CN110049530B - 车载自组织网络中基于q学习和信任模型的路由方法 - Google Patents

车载自组织网络中基于q学习和信任模型的路由方法 Download PDF

Info

Publication number
CN110049530B
CN110049530B CN201910440009.7A CN201910440009A CN110049530B CN 110049530 B CN110049530 B CN 110049530B CN 201910440009 A CN201910440009 A CN 201910440009A CN 110049530 B CN110049530 B CN 110049530B
Authority
CN
China
Prior art keywords
node
cluster
cluster head
grid
head node
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
Application number
CN201910440009.7A
Other languages
English (en)
Other versions
CN110049530A (zh
Inventor
董庆宽
丁文静
陈原
姚雪
马晓潇
刘至球
王蕾
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.)
Xidian University
Original Assignee
Xidian 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 Xidian University filed Critical Xidian University
Priority to CN201910440009.7A priority Critical patent/CN110049530B/zh
Publication of CN110049530A publication Critical patent/CN110049530A/zh
Application granted granted Critical
Publication of CN110049530B publication Critical patent/CN110049530B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种车载自组织网络中基于Q学习和信任模型的路由方法，主要解决现有技术中车载自组织网络中最优路由路径建立的问题。本发明实现步骤是：(1)对车载自组织网络进行分簇；(2)选取每个网格中的每个簇的簇头节点；(3)计算每个网格中簇头节点的信任值；(4)维护每个网格中的簇头节点；(5)将Q值保存到路由表；(6)簇内节点通信；(7)簇间节点通信；(8)路由路径建立完成。本发明与现有技术相比，通过计算簇头节点的信任值，并采用Q学习方法动态的选择最优的路由路径，有效提高了路由路径的安全性和可靠性。

Description

车载自组织网络中基于Q学习和信任模型的路由方法
技术领域
本发明属于通信技术领域，更进一步涉及网络通信技术领域中的一种车载自组织网络中基于Q学习和信任模型的路由方法。本发明可用于在车载自组织网中寻找安全的路由路径，采用信任模型对车载自组织网络中由分簇算法选举出的簇头节点作信任评估，并采用Q学习方法来动态的选择最优的路由路径进行数据的传输。
背景技术
车载自组织网络是一种由若干个相对独立的车辆节点和路边单元RSU共同组成的具有自组织能力的嵌入式无线网络，该网络得以高效正常运转依赖于网络内车辆节点具有高可信度且相互间以诚信的协作方式运行。
中山大学在其申请的专利文献“一种车载自组织网络的模糊分簇算法”(申请号：201710491657.6，申请公布号：CN 107426694 A)中提出一种车载自组织网络中利用模糊分簇算法选择路由路径的方法。该方法首先通过模糊逻辑的思想定义一个可以衡量车辆节点成为簇头的能力参数，并基于该能力参数选出簇头节点。当有数据包需要传输时，若发送节点和目的节点在同一个簇内，直接将数据包发送给自己所在簇的簇头节点进行转发；若发送节点和目的节点不在同一个簇内，发送节点首先将数据包发送给自己的簇头节点，由簇头节点向其他簇头节点发起路由请求，其路由路径的发现在各个簇的簇头节点之间进行。该方法存在的不足之处是：该方法的路由选择中未考虑簇头节点的安全性，当车载自组织网络存在恶意的簇头节点时，恶意的簇头节点会对接收到的数据包不进行转发或丢弃，导致网络连通失效。
北京邮电大学在其申请的专利文献“一种基于复杂网络中心性的VANET分簇路由方法”(申请号：201610361674.3，申请公布号：CN 106060888 A)中提出一种基于复杂网络中心性的VANET分簇路由方法。该方法依据所形成的簇结构建立路由，当源节点和目标节点在同一个簇时，源节点将数据包直接交付给自己的簇头节点，按照本地路由表进行数据包的转发，完成数据传输。当源节点和目标节点不在同一个簇时，源节点首先将数据包发送给自己的簇头节点，然后由源节点的簇头节点发起一个路由发现过程，通过路由请求和路由应答实现，路由请求包从源簇头节点开始寻找一跳范围内信任值最大的簇头节点，经中间节点至目标节点。路由请求包到达目标节点后，目标节点向源簇头节点发送路由应答包建立路由路径。该方法存在的不足之处是：在路由寻找过程中，每次仅从一跳范围内选择信任值最大的簇头节点进行数据传输，未从全局角度考虑路由路径的选择，容易陷入局部最优，不能找到可靠性最高的路由路径传输数据的问题。
发明内容
本发明的目的是针对上述现有技术的不足，提出一种车载自组织网络中基于Q学习和信任模型的路由方法。解决了现有技术中网络中存在恶意的簇头节点时，恶意的簇头节点会对接收到的数据包不进行转发或丢弃，导致网络连通失效问题。还解决了现有技术中路由寻找过程中，每次仅从一跳范围内选择信任值最大的簇头节点进行数据传输，未从全局角度考虑路由路径的选择，容易陷入局部最优，不能找到可靠性最高的路由路径传输数据的问题。
实现本发明目的的思路是：通过利用信任值公式对车载自组织网络中的每个簇头节点作信任计算，并采用Q学习方法依据簇头节点的信任值动态的选择全局最优的路由路径，使网络中的车辆节点根据最优的路由路径，完成数据传输。
本发明具体步骤包括如下：
(1)对车载自组织网络进行分簇：
(1a)将城市区域中的车辆和路边单元RSU作为节点组成车载自组织网络；
(1b)用边长为
Figure BDA0002071753330000021
的网格划分车载自组织网络，其中，r表示节点的通信半径；
(1c)将每个网格内的所有节点构成一个簇，每个簇中的每个节点为簇成员节点；
(2)选取每个网格中的每个簇的簇头节点：
(2a)利用距离公式，计算每个网格中的每个簇成员节点与其所在网格中心点之间的直接距离；
(2b)从每个网格中选取直接距离最小的簇成员节点，作为每个网格中的每个簇的簇头节点；
(3)计算每个网格中簇头节点的信任值：
(3a)按照下式，计算每个网格中簇头节点的直接信任值：
Figure BDA0002071753330000031
其中，mj表示在每个周期时间T秒内第j个网格中簇头节点的直接信任值，T的取值为[1,100]内随机选取的一个正整数，n表示第j个网格中的节点总数，∑表示求和操作，i表示簇成员节点的序号，i的取值范围为[1,n-1]，sji表示每个周期时间内第j个网格中簇头节点与第i个簇成员节点的成功交互的次数，fji表示每个周期时间内第j个网格中簇头节点与第i个簇成员节点的失败交互的次数；
(3b)在每个周期时间内，用每个网格中簇头节点实际转发的数据包数除以该网格中簇头节点实际接收的数据包总数，得到该周期时间内每个网格中簇头节点的间接信任值；
(3c)利用信任值公式，计算每个周期时间内每个网格中簇头节点的信任值；
(4)维护每个网格中的簇头节点：
(4a)将信任值大于或者等于0.5的簇头节点作为可信节点，继续保持该簇头节点的身份；
(4b)将信任值小于0.5的簇头节点作为不可信节点，将其变为簇成员节点，将该簇头节点所在网格中直接距离最小的簇成员节点作为该网格新的簇头节点；
(5)将Q值保存到路由表：
(5a)利用Q值公式，计算每个簇头节点在其通信范围内与每个相邻簇头节点间的Q值；
(5b)将每个簇头节点在其通信范围内与每个相邻簇头节点间的Q值，保存到该簇头节点对应的路由表中；
(6)簇内节点通信：
当发送节点和接收节点位于同一网格中的簇时，发送节点直接将数据包发送给同一网格中的簇的簇头节点，簇头节点收到数据包后，将其转发给接收节点；
(7)簇间节点通信：
(7a)判断与接收节点位于不同簇的发送节点是否为其所在簇的簇头节点，若是，则执行步骤(7c)，否则，执行步骤(7b)；
(7b)发送节点向其所在簇的簇头节点发送路由请求包；
(7c)发送节点所在簇的簇头节点向其通信范围内的簇头节点广播路由请求包后执行步骤(7d)；
(7d)判断接收到路由请求包的簇头节点是否为接收节点所在簇的簇头节点，若是，则执行步骤(7f)，否则，执行步骤(7e)；
(7e)接收到路由请求包的簇头节点，将接收到的路由请求包逐跳转发给接收节点所在簇的簇头节点后执行步骤(7f)；
(7f)接收节点所在簇的簇头节点生成路由应答包；
(7g)将路由应答包发送给其通信范围内Q值最大的簇头节点；
(7h)判断路由应答包是否到达发送节点，若是，则执行步骤(8)，否则，执行步骤(7g)；
(8)发送节点和接收节点的路由路径建立完成，发送节点开始按照路由表信息将数据包发送给接收节点。
本发明与现有技术相比具有以下优点：
第一，由于本发明利用每个网格中簇头节点的信任值来判断每个网格中簇头节点是否为可信节点，克服了现有技术中车载自组织网络中存在恶意的簇头节点时，恶意的簇头节点会对接收到的数据包不进行转发或丢弃，导致网络连通失效的问题，使得本发明在保证簇头节点的安全的前提下，使车载自组织网络中数据的传输均在安全可信的簇头节点间进行，提高了车载自组织网络中的路由路径的可靠性。
第二，由于本发明在发送节点和接收节点的路由路径建立过程中，使用了Q学习方法，将路由路径建立过程中的路由应答包发送给其通信范围内Q值最大的簇头节点，克服了现有技术中路由路径的选择容易陷入局部最优的问题，使得本发明可以从全局考虑建立最优的路由路径，使车载自组织网络中发送节点根据最优的路由路径给接收节点传输数据时具有高效性。
附图说明
图1是本发明的流程图。
具体实施方式
下面结合附图1对本发明的具体步骤做进一步描述。
步骤1，对车载自组织网络进行分簇。
将城市区域中的车辆和路边单元RSU，作为节点组成车载自组织网络。
所述的路边单元RSU是指，可独立地部署于道路两侧采集数据的固定设置。
用边长为
Figure BDA0002071753330000051
的网格划分车载自组织网络，其中，r表示节点的通信半径。
将每个网格内的所有节点构成一个簇，每个簇中的每个节点为簇成员节点。
步骤2，选取每个网格中的每个簇的簇头节点。
利用距离公式，计算每个网格中的每个簇成员节点与其所在网格中心点之间的直接距离。
所述的距离公式如下：
Figure BDA0002071753330000052
其中，dji表示第j个网格中第i个簇成员节点与第j个网格中心点之间的直接距离，
Figure BDA0002071753330000053
表示求平方根操作，(xji,yji)表示第j个网格中第i个簇成员节点的坐标，(xj,yj)表示第j个网格中心点的坐标，r表示第j个网格中第i个簇成员节点的通信半径。
考虑离网格中心点最近的簇成员节点具有最好的连通性，从每个网格中选取直接距离最小的簇成员节点，作为每个网格中的每个簇的簇头节点。
步骤3，计算每个网格中簇头节点的信任值。
从每个网格中簇头节点的直接信任值与间接信任值两个方面来考虑每个网格中簇头节点的信任值。
按照下式，计算每个网格中簇头节点的直接信任值：
Figure BDA0002071753330000054
其中，mj表示在每个周期时间T秒内第j个网格中簇头节点的直接信任值，T的取值为[1,100]内随机选取的一个正整数，n表示第j个网格中的节点总数，Σ表示求和操作，i表示簇成员节点的序号，i的取值范围为[1,n-1]，sji表示每个周期时间内第j个网格中簇头节点与第i个簇成员节点的成功交互的次数，fji表示每个周期时间内第j个网格中簇头节点与第i个簇成员节点的失败交互的次数。
考虑到每个周期时间内每个网格中簇头节点对实际接收到的数据包的实际转发情况，在每个周期时间内，用每个网格中簇头节点实际转发的数据包数除以该网格中簇头节点实际接收的数据包总数，得到该周期时间内每个网格中簇头节点的间接信任值。
利用信任值公式，计算每个周期时间内每个网格中簇头节点的信任值。
所述的信任值公式如下：
Figure BDA0002071753330000061
其中，Rj表示周期时间T秒内第j个网格中簇头节点的信任值，mj表示每个周期时间内第j个网格中簇头节点的直接信任值，rj表示每个周期时间内第j个网格中簇头节点的间接信任值。
步骤4，维护每个网格中的簇头节点。
通过对簇头节点的维护，可保证车载自组织网络中簇头节点均为可信节点，可保证簇头节点的安全性。
将信任值大于或者等于0.5的簇头节点作为可信节点，继续保持该簇头节点的身份。
将信任值小于0.5的簇头节点作为不可信节点，将其变为簇成员节点，重新选取该网格新的簇头节点，将该簇头节点所在网格中直接距离最小的簇成员节点作为该网格新的簇头节点。
步骤5，将Q值保存到路由表。
利用Q值公式，计算每个簇头节点在其通信范围内与每个相邻簇头节点间的Q值，Q值越大表明该簇头节点的可信度越高。
所述的Q值公式如下：
Q(s,j)＝(1-α)Q(s,j)+α[Rj+γmaxQ(b,c)]
其中，Q(s,j)表示第s个网格中簇头节点在其通信范围内与第j个网格中簇头节点间的Q值，α表示取值为0.7的学习因子，Rj表示周期时间T秒内第j个网格中簇头节点的信任值，γ表示取值为0.7的折扣因子，max表示取最大值操作，Q(b,c)表示第b个网格中簇头节点在其通信范围内与第c个网格中簇头节点间的Q值。
将每个簇头节点在其通信范围内与每个相邻簇头节点间的Q值，保存到该簇头节点对应的路由表中。该路由表存储的字段有：簇头节点、簇头节点通信范围内的相邻簇头节点、簇头节点在其通信范围内与其相邻簇头节点间的Q值、目的簇头节点。
步骤6，簇内节点通信。
在分簇式路由中，数据包的转发仅在簇头节点间传递，当发送节点和接收节点位于同一网格中的簇时，发送节点直接将数据包发送给同一网格中的簇头节点，簇头节点收到数据包后，将其转发给接收节点。
步骤7，簇间节点通信。
(7.1)判断与接收节点位于不同簇的发送节点是否为其所在簇的簇头节点，若是，则执行本步骤的(7.3)，否则，执行本步骤的(7.2)。
(7.2)发送节点向其所在簇的簇头节点发送路由请求包。
(7.3)发送节点所在簇的簇头节点向其通信范围内的簇头节点广播路由请求包后执行本步骤的(7.4)。
(7.4)判断接收到路由请求包的簇头节点是否为接收节点所在簇的簇头节点，若是，则执行本步骤的(7.6)，否则，执行本步骤的(7.5)。
(7.5)接收到路由请求包的簇头节点，将接收到的路由请求包逐跳转发给接收节点所在簇的簇头节点后执行本步骤的(7.6)。
(7.6)接收节点所在簇的簇头节点生成路由应答包。
(7.7)将路由应答包发送给其通信范围内Q值最大的簇头节点。
(7.8)判断路由应答包是否到达发送节点，若是，则执行步骤8，否则，执行本步骤的(7.7)。
步骤8，发送节点和接收节点的路由路径建立完成，发送节点开始按照路由表信息将数据包发送给接收节点。

Claims (3)

1.一种车载自组织网络中基于Q学习和信任模型的路由方法，其特征在于，在车载自组织网络中采用信任模型对簇头节点做信任评估，并采用Q学习方法来进行路由路径的探索，充分保证了路由转发过程的可靠性，且有效减少了路由转发路径的跳数，该方法具体步骤包括如下：
(1)对车载自组织网络进行分簇：
(1a)将城市区域中的车辆和路边单元RSU作为节点组成车载自组织网络；
(1b)用边长为
Figure FDA0003338560720000011
的网格划分车载自组织网络，其中，r表示节点的通信半径；
(1c)将每个网格内的所有节点构成一个簇，每个簇中的每个节点为簇成员节点；
(2)选取每个网格中的每个簇的簇头节点：
(2a)利用距离公式，计算每个网格中的每个簇成员节点与其所在网格中心点之间的直接距离；
(2b)从每个网格中选取直接距离最小的簇成员节点，作为每个网格中的每个簇的簇头节点；
(3)计算每个网格中簇头节点的信任值：
(3a)按照下式，计算每个网格中簇头节点的直接信任值：
Figure FDA0003338560720000012
其中，mj表示在每个周期时间T秒内第j个网格中簇头节点的直接信任值，T的取值为[1,100]内随机选取的一个正整数，n表示第j个网格中的节点总数，∑表示求和操作，i表示簇成员节点的序号，i的取值范围为[1,n-1]，sji表示每个周期时间内第j个网格中簇头节点与第i个簇成员节点的成功交互的次数，fji表示每个周期时间内第j个网格中簇头节点与第i个簇成员节点的失败交互的次数；
(3b)在每个周期时间内，用每个网格中簇头节点实际转发的数据包数除以该网格中簇头节点实际接收的数据包总数，得到该周期时间内每个网格中簇头节点的间接信任值；
(3c)利用下述信任值公式，计算每个周期时间内每个网格中簇头节点的信任值：
Figure FDA0003338560720000021
其中，Rj表示周期时间T秒内第j个网格中簇头节点的信任值，mj表示周期时间T秒内第j个网格中簇头节点的直接信任值，rj表示周期时间T秒内第j个网格中簇头节点的间接信任值；
(4)维护每个网格中的簇头节点：
(4a)将信任值大于或者等于0.5的簇头节点作为可信节点，继续保持该簇头节点的身份；
(4b)将信任值小于0.5的簇头节点作为不可信节点，将其变为簇成员节点，将该簇头节点所在网格中直接距离最小的簇成员节点作为该网格新的簇头节点；
(5)将Q值保存到路由表：
(5a)利用下述Q值公式，计算每个簇头节点在其通信范围内与每个相邻簇头节点间的Q值：
Q(s,j)＝(1-α)Q(s,j)+α[Rj+γmaxQ(b,c)]
其中，Q(s,j)表示第s个网格中簇头节点在其通信范围内与第j个网格中簇头节点间的Q值，α表示取值为0.7的学习因子，Rj表示周期时间T秒内第j个网格中簇头节点的信任值,γ表示取值为0.7的折扣因子，max表示取最大值操作，Q(b,c)表示第b个网格中簇头节点在其通信范围内与第c个网格中簇头节点间的Q值；
(5b)将每个簇头节点在其通信范围内与每个相邻簇头节点间的Q值，保存到该簇头节点对应的路由表中；
(6)簇内节点通信：
当发送节点和接收节点位于同一网格中的簇时，发送节点直接将数据包发送给同一网格中的簇头节点，簇头节点收到数据包后，将其转发给接收节点；
(7)簇间节点通信：
(7a)判断与接收节点位于不同簇的发送节点是否为其所在簇的簇头节点，若是，则执行步骤(7c)，否则，执行步骤(7b)；
(7b)发送节点向其所在簇的簇头节点发送路由请求包；
(7c)发送节点所在簇的簇头节点向其通信范围内的簇头节点广播路由请求包后执行步骤(7d)；
(7d)判断接收到路由请求包的簇头节点是否为接收节点所在簇的簇头节点，若是，则执行步骤(7f)，否则，执行步骤(7e)；
(7e)接收到路由请求包的簇头节点，将接收到的路由请求包逐跳转发给接收节点所在簇的簇头节点后执行步骤(7f)；
(7f)接收节点所在簇的簇头节点生成路由应答包；
(7g)将路由应答包发送给其通信范围内Q值最大的簇头节点；
(7h)判断路由应答包是否到达发送节点，若是，则执行步骤(8)，否则，执行步骤(7g)；
(8)发送节点和接收节点的路由路径建立完成，发送节点开始按照路由表信息将数据包发送给接收节点。
2.根据权利要求1所述的车载自组织网络中基于Q学习和信任模型的路由方法，其特征在于：步骤(1a)中所述的路边单元RSU是指，可独立地部署于道路两侧采集数据的固定设置。
3.根据权利要求1所述的车载自组织网络中基于Q学习和信任模型的路由方法，其特征在于：步骤(2a)中所述的距离公式如下：
Figure FDA0003338560720000031
其中，dji表示第j个网格中第i个簇成员节点与第j个网格中心点之间的直接距离，
Figure FDA0003338560720000032
表示求平方根操作，(xji,yji)表示第j个网格中第i个簇成员节点的坐标，(xj,yj)表示第j个网格中心点的坐标，r表示第j个网格中第i个簇成员节点的通信半径。
CN201910440009.7A 2019-05-24 2019-05-24 车载自组织网络中基于q学习和信任模型的路由方法 Active CN110049530B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910440009.7A CN110049530B (zh) 2019-05-24 2019-05-24 车载自组织网络中基于q学习和信任模型的路由方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910440009.7A CN110049530B (zh) 2019-05-24 2019-05-24 车载自组织网络中基于q学习和信任模型的路由方法

Publications (2)

Publication Number Publication Date
CN110049530A CN110049530A (zh) 2019-07-23
CN110049530B true CN110049530B (zh) 2022-03-04

Family

ID=67283654

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910440009.7A Active CN110049530B (zh) 2019-05-24 2019-05-24 车载自组织网络中基于q学习和信任模型的路由方法

Country Status (1)

Country Link
CN (1) CN110049530B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111510956B (zh) * 2020-03-14 2023-07-07 大连昊洋科技发展有限公司 一种基于分簇和增强学习的混合路由方法、海洋通信系统
CN111565188B (zh) * 2020-04-30 2022-02-22 长安大学 基于结合消息类型和信任值置信度的vanet信任模型工作方法
CN113556286B (zh) * 2021-05-31 2022-07-29 北京邮电大学 对等网络的通信方法及系统
CN113613307B (zh) * 2021-07-15 2023-08-04 天津(滨海)人工智能军民融合创新中心 一种基于局部主动路由辅助的按需路由方法
CN113726664B (zh) * 2021-08-03 2022-10-28 哈尔滨工程大学 一种基于双更新策略的车联网节点转发效用学习方法
CN116782181B (zh) * 2023-08-23 2024-02-09 南京邮电大学 基于分簇和q学习的车联网自适应路由方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103501346B (zh) * 2013-10-14 2016-08-10 重庆邮电大学 一种基于机器学习及网络节点信誉的非结构化p2p资源搜索方法
CN103957525B (zh) * 2014-05-12 2018-02-27 江苏大学 车联网中基于分簇信任评估的恶意节点检测方法
US9754221B1 (en) * 2017-03-09 2017-09-05 Alphaics Corporation Processor for implementing reinforcement learning operations
CN109547351B (zh) * 2019-01-22 2020-04-14 西安电子科技大学 Ad Hoc网络中基于Q学习和信任模型的路由方法

Also Published As

Publication number Publication date
CN110049530A (zh) 2019-07-23

Similar Documents

Publication Publication Date Title
CN110049530B (zh) 车载自组织网络中基于q学习和信任模型的路由方法
Gaber et al. Trust-based secure clustering in WSN-based intelligent transportation systems
Belding‐Royer Routing approaches in mobile ad hoc networks
Zhang et al. Extended AODV routing method based on distributed minimum transmission (DMT) for WSN
CN106332213B (zh) 一种减少ZigBee无线传输网络路由跳数的方法
CN109819437B (zh) WSN中基于Sink和网格的源节点位置隐私保护方法
CN103139073B (zh) 一种基于Ad Hoc网络形式的认知路由方法
CN105848242A (zh) 一种无线传感器网络中基于信任感知的安全路由优化方法
Attia et al. Advanced greedy hybrid bio-inspired routing protocol to improve IoV
Kumar et al. A survey on topology and position based routing protocols in vehicular ad hoc network (VANET)
Rathish et al. A Hybrid Efficient Distributed Clustering Algorithm Based Intrusion Detection System to Enhance Security in MANET
CN108834100A (zh) 一种高效的广播路由方法
CN106686680B (zh) 一种用于车联网的路由优化系统及方法
Katiyar et al. Advanced multi-hop clustering (AMC) in vehicular ad-hoc network
Sharma et al. A contemporary proportional exploration of numerous routing protocol in VANET
CN110831006A (zh) 自组网系统及其数据传输方法
Spurthy et al. An efficient cluster-based approach to thwart wormhole attack in adhoc networks
CN109874162A (zh) 高空高速移动节点自组网的混合式路由协议设计优化方法
CN104901885B (zh) 一种地理位置信息辅助的安全路由选择方法
CN101409905A (zh) 一种基于任播方式的移动多跳分组无线网络路由方法
Wang et al. An improved VANET intelligent forward decision-making routing algorithm
Saleh Secure optimized request zone location-aided routing protocols with Wi-Fi direct for vehicular ad hoc networks
Su et al. Transmission Protocol of Emergency Messages in VANET Based on the Trust Level of Nodes
Mittal et al. Implementation of a novel protocol for Coordination of nodes in Manet
Yang et al. Performance research of an improved hybrid routing protocol

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