CN108092892B - 一种物联网最优网络路由路径的确定方法及系统 - Google Patents
一种物联网最优网络路由路径的确定方法及系统 Download PDFInfo
- Publication number
- CN108092892B CN108092892B CN201711460361.4A CN201711460361A CN108092892B CN 108092892 B CN108092892 B CN 108092892B CN 201711460361 A CN201711460361 A CN 201711460361A CN 108092892 B CN108092892 B CN 108092892B
- Authority
- CN
- China
- Prior art keywords
- relative
- network
- routing path
- network routing
- fuzzy
- 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 55
- 239000011159 matrix material Substances 0.000 claims abstract description 79
- 238000005259 measurement Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000005265 energy consumption Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 description 24
- 238000011161 development Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000013139 quantization Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- 208000035126 Facies Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/12—Shortest path evaluation
- H04L45/124—Shortest path evaluation using a combination of metrics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种物联网最优网络路由路径的确定方法及系统。所述确定方法包括:获取物联网中的网络路由方案集、网络需求目标集以及度量加权因子;利用二元对比法确定所述第一网络路由路径相对于所述第二网络路由路径的相对优越性模糊标度值;根据所述相对优越性模糊标度值建立所述网络路由路径对应的网络需求目标集的相对优属度矩阵;根据所述相对优属度矩阵以及所述度量加权因子建立相对于所述网络需求目标集的相对隶属度矩阵;根据所述相对隶属度矩阵确定物联网最优网络路由路径。采用本发明所提供的确定方法及系统能够确定最优网络路由路径。
Description
技术领域
本发明涉及无线通信领域,特别是涉及一种物联网最优网络路由路径的确定方法及系统。
背景技术
物联网技术作为下一个推动全球信息科学及经济高速发展的“重要生产力”,在世界范围内受到了政府、企业、学术等各界人士的广泛重视。目前,我国物联网发展与全球同处于起步阶段,虽然初步具备了一定的技术、产业和应用基础,呈现出良好的发展态势,但是有关物联网系统模型、体系架构和关键技术都还没有形成清晰化、统一的认识。目前,规模化的、真正意义的“物联网”尚不存在,在未来的5-10年间,大量的理论问题和关键技术有待研究和探讨。物联网涉及到包括WiFi、ZigBee等在内的多种无线通信技术,其主要特点为体系庞大,网络终端节点数量较多、性质各异及网络拓扑结构动态变化等。因此,设计一种能够满足未来大规模物联网的路由机制,使其真正成为未来“物物相联”的路由方案,是物联网研究中亟待解决的问题之一。
路由作为实现感知信息互联互通的关键技术,在物联网的发展进程中发挥着不可替代的作用,设计一种能够满足未来大规模物联网的路由机制,使其真正成为未来“物联”的路由方案,是物联网研究中亟待解决的问题之一。未来大规模物联网对路由选择与建立具有更多的需求,网络形式、能耗、节点数量、移动性等诸多因素对物联网路由提出了更高的要求,需要考虑的参量已然不仅仅是能量,而是多因素之间的均衡,选择多因素均衡的路由方法已成为未来大规模物联网的发展趋势和必然需求。
对于物联网路由方案的研究,目前国内外众多学者已开始高度关注,以期寻找并设计全面考虑物联网特性的路由策略。比如,物联网环境下无线传感器网络(WirelessSensorNetwork,WSN)与移动自组织网(Mobile Ad-hoc Networks,MANET)网络结合的问题,在数据融合的基础上,路由只需考虑最有效的路由策略;构建了面向物联网的卫星路由感知系统,通过实现卫星与传感器数据的采集与整合,以及针对异构物联网,即互联网与异构终端间的路由数据易被网络所忽视的问题所提出的自适应路由机制等,上述三种路由模型都立足于构建泛物联网,所涉及的问题已不局限于单一的数据格式,这也是未来物联网路由发展的方向,由于目前物联网体系架构、协议要素等具有不确定性和不完善性,因此,此类研究并不多见。面向物联网环境与应用的路由研究是另一类关于物联网路由的研究切入点,此类研究立足于已有无线路由算法,结合物联网环境特性与应用需求等因素,针对性地在路由度量与选路依据上进行决策,也是从传统路由向物联网路由的过度研究。在物联网路由算法方面,第三类较为广泛的研究方向是基于6LoWPAN工作组提出的草案,但由于6LoWPAN是一种新兴网络技术,理论研究尚处于初级阶段,草案在技术细节和可实现性方面存在一定的缺陷,比如,两子网中相邻两节点通信要通过父节点多跳实现,这样会使路由效率降低,而某些关键节点(如父节点)失效时会造成大面积的网络重构,使得开销大幅度增加等,而关于物联网协议以及路由方面的研究与成果都甚少,以致于目前对物联网路由的研究中仍有很多是从6LoWPAN路由协议着手进行的研究与优化,并非针对物联网的路由需求而设计。从上述物联网路由及其关键技术的研究现状可以看出,物联网在全球范围内已然引起高度关注,相关研究也从不同层面和契合度上得以开展,然而无论是从泛物联网、物联网环境需求,或是6LoWPAN以及WSN的过度研究方面,至今没有较权威、有效的方案,重点、难点问题尚缺乏有效的解决策略,因此对物联网不确定环境下的路由研究是物联网研究与建设的过程中所必然面临的关键问题,对物联网的发展具有重要意义。就研究进展而言,目前国内外都还缺乏有效的、有针对性的、全面的路由体系。
一方面,当前研究大都针对无线传感器网络路由,而非物联网路由进行研究;另一方面,路由选择依赖于路由度量,而路由度量的求解过程有可能带来较大的网络开销,尤其是路由目标等信息的求解为模糊值时,其量化与求解过程的计算量将更大,无法确定出最优的路由路径。
发明内容
本发明的目的是提供一种物联网最优网络路由路径的确定方法及系统,以解决现有技术中路由路径选择时,依赖路由度量且计算过程中网络开销大,路由度量计算量大,无法确定最优网络路由路径的问题。
为实现上述目的,本发明提供了如下方案:
一种物联网最优网络路由路径的确定方法,包括:
获取物联网中的网络路由方案集、网络需求目标集以及度量加权因子;所述网络路由方案集包括多个网络路由路径,多个所述网络路由路径由第一网络路由路径以及第二网络路由路径组成;所述网络需求目标集具有多个,所述网络需求目标集包括多个网络数据,所述网络数据包括路由代价、网络能耗、链路稳定以及传输时延;所述网络需求目标集与多个所述网络路由路径相对应;所述度量加权因子为每个所述网络数据的权重;
利用二元对比法确定所述第一网络路由路径相对于所述第二网络路由路径的相对优越性模糊标度值;
根据所述相对优越性模糊标度值建立所述网络路由路径对应的网络需求目标集的相对优属度矩阵;
根据所述相对优属度矩阵以及所述度量加权因子建立相对于所述网络需求目标集的相对隶属度矩阵;
根据所述相对隶属度矩阵确定物联网最优网络路由路径。
可选的,所述利用二元对比法确定所述第一网络路由路径相对于所述第二网络路由路径的相对优越性模糊标度值,具体包括:
利用二元对比法确定所述第一网络路由路径相对于所述第二网络路由路径的模糊优越值;
按照从大到小的顺序对所述模糊优越值排序,确定所述相对优越性模糊标度值;所述相对优越性模糊标度值的范围为[0,1]。
可选的,所述根据所述相对优越性模糊标度值建立所述网络路由路径对应的网络需求目标集的相对优属度矩阵,具体包括:
利用公式计算所述第一网络路由路径对应的网络需求目标集的相对优属度;其中,Ui=(iukl)n×n,(iukl)n×n表示为针对第i个目标,网络路由路径k对网络路由路径l的相对优越性模糊标度值,k=1,2,…,n,l=1,2,…,n;
根据所述相对优属度建立所述相对优属度矩阵。
可选的,所述根据所述相对优属度矩阵以及所述度量加权因子建立所述网络路由目标集的相对隶属度矩阵,具体包括:
利用公式计算所述网络路由目标集的相对隶属度;其中,uk相对隶属度,rik为相对优属度,m为所述网络路由目标集的个数,ωi为度量加权因子,p为距优距离参量,当p=1为汉明距离,当p=2为欧几里得距离,当p=∞为加权切比雪夫距离;
根据所述相对隶属度建立所述相对隶属度矩阵。
一种物联网最优网络路由路径的确定系统,包括:
获取模块,用于获取物联网中的网络路由方案集、网络需求目标集以及度量加权因子;所述网络路由方案集包括多个网络路由路径,多个所述网络路由路径由第一网络路由路径以及第二网络路由路径组成;所述网络需求目标集具有多个,所述网络需求目标集包括多个网络数据,所述网络数据包括路由代价、网络能耗、链路稳定以及传输时延;所述网络需求目标集与多个所述网络路由路径相对应;所述度量加权因子为每个所述网络数据的权重;
相对优越性模糊标度值确定模块,用于利用二元对比法确定所述第一网络路由路径相对于所述第二网络路由路径的相对优越性模糊标度值;
相对优属度矩阵建立模块,用于根据所述相对优越性模糊标度值建立所述网络路由路径对应的网络需求目标集的相对优属度矩阵;
相对隶属度矩阵建立模块,用于根据所述相对优属度矩阵以及所述度量加权因子建立相对于所述网络需求目标集的相对隶属度矩阵;
最优网络路由路径确定模块,用于根据所述相对隶属度矩阵确定物联网最优网络路由路径。
可选的,所述相对优越性模糊标度值确定模块具体包括:
模糊优越值确定单元,用于利用二元对比法确定所述第一网络路由路径相对于所述第二网络路由路径的模糊优越值;
相对优越性模糊标度值确定单元,用于按照从大到小的顺序对所述模糊优越值排序,确定所述相对优越性模糊标度值;所述相对优越性模糊标度值的范围为[0,1]。
可选的,所述相对优属度矩阵建立模块具体包括:
相对优属度计算单元,用于利用公式计算所述第一网络路由路径对应的网络需求目标集的相对优属度;其中,Ui=(iukl)n×n,(iukl)n×n表示为针对第i个目标,网络路由路径k对网络路由路径l的相对优越性模糊标度值,k=1,2,…,n,l=1,2,…,n;
相对优属度矩阵建立单元,用于根据所述相对优属度建立所述相对优属度矩阵。
可选的,所述相对优属度计算单元之后还包括:
可选的,所述相对隶属度矩阵建立模块具体包括:
相对隶属度计算单元,用于利用公式计算所述网络路由目标集的相对隶属度;其中,uk相对隶属度,rik为相对优属度,m为所述网络路由目标集的个数,ωi为度量加权因子,p为距优距离参量,当p=1为汉明距离,当p=2为欧几里得距离,当p=∞为加权切比雪夫距离;
相对隶属度矩阵建立单元,用于根据所述相对隶属度建立所述相对隶属度矩阵。
根据本发明提供的具体实施例,本发明公开了以下技术效果:物联网网络路由路径是在物联网模糊条件下建立的,多因素间的有效均衡需要根据环境需求与选择进行均衡权值设计,然而在路由选择时,往往带有主观性及模糊性,如路径稳定性、抗干扰性等度量的描述并不一定为数学定量,当权值或选择倾向为定性描述,或者难以建立完备的数学描述时,则需要依赖有限的模糊信息进行路由选择。
对于物联网的复杂环境而言,本发明提供了一种物联网最优网络路由路径的确定方法及系统,一方面通过计算相对优越性模糊标度值,只比较路由方案集间的相对模糊优越值,避免了复杂的路由度量求解,降低了计算量;另一方面均衡多目标选择,更适用于复杂网络,且在网络路由路径选择时,由于采用了度量加权因子,融入了用户的偏好,从而能够选出用户最满意的网络路由路径,提高用户的满意度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所提供的物联网最优网络路由路径的确定方法流程图;
图2为本发明基于模糊多目标决策的物联网路由选择策略原理图;
图3为本发明所提供的单次网络路由路径选择流程图;
图4为本发明所提供的物联网最优网络路由路径的确定系统结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种物联网最优网络路由路径的确定方法及系统,能够降低计算量,提高路由路径的选择效率,从而快速的选择出最优网络路由路径。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
当网络节点转移概率与路由决策相应的网络代价与有益效果已知时,物联网网络路由路径选择问题可转化为决策建模寻求最优解的过程。如果路由过程中目标函数具有清晰的数学描述或极值表示,如依据最小能耗进行选择,最少跳数选择等,此时可采用多目标决策,通过计算效用函数从多路由方案中决策最满意方案。然而,在物联网环境中,一方面不能绝对地将路由选择目标函数数字化、阈值化,完备的数学描述过程将耗费系统大量能量;另一方面,路由选择不能简单依赖单一的最小化能耗,最少化跳数等目标来进行选路,性能参量间存在顾此失彼的相克关系,只有均衡考虑多参量对路由的影响,综合网络的路由需求,如最小时延,最低能耗,最大网络生命期等,才可以选择出复杂网络环境中的最满意路由。因此,本发明利用模糊多目标决策寻求物联网环境下的均衡路由方案。
有限方案模糊多目标决策是决策问题中较常见且非常重要的一类,其有限的待选方案集经过综合权衡各个目标后,对各个方案排序并选出最满意方案,由于各个目标之间的互相冲突,要从中选择出满意解,往往需要融入决策者的偏好判断信息,即权值设置倾向性。
图1为本发明所提供的物联网最优网络路由路径的确定方法流程图,如图1所示,一种物联网最优网络路由路径的确定方法,包括:
步骤101:获取物联网中的网络路由方案集、网络需求目标集以及度量加权因子;所述网络路由方案集包括多个网络路由路径,多个所述网络路由路径由第一网络路由路径以及第二网络路由路径组成;所述网络需求目标集具有多个,所述网络需求目标集包括多个网络数据,所述网络数据包括路由代价、网络能耗、链路稳定以及传输时延;所述网络需求目标集与多个所述网络路由路径相对应;所述度量加权因子为每个所述网络数据的权重。
获取网络路由方案集A={A1,A2,…,Aj,…,An},相应于每个方案的网络需求目标集O={ο1,ο2,…,οι,…,οm},表征每个目标相对重要程度的度量加权因子,即权重向量ω={ω1,ω2,…,ωm}。
步骤102:利用二元对比法确定所述第一网络路由路径相对于所述第二网络路由路径的相对优越性模糊标度值。
所述利用二元对比法确定所述第一网络路由路径相对于所述第二网络路由路径的相对优越性模糊标度值,具体包括:利用二元对比法确定所述第一网络路由路径相对于所述第二网络路由路径的模糊优越值;按照从大到小的顺序对所述模糊优越值排序,确定所述相对优越性模糊标度值;所述相对优越性模糊标度值的范围为[0,1]。
在物联网环境中,由于需要均衡多个度量参量,因此,此处网络需求目标集至少包括路由代价、网络能耗、链路稳定、传输时延等度量的需求定性描述。利用二元对比方法,依据目标οι对方案集A中的方案作关于模糊优越值的排序,在此,不妨设A1>A2>…An(A>B表示A比B优越或者一样优越),当Ak比Al优越时,记0.5<iukl≤1;当Al比Ak优越时,记0≤iukl<0.5;当Ak和Al同等优越,记iukl=0.5,iukl=1-iulk,iulk基于目标οι时Al对Ak的相对优越性模糊标度值,iukl为基于目标οι时Ak对Al的相对优越性模糊标度值。
步骤103:根据所述相对优越性模糊标度值建立所述网络路由路径对应的网络需求目标集的相对优属度矩阵。
则m个目标对n个方案的评价可利用隶属度与模糊优先模型,形成方案集A关于目标集O的相对优属度矩阵
对于网络路由方案集A={A1,A2,…,Aj,…,An},确定相对优属度向量ri=(ri1,ri2,…,rik,…,rin),其中i=1,2,…,m,依据目标οι确定方案的优劣。
iukl为基于目标οι时Ak对Al的相对优越性模糊标度值,iuk(k+1)为相邻路由方案相对优越性模糊标度值。将iukl表示为矩阵形式
当Ak和Al同等优越时,iuk=iul,根据相对优属度的定义,可得网络路由路径Ak关于目标οι的相对优属度为
从而得到网络路由方案集A关于网络需求定性目标οι的相对优属度向量ri=(1,ri2,…,rin);其中,其中,表示为网络路由路径k的相对优属度,表示为网络路由路径l的相对优属度,rik为所述相对优属度向量。
步骤104:根据所述相对优属度矩阵以及所述度量加权因子建立相对于所述网络需求目标集的相对隶属度矩阵。
所述根据所述相对优属度矩阵以及所述度量加权因子建立所述网络路由目标集的相对隶属度矩阵,具体包括:利用公式计算所述网络路由目标集的相对隶属度;其中,uk为相对隶属度,rik为相对优属度,m为所述网络路由目标集的个数,ωi为度量加权因子,p为距优距离参量,当p=1为汉明距离,当p=2为欧几里得距离,当p=∞为加权切比雪夫距离;根据所述相对隶属度建立所述相对隶属度矩阵。
步骤105:根据所述相对隶属度矩阵确定物联网最优网络路由路径。
相对隶属度综合反映了路由目标与路径权重均衡的方案满意度,最后利用最大隶属度原理求得决策方案的优劣顺序,即最大隶属度对应多因素均衡作用下的最满意路径。
图2为本发明基于模糊多目标决策的物联网路由选择策略原理图,如图2所示,本发明基于模糊多目标决策的物联网路由策略,首先在充分分析环境约束与网络需求的基础上提取网络路由方案集、网络需求目标集,以及度量加权因子;其次,利用二元对比法生成相邻路由方案的相对优越性模糊标度值,根据相对优越性模糊标度值建立路由方案相对于网络需求目标集的相对优属度矩阵;最终利用模糊优选模型得到综合考虑路由目标与权值的相对隶属度矩阵,并根据最大隶属度准则对优选方案进行排序,进而选取最满意路径,有效解决了模糊求解精确选路与网络开销间的矛盾。
在实际应用中,考虑到未来物联网的超大规模和复杂性,在进行路由选择时只考虑网络中单一性能参数很难适应未来物联网的复杂性和多变性,综合考虑路由跳数、链路稳定性、路由能耗、传输时延、数据投递率、节点邻居数等众多参数与度量是进行路由选择的基础。针对不同网络需求与环境动态调节参数间的平衡,则需要在路径选择上进行必要决策,决策的准则与性能一方面取决于需求倾向的清晰描述,另一方面取决于参与均衡决策的参数的准确采集。然而在物联网复杂环境下,需求倾向往往为模糊概念,如“较稳定链路”、“节能路由”,这些都不能直接作为选路的定量依据,此外直接采集的参量信息也不能保证完备的数学描述,诸如链路稳定性、鲁棒性等度量因子并不存在统一精确的数学取值区间,在追寻精确解的过程中,也难以避免精确性与复杂性之间的矛盾。因此在模糊环境下研究均衡考虑多参量决策的路由策略是保证网络性能的有效途径,也是物联网环境下路由研究不可忽略的关键科学问题。
路由决策中通常考虑的三个因素为:可供选择方案、约束条件、以及目标函数。这三个因素都与策略分析中的三个要素相对应:策略空间、约束空间、效用函数。经典决策分析理论将上述三个要素定义为绝对精确和具有良好的数学表示,因而解空间是分明的,解的结果也力求“最优”。而在路由策略选择时,尤其是物联网不确定条件下的路由选择,均衡参数、约束条件与目标函数的定义并不是完备的,此时要建立满意路由,则要去模糊化,同时均衡决策多参量与度量。模糊多目标决策理论作为模糊集理论与多目标决策的有机结合,己成为决策科学、运筹学、系统科学等交叉学科的活跃研究领域,模糊多目标决策也是模糊集理论诞生以来应用最为成功的领域之一。与经典多目标决策所不同的是:凡决策者不能精确定义的决策参数,都被处理成某种适当的模糊集合,蕴含一系列具有不同置信水平的可能选择,这种柔性的数据结构与灵活的选择方式使模糊多目标决策比经典多目标决策具有更强的表现力和更广泛的适应性。同时,将不具备完备数学表达的参量模糊化,极大程度地降低了运算复杂度与能量消耗,因此决策算法运算量可以很小,能够较好地满足物联网条件下节点的能量限制要求。
图3为本发明所提供的单次网络路由路径选择流程图,结合图3描述本发明所提供的确定方法具体应用到实际中的实施过程:
路由发起,首先判断当前选路目标是否为量化目标,如果是量化目标则可直接利用多目标决策选择路由;如果为非量化目标,即模糊目标,则建立需求目标集。考虑物联网的复杂网络环境,尤其是未来将建成的大规模网络,考虑到网络的鲁棒性,以及时效性等,所选的路由路径一定要是综合均衡网络多种需求的,才可以最大程度地发挥网络性能,因此此处以6个目标为例,如“最低时延”、“最大生命期”、“跳数最少”、“链路稳定性最好”、“路由代价最低”、“网络能耗最小”,记为{o1,o2,o3,o4,o5,o6};查找邻居表,确定当前可选的路由方案集,此处以4种可用方案为例,记为{A1,A2,A3,A4}。
通过二元对比法,对方案集中的方案作模糊优越值排序。比如对目标ο1,设方案A1>A2>A3>A4(A>B表示A比B优越或者一样优越),则当Ak比Al优越时,记0.5<iukl≤1;当Al比Ak优越时,记0≤iukl<0.5;当Ak和Al同等优越,记iukl=0.5;iukl=1-iulk。iukl为基于目标οι时Ak对Al的相对优越性模糊标度值,iuk(k+1)为相邻路由方案相对优越性模糊标度值,基于此,对于目标ο1的相对模糊优越值模糊矩阵为对于目标ο2的方案集的模糊优越值将发生变化,毕竟同一方案难以同时兼顾多种性能,此处设对于目标ο2的方案模糊优越值为A3>A2>A1>A4,则以此类推将得到6个目标的相对优越性模糊标度值与矩阵。下三角元素可计算为则对于目标1,可得1u1=2.1,1u2=1.7,1u3=1.3,1u4=0.9,做归一化处理,可得网络路由路径Ak关于目标ο1的相对优属度向量r1=(1,0.8095,0.6190,0.4286)。同理对于可得2u1=1.4,2u2=1.7,2u3=2.1,2u4=0.9,做归一化处理,可得路由决策Ak关于目标ο2的相对优属度向量r2=(1,1.2142,1.5,0.6429)。
最后考虑权重因子,“重要”与“不重要”是一对相对概念,具有中间过渡性,因此确定目标权重,可以确定目标隶属于“重要性”这一模糊概念的相对程度,即目标相对重属度。决策过程中,决策者运用经验、知识与偏好在确定权重过程中,可能出现下列两种情况:a.目标对模糊优越值的相对隶属度越大,赋予越大的权重,即目标的重要性与模糊优越值成正比;b.目标对模糊优越值的相关对隶属度越大,赋予越小的权重,即目标的重要性与模糊优越值成反比。对于第一种情况,可直接将相对隶属度矩阵对目标重要性的相对隶属度矩阵,对于第二种情况,则可将其中元素值用1去减后差值作为对重要性的相对隶属度矩阵。此处,表征每个目标相对重要程度的权重向量记作ω={ω1,ω2,…,ωm},建立模糊对应关系,最后利用模糊优化模型,可得路由方案集的相对隶属度向量u=(u1,u2,…,un),其中rij为所求出的相对优属度,p为距优距离参量,p=1为汉明距离,p=2为欧几里得距离,p=∞为加权切比雪夫距离。相对隶属度综合反映了路由目标与路径权重均衡的方案满意度,最后利用最大隶属度原理求得决策方案的优劣顺序,即最大隶属度对应多因素均衡作用下的最满意路径。
图4为本发明所提供的物联网最优网络路由路径的确定系统结构图,如图4所示,一种物联网最优网络路由路径的确定系统,包括:
获取模块401,用于获取物联网中的网络路由方案集、网络需求目标集以及度量加权因子;所述网络路由方案集包括多个网络路由路径,多个所述网络路由路径由第一网络路由路径以及第二网络路由路径组成;所述网络需求目标集具有多个,所述网络需求目标集包括多个网络数据,所述网络数据包括路由代价、网络能耗、链路稳定以及传输时延;所述网络需求目标集与多个所述网络路由路径相对应;所述度量加权因子为每个所述网络数据的权重。
相对优越性模糊标度值确定模块402,用于利用二元对比法确定所述第一网络路由路径相对于所述第二网络路由路径的相对优越性模糊标度值。
所述相对优越性模糊标度值确定模块402具体包括:模糊优越值确定单元,用于利用二元对比法确定所述第一网络路由路径相对于所述第二网络路由路径的模糊优越值;相对优越性模糊标度值确定单元,用于按照从大到小的顺序对所述模糊优越值排序,确定所述相对优越性模糊标度值;所述相对优越性模糊标度值的范围为[0,1]。
相对优属度矩阵建立模块403,用于根据所述相对优越性模糊标度值建立所述网络路由路径对应的网络需求目标集的相对优属度矩阵。
所述相对优属度矩阵建立模块403具体包括:相对优属度计算单元,用于利用公式计算所述第一网络路由路径对应的网络需求目标集的相对优属度;其中,Ui=(iukl)n×n,(iukl)n×n表示为针对第i个目标,网络路由路径k对网络路由路径l的相对优越性模糊标度值,k=1,2,…,n,l=1,2,…,n;相对优属度矩阵建立单元,用于根据所述相对优属度建立所述相对优属度矩阵。
所述相对优属度计算单元之后还包括:相对优属度向量计算单元,用于根据所述相对优属度,利用公式计算相对优属度向量;其中,表示为网络路由路径k的相对优属度,表示为网络路由路径l的相对优属度,rik为所述相对优属度向量。
相对隶属度矩阵建立模块404,用于根据所述相对优属度矩阵以及所述度量加权因子建立相对于所述网络需求目标集的相对隶属度矩阵。
所述相对隶属度矩阵建立模块404具体包括:相对隶属度计算单元,用于利用公式计算所述网络路由目标集的相对隶属度;其中,uk相对隶属度,rik为相对优属度,m为所述网络路由目标集的个数,ωi为度量加权因子,p为距优距离参量,当p=1为汉明距离,当p=2为欧几里得距离,当p=∞为加权切比雪夫距离;
相对隶属度矩阵建立单元,用于根据所述相对隶属度建立所述相对隶属度矩阵。
最优网络路由路径确定模块405,用于根据所述相对隶属度矩阵确定物联网最优网络路由路径。
采用本发明的最优网络路由路径的确定方法及系统实现了物联网复杂条件下的网络路由路径选择,利用模糊多目标均衡决策可以避免求解复杂的路由度量,兼顾多个目标度量,以免顾此失彼,同时融合决策者倾向性,综合选出最满意路径。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (4)
1.一种物联网最优网络路由路径的确定方法,其特征在于,包括:
获取物联网中的网络路由方案集、网络需求目标集以及度量加权因子;所述网络路由方案集包括多个网络路由路径,多个所述网络路由路径由第一网络路由路径以及第二网络路由路径组成;所述网络需求目标集具有多个,所述网络需求目标集包括多个网络数据,所述网络数据包括路由代价、网络能耗、链路稳定以及传输时延;所述网络需求目标集与多个所述网络路由路径相对应;所述度量加权因子为每个所述网络数据的权重;
利用二元对比法确定所述第一网络路由路径相对于所述第二网络路由路径的相对优越性模糊标度值,具体包括:
利用二元对比法确定所述第一网络路由路径相对于所述第二网络路由路径的模糊优越值;
按照从大到小的顺序对所述模糊优越值排序,确定所述相对优越性模糊标度值;所述相对优越性模糊标度值的范围为[0,1];
根据所述相对优越性模糊标度值建立所述网络路由路径对应的网络需求目标集的相对优属度矩阵;具体包括:利用公式计算所述第一网络路由路径对应的网络需求目标集的相对优属度;其中,Ui=(iukl)n×n,(iukl)n×n表示为针对第i个目标,网络路由路径k对网络路由路径l的相对优越性模糊标度值,k=1,2,…,n,l=1,2,…,n;根据所述相对优属度建立所述相对优属度矩阵;
根据所述相对优属度矩阵以及所述度量加权因子建立相对于所述网络需求目标集的相对隶属度矩阵,具体包括:
利用公式计算所述网络路由目标集的相对隶属度;其中,uk为相对隶属度,rik为网络路由路径Ak关于目标oi的相对优属度,m为所述网络路由目标集的个数,ωi为度量加权因子,p为距优距离参量,当p=1为汉明距离,当p=2为欧几里得距离,当p=∞为加权切比雪夫距离;
根据所述相对隶属度建立所述相对隶属度矩阵;
其中,确定权重过程中,若目标对模糊优越值的相对隶属度越大,赋予越大的权重,即目标的重要性与模糊优越值成正比,将模糊优越值的相对隶属度矩阵作为目标重要性的相对隶属度矩阵;若目标对模糊优越值的相对隶属度越大,赋予越小的权重,即目标的重要性与模糊优越值成反比,则可将模糊优越值的相对隶属度矩阵元素值用1去减后的差值作为目标重要性的相对隶属度矩阵;
根据所述相对隶属度矩阵确定物联网最优网络路由路径。
3.一种物联网最优网络路由路径的确定系统,其特征在于,包括:
获取模块,用于获取物联网中的网络路由方案集、网络需求目标集以及度量加权因子;所述网络路由方案集包括多个网络路由路径,多个所述网络路由路径由第一网络路由路径以及第二网络路由路径组成;所述网络需求目标集具有多个,所述网络需求目标集包括多个网络数据,所述网络数据包括路由代价、网络能耗、链路稳定以及传输时延;所述网络需求目标集与多个所述网络路由路径相对应;所述度量加权因子为每个所述网络数据的权重;
相对优越性模糊标度值确定模块,用于利用二元对比法确定所述第一网络路由路径相对于所述第二网络路由路径的相对优越性模糊标度值;所述相对优越性模糊标度值确定模块具体包括:;
模糊优越值确定单元,用于利用二元对比法确定所述第一网络路由路径相对于所述第二网络路由路径的模糊优越值;
相对优越性模糊标度值确定单元,用于按照从大到小的顺序对所述模糊优越值排序,确定所述相对优越性模糊标度值;所述相对优越性模糊标度值的范围为[0,1];
相对优属度矩阵建立模块,用于根据所述相对优越性模糊标度值建立所述网络路由路径对应的网络需求目标集的相对优属度矩阵;所述相对优属度矩阵建立模块具体包括:
相对优属度计算单元,用于利用公式计算所述第一网络路由路径对应的网络需求目标集的相对优属度;其中,Ui=(iukl)n×n,(iukl)n×n表示为针对第i个目标,网络路由路径k对网络路由路径l的相对优越性模糊标度值,k=1,2,…,n,l=1,2,…,n;
相对优属度矩阵建立单元,用于根据所述相对优属度建立所述相对优属度矩阵;
相对隶属度矩阵建立模块,用于根据所述相对优属度矩阵以及所述度量加权因子建立相对于所述网络需求目标集的相对隶属度矩阵;所述相对隶属度矩阵建立模块具体包括:
相对隶属度计算单元,用于利用公式计算所述网络路由目标集的相对隶属度;其中,uk为相对隶属度,rik为网络路由路径Ak关于目标oi的相对优属度,m为所述网络路由目标集的个数,ωi为度量加权因子,p为距优距离参量,当p=1为汉明距离,当p=2为欧几里得距离,当p=∞为加权切比雪夫距离;
相对隶属度矩阵建立单元,用于根据所述相对隶属度建立所述相对隶属度矩阵;
其中,确定权重过程中,若目标对模糊优越值的相对隶属度越大,赋予越大的权重,即目标的重要性与模糊优越值成正比,将模糊优越值的相对隶属度矩阵作为目标重要性的相对隶属度矩阵;若目标对模糊优越值的相对隶属度越大,赋予越小的权重,即目标的重要性与模糊优越值成反比,则可将模糊优越值的相对隶属度矩阵元素值用1去减后的差值作为目标重要性的相对隶属度矩阵;
最优网络路由路径确定模块,用于根据所述相对隶属度矩阵确定物联网最优网络路由路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711460361.4A CN108092892B (zh) | 2017-12-28 | 2017-12-28 | 一种物联网最优网络路由路径的确定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711460361.4A CN108092892B (zh) | 2017-12-28 | 2017-12-28 | 一种物联网最优网络路由路径的确定方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108092892A CN108092892A (zh) | 2018-05-29 |
CN108092892B true CN108092892B (zh) | 2021-02-23 |
Family
ID=62180531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711460361.4A Active CN108092892B (zh) | 2017-12-28 | 2017-12-28 | 一种物联网最优网络路由路径的确定方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108092892B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112134799B (zh) * | 2019-06-25 | 2022-03-25 | 佛山科学技术学院 | 一种基于物联网的三阶段传感拓扑方法及系统 |
CN112073251B (zh) * | 2020-10-27 | 2022-09-02 | 常州铂沃尔智能科技有限公司 | 基于dsm的物联网拓扑稳定性检测装置及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268410A (zh) * | 2013-05-15 | 2013-08-28 | 西北工业大学 | 一种基于快速迭代的多目标威胁度排序方法 |
CN107182074A (zh) * | 2017-06-16 | 2017-09-19 | 大连大学 | 一种基于Zigbee的路由最优路径选取方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7177923B2 (en) * | 2001-03-13 | 2007-02-13 | Agere Systems Inc. | Methods and devices for selecting internet servers |
CN102149171B (zh) * | 2011-04-01 | 2014-03-26 | 北京邮电大学 | 一种基于融合的异构无线接入网络的网络选择方法及装置 |
CN102932802B (zh) * | 2011-08-11 | 2015-10-07 | 中国科学技术大学苏州研究院 | 软件无线电环境下基于模糊优选理论的终端重构方法 |
-
2017
- 2017-12-28 CN CN201711460361.4A patent/CN108092892B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268410A (zh) * | 2013-05-15 | 2013-08-28 | 西北工业大学 | 一种基于快速迭代的多目标威胁度排序方法 |
CN107182074A (zh) * | 2017-06-16 | 2017-09-19 | 大连大学 | 一种基于Zigbee的路由最优路径选取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108092892A (zh) | 2018-05-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sun et al. | Dynamic digital twin and federated learning with incentives for air-ground networks | |
He et al. | Deep learning based energy efficiency optimization for distributed cooperative spectrum sensing | |
CN111556454B (zh) | 一种基于最小均方误差准则的加权DV_Hop节点定位方法 | |
CN104468192B (zh) | 一种多尺度多权重链路质量评估的路由方法 | |
CN113411213B (zh) | 基于物联网的自组网拓扑控制方法及协同监测方法 | |
CN108075975B (zh) | 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 | |
Pattnaik et al. | Assimilation of fuzzy clustering approach and EHO‐Greedy algorithm for efficient routing in WSN | |
CN113411766B (zh) | 智慧物联网综合感知系统及方法 | |
CN108092892B (zh) | 一种物联网最优网络路由路径的确定方法及系统 | |
CN104394202B (zh) | 一种移动社会网络中的节点活跃度量化方法 | |
CN109462877A (zh) | 一种基于模糊逻辑的wsn能量中性分簇路由方法 | |
Gao et al. | An overview of performance trade-off mechanisms in routing protocol for green wireless sensor networks | |
Bitsch Link et al. | SimBetAge: utilizing temporal changes in social networks for pocket switched networks | |
Barbancho et al. | SIR: A new wireless sensor network routing protocol based on artificial intelligence | |
Koosha et al. | FAHP-OF: a new method for load balancing in rpl-based Internet of Things (IoT) | |
CN105392176B (zh) | 一种执行器节点执行能力的计算方法 | |
Jeevanantham et al. | Energy-aware neuro-fuzzy routing model for WSN based-IoT | |
CN116614195A (zh) | 基于边缘容器的电碳计算智能融合终端及时间同步方法 | |
CN114567917A (zh) | 一种基于模糊层次分析的多信道物联网路由方法 | |
Martey et al. | Improved cluster to normal ratio protocol for increasing the lifetime of wireless sensor networks | |
CN108521373A (zh) | 一种命名数据网络中的多径路由方法 | |
Prakash et al. | Energy-Optimization Route and Cluster Head Selection Using M-PSO and GA in Wireless Sensor Networks | |
Izadi et al. | Fuzzy logic optimized wireless sensor network routing protocol | |
CN111696626A (zh) | 一种融合社区结构和节点度的局部路径相似度的蛋白质链接预测算法 | |
Singh et al. | Energy Optimization Algorithms Study On Routing Protocol In Wireless Sensor Network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |