的准则;
步骤五:将选定的路由中间节点作为源节点重复“步骤三”和“步骤四”直到建立到目的节点D的有效路由。
本发明所述的路径最小概率最大算法的实现方法如下:
步骤一:移动自组织网络中,源节点S满足马尔可夫模型,源节点S需建立到目的节点D的有效路由,源节点S到目的节点D的物理方向记为路由方向;
步骤二:源节点S通信范围内的所有节点都可以作为路由中间节点;
步骤三:若源节点S的下一时刻的是向北运动记为N,源节点S通信范围内的所有节点下一时刻运动方向为N的概率pN={pN1,pN2,...,pNn},n为源节点S通信范围内所有节点的数目;
步骤四:对pN中的所有元素作比较,选出pN中最大的pN-max,即pN-max所对应的节点作为路由的中间节点;
步骤五:当节点U和节点V出现相同的pN-max时,若节点U在随后的路由中只需t跳就能到达目的节点D,节点V需要w跳才能到达目的节点D,若t<w则选择节点U作为路由的中间节点,若t>w则选择节点V作为路由的中间节点;
当源节点S的运动方向是其他方向时,重复“步骤三”、“步骤四”和“步骤五”就可找到最佳的路由中间节点;
当出现三个或三个以上的节点,有相同的pf-max,f={E,SE,S,SW,W,NW,N,NE}时,选择到目的节点D跳数最小的节点作为路由的中间节点。
本发明所述的最小路径算法的实现步骤如下:
步骤一:对于移动自组织网络环境,源节点S需建立到目的节点D的有效路由,源节点S不满足马尔可夫模型;
步骤二:节点U和节点V都位于源节点S的通信范围内,若节点U需要l跳才能到达目的节点D,节点V需要q跳才能到达目的节点的,当l>q时,选择节点V作为路由的中间节点,当l<q时,选择节点U作为路由的中间节点。
本发明的有益效果:(1)在传统的AODV协议的基础上,用统计的方法对各节点的AODV路由数据进行分析,确定网络中节点的运动状态和状态转移概率矩阵,联合马尔可夫的预测机制,使整个网络具有了对节点的运动状态感知和预测的能力;(2)在移动自组织网络中,绝大部分的节点都满足马尔可夫性质,在路由建立时,绝大部分路由中间节点,都是通过路径最小概率最大算法选择的,减少了路由建立所需要的跳数,减少了路由开销,增强了网络传输的稳定性。本发明引入马尔可夫预测机制,提出了路径最小概率最大算法,在路由建立时,对于符合马尔可夫模型的节点采取路径最小概率最大算法作为路由判决的依据,对于不符合马尔可夫模型的节点采取最小路径算法作为路由判决的依据,减小了路由开销、提高了网络传输稳定性。
附图说明
图1是本发明移动自组织网络模型图;
图2是本发明节点的八运动方向示意图;
图3是本发明的流程图;
图4(a)是在确定的网络节点数和节点最大通信范围时,随着网络节点移动速度的增加,本发明的平均跳数图;
图4(b)是在确定的网络节点数和节点最大通信范围时,随着网络节点移动速度的增加,本发明的路由中断率图;
图5(a)是在确定的网络节点数和节点移动速率时,随着网络节点最大通信范围的增大,本发明的平均跳数图;
图5(b)是在确定的网络节点数和节点移动速率时,随着网络节点最大通信范围的增大,本发明的路由中断率图;
图6(a)是在确定的网络节点移动速度和节点最大通信范围时,随着网络节点数的增多,本发明的平均跳数图;
图6(b)是在确定的网络节点移动速度和节点最大通信范围时,随着网络节点数的增多,本发明的路由中断率图。
具体实施方式
本发明针对传统AODV协议,在快速移动的网络环境中,引起的网络拓扑结构的变化而导致的网络链路稳定性差等不足,引入了马尔可夫预测机制,提出了一种算法改进方案,不仅可以使路由开销明显减少,而且在很大程度上提高了网络传输的稳定性。
下面结合附图对本发明做进一步的阐述:
图3是本发明的实现流程图。
包括下列步骤:
步骤一:对于包含有四个或四个以上节点,且每个节点有八个运动方向的移动自组织网络,期中节点八个运动方向分别是:东E,东南SE,南S,西南SW,西W,西北NW,北N,东北NE,在节点间路由未建立前,对网络中的所有节点的AODV路由数据进行统计,计算出节点的状态转移概率pij,确定系统的状态转移概率矩阵(pij),i,j∈I={1,2,...,m},m=8;
假设网络系统状态St={St1,St2,...,Stm},I={1,2,...,m},将fij(i,j∈I)看做状态转移频数,fij表示下一时刻从状态Sti转移到状态Stj的总次数,表示从状态Sti下一时刻遍历m个状态的所有次数,用两者的比值表示状态转移概率,用pij(i,j∈I)表示:
表示从状态Sti一步转移到状态Stj的概率;
由状态转移概率得到转态转移概率矩阵:
步骤二:当源节点S有数据发往目的节点D时,源节点S就发起路由建立请求;
步骤三:由节点的运动状态St={St1,St2,...,Stm}和状态转移概率矩阵(pij),计算出节点的统计量是以自由度为(m-1)2的χ2分布。
节点的运动状态St={St1,St2,...,Stm},用fij表示从状态Sti经过一步转移到达状态Stj的频数,i,j∈I。将转移状态矩阵(pij)的j列之和除以各行各列的总和所得的值为“边际概率”,记为p.j,即:
则统计量以自由度为(m-1)2的χ2分布的极限分布。
给定显著性水平α,则查询表格可以得到的数值。如果则认为序列{xi}符合马尔科夫的性质,可用马尔可夫链来处理;如果则认为序列{xi}不符合马尔科夫的性质,不可用马尔可夫链来处理;
步骤四:在建立路由时,路由节点的选择,对于满足马尔可夫性质的节点,采取路径最小概率最大算法作为路由节点选择的准则;对于不满足马尔可夫性质的节点,采取最小路径算法作为路由节点选择的准则;
步骤五:将选定的路由中间节点作为源节点重复“步骤三”和“步骤四”直到建立到目的节点D的有效路由。
所述的路径最小概率最大算法的实现方法,具体步骤如下:
步骤一:移动自组织网络中,源节点S满足马尔可夫模型,源节点S需建立到目的节点D的有效路由,源节点S到目的节点D的物理方向记为路由方向;
步骤二:源节点S通信范围内的所有节点都可以作为路由中间节点;
步骤三:若源节点S的下一时刻的是向北运动记为N,源节点S通信范围内的所有节点下一时刻运动方向为N的概率pN={pN1,pN2,...,pNn},n为源节点S通信范围内所有节点的数目;
步骤四:对pN中的所有元素作比较,选出pN中最大的pN-max,即pN-max所对应的节点作为路由的中间节点;
步骤五:当节点U和节点V出现相同的pN-max时,若节点U在随后的路由中只需t跳就能到达目的节点D,节点V需要w跳才能到达目的节点D,若t<w则选择节点U作为路由的中间节点,若t>w则选择节点V作为路由的中间节点;
当源节点S的运动方向是其他方向时,重复“步骤三”、“步骤四”和“步骤五”就可找到最佳的路由中间节点。
当出现三个或三个以上的节点,有相同的pf-max,f={E,SE,S,SW,W,NW,N,NE}时,选择到目的节点D跳数最小的节点作为路由的中间节点。
具体的算法流程图如下:
①对源节点S和目的节点D进行初始化,统计分析出网络中每个节点的现在状态和状态概率转移矩阵;
②找到源节点S的下一跳最大概率转移状态N,计算出源节点S与在其覆盖范围R内的每个节点U的下一跳到状态N的反概率,记做Pdistance(u)=i-p(v,u);
③计算节点U与其覆盖范围R内的每个节点V的下一跳转移到转态N的反概率,记做Pnode_link(u,v);
④此时对节点U和节点V到源节点S的下一跳转移到状态N的反概率进行比较,若Pnode_link(u,v)+Pdistance(u)<Pdistance(v),则认为节点V到源节点S的概率最大,即Pdistance(v)=Pdistance(u)+Pnode_link(u,v),并记录下此条路由的节点号和源节点的距离distance(v);
⑤如果在覆盖范围内找到多跳概率最大且方向一致的路径,此时采用最短路径算法的思想:此时对节点U和节点V到源节点S的距离进行比较,如果nodes_link(u,v)+distance(u)<distance(v),则认为节点V到源节点S的距离更近,则distance(v)=distance(u)+nodes_link(u,v),并记录此条路由的节点号和到源节点S的距离distance(v),对具有相同概率的每个节点进行遍历寻找,直到找到这些具有相同概率节点的最短路径;
⑥对每个节点进行遍历寻找,直到找到到达目的节点D的概率最大路径最小的路由节点;
⑦在此路由条件下,统计源节点S到目的节点D的路由、距离和跳数。
所述的最小路径算法的实现,具体步骤如下:
步骤一:对于移动自组织网络环境,源节点S需建立到目的节点D的有效路由,源节点S不满足马尔可夫模型;
步骤二:节点U和节点V都位于源节点S的通信范围内,若节点U需要l跳才能到达目的节点D,节点V需要q跳才能到达目的节点的,当l>q时,选择节点V作为路由的中间节点,当l<q时,选择节点U作为路由的中间节点。
具体算法流程流程:
①对源节点S和目的节点D进行初始化;
②计算源节点S与其覆盖范围R内的每个节点U的距离,记为distance(u);
③计算节点U与其覆盖范围R内的每个节点V的距离,记为node_link(u,v);
④计算节点U和节点V到源节点S的距离,并进行比较,如若node_link(u,v)+distance(u)<diatance(v),则认为节点V到源节点S的距离更近,distance(v)=distance(u)+nodes_link(u,v),并记录此条路由的节点号和源节点的距离distance(v);
⑤对每个节点进行遍历寻找,一直找到到目的节点D的最短路径;
⑥在此路由条件下,统计源节点S到目的节点D的路由,距离和跳数。
本发明所获得的效果可以通过图4(a)(b)、图5(a)(b)、图6(a)(b)来很好的说明。
为了说明本发明相对于传统AODV能够很好的减少路由开销和提高网络传输稳定性,图4(a)(b)、图5(a)(b)、图6(a)(b)分别给出了在不同的节点移动速率、不同的节点通信范围和不同的网络节点数下,改进方案和传统AODV协议的建立路由所需平均跳数和传输链路中断率的仿真比较。
仿真条件:在Matlab14版本下进行仿真,网络拓扑范围为100m*100m的仿真范围内,选用Randomway-point模型作为节点的二维平面移动模型,节点最大移动速率分别为0.6m/s,0.8m/s,0.9m/s,1.0m/s,1.2m/s,1.3m/s,1.4m/s,1.5m/s,1.6m/s,1.7m/s,节点的最大通信范围为8m,9m,10m,11m,12m,13m,14m,15m,16m,17m,网络拓扑范围内最大节点数分别300,350,400,500,600,700,800,900,1000,1100,分别仿真1000次取平均值。
首先,关于网络的路由开销。仿真图中是用路由建立所需要的平均跳数来表示的。图4(a)、图5(a)和图6(a)统计了仿真一千次路由建立所需要的平均跳数,从图4(a)我们可以看出,随着节点移动速率的增加,路由建立所需要的平均跳数呈递减趋势,改进方案明显优于传统AODV协议;从图5(a)我们可以看出,随着节点通信范围的增大,路由建立所需要的平均跳数呈递减的趋势,在节点通信范围大于10m时,但是改进方案略胜于传统AODV协议;从图6(a)我们可以看出,随着网络拓扑范围内节点数的增多,路由建立所需要的平均跳数呈现不规则的变化,但是,改进方案在建立稳定路由所需要的跳数明显的少于传统AODV协议,且在节点数达到800时,路由建立所需要的平均跳数最小。
其次,关于网络传输的稳定性,仿真图中是用传输链路的平均中断率来表示的。图4(b)、图5(b)和图6(b)统计了仿真一千次的传输链路的平均中断率:从图4(b)我们可以看出,随着节点移动速率的增加,传输链路平均中断率呈递增的趋势,是因为随着节点移动速率增加,节点间的距离可能在更短的时间超出节点间的通信范围,导致链路中断,然而改进方案的链路中断率明显低于传统AODV协议;从图5(b)我们可以看出,随着节点的通信范围的增大,网络中链路平均中断率呈递减的趋势,在速率小于17m/s时,改进方案是明显好于传统AODV协议,当速率大于17m/s时,二者有重叠或交叉的趋势;从图6(b)我们可以看出,随着网络中节点数目的增加,网络链路平均中断率呈现不规则的变化,但是改进方案所建立的路由在传输稳定性上明显好于传统AODV协议,且网络拓扑范围内节点数达到700时,改进方案建立的路由是最稳定的。
因此,我们可以很清晰的看出,我们提出的改进方案相比较于传统的AODV协议,在路由开销和网络传输稳定性方面有很大的改进。
Claims (7)
1.一种用于移动自组织网络稳定路由建立的方法,其特征在于,包括下列步骤:
步骤一:对于包含有四个或四个以上只限于二维平面运动的节点,且每个节点八个运动方向的移动自组织网络,在节点间路由未建立前,对网络中的所有节点的AODV路由数据进行统计,分析出节点的运动状态,计算出节点的状态转移概率pij,确定系统的状态转移概率矩阵(pij),i,j∈I={1,2,...,m},m=8;
步骤二:当源节点S有数据发往目的节点D时,源节点S就发起路由建立请求;
步骤三:由节点的运动状态St={St1,St2,...,Stm}和状态转移概率矩阵(pij),计算出节点的统计量是以自由度为(m-1)2的χ2分布。
节点的运动状态St={St1,St2,...,Stm},用fij表示从状态Sti经过一步转移到达状态Stj的频数,i,j∈I。将转移状态矩阵(pij)的j列之和除以各行各列的总和所得的值为“边际概率”,记为p.j,即:
则统计量以自由度为(m-1)2的χ2分布的极限分布。
给定显著性水平α,则查询表格可以得到的数值。如果则认为序列{xi}符合马尔科夫的性质,可用马尔可夫链来处理;如果则认为序列{xi}不符合马尔科夫的性质,不可用马尔可夫链来处理;
步骤四:在建立路由时,路由节点的选择,对于满足马尔可夫性质的节点,采取路径最小概率最大算法作为路由节点选择的准则;对于不满足马尔可夫性质的节点,采取最小路径算法作为路由节点选择的准则;
步骤五:将选定的路由中间节点作为源节点重复“步骤三”和“步骤四”直到建立到目的节点D的有效路由。
2.根据权利要求1所述一种用于移动自组织网络稳定路由建立的方法,其特征在于:步骤一中的节点八个运动方向分别是:东E,东南SE,南S,西南SW,西W,西北NW,北N,东北NE。
3.根据权利要求1所述一种用于移动自组织网络稳定路由建立的方法,其特征在于:步骤一中假设网络系统状态St={St1,St2,...,Stm},I={1,2,...,m},将fij(i,j∈I)看做状态转移频数,fij表示下一时刻从状态Sti转移到状态Stj的总次数,表示从状态Sti下一时刻遍历m个状态的所有次数,用两者的比值表示状态转移概率,用pij(i,j∈I)表示:
表示从状态Sti一步转移到状态Stj的概率;
由状态转移概率得到转态转移概率矩阵:
4.根据权利要求1所述的一种用于移动自组织网络稳定路由建立的方法,其特征在于所述步骤四中路径最小概率最大算法的实现方法如下:
步骤一:移动自组织网络中,源节点S满足马尔科夫模型,源节点S需建立到目的节点D的有效路由,源节点S到目的节点D的物理方向记为路由方向;
步骤二:源节点S通信范围内的所有节点都可以作为路由中间节点;
步骤三:若源节点S的下一时刻的是向北运动记为N,源节点S通信范围内的所有节点下一时刻运动方向为N的概率pN={pN1,pN2,...,pNn},n为源节点S通信范围内所有节点的数目;
步骤四:对pN中的所有元素作比较,选出pN中最大的pN-max,即pN-max所对应的节点作为路由的中间节点;
步骤五:当节点U和节点V出现相同的pN-max时,若节点U在随后的路由中只需t跳就能到达目的节点D,节点V需要w跳才能到达目的节点D,若t<w则选择节点U作为路由的中间节点,若t>w则选择节点V作为路由的中间节点。
5.根据权利要求4所述一种用于移动自组织网络稳定路由建立的方法,其特征在于:所述步骤三中,源节点S的运动方向是其他方向时,重复“步骤三”、“步骤四”和“步骤五”。
6.根据权利要求4所述一种用于移动自组织网络稳定路由建立的方法,其特征在于:所述步骤五中,三个或三个以上的节点,有相同的
pf-max,f={E,SE,S,SW,W,NW,N,NE}时,选择到目的节点D跳数最小的节点作为路由的中间节点。
7.根据权利要求1所述的一种用于移动自组织网络稳定路由建立的方法,其特征在于所述步骤四中最小路径算法的实现步骤如下:
步骤一:对于移动自组织网络环境,源节点S需建立到目的节点D的有效路由,源节点S不满足马尔科夫模型;
步骤二:节点U和节点V都位于源节点S的通信范围内,若节点U需要l跳才能到达目的节点D,节点V需要q跳才能到达目的节点的,当l>q时,选择节点V作为路由的中间节点,当l<q时,选择节点U作为路由的中间节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610236503.8A CN105657775B (zh) | 2016-04-17 | 2016-04-17 | 用于移动自组织网络稳定路由建立的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610236503.8A CN105657775B (zh) | 2016-04-17 | 2016-04-17 | 用于移动自组织网络稳定路由建立的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105657775A true CN105657775A (zh) | 2016-06-08 |
CN105657775B CN105657775B (zh) | 2019-01-18 |
Family
ID=56496440
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610236503.8A Active CN105657775B (zh) | 2016-04-17 | 2016-04-17 | 用于移动自组织网络稳定路由建立的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105657775B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108075975A (zh) * | 2017-12-28 | 2018-05-25 | 吉林大学 | 一种物联网环境中的路由传输路径的确定方法及确定系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101656998A (zh) * | 2009-09-29 | 2010-02-24 | 北京科技大学 | 基于马尔可夫过程的认知无线电网络路由方法 |
US20120218926A1 (en) * | 2011-02-24 | 2012-08-30 | The Hong Kong University Of Science And Technology | Delay-constrained and energy-efficient online routing for asynchronous sensor networks |
CN104035889A (zh) * | 2014-06-18 | 2014-09-10 | 中国人民解放军信息工程大学 | 一种多态路由派生方法及系统 |
-
2016
- 2016-04-17 CN CN201610236503.8A patent/CN105657775B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101656998A (zh) * | 2009-09-29 | 2010-02-24 | 北京科技大学 | 基于马尔可夫过程的认知无线电网络路由方法 |
US20120218926A1 (en) * | 2011-02-24 | 2012-08-30 | The Hong Kong University Of Science And Technology | Delay-constrained and energy-efficient online routing for asynchronous sensor networks |
CN104035889A (zh) * | 2014-06-18 | 2014-09-10 | 中国人民解放军信息工程大学 | 一种多态路由派生方法及系统 |
Non-Patent Citations (1)
Title |
---|
靳超,李德敏,佟乐,陈凤伟: "《一种高斯-马尔科夫自组网组移动模型》", 《通信技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108075975A (zh) * | 2017-12-28 | 2018-05-25 | 吉林大学 | 一种物联网环境中的路由传输路径的确定方法及确定系统 |
CN108075975B (zh) * | 2017-12-28 | 2020-10-16 | 吉林大学 | 一种物联网环境中的路由传输路径的确定方法及确定系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105657775B (zh) | 2019-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | A new method of fuzzy multicriteria routing in vehicle ad hoc network | |
Rivoirard et al. | Performance evaluation of AODV, DSR, GRP and OLSR for VANET with real-world trajectories | |
Wang et al. | A spectrum-aware clustering algorithm based on weighted clustering metric in cognitive radio sensor networks | |
CN110167097B (zh) | 基于加权度量转发和路径规划的移动机器人中继路由方法 | |
Micheletti et al. | CER-CH: combining election and routing amongst cluster heads in heterogeneous WSNs | |
CN114339936A (zh) | 基于q学习的飞行器自组织网络优化链路状态路由机制 | |
Kumar et al. | Enhanced mobility based content centric routing in rpl for low power lossy networks in internet of vehicles | |
Goyal | Simulation study of comparative performance of AODV, OLSR, FSR & LAR, routing protocols in MANET in large scale scenarios | |
Mohiddin et al. | Routing path estimation based on RWS method for competent energy dissipation employing X-layer network | |
CN113316214B (zh) | 一种能量异构型无线传感器的自适应协作路由方法 | |
Wang et al. | Heterogeneous IoTs routing strategy based on cellular address | |
CN105657775A (zh) | 用于移动自组织网络稳定路由建立的方法 | |
Kumar et al. | Review of mobility aware clustering scheme in mobile adhoc network | |
Kim et al. | WSN communication topology construction with collision avoidance and energy saving | |
CN102938920B (zh) | 一种基于认知的Ad Hoc网络移动组播路由方法 | |
CN114641049A (zh) | 一种基于模糊逻辑的无人机自组网分层路由方法 | |
Shi et al. | Distributed and weighted clustering based on d-hop dominating set for vehicular networks | |
Wang et al. | A Q-Learning Based Routing Algorithm for Software Defined Vehicular Network | |
Sultan et al. | Evaluation of energy consumption of reactive and proactive routing protocols in MANET | |
Ortiz et al. | Intelligent role-based routing for dense wireless sensor networks | |
Shah et al. | A Markov chain based link lifetime prediction in mobile ad hoc networks | |
Hamamreh et al. | An intelligent routing protocol based on DYMO for MANET | |
Pradeep et al. | An efficient energy consumption and delay aware autonomous data gathering routing protocol scheme using a deep learning mobile edge model and beetle antennae search algorithm for underwater wireless sensor network | |
Yadav et al. | Cluster based routing schemes in wireless sensor networks: A comparative study | |
Venkataramana et al. | Impact of propagation models on QoS issues of routing protocols in mobile ad hoc 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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |