CN109769284A - 一种msn下族内可信蚁群机会路由改进算法 - Google Patents

Abstract

本发明公开了一种MSN下族内可信蚁群机会路由改进算法，其技术方案主要利用蚁群算法分布式、自适应的特性在网络中寻找最优路径，首先利用节点间的历史交互信息评估节点综合信任值以有效选择网络中的可信邻居节点，然后基于社会亲密度的状态转移函数选择转发意愿更高、关系更紧密的中继节点进行消息的传输，最后实现族内的可信消息转发策略。本发明在含有自私节点的MSN网络中有良好性能，可以有效避免自私节点参与路由转发过程中，将消息转发给转发意愿更高、关系更紧密的中继节点，消息的传输可靠性和消息转发性能得到显著提升。

Description

一种MSN下族内可信蚁群机会路由改进算法

技术领域

本发明涉及一种路由算法，尤其是涉及一种MSN下族内可信蚁群机会路由的改进的算法。

背景技术

随着移动智能设备(如智能手机、PDA等)的大量普及，通过设备的移动带来机会式连接从而搭建起临时网络，使得在不具备通信基础设施的网络环境中设备间通信成为可能，由于移动设备是以人为载体，不仅具有人的移动特性，而且还具有一定的社会性，这种新的网络形式称为移动社会网络(Mobile Social Networks，MSN)。由于人们之间社会关系相当稳定且存在一定的依赖性，网络中会出现簇聚现象，节点以自组织的方式形成族，族内的节点联系紧密且处于相对稳定状态，因此通过蚁群算法的集群特性可以有效设计分布式且自适应性的路由算法。

为了更有效地进行数据传输及共享，在机会网络的通信中越来越多地考虑节点的社会属性，例如社会关系、节点的兴趣及自私性等。在人类社会中，大部分人都具有自私性，而在网络中自私性也是所有节点普遍存在的一种社会属性，总体表现为社会自私性。在社会自私的环境下，节点的自私性体现为追求最高的消息转发收益，转发收益的大小与节点间的社会关系强度有关。社会关系越强，节点的转发意愿就越强，相应地消息转发效益就越大，因此消息发送节点在消息传输过程中会选择社会关系更亲密且传输意愿更高的节点作为中继节点。

文献[基于社会关系和信任关系的机会网络路由算法]中，为了提高机会网络通信性能，针对网络中节点存在自私行为的问题，结合节点间的社会关系，提出一种基于社会关系和信任关系的路由算法。该算法依据节点间的交互信息和可信邻居节点的推荐信息，综合考虑节点间的直接信任度和间接信任度，建立节点间的信任模型。节点根据该模型选择具有较高信任值的节点参与到消息转发过程，同时优先选择和目的节点社会相似度更大的节点作为中继节点，并且根据社会相似度分配消息副本，使消息沿着社会相似度递增的方向传递。文献[基于蚁群智能的移动社会网络路由算法]采用处理传输路径上的节点信息的方法，得到节点对之间的信息列表，从而为其它节点发送数据时选择合适的中继节点提供有效信息。

例如文献[基于社会关系和信任关系的机会网络路由算法]提出的社会关系只是基于与目的节点的社会相似度，将消息沿着社会相似度递增的方向传输，没有充分考虑到节点间交互频繁度对消息传输的影响。文献[基于蚁群智能的移动社会网络路由算法]中没有考虑节点的社会自私性和网络中自私节点惰性行为对消息传输的影响。由于移动智能设备的资源受限且联络广泛，节点容易受网络中自私节点的影响，节点间消息传输的可信性较低。网络中自私节点主要表现为惰性自私，中继节点与消息发送节点的社会关系亲密但不愿意参与消息的转发甚至恶意丢包，导致整个网络消息的转发成功率和转发效率降低，造成网络消息传输的不可信。

发明内容

一、发明的目的

针对现有技术中存在的节点容易受网络中自私节点的影响，节点间消息传输的可信性较低；网络中自私节点主要表现为惰性自私，导致整个网络消息的转发成功率和转发效率降低，造成网络消息传输的不可信的技术问题。

本发明的目的是结合MSN的簇聚社会网络特征提出一种族内可信蚁群机会路由改进算法(Trust-ACO)。该算法在传统蚁群算法基础上，通过计算节点间的综合信任值构造消息发送节点可信邻居节点集避免惰性自私节点参与消息转发；引用节点间社会亲密度体现节点间的社会关系强度，形成依靠高传输意愿中继节点的优化启发函数，并对蚂蚁信息素的更新进行改进，在有效提高网络传输可靠性和提升消息转发性能的同时避免自私节点的惰性传输行为。

二、发明的技术方案

本发明基于社会网络分析理论描述移动社会网络模型和网络节点的社会特征。用图G＝(V，E)表示一个包含n个节点的MSN，V＝{V₁，V₂，...，V_n}(n≥1)表示网络中所有节点的集合，V_i表示网络中第i个节点，E为节点间边e的集合。本文使用二元组<T_ij，I_ij>表示发送节点i对邻居节点j的综合信任值评估和社会亲密度评估。

定义1：因主观因素导致丢包、弃包行为的节点为惰性自私节点，即自私节点。

定义2：与节点进行正常消息交互且没有自私行为的节点为可信节点。

本发明的算法包括如下步骤：

(1)节点i接收消息，消息目的节点为节点d；节点i发送Hello报文，构建邻居节点集；

(2)目的节点d在节点i的邻居节点集中，节点i转发消息给目的节点d；目的节点d不在节点i的邻居节点集中，节点i计算邻居节点集中所有节点的综合信任值，构建可信邻居节点集N_i；

(3)判断可信邻居节点集N_i中是否具有可信节点，如果没有可信节点，则节点i保留节点消息，如果存在可信节点，进入下一步；

(4)计算节点i的蚂蚁启发函数η_ij、计算节点i的状态转移函数P_ij，按P_ij选择下一跳节点，转发消息；

(5)评估蚂蚁路径质量Q_ij，更新蚂蚁信息素；

(6)重复以上过程(1)至(5)直到消息到达目的节点或者超时被丢弃为止。

(一)可信邻居节点集的构建

综合信任值T_ij是依据节点间的历史交互信息和公共相遇节点的推荐信息进行的信任值评估，可以有效分析判断节点的可信状态。通过节点的综合信任值评估可以隔离自私节点参与到消息转发过程中，保证网络消息转发选择可信的中继节点，避免自私节点的惰性传输。

i.直接信任值

定义3：节点i根据与节点j的历史直接交互信息，对节点j的信任评估度量称为直接信任值

基于TMS中提出的信任模型，网络节点间的信任值评估服从Beta分布，即Beta(α，β)，其中α_ij和β_ij分别表示节点i与节点j成功交互消息的次数和失败的次数。但在实际情况中，Beta分布可能无法准确反映真实的转发行为，例如由于链路的丢失带来数据包的转发失败。因此，在评估节点信任度的时候应当考虑数据转发的不确定性。为了解决这个问题，本发明采用了Li提出的方法，利用D-S理论来量化数据传输过程中的不确定性，将节点i与节点j之间的交互分为成功交互S_ij、失败交互F_ij和不确定交互U_ij，其计算公式为：

其中，S_ij+F_ij+U_ij＝1，直接信任值计算公式为：

其中，θ是不确定交互中实际成功交互的占比，θ值随着应用场景的变化而改变，根据文献其默认值为0.5。

ii.间接信任值

定义4：节点i与节点j对共同相遇节点直接信任值的相似程度称为信任相似度cos(i，j)。

节点i与节点j为邻居节点，节点i与节点j的公共相遇节点集为N_s，信任相似度cos(i，j)的计算公式为：

其中，N_s＝{N₁，N₂，...，N_n}表示节点i与节点j的共同相遇节点集，采用信任向量表示节点i对每一个相遇节点的信任评估情况，其表达式为： 表示节点i对公共相遇节点集中节点N_p的直接信任值。

定义5：通过共同相遇节点集N_s所推荐的节点j直接信任值反映出节点j的信任值度量称为间接信任值

通过节点信任相似度和直接信任值可以准确反映出间接信任值其计算公式为：

其中，N_s＝{N₁，N₂，...，N_n}表示节点i与节点j的共同相遇节点集；表示节点k对节点j的直接信任值。

iii.综合信任值

定义6：节点i通过对节点j的直接信任值和间接信任值评估，得到当前周期对节点j的信任值度量称为综合信任值

根据计算公式4、6得出节点i对节点j的综合信任值

其中，和净别为直接信任值和推荐信任值的权重，根据文献和分别取值0.7和0.3时信任评估结果最佳。

iv.综合信任值的更新

综合信任值随着时间周期Δt动态变化，综合信任值的更新取决于当前周期的综合信任值

和上周期结束后的综合信任值T_ij(t)，综合信任值的更新公式为：

其中，ρ_T是信任值时间衰减系数，根据文献综合信任值时间衰减系数ρ_T取值为0.8。

v.构建可信邻居节点集

消息发送节点通过定期发送Hello报文给通信范围内的中继节点，中继节点在收到消息发送节点发送的Hello报文后会立刻回应ACK报文，消息发送节点将发送ACK报文的中继节点构建为邻居节点集N_v。蚁群算法通常会将消息发送节点通信范围之内的邻居节点集N_v都纳入到蚂蚁探索的节点候选集中，但邻居节点集N_v中可能会存在自私节点，通过对路由节点进行信任评估确定中继节点的可信状态，以有效规避自私节点惰性传输对消息传输的影响，增强网络传输的可信性。依据得到的消息发送节点i对中继节点j的综合信任值，对中继节点j进行判别：

(1)0＜T_ij＜Y，表示节点j是自私节点，那么节点j不进入节点i的可信邻居节点集N_i。

(2)Y≤T_ij≤1，表示节点j是可信节点，节点j直接进入节点i的可信邻居节点集N_i。

其中，Y表示可信阈值，N_i为节点i的可信邻居节点集，根据文献可信阈值Y取值为0.6。

(二)蚂蚁启发函数的改进

i.社会亲密度

移动社会网络的移动载体是人，移动节点也就具备人类的社会关系特征。在MSN网络中，节点的自私性表现为中继节点是否愿意利用自身资源为消息发送节点转发消息，而中继节点的转发意愿强度主要受节点间的社会关系强度影响。节点间社会关系强度可以通过节点间的消息交互频繁度体现。

定义7：节点i与节点j间社会关系强度的度量称为社会亲密度I_ij。

社会亲密度I_ij反映了网络局部拓扑情况，将消息转发给社会关系紧密、频繁接触的节点更容易建立稳定的消息传递链路。社会亲密度I_ij的值越大，说明节点i和节点j之间的关系越紧密，中继节点传输意愿更积极，传输消息的可靠性越高；反之说明节点i与节点j之间的关系越疏远，传输消息的可靠性越低。设C_ij为节点i向节点j转发的消息次数，即节点i到节点j的出度值。社会亲密度I_ij计算公式为：

其中，表示节点i向所有节点传输的消息次数总和，表示节点j从其他所有节点接收的消息次数总和。

ii.构建启发函数

蚁群算法中的启发素具有局部性，配合具有全局性的信息素，使得转发决策更高效。但传统的启发函数仅考虑到节点间的距离，将节点间距离作为唯一的启发式因子，无法引导消息传输给传输意愿更高的节点。本算法在原启发函数的基础上增加了社会亲密度，通过节点间的社会关系构建新的启发函数，在充分利用传输意愿高且传输可信中继节点基础上，提高节点中继传输的可靠性。启发函数计算公式为：

其中，I_ij表示消息发送节点i评估中继节点j的社会亲密度，d_ij表示消息发送节点i与中继节点j之间的距离。

通过将反映节点间社会关系强度的社会亲密度引入到启发函数中，可引导节点将消息转发给关系更紧密、消息交互更频繁的中继节点，增加了网络传输的可靠性。

(三)Trust-ACO算法的提出

Trust-ACO算法用于MSN网络中，在传统蚁群算法基础上，依靠综合信任值构建消息发送节点可信邻居节点集，避免惰性自私节点参与到消息传输中以提高消息传输的可信性；引用社会亲密度改进启发函数，将消息转发给传输距离近且社会关系紧密、传输意愿积极的中继节点提高消息传输性能。

i.状态转移概率函数

消息在进行传输时，如果目的节点在其邻居节点集N_v中，则直接转发给目的节点，并更新相应的链路信息。如果目的节点不在其邻居节点集N_v范围内，则查看可信邻居节点集N_i并按照状态转移概率函数来确定下一跳中继节点。状态转移概率函数由信息素和启发函数综合决定，其计算公式为：

其中，N_i为消息发送节点i通过综合信任值构建的可信邻居节点集，τ_ij为消息发送节点i到中继节点j的信息素值，η_ij为消息发送节点i到中继节点j基于社会关系强度的启发函数值；参数α与β分别为信息素τ_ij和启发值η_ij的权重，α反映了信息素在蚂蚁寻找路径过程中所起的作用，其值越大，路径被蚂蚁选择的倾向越高，蚂蚁之间协作性越强；β反映了基于社会亲密度的启发函数在蚂蚁寻径过程中所起到的作用，其值越大，表示节点间的社会亲密度对转移函数越重要。

ii.蚂蚁信息素含量更新

蚁群每次迭代完成后，会对蚂蚁发现的路径进行路径质量评估，并对本次迭代中的路径进行信息素含量更新。蚂蚁路径质量计算公式为：

其中，A＝0.5是一个预设值常量，I_ij表示消息发送节点i评估中继节点j的社会亲密度，d_ij表示消息发送节点i与中继节点j之间的距离。路径质量评估是基于节点间的社会亲密度，社会亲密度越高，节点间消息传输意愿越积极，那么节点间的路径质量也越高。信息素的更新公式为：

其中，τ_ij表示消息发送节点i与中继节点j路径上信息素含量，ρ是信息素的蒸发系数，表示第k只蚂蚁消息发送节点i与中继节点j路径的质量。

iii.消息转发策略

(1)若消息发送节点在目的节点的邻居节点中，则将消息直接转发给目的节点，并更新相关信息；

(2)若消息发送节点不在目的节点的邻居节点中，则该节点根据公式(8)计算当前邻居节点综合信任值并决定邻居节点是否加入可信邻居节点集N_i，对可信邻居节点按公式(13)中的状态转移概率函数选择下一跳中继节点；若可信邻居节点集N_i中没有可信节点，则不进行消息转发，将消息保留在本节点中；

(3)重复以上过程直到消息到达目的节点或者超时被丢弃为止。

三、本发明的有益效果

本发明主要利用蚁群算法分布式、自适应的特性在网络中寻找最优路径，首先利用节点间的历史交互信息评估节点综合信任值以有效选择网络中的可信邻居节点，然后基于社会亲密度的状态转移函数选择转发意愿更高、关系更紧密的中继节点进行消息的传输，最后实现族内的可信消息转发策略。

本发明在含有自私节点的MSN网络中有良好性能，可以有效避免自私节点参与路由转发过程中，将消息转发给转发意愿更高、关系更紧密的中继节点，消息的传输可靠性和消息转发性能得到显著提升。

附图说明

图1为本发明一种MSN下族内可信蚁群机会路由改进算法的流程图。

图2(a)为本发明仿真实验中不同消息生存周期时算法性能对比--传输成功率随消息周期变化示意图。

图2(b)为本发明仿真实验中不同消息生存周期时算法性能对比--消息传输时延随消息周期变化示意图。

图3(a)为本发明仿真实验中不同自私节点数量时算法性能对比--传输成功率随自私节点数变化示意图。

图3(b)为本发明仿真实验中不同自私节点数量时算法性能对比--消息传输时延随自私节点数变化示意图。

图4(a)为本发明仿真实验中不同消息产生时间间隔时算法性能对比--传输成功率随着消息产生间隔时间的变化示意图。

图4(b)为本发明仿真实验中不同消息产生时间间隔时算法性能对比--消息传输时延随着消息产生间隔时间的变化示意图。

图5为本发明仿真实验中节点综合信任值随周期变化情况。

具体实施方式

下面结合附图和具体实施例中的仿真实验，对本发明做进一步的说明。

(一)族内可信蚁群机会路由改进算法伪代码，如表1所示：

表1族内可信蚁群机会路由改进算法

上述算法中各个参数的定义参照发明内容，各个参数的计算公式参照发明内容中的公式(1)-(15)，在此不再赘述。

(二)本发明的仿真实验结果

为了检验发明提出的族内可信蚁群机会路由改进算法的性能，下面通过调整消息生存时间、网络中自私节点数和对社会亲密度的考察来分析本算法的性能，并与其他经典算法在相同场景下的性能进行对比，分析本算法的适用范围和性能优劣。网络性能评价指标包括消息传输成功率和消息平均传输时延。消息传输成功率为成功传递消息数与网络中产生的总消息数的比值，表征了算法的传输可靠性；消息平均传输时延为消息从源节点转发到目的节点的平均消耗时间，指标评估路由算法的延迟性。

如图2(a)、图2(b)所示，仿真显示4种路由算法随着消息生存周期的增加其性能指标的变化情况。随着消息生存周期的增加，Epidemic和PROPHET算法传输率随时间缓慢提升，因为这两种算法采用了无限副本转发策略，消息生存周期的增加会让网络存在大量的消息，导致节点缓存中没有及时转发的消息被删除从而降低了传输率。而Trust-ACO算法由于考虑了综合信任值和社会亲密度在传输成功率方面有一定程度的提升，在消息生存时间达到120min后其传输成功率达到60％且继续增加。ACO算法随着消息生存周期的增加消息转发成功率最低。在消息传输时延方面Trust-ACO算法相对于其他算法比较小。

如图3(a)、图3(b)所示，在网络中设置一定数量的自私节点，显示4种路由算法随着自私节点数量的增加其性能指标的变化情况。随着自私节点数量的增加，4种路由算法的传输成功率都表现下降趋势。由于Trust-ACO算法采用了综合信任值评估，在性能方面表现出明显的优势，当自私节点数低于30时保持80％以上的传输成功率，即使网络中自私节点数量达到40时传输成功率也在70％左右。Epidemic和PROPHET算法因无法抑制节点的自私行为，消息在传输过程由于生存时间超时被删除，导致在自私节点数量增加之后消息传输成功率下降明显。ACO算法由于没有采用避免自私节点的路由策略，节点自私行为对其影响较大。

如图4(a)、4(b)所示，仿真显示4种路由算法随着消息产生间隔时间的增加其性能指标的变化情况。在单位时间内网络中节点产生的消息越多，节点间消息的交互频繁度越高，则节点间社会关系越亲密，即消息产生间隔时间越短，节点间社会亲密度越高。随着消息产生间隔时间的增加，Epidemic和PROPHET算法的传输成功率和消息传输时延没有明显的变化。由于Trust-ACO算法考虑到节点间的社会亲密度，表现出一定程度上的性能优势，在消息产生间隔时间为5min时，由于节点间频繁的消息传输，其节点间社会亲密度变高，消息的传输成功率为85％，且随着间隔时间增加，消息传输成功率呈下降趋势。ACO算法由于没有考虑社会属性，消息传输率保持60％左右。在消息传输时延方面，Trust-ACO算法在消息产生间隔时间低于20min时优于其他算法。

如图5所示，显示了随着消息周期数的增加，可信节点和自私节点的综合信任值变化情况。可信节点的平均综合信任值在前50个周期快速上升，随着周期的增加，上升趋势趋近于平缓，并且综合信任值接近于1；而自私节点一开始的平均综合信任值随着周期增加大幅度下降，大约在第70个周期下降趋势趋于平缓，最后综合信任值接近于0.1，表明综合信任值可有效区分出网络中的可信节点和自私节点。

Claims (7)

1.一种MSN下族内可信蚁群机会路由改进算法，其特征在于：其包括如下步骤：

(1)节点i接收消息，消息目的节点为节点d；节点i发送Hello报文，构建邻居节点集；

(2)目的节点d在节点i的邻居节点集中，节点i转发消息给目的节点d；目的节点d不在节点i的邻居节点集中，节点i计算邻居节点集中所有节点的综合信任值，构建可信邻居节点集N_i；

(3)判断可信邻居节点集N_i中是否具有可信节点，如果没有可信节点，则节点i保留节点消息，如果存在可信节点，进入下一步；

(4)计算节点i的蚂蚁启发函数η_ij、计算节点i的状态转移函数P_ij，按P_ij选择下一跳节点，转发消息；

(5)评估蚂蚁路径质量Q_ij，更新蚂蚁信息素；

(6)重复以上过程(1)至(5)直到消息到达目的节点或者超时被丢弃为止。

2.根据权利要求1所述的一种MSN下族内可信蚁群机会路由改进算法，其特征在于：G＝(V，E)表示一个包含n个节点的MSN，V＝{V₁，V₂，...，V_n}(n≥1)表示网络中所有节点的集合，V_i表示网络中第i个节点，E为节点间边e的集合；使用二元组<T_ij，I_ij>表示发送节点i对邻居节点j的综合信任值评估和社会亲密度评估；步骤(1)中构建可信邻居节点集，包括节点i对邻居节点j直接信任值间接信任值的计算，根据所述直接信任值间接信任值计算综合信任值随着时间周期Δt动态变化，不断更新综合信任值T_ij(t+Δt)；发送数据报文，依据得到的消息，发送节点i对中继节点j的综合信任值，对中继节点j进行判别：根据对节点j进行判别，构建节点i的可信邻居节点集N_i。

3.根据权利要求2所述的一种MSN下族内可信蚁群机会路由改进算法，其特征在于：

直接信任值的计算：

将节点i与节点j之间的交互分为成功交互S_ij、失败交互F_ij和不确定交互U_ij，其计算公式为：

其中，S_ij+F_ij+U_ij＝1，直接信任值计算公式为：

其中，θ是不确定交互中实际成功交互的占比，θ值随着应用场景的变化而改变，根据文献其默认值为0.5；

间接信任值的计算：

节点i与节点j对共同相遇节点直接信任值的相似程度称为信任相似度cos(i，j)。

节点i与节点j为邻居节点，节点i与节点j的公共相遇节点集为N_s，信任相似度cos(i，j)的计算公式为：

其中，N_s＝{N₁，N₂，...，N_n}表示节点i与节点j的共同相遇节点集，采用信任向量表示节点i对每一个相遇节点的信任评估情况，其表达式为： 表示节点i对公共相遇节点集中节点N_p的直接信任值；

通过共同相遇节点集N_s所推荐的节点j直接信任值反映出节点j的信任值度量称为间接信任值

通过节点信任相似度和直接信任值可以准确反映出间接信任值其计算公式为：

其中，N_s＝{N₁，N₂，...，N_n}表示节点i与节点j的共同相遇节点集；表示节点k对节点j的直接信任值；

综合信任值的计算：

其中，和分别为直接信任值和推荐信任值的权重。

综合信任值的更新：

综合信任值随着时间周期Δt动态变化，综合信任值的更新取决于当前周期的综合信任值和上周期结束后的综合信任值T_ij(t)，综合信任值的更新公式为：

4.根据权利要求2所述的一种MSN下族内可信蚁群机会路由改进算法，其特征在于：消息发送节点通过定期发送Hello报文给通信范围内的中继节点，中继节点在收到消息发后会立刻回应ACK报文，依据得到的消息发送节点i对中继节点j的综合信任值，对中继节点j进行判别：

(1)0＜T_ij＜Y，表示节点j是自私节点，那么节点j不进入节点i的可信邻居节点集N_i；

(2)Y≤T_ij≤1，表示节点j是可信节点，节点j直接进入节点i的可信邻居节点集N_i；

其中，Y表示可信阈值，N_i为节点i的可信邻居节点集。

5.根据权利要求1所述一种MSN下族内可信蚁群机会路由改进算法，其特征在于：步骤(4)中的蚂蚁启发函数计算如下：节点i与节点j间社会关系强度的度量称为社会亲密度I_ij；设C_ij为节点i向节点j转发的消息次数，即节点i到节点j的出度值；社会亲密度I_ij计算公式为：

其中，表示节点i向所有节点传输的消息次数总和，表示节点j从其他所有节点接收的消息次数总和；

启发函数计算公式为：

其中，I_ij表示消息发送节点i评估中继节点j的社会亲密度，d_ij表示消息发送节点i与中继节点j之间的距离。

6.根据权利要求1所述一种MSN下族内可信蚁群机会路由改进算法，其特征在于：状态转移概率函数由信息素和启发函数综合决定，其计算公式为：

其中，N_i为消息发送节点i通过综合信任值构建的可信邻居节点集，τ_ij为消息发送节点i到中继节点j的信息素值，η_ij为消息发送节点i到中继节点j基于社会关系强度的启发函数值；参数α与β分别为信息素τ_ij和启发值η_ij的权重，α反映了信息素在蚂蚁寻找路径过程中所起的作用；β反映了基于社会亲密度的启发函数在蚂蚁寻径过程中所起到的作用。

7.根据权利要求1所述一种MSN下族内可信蚁群机会路由改进算法，其特征在于：蚁群每次迭代完成后，会对蚂蚁发现的路径进行路径质量评估，并对本次迭代中的路径进行信息素含量更新。蚂蚁路径质量计算公式为：

其中，A＝0.5是一个预设值常量，I_ij表示消息发送节点i评估中继节点j的社会亲密度，d_ij表示消息发送节点i与中继节点j之间的距离；路径质量评估是基于节点间的社会亲密度，信息素的更新公式为：

其中，τ_ij表示消息发送节点i与中继节点j路径上信息素含量，ρ是信息素的蒸发系数，表示第k只蚂蚁消息发送节点i与中继节点j路径的质量。