CN108366093A - 一种基于“虚拟中心”和“移动代理”的分布式无线自组网 - Google Patents

Abstract

本发明公开了一种基于移动代理的动态拓扑感知带有“虚拟中心”的分布式自组网网络架构，针对高速移动环境中网络规模大和节点分布的地理距离远，通信链路带宽小，节点移动快和易受到损坏等特点，保证该特殊极端环境下无线传感网各个节点间信息的互连互通。在分布式自组网的基础上，融合SDN(软件定义网络)的思想，构建含有“虚拟中心”的分布式架构。同时针对无线自组织网络高机动性特点，采取基于移动代理的实时拓扑感知及控制，通过无线自组网络技术将多个终端有机组合。设计一种基于蚁群算法和信息素浓度的移动代理的快速拓扑感知和控制算法，使之充分适应于高机动环境下的无线自组织网络。

Description

一种基于“虚拟中心”和“移动代理”的分布式无线自组网

技术领域

本发明属于自组网领域，具体涉及自组网络的组网技术与原理。

背景技术

随着现代信息技术的飞速发展，军事通信领域也在引发新的变革浪潮，人们针对通信技术的日新月异，也在不断提出新的作战理论和作战方式，不少专家进行预言，未来战场将是数字化的战场。而信息化条件下的数字化战场建设对无线通信网络的需求主要有：无需依托固定的基础网络设施、展开迅速、抗毁性强；支持基础语音业务的同时，满足部队日益增长的数据、图像等业务需求，满足机动作战的“动中通、实时通”要求；可实现战术与战略通信的无缝链接，解决单兵之间、单兵与上级指挥控制中心之间的战场态势和情报信息的互连互通问题。这就要求通信网络在军事作战、反恐维稳、应急救援等情况下具有极强的动态自组织性和较高的抗毁性能，最大限度地保证能够在任何条件、任何时间、任何地点维持通信链路的连通性。

针对上述需求，目前国际上主流采取的解决方法是搭建无线自组织网络。网络采用无中心结构，无需事先建设基础设施，可以随时快速布网组网。各节点可随时入网和离网，网络的拓扑结构是动态的。网络中的各节点既是终端又是路由器，当节点要与其直接通信距离之外的节点进行通信传输时，需要经过其他节点的多跳转发，在此过程中这些节点充当路由器的角色。当这条路径上的某些节点发生故障无法继续运行时，这两个节点间的通信路径会重新规划构建，最终经由网络中其他正常节点多跳转发，到达目标节点。因此无线自组网具有无中心、组网快、抗毁性强等优点。

但是当应用环境为具有较高危险性的战场等场合时，若短时间内有多个节点发生损毁无法工作，此时无线自组网的这种无中心、动态拓扑特性会使得外界无法及时获知最新的全网拓扑结构，进而无法判断网络的通信质量和传输时延，造成数据通信的实时连通性下降；同时，当应用环境出现突发危险或有紧急情况时，节点间即使重新规划路径，也会因未考虑环境因素而不再是人们所需要的最优路径，此时需要人工指定连接路径。但是由于无线自组网的自动组网特性，指挥中心无法修改节点间多跳连接路径，因此会导致所期望数据没有及时传输给指挥中心而造成下达的命令有误等情况。

目前针对这种无线自组网的抗毁性提高的研究，主要集中在改进路由传输协议，例如多路径抗毁路由协议(Multipath Source Routing，MSR)，其核心思想是首先计算推导出无线自组网路由代价函数，之后结合该代价函数，使用最大不相交路径的概念，为每两个节点间的通信找到多条可连通路径，即利用冗余路由路径的方法来提高网络的抗毁性。这种方法虽然能有效提高网络的抗毁自愈性，但是极大地增加了节点开销，加重了网络负载的负担，同时也无法实现路由路径指定，因此不适用于战场等需要大规模组网的应用环境。故而为了能够提高网络的抗毁性，实现紧急情况下路由连接路径的指定，本专利提出了基于无线自组网、具有“虚拟中心”和“移动代理”的分布式自组网络架构，该组网架构在保持无线自组网的无中心、自动组网、动态拓扑等特点的基础上，设定了“虚拟中心”和“移动代理”，可以实时监控并获得全网的拓扑结构，并能实现在紧急情况下修改任意两个节点间的通信连接路径，从而该网络架构对于网络负载不会增加较大负担，更能极大地提高网络的抗毁性和人工可操纵性。

发明内容

有鉴于此，本发明的目的在于提出一种基于移动代理的动态拓扑感知带有“虚拟中心”的分布式自组网网络架构，针对高速移动环境中网络规模大和节点分布的地理距离远，通信链路带宽小，节点移动快和易受到损坏等特点，为保证该特殊环境下无线传感网各个节点间信息的互连互通，保证纵向、横向上的无缝连接。

基于上述目的本发明提供的一种基于“虚拟中心”和“移动代理”的分布式无线自组织网的组网方法，其中所述分布式无线自组织网中包括多个网络节点，所述方法包括以下步骤：

1)所述网络节点通过自组织方式，组成完全分布式的平面对等网络结构；

2)所述网络节点通过自组织选举策略，选举出当前“虚拟中心”，作为当

前控制节点，同时选举出备选“虚拟中心”节点用于在当前控制节点失效

时作为控制节点；

3)由当前控制节点产生并发送移动代理，根据邻居链路信息素浓度和邻居表变化率计算出各链路的迁移概率，进而感知全网拓扑；

4)“虚拟中心”获取到全网拓扑，在紧急情况下通过移动代理对网络拓扑和路由进行控制。

进一步地，所述网络节点通过自组织方式，组成完全分布式的平面对等网络结构之后，还包括：每个网络节点执行邻居发现和维护，生成邻居表；所述网络采用分布式路由协议，基于按需路由协议(Ad hoc On-demand Distance Vector Routing,AODV)的备份路由协议，按需寻路，建立源节点与目的节点之间的路由。

进一步地，所述“虚拟中心”在正常情况下不控制路由的选择，在路由选择时仍然使用完全分布式的平面对等结构的路由机制，而在特殊紧急情况下，所述“虚拟中心”可升级为软件定义网络(Software Defined Network)中的控制器，对网络拓扑和路由进行控制。

进一步地，所述步骤3)具体包括以下步骤：

I.所述移动代理到达当前被访问节点时进行拓扑信息分享交换；

II.所述移动代理根据邻居链路信息素浓度和邻居表变化率计算出各链路

的迁移概率，从当前访问节点的邻居中选择下一跳并迁移过去；

III.所述移动代理所选择的邻居链路的信息素浓度值增加单位增量，如果全部网络节点都已经访问完毕，则返回所述“虚拟中心”节点，将全网拓扑信息交付于“虚拟中心”节点，并跳至步骤I，开始发起下一轮拓扑感知，否则跳至步骤II。

进一步地，所述信息素浓度的计算步骤如下：

I.计算位于F点的所能收到的信息素浓度值P_f：

设C点的信息素浓度值最大，用P_max来表示，参数α为一固定锐角。

II.对于数据对象C_a，计算出C_b的信息素浓度值：

以一个数据对象作为圆心，并以该数据对象的作用距离为半径，来计算其作用距离内任意数据对象的信息素浓度值。

III.数据对象C_a在其作用域内，对所有数据对象进行信息素浓度值计算：

其中h表示数据对象C_a的作用域H内的所有数据对象；

IV.计算信息素浓度随时间的变化：

T_ab(t+1)＝(1-Y)T_ab(t)+ΔT_ab

其中，信息素的增强参数为Z(Z>0)，信息素的挥发参数为Y(0<Y<1)，所述信息素会随时间的推移产生一定的挥发，单位时间的信息素挥发量为最初信息素浓度值的Y倍，Y即单位挥发量。

本发明还以提供一种基于“虚拟中心”和“移动代理”的分布式无线自组织网，其中所述分布式无线自组织网包括多个网络节点，其中：

所述网络节点被配置为，通过自组织方式，组成完全分布式的平面对等网络结构，并通过自组织选举策略，选举出当前“虚拟中心”，作为当前控制节点，同时选举出备选“虚拟中心”节点用于在当前控制节点失效时作为控制节点；

所述当前控制节点被配置为，产生并发送移动代理，根据邻居链路信息素浓度和邻居表变化率计算出各链路的迁移概率，进而感知全网拓扑；

所述“虚拟中心”被配置为，获取到全网拓扑，在紧急情况下通过移动代理对网络拓扑和路由进行控制。

进一步地，所述网络节点通过自组织方式，组成完全分布式的平面对等网络结构之后，还包括：每个网络节点执行邻居发现和维护，生成邻居表；所述网络采用分布式路由协议，基于按需路由协议(Ad hoc On-demand Distance Vector Routing,AODV)的备份路由协议，按需寻路，建立源节点与目的节点之间的路由。

进一步地，所述“虚拟中心”在正常情况下不控制路由的选择，在路由选择时仍然使用完全分布式的平面对等结构的路由机制，而在特殊紧急情况下，所述“虚拟中心”可升级为软件定义网络(Software Defined Network)中的控制器，对网络拓扑和路由进行控制。

进一步地，所述网络节点通过自组织选举策略，选举出当前“虚拟中心”，作为当前控制节点，同时选举出备选“虚拟中心”节点用于在当前控制节点失效时作为控制节点，具体由以下步骤实现：

I.所述移动代理到达当前被访问节点时进行拓扑信息分享交换；

II.所述移动代理根据邻居链路信息素浓度和邻居表变化率计算出各链路

的迁移概率，从当前访问节点的邻居中选择下一跳并迁移过去；

III.所述移动代理所选择的邻居链路的信息素浓度值增加单位增量，如果全部网络节点都已经访问完毕，则返回所述“虚拟中心”节点，将全网拓扑信息交付于“虚拟中心”节点，并跳至步骤I，开始发起下一轮拓扑感知，否则跳至步骤II。

进一步地，所述信息素浓度由以下步骤计算得到：

V.计算位于F点的所能收到的信息素浓度值P_f：

设C点的信息素浓度值最大，用P_max来表示，参数α为一固定锐角。

VI.对于数据对象C_a，计算出C_b的信息素浓度值：

以一个数据对象作为圆心，并以该数据对象的作用距离为半径，来计算其作用距离内任意数据对象的信息素浓度值。

VII.数据对象C_a在其作用域内，对所有数据对象进行信息素浓度值计算：

其中h表示数据对象c_a的作用域H内的所有数据对象；

VIII.计算信息素浓度随时间的变化：

T_ab(t+1)＝(1-Y)T_ab(t)+ΔT_ab

其中，信息素的增强参数为Z(Z>0)，信息素的挥发参数为Y(0<Y<1)，所述信息素会随时间的推移产生一定的挥发，单位时间的信息素挥发量为最初信息素浓度值的Y倍，Y即单位挥发量。

从上面所述可以看出，本发明提供的基于移动代理的动态拓扑感知带有“虚拟中心”的分布式自组网网络架构具有以下积极效果：

创新性地融合分布式对等自组网和软件定义网络(Software Defined Network，SDN)的数控分离思想，引入“虚拟中心”节点，极大的提高网络的高效性、抗毁性和灵活性。带有“虚拟中心”分布式网络在IP层面是对等式网络，在分布式自组网的基础上，融合软件定义网络SDN的思想，构建含有“虚拟中心”的分布式架构。该网络架构由于在IP层面是分布式对等的网络，节点根据任务需要随时加入和离开网络，个别用户节点的故障不会影响到整个网络的运行，因此自组网具有很强的抗毁性。“虚拟中心”是指在分布式自组网的对等节点中使用选举算法选出一个节点，作为控制节点。与软件定义网络SDN中的控制节点的区别在于，“虚拟中心”在正常情况下不控制路由的选择。在路由选择的时候仍然使用完全分布式的平面对等结构的路由机制，并不考虑“虚拟中心”的特殊性。在特殊紧急情况下，“虚拟中心”可以升级为软件定义网络(Software Defined Network)中的控制器，对网络拓扑和路由进行控制。

为了适应高速移动环境，基于无线传感器网络，提出移动代理的概念，根据节点的“信息素浓度”和邻居变化率，移动代理在节点间不断移动更新全局拓扑信息并周期性的上报给“虚拟中心”节点，以此来进行拓扑控制等。

附图说明

图1是本发明实例中平面对等网络结构拓扑图；

图2是本发明实例中分布式路由协议结构图；

图3是本发明实例中技术方案流程图；

图4是本发明实例中初始无向连通图；

图5是本发明实例中经选举算法第一阶段后的无向连通图；

图6是本发明实例中简化版实际信息素的扩散模型。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

图1是根据本实施例中的网络拓扑图，该网络拓扑图中，主网络节点通过自组织方式，组成完全分布式的平面对等网络结构，当网络构建成功，每个节点负责邻居发现和维护，生成邻居表。网络中节点通过自组织选举策略，选举出当前“虚拟中心”，作为控制节点，同时选举出备选“虚拟中心”节点，在当前控制节点失效的情况下，可以快速产生下一任的控制中心。选举策略采用应用分布式超级节点选举算法DSNE。

图2是根据本发明实施例中的按需寻求路由算法示意图，本发明实施例中的网络采用分布式路由协议，优选地使用基于一种按需路由协议(Ad hoc On-demand DistanceVector Routing，AODV)的备份路由协议，按需寻路，建立源节点与目的节点之间的路由。

图3是根据本发明实施例中的虚拟中心选举算法DSNE算法的流程图。

图4是根据本发明实施例中的虚拟中心选举算法DSNE算法的第一阶段示意图。在该阶段中，通过洪泛的方式构造一个底层的生成树，同时得到最小生成树的若干片段；第二阶段由叶子节点开始向根节点逐层传递节点能力信息和最小生成树的相关信息，根节点对这些信息进行汇总，得到选举结果并计算片段之间的连接关系。具体来说，由根节点a开始，向所有相邻节点发送“Election”消息，并在最小权重邻边的选举消息中增加标记<Branch>，以表明这条边属于最小生成树。图中其他节点把首次收到选举消息的发送端作为自己的父节点，并返回“Father”消息，同时向父节点之外的所有其他相邻节点发送“Election”消息，发送“Election”消息或回复“Father”消息的邻边中如果有该节点的最小权重边，那么在消息中附加标记<Branch>；若节点收到某个邻居发送的选举消息，并且它已经有父节点，则它不向该邻居回复任何消息。节点在收到的“Election”消息或“Father”消息中如果包含<Branch>标记，则记录该边为树边。经过这个洪泛过程，每个节点就确定了自己的父节点和子节点，子节点是向自己发送“Father”消息的节点。所有节点通过父子关系建立了底层的生成树，同时得到了最小生成树的若干片段。

图5是根据本发明实施例中的根据节点间的父子关系确定的生成树图。图5中粗实线表示第一阶段结束后，由各个节点确定的片段，也就是最小生成树的若干子集。例如节点c首先收到来自a的选举消息，它向a回复“Father”消息，然后把消息转发给节点b，d，e，并且从这三个节点都收到“Father”消息，所以b，d，e都是它的子节点。与此同时，节点c根据自己相邻边的权重(含义表示延时大小)确定边(c-d)是树边，向d发送选举消息时附加相应标记；根据父节点a发送的选举消息中的<Branch>标记，知道(a-c)也是树边；接收b返回的“Father”消息中含有<Branch>标记，则边(b-c)也是树边。

虚拟中心选举算法DSNE算法的第二阶段由叶子节点发送消息开始。在第一阶段的洪泛过程中，若节点从父节点之外的所有邻节点都没有收到“Father”消息，则断定自己是底层生成树的叶子节点，于是向父节点发送报告消息，包含三方面的内容：(1)节点的能力值和节点标识；(2)节点的树边信息，也就是最小权重边；(3)节点的非树边信息，即最小权重的非树边。对于根节点和叶子节点之外的其他节点，当收到所有子节点的报告消息后，对消息内容进行汇总并向父节点发送报告消息，包含三方面的内容：(1)从子节点报告的能力值和自己的能力值中选择最大的值及对应的节点标识，报告给父节点；(2)将子节点发送来的树边信息与自己的树边信息进行合并，发送给父节点。合并的规则是，若两个树边有公共节点则放在同一集合中；若树边(u-v)与某个集合中的树边有公共节点则合并到该集合；若树边(u-v)的两个节点分别与两个集合中的树边有公共节点，则该树边与两个集合一起合并成一个集合。树边的集合(用{}表示)就是一个连通的片段；(3)将子节点的最小权重非树边信息与自己的最小权重非树边信息进行合并，发送给父节点。合并操作也就是把重复的非树边删除根节点根据全部的树边和非树边信息，以及节点能力信息和标识进行如下操作：从子节点报告的能力值和自己的能力值中选择最大的值及对应的节点标识，该节点就是选举出的“虚拟中心”。

进一步地，由当前控制中心产生并发送移动代理，感知全网拓扑。

移动代理主要完成两个任务：收集本地节点的拓扑信息，然后把从其他节点获知的拓扑信息告知“虚拟中心”节点。这样，根据一定的漫游策略，“虚拟中心”节点就都会知道全网的拓扑情况了，进而进行拓扑控制，在保证网络连通性和覆盖度的前提下,提高网络的通信效率,最大限度地节省能量来延长整个网络的生存时间,进而优化网络整体性能，使之充分适应于高机动环境下的无线自组织网络。因此“虚拟中心”节点有全网的拓扑信息，在正常情况下不控制路由的选择。在路由选择的时候仍然使用完全分布式的平面对等结构的路由机制，并不考虑“虚拟中心”的特殊性。当在网络节点出现损坏或通信受阻等情况时，虚拟中心节点可以升级作为控制节点，并结合软件定义网络SDN的数控分离思想，对全网节点进行控制和拓扑下发，保证各节点能在节点损坏或信息受阻时，能够及时更新各自的邻居表信息，保证网络的通信功能和数据传输功能不受影响，正常工作。此时，“虚拟节点”就成为整个网络的实际控制节点，承担对全网节点的控制和拓扑下发功能。

基于移动代理的快速的拓扑感知技术，能够在1秒钟内感知100次全网拓扑。移动代理本身是一个可运行的程序段，可以在复杂的网络系统中自主的从一台主机移动到另一台主机：具体分为如下四个步骤：

步骤一：移动代理到达当前被访问节点准备进行拓扑信息分享交换：如果移动代理的拓扑信息表中关于某个节点的拓扑信息比当前访问节点的本地拓扑表里面的拓扑信息新，则用移动代理中拓扑信息更新本地拓扑表；如果当前访问节点的本地拓扑表中关于某个节点的拓扑信息比移动代理的拓扑信息表里面的拓扑信息新，则用本地拓扑表中的拓扑信息更新移动代理的表。

步骤二：移动代理根据邻居链路信息素浓度和邻居表变化率计算出各链路的迁移概率，从当前访问节点的邻居中选择下一跳并迁移过去。

步骤三：移动代理所选择的邻居链路的信息素浓度值增加单位增量。

步骤四：如果全部节点都已经访问完毕，则返回“虚拟中心”节点，将全网拓扑信息交付于“虚拟中心”节点，并跳至步骤一，开始发起下一轮拓扑感知。否则跳至步骤二。

进一步地，信息素浓度的计算如下：

设集合S表示网络中的全部节点，集合N_a表示节点a的所有邻居节点，节点b位于节点a的邻居链路中。信息素浓度T_ab(t)表示在t时刻，节点a(a∈S)选择以节点b(b∈N_a)作为下一跳时，由节点a和节点b所组成的链路L_ab的信息素浓度值，并且其值要大于等于零，即T_ab(t)≥0。

对于数据对象C_a和其相邻区域中的数据对象C_b，运用欧式(Euclidean)距离对其平均数据相似性进行定义。欧式距离可以用来表示多维空间中某两点之间的几何距离，计算表达式如式(1)所示：

上式中，n为属性的个数，该欧式距离能够直观地反映出数据对象之间的相似程度，该值越小则代表数据对象越相似。

图6是根据本发明实施例中的简化实际信息素的扩散模型。设C点的信息素浓度值最大，用P_max来表示，参数a为图中圆锥体母线与轴线的夹角，通常将其设置为27°。如果用CG来表示圆锥体的高，那么信息素浓度的扩散范围可以表示为CG*t_anα。若用β来表示F点到C点的距离，则可用式(2)来表示处于位于F点的所能收到的信息素浓度值P_f：

以一个数据对象作为圆心，并以该数据对象的作用距离为半径，来计算其作用距离内任意数据对象的信息素浓度值。以数据对象C_a为例，数据对象C_b在它的作用距离内，设C_a和C_b的相似度d(c_a,c_b)，则对于数据对象C_a，可以计算出C_b的信息素浓度值，如下：

式中的可先建立如图6所示的简化的信息素扩散模型，再根据式(2)求得。它表示数据对象C_a在其作用域内接收到C_b的信息素浓度值，d(c_a,c_b)表示C_a和C_b的相似度。

数据对象C_a在其作用域内，对所有数据对象进行信息素浓度值计算，如下：

上式中：h表示数据对象c_a的作用域H内的所有数据对象。

设信息素的增强参数为Z(Z>0)，信息素的挥发参数为Y(0<Y<1)。信息素会随时间的推移产生一定的挥发，单位时间的信息素挥发量为最初信息素浓度值的Y倍，Y即单位挥发量。而且随着移动代理的迁移能够增加该链路上信息素浓度值。若移动代理从节点a迁移到节点b(b∈N_a)，即移动代理在链路L_ab上迁移，其单位增量为Z。信息素浓度随时间的变化为：

T_ab(t+1)＝(1-Y)T_ab(t)+ΔT_ab

节点邻居变化率：

设相邻节点之间周期性发送Hello消息的间隔为T。对节点i，t1时刻i的邻居表为Si1,t2时刻i的邻居表为Si2,且t2-t1＝T。希望利用邻居表变化率寻找到网络中局部拓扑变化较快的节点，让移动代理更多的向这类节点迁移，以满足移动代理漫游策略之一，即让移动代理更多的经过拓扑变化较快的节点，避免拓扑信息过时。移动代理根据信息素浓度和拓扑变化率，优先向信息素浓度低和拓扑变化率快的节点移动，提高拓扑感知效率。

进一步地，“虚拟中心”获取到全网拓扑，在正常情况下不控制路由的选择。在路由选择的时候仍然使用完全分布式的平面对等结构的路由机制，并不考虑“虚拟中心”的特殊性。但是在特殊紧急情况下，“虚拟中心”可以升级为软件定义网络(Software DefinedNetwork)中的控制器，通过移动代理对网络拓扑和路由进行控制。

需要说明的是，本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本发明实施例的限定，后续实施例对此不再一一说明。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。

另外，为简化说明和讨论，并且为了不会使本发明难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本发明难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本发明的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本发明的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本发明。因此，这些描述应被认为是说明性的而不是限制性的。

尽管已经结合了本发明的具体实施例对本发明进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。

本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于“虚拟中心”和“移动代理”的分布式无线自组织网的组网方法，其中所述分布式无线自组织网中包括多个网络节点，其特征在于，所述方法包括以下步骤：

1)所述网络节点通过自组织方式，组成完全分布式的平面对等网络结构；

2)所述网络节点通过自组织选举策略，选举出当前“虚拟中心”，作为当前控制节点，同时选举出备选“虚拟中心”节点用于在当前控制节点失效时作为控制节点；

3)由当前控制节点产生并发送移动代理，根据邻居链路信息素浓度和邻居表变化率计算出各链路的迁移概率，进而感知全网拓扑；

4)“虚拟中心”获取到全网拓扑，在紧急情况下通过移动代理对网络拓扑和路由进行控制。

2.根据权利要求1所述的方法，其特征在于，所述网络节点通过自组织方式，组成完全分布式的平面对等网络结构之后，还包括：每个网络节点执行邻居发现和维护，生成邻居表；所述网络采用分布式路由协议，基于按需路由协议(Ad hoc On-demand DistanceVector Routing,AODV)的备份路由协议，按需寻路，建立源节点与目的节点之间的路由。

3.根据权利要求1所述的方法，其特征在于，所述“虚拟中心”在正常情况下不控制路由的选择，在路由选择时仍然使用完全分布式的平面对等结构的路由机制，而在特殊紧急情况下，所述“虚拟中心”可升级为软件定义网络(Software Defined Network)中的控制器，对网络拓扑和路由进行控制。

4.根据权利要求1所述的方法，其特征在于，所述步骤3)具体包括以下步骤：

I.所述移动代理到达当前被访问节点时进行拓扑信息分享交换；

II.所述移动代理根据邻居链路信息素浓度和邻居表变化率计算出各链路的迁移概率，从当前访问节点的邻居中选择下一跳并迁移过去；

III.所述移动代理所选择的邻居链路的信息素浓度值增加单位增量，如果全部网络节点都已经访问完毕，则返回所述“虚拟中心”节点，将全网拓扑信息交付于“虚拟中心”节点，并跳至步骤I，开始发起下一轮拓扑感知，否则跳至步骤II。

5.根据权利要求1所述的方法，其特征在于，所述信息素浓度的计算步骤如下：

IX.计算位于F点的所能收到的信息素浓度值P_f：

设C点的信息素浓度值最大，用P_max来表示，参数α为一固定锐角。

X.对于数据对象C_a，计算出C_b的信息素浓度值：

以一个数据对象作为圆心，并以该数据对象的作用距离为半径，来计算其作用距离内任意数据对象的信息素浓度值。

XI.数据对象C_a在其作用域内，对所有数据对象进行信息素浓度值计算：

其中h表示数据对象c_a的作用域H内的所有数据对象；

XII.计算信息素浓度随时间的变化：

T_ab(t+1)＝(1-Y)T_ab(t)+ΔT_ab

其中，信息素的增强参数为Z(Z＞0)，信息素的挥发参数为Y(0＜Y＜1)，所述信息素会随时间的推移产生一定的挥发，单位时间的信息素挥发量为最初信息素浓度值的Y倍，Y即单位挥发量。

6.一种基于“虚拟中心”和“移动代理”的分布式无线自组织网，其中所述分布式无线自组织网包括多个网络节点，其特征在于，

所述网络节点被配置为，通过自组织方式，组成完全分布式的平面对等网络结构，并通过自组织选举策略，选举出当前“虚拟中心”，作为当前控制节点，同时选举出备选“虚拟中心”节点用于在当前控制节点失效时作为控制节点；

所述当前控制节点被配置为，产生并发送移动代理，根据邻居链路信息素浓度和邻居表变化率计算出各链路的迁移概率，进而感知全网拓扑；

所述“虚拟中心”被配置为，获取到全网拓扑，在紧急情况下通过移动代理对网络拓扑和路由进行控制。

7.根据权利要求6所述的分布式无线自组织网，其特征在于，所述网络节点通过自组织方式，组成完全分布式的平面对等网络结构之后，还包括：每个网络节点执行邻居发现和维护，生成邻居表；所述网络采用分布式路由协议，基于按需路由协议(Ad hoc On-demandDistance Vector Routing，AODV)的备份路由协议，按需寻路，建立源节点与目的节点之间的路由。

8.根据权利要求6所述的分布式无线自组织网，其特征在于，所述“虚拟中心”在正常情况下不控制路由的选择，在路由选择时仍然使用完全分布式的平面对等结构的路由机制，而在特殊紧急情况下，所述“虚拟中心”可升级为软件定义网络(Software DefinedNetwork)中的控制器，对网络拓扑和路由进行控制。

9.根据权利要求6所述的分布式无线自组织网，其特征在于，所述网络节点通过自组织选举策略，选举出当前“虚拟中心”，作为当前控制节点，同时选举出备选“虚拟中心”节点用于在当前控制节点失效时作为控制节点，具体由以下步骤实现：

I.所述移动代理到达当前被访问节点时进行拓扑信息分享交换；

II.所述移动代理根据邻居链路信息素浓度和邻居表变化率计算出各链路的迁移概率，从当前访问节点的邻居中选择下一跳并迁移过去；

III.所述移动代理所选择的邻居链路的信息素浓度值增加单位增量，如果全部网络节点都已经访问完毕，则返回所述“虚拟中心”节点，将全网拓扑信息交付于“虚拟中心”节点，并跳至步骤I，开始发起下一轮拓扑感知，否则跳至步骤II。

10.根据权利要求6所述的分布式无线自组织网，其特征在于，所述信息素浓度由以下步骤计算得到：

XIII.计算位于F点的所能收到的信息素浓度值P_f：

设C点的信息素浓度值最大，用P_max来表示，参数α为一固定锐角。

XIV.对于数据对象C_a，计算出C_b的信息素浓度值：

以一个数据对象作为圆心，并以该数据对象的作用距离为半径，来计算其作用距离内任意数据对象的信息素浓度值。

XV.数据对象C_a在其作用域内，对所有数据对象进行信息素浓度值计算：

其中h表示数据对象c_a的作用域H内的所有数据对象；

XVI.计算信息素浓度随时间的变化：

T_ab(t+1)＝(1-Y)T_ab(t)+ΔT_ab

其中，信息素的增强参数为Z(Z＞0)，信息素的挥发参数为Y(0＜Y＜1)，所述信息素会随时间的推移产生一定的挥发，单位时间的信息素挥发量为最初信息素浓度值的Y倍，Y即单位挥发量。