CN108471380A - 一种移动社交网络中基于智能优化的消息转发方法 - Google Patents

一种移动社交网络中基于智能优化的消息转发方法 Download PDF

Info

Publication number
CN108471380A
CN108471380A CN201810194191.8A CN201810194191A CN108471380A CN 108471380 A CN108471380 A CN 108471380A CN 201810194191 A CN201810194191 A CN 201810194191A CN 108471380 A CN108471380 A CN 108471380A
Authority
CN
China
Prior art keywords
node
social networking
mobile social
forwarding
cohesion
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.)
Pending
Application number
CN201810194191.8A
Other languages
English (en)
Inventor
朱艳琴
吴*飞
吴飞
杨哲
李领治
王进
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou University
Original Assignee
Suzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou University filed Critical Suzhou University
Priority to CN201810194191.8A priority Critical patent/CN108471380A/zh
Publication of CN108471380A publication Critical patent/CN108471380A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/52—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail for supporting social networking services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明是一种移动社交网络中基于智能优化的消息转发方法，该方法包括以下步骤：A：针对移动社交网络中的消息转发问题，对其进行模型化分析，归纳出移动社交网络的一般模型；B：在归纳出移动社交网络一般模型的基础上，利用智能优化算法解决优化问题的高效性，采用基于智能优化的移动社交网络算法ACOPSONet。本发明方法利用智能优化理论中的蚁群优化和粒子群优化算法思想，来优化消息的转发，使得移动社交网络中的消息具有较高的传输成功率较低的时延。

Description

一种移动社交网络中基于智能优化的消息转发方法
技术领域
本发明涉及移动社交网络消息领域，具体涉及一种移动社交网络中基于智能优化的消息转发方法。
背景技术
随着互联网产业的飞速发展、智能移动终端的大量普及、4G移动互联时代的到来，促进了社交网络服务与移动终端的自然结合，移动社交网络应运而生。数据研究表明，在全世界，虽然目前人口的增长已经相对缓慢，但是互联网产业的发展速度却在不断加快。目前全世界拥有手机的人口超过半数，其中三分之一拥有社交网络账号。而中国的《2015年全球移动&社交报告精华解读》中指出：当前中国人口约有13.67亿，网民约有6.42亿，渗透率高达47%，高于全球平均水平（42%），其中手机网民数量为5.27亿，占网民总数的81.6%，90.1%的用户使用移动终端来访问社交网站。这表明，社交网络已经不再是一种工具，而逐渐成为了人们的一种生活方式。
目前社交网络在社会中扮演的角色越来越重要，越来越多的公司和企业开始利用互联网思维和社交网络来构建企业内部的交流网络，其地位正在逐渐赶上电子邮件和电话。根据行业机构易观国际的分析报告指出，2015年第1季度，中国移动互联网用户规模达到7.4亿人，环比增长1.6%，同比增长10.27%，增势平稳。移动互联网用户基于庞大用户基数正在不断增长，移动社交网络的发展势头正劲。
当前，针对移动社交网络的应用越来越多，也越来越成熟，但在其发展过程仍然需要解决很多问题。首先来说，移动社交网络中的节点通常是一些移动终端设备，它们的服务能力受到带宽、内存、电量、运算能力等限制；其次是移动社交网络中的节点往往伴随着人的社会特性，这给设计数据分发机制带来了极大的复杂性；最后，考虑到移动社交网络中的节点通常会带有人的自私性，因此如何采取办法降低自私节点给网络性能带来的损害是一个难题。总体来说，目前针对移动社交网络的主要研究有社区检测、内容分发、上下文情景感知的数据传输、移动模型、隐私等几个方面。
发明内容
本发明的目的在于克服现有技术存在的问题，提供一种移动社交网络中基于智能优化的消息转发方法。
为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：
一种移动社交网络中基于智能优化的消息转发方法，该方法包括以下步骤：
A：针对移动社交网络中的消息转发问题，进行模型化分析，归纳出移动社交网络的一般模型；
B：在归纳出移动社交网络的一般模型的基础上，利用智能优化算法在处理优化问题上的高效性，采用基于智能优化的移动社交网络算法ACOPSONet；
进一步的，所述步骤A中，定义归纳移动社交网络的一般模型的步骤为：
A1：用表示一个n节点的MSN，表示网络中所有节点的集合，表示节点间边e的集合，m为边数，整个MSN网络结构表示为节点组成的列表；
A2：定义在某段时间内与MSN节点i之间存在数据转发关系的节点称为节点i的“转发邻居节点”，定义在某一时刻与MSN节点i直接连接的节点称为节点i的“相遇邻居节点”。
进一步的，所述步骤B中，基于智能优化的移动社交网络算法ACOPSONet的步骤为：
B1：网络中存在n节点，整个算法维护一个n×n的矩阵列表，列表中的每个节点<i,j>中，存储节点i和节点j之间的信息，包括节点i和节点j之间的转发亲密度F i,j 和相遇亲密度M i,j ，定义转发亲密度F i,j 的单次增长幅度G f ，相遇亲密度M i,j 的单次增长幅度为G m ，由此定义节点<i,j>之间的信息表为<i,j,F i,j ,M i,j >。
B2：当节点i向节点j发送信息时，F i,j 按公式更新；
B3：在数据传输的过程中，当一条传输链路为：i->j->k->m->n…，无论最后数据是否传输到n，路径中任意两个节点的相遇亲密度将按公式更新，其中表示i和j之间的路由跳数；
B4：根据转发亲密度F i,j 得出节点的转发效用U f ，根据相遇亲密度M i,j 得出节点的相遇效用U m ，节点i选择节点j作为下一跳的综合效用值为：，其中参数用于平衡转发亲密度F i,j 与相遇亲密度M i,j 的重要性，节点i选择综合效用值最高的节点j作为下一跳；
B5：根据节点转发策略进行转发；
进一步的，所述步骤B5中，节点转发策略采用如下步骤：
B51：若周围就有目标节点，直接传输并按公式、公式更新数据；
B52：在没有信息或者遇到有两个节点都合适时，根据公式计算节点的中心度，利用节点的中心度选择转发给哪个节点，并按规则更新信息列表的数据；
B53：每次转发时，都查询节点的信息列表，根据信息列表决定将消息传给谁，寻找信息列表的二元组中后者含有被传对象的项，根据算出所有含有被传对象的项的效用值，按效用值的高低依序在本节点周围查找含有被传对象的项的二元组中前者节点值，若有则传送给相应节点，并更新相应信息列表，若没有找到被传对象的相关信息，跳到B52，若相邻节点中找不到含有被传对象的项的二元组中前者节点值，同样跳到B52。
进一步的，所述步骤B52中，若相邻节点的中心度都没有自身高，则暂时不传输，将数据包留存在本节点内。
本发明的有益效果是:
本发明方法综合考虑了移动社交网络的网络特性，又考虑了网络中节点的社会特性，利用智能优化理论中的蚁群优化、粒子群优化思想来优化路由，使得移动社交网络中的消息能有较高的传输成功率以及较低的时延。
附图说明
图1为本发明的流程图；
图2为本发明社交网络示意图；
图3为本发明数据包传输成功率随节点缓存的变化示意图；
图4为本发明数据平均传输延迟随节点缓存的变化示意图。
具体实施方式
下面将参考附图并结合实施例，来详细说明本发明。
参照图1至图4所示，一种移动社交网络中基于智能优化的消息转发方法，该方法包括以下步骤：
A：针对移动社交网络中的消息转发问题，进行模型化分析，归纳出移动社交网络的一般模型；
B：在归纳出移动社交网络的一般模型的基础上，利用智能优化算法在处理优化问题上的高效性，采用基于智能优化的移动社交网络算法ACOPSONet；
所述步骤A中，定义归纳移动社交网络的一般模型的步骤为：
A1：用表示一个n节点的MSN，表示网络中所有节点的集合，表示节点间边e的集合，m为边数，整个MSN网络结构表示为节点组成的列表；
A2：定义在某段时间内与MSN节点i之间存在数据转发关系的节点称为节点i的“转发邻居节点”，定义在某一时刻与MSN节点i直接连接的节点称为节点i的“相遇邻居节点”。
所述步骤B中，基于智能优化的移动社交网络算法ACOPSONet的步骤为：
B1：网络中存在n节点，整个算法维护一个n×n的矩阵列表，列表中的每个节点<i,j>中，存储节点i和节点j之间的信息，包括节点i和节点j之间的转发亲密度F i,j 和相遇亲密度M i,j ，定义转发亲密度F i,j 的单次增长幅度G f ，相遇亲密度M i,j 的单次增长幅度为G m ，由此定义节点<i,j>之间的信息表为<i,j,F i,j ,M i,j >。
B2：当节点i向节点j发送信息时，F i,j 按公式更新；
B3：在数据传输的过程中，当一条传输链路为：i->j->k->m->n…，无论最后数据是否传输到n，路径中任意两个节点的相遇亲密度将按公式更新，其中表示i和j之间的路由跳数；
B4：根据转发亲密度F i,j 得出节点的转发效用U f ，根据相遇亲密度M i,j 得出节点的相遇效用U m ，节点i选择节点j作为下一跳的综合效用值为：，其中参数用于平衡转发亲密度F i,j 与相遇亲密度M i,j 的重要性，节点i选择综合效用值最高的节点j作为下一跳；
B5：根据节点转发策略进行转发；
所述步骤B5中，节点转发策略采用如下步骤：
B51：若周围就有目标节点，直接传输并按公式、公式更新数据；
B52：在没有信息或者遇到有两个节点都合适时，根据公式计算节点的中心度，利用节点的中心度选择转发给哪个节点，并按规则更新信息列表的数据；
B53：每次转发时，都查询节点的信息列表，根据信息列表决定将消息传给谁，如传送给Y，那么寻找信息列表的二元组中后者有Y的项，如信息列表中有<A,Y>，<B,Y>，<C,Y>三项含有Y，那么根据算出这三项的效用值，按效用值的高低依序在本节点周围查找A、B、C，若有则传送给相应节点，并更新相应信息列表，若没有找到Y的相关信息，跳到B52，若相邻节点中找不到节点A、B、C（此处即指查到的中间节点在相邻节点中暂时没有），同样跳到B52。
所述步骤B52中，若相邻节点的中心度都没有自身高，则暂时不传输，将数据包留存在本节点内。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种移动社交网络中基于智能优化的消息转发方法，其特征在于，该方法包括以下步骤：
A：针对移动社交网络中的消息转发问题，进行模型化分析，归纳出移动社交网络的一般模型；
B：在归纳出移动社交网络的一般模型的基础上，利用智能优化算法在处理优化问题上的高效性，采用基于智能优化的移动社交网络算法ACOPSONet。
2.根据权利要求1所述的移动社交网络中基于智能优化的消息转发方法，其特征在于，所述步骤A中，定义归纳移动社交网络的一般模型的步骤为：
A1：用表示一个n节点的MSN，表示网络中所有节点的集合，表示节点间边e的集合，m为边数，整个MSN网络结构表示为节点组成的列表；
A2：定义在某段时间内与MSN节点i之间存在数据转发关系的节点称为节点i的“转发邻居节点”，定义在某一时刻与MSN节点i直接连接的节点称为节点i的“相遇邻居节点”。
3.根据权利要求1所述的移动社交网络中基于智能优化的消息转发方法，其特征在于，所述步骤B中，基于智能优化的移动社交网络算法ACOPSONet的步骤为：
B1：网络中存在n节点，整个算法维护一个n×n的矩阵列表，列表中的每个节点<i,j>中，存储节点i和节点j之间的信息，包括节点i和节点j之间的转发亲密度F i,j 和相遇亲密度M i,j ，定义转发亲密度F i,j 的单次增长幅度G f ，相遇亲密度M i,j 的单次增长幅度为G m ，由此定义节点<i,j>之间的信息表为<i,j,F i,j ,M i,j >;
B2：当节点i向节点j发送信息时，F i,j 按公式更新；
B3：在数据传输的过程中，当一条传输链路为：i->j->k->m->n…，无论最后数据是否传输到n，路径中任意两个节点的相遇亲密度将按公式更新，其中表示i和j之间的路由跳数；
B4：根据转发亲密度F i,j 得出节点的转发效用U f ，根据相遇亲密度M i,j 得出节点的相遇效用U m ，节点i选择节点j作为下一跳的综合效用值为：，其中参数用于平衡转发亲密度F i,j 与相遇亲密度M i,j 的重要性，节点i选择综合效用值最高的节点j作为下一跳；
B5：根据节点转发策略进行转发。
4.根据权利要求3所述的移动社交网络中基于智能优化的消息转发方法，其特征在于，所述步骤B5中，节点转发策略采用如下步骤：
B51：若周围就有目标节点，直接传输并按公式、公式更新数据；
B52：在没有信息或者遇到有两个节点都合适时，根据公式计算节点的中心度，利用节点的中心度选择转发给哪个节点，并按规则更新信息列表的数据；
B53：每次转发时，都查询节点的信息列表，根据信息列表决定将消息传给谁，寻找信息列表的二元组中后者含有被传对象的项，根据算出所有含有被传对象的项的效用值，按效用值的高低依序在本节点周围查找含有被传对象的项的二元组中前者节点值，若有则传送给相应节点，并更新相应信息列表，若没有找到被传对象的相关信息，跳到B52，若相邻节点中找不到含有被传对象的项的二元组中前者节点值，同样跳到B52。
5.根据权利要求4所述的移动社交网络中基于智能优化的消息转发方法，其特征在于，所述步骤B52中，若相邻节点的中心度都没有自身高，则暂时不传输，将数据包留存在本节点内。
CN201810194191.8A 2018-03-09 2018-03-09 一种移动社交网络中基于智能优化的消息转发方法 Pending CN108471380A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810194191.8A CN108471380A (zh) 2018-03-09 2018-03-09 一种移动社交网络中基于智能优化的消息转发方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810194191.8A CN108471380A (zh) 2018-03-09 2018-03-09 一种移动社交网络中基于智能优化的消息转发方法

Publications (1)

Publication Number Publication Date
CN108471380A true CN108471380A (zh) 2018-08-31

Family

ID=63265305

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810194191.8A Pending CN108471380A (zh) 2018-03-09 2018-03-09 一种移动社交网络中基于智能优化的消息转发方法

Country Status (1)

Country Link
CN (1) CN108471380A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109769284A (zh) * 2019-03-20 2019-05-17 南京工业大学 一种msn下族内可信蚁群机会路由改进算法
CN109905399A (zh) * 2019-03-14 2019-06-18 哈尔滨工程大学 一种基于自我网络结构演化的社交媒体个体异常用户检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104346481A (zh) * 2014-11-28 2015-02-11 西安电子科技大学 一种基于动态同步模型的社区检测方法
CN105138536A (zh) * 2015-07-02 2015-12-09 南京邮电大学 基于有向超图的移动社交网络数据分片方法
US20160321261A1 (en) * 2015-05-02 2016-11-03 Lithium Technologies, Inc. System and method of providing a content discovery platform for optimizing social network engagements
CN106161204A (zh) * 2016-06-08 2016-11-23 苏州大学 一种基于群体智能的移动社交网络中的数据传输方法
CN107566249A (zh) * 2016-10-28 2018-01-09 中国科学院计算技术研究所 一种训练用于预测社交网络用户转发消息的模型的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104346481A (zh) * 2014-11-28 2015-02-11 西安电子科技大学 一种基于动态同步模型的社区检测方法
US20160321261A1 (en) * 2015-05-02 2016-11-03 Lithium Technologies, Inc. System and method of providing a content discovery platform for optimizing social network engagements
CN105138536A (zh) * 2015-07-02 2015-12-09 南京邮电大学 基于有向超图的移动社交网络数据分片方法
CN106161204A (zh) * 2016-06-08 2016-11-23 苏州大学 一种基于群体智能的移动社交网络中的数据传输方法
CN107566249A (zh) * 2016-10-28 2018-01-09 中国科学院计算技术研究所 一种训练用于预测社交网络用户转发消息的模型的方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
YANFEI WU; YANQIN ZHU; ZHE YANG: "Routing algorithm based on ant colony optimization for mobile social network", 《2017 18TH IEEE/ACIS INTERNATIONAL CONFERENCE ON SOFTWARE ENGINEERING, ARTIFICIAL INTELLIGENCE, NETWORKING AND PARALLEL/DISTRIBUTED COMPUTING (SNPD)》 *
曹峥: "基于群体智能的移动社交网络路由算法的设计", 《中国优秀硕士学位论文全文数据库》 *
郭稳涛等: "基于社会活性和副本限制的DTN路由算法", 《电子测量与仪器学报》 *
黄宏程等: "节点移动状态感知的社会化延迟容忍网络路由策略", 《计算机应用研究》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109905399A (zh) * 2019-03-14 2019-06-18 哈尔滨工程大学 一种基于自我网络结构演化的社交媒体个体异常用户检测方法
CN109905399B (zh) * 2019-03-14 2021-06-01 哈尔滨工程大学 一种基于自我网络结构演化的社交媒体个体异常用户检测方法
CN109769284A (zh) * 2019-03-20 2019-05-17 南京工业大学 一种msn下族内可信蚁群机会路由改进算法
CN109769284B (zh) * 2019-03-20 2023-02-14 南京工业大学 一种msn下族内可信蚁群机会路由改进方法

Similar Documents

Publication Publication Date Title
CN106161204B (zh) 一种基于群体智能的移动社交网络中的数据传输方法
CN102595504B (zh) 一种基于链路拥塞度的动态多径olsr路由方法
CN108512772B (zh) 基于服务质量的数据中心流量调度方法
CN104378229A (zh) 一种机会网络的链路预测方法
CN108471380A (zh) 一种移动社交网络中基于智能优化的消息转发方法
CN108462983A (zh) 基于改进蚁群aodv协议的多机器人通信组网方法
Siddiqui et al. A survey on data aggregation mechanisms in wireless sensor networks
Jiang et al. Multi-constratined qos routing optimization of wireless mesh network based on hybrid genetic algorithm
CN104994464B (zh) 基于等级社区结构的移动社交网络数据转发方法
CN103532865A (zh) 一种容迟网络中基于社会感知的拥塞控制方法
Kushwaha et al. M-EALBM: A modified approach energy aware load balancing multipath routing protocol in MANET
CN107135271B (zh) 一种能量有效的内容中心网络缓存方法
CN105007234A (zh) 一种用于全局ip调度的负载均衡方法
CN112910779B (zh) 一种基于Ad Hoc网络的跨层路由优化协议的实现方法
CN104301963B (zh) 一种基于ZigBee无线网洪泛路由算法改进优化的方法
Raghavendra et al. Congestion adaptive routing in ad hoc networks
Liu et al. A load balanced routing protocol based on ant colony algorithm for wireless mesh networks
Lai et al. Load-balance Directed Diffusion in Wireless Sensor Networks
Patel et al. Energy efficient routing using residual energy and stability in mobile ad-hoc network
CN107948070B (zh) 一种基于QoS的移动P2P网络虚拟链路选取方法
CN108566662A (zh) 一种移动社交网络中基于节点声誉值的消息转发方法
Gupta et al. A Review on Congestion control in Ad-Hoc Network
Jiang et al. Load balancing routing algorithm for ad hoc networks
CN105760543B (zh) 一种ndn/ccn中基于节点接口存储信息差异化通告的数据存储方法
Adekiigbe et al. Issues and challenges in clustering techniques for wireless mesh networks

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20180831

RJ01 Rejection of invention patent application after publication