CN111770548B - 基于萤火虫算法的无人机自组网dsr协议优化方法 - Google Patents

基于萤火虫算法的无人机自组网dsr协议优化方法 Download PDF

Info

Publication number
CN111770548B
CN111770548B CN202010814328.2A CN202010814328A CN111770548B CN 111770548 B CN111770548 B CN 111770548B CN 202010814328 A CN202010814328 A CN 202010814328A CN 111770548 B CN111770548 B CN 111770548B
Authority
CN
China
Prior art keywords
node
firefly
unmanned aerial
aerial vehicle
value
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
CN202010814328.2A
Other languages
English (en)
Other versions
CN111770548A (zh
Inventor
刘庆华
黄声培
叶金才
康一鸣
肖菁颖
何垣鑫
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.)
Guilin University of Electronic Technology
Original Assignee
Guilin University of Electronic Technology
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 Guilin University of Electronic Technology filed Critical Guilin University of Electronic Technology
Priority to CN202010814328.2A priority Critical patent/CN111770548B/zh
Publication of CN111770548A publication Critical patent/CN111770548A/zh
Application granted granted Critical
Publication of CN111770548B publication Critical patent/CN111770548B/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
    • H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
    • 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]
    • 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
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/34—Source routing
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

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

Abstract

本发明公开了一种基于萤火虫算法的无人机自组网DSR协议优化方法，利用邻居节点接收源节点以广播形式发出的初始化后的路由请求，并根据能量消耗、移动速度、传输损耗和拥塞率计算出对应的适应度函数值和综合适应度值；获取初始萤火虫位置并初始化发光强度，同时基于移动公式做离散化移动；并将移动后的所述萤火虫映射到对应无人机节点上，并对应调整所述萤火虫位置和发光强度，直至所述萤火虫到达指定节点或迭代次数达到迭代阈值，本发明方法综合选择适应度高的无人机节点作为传输路径的下一跳节点，提高传输链路的稳定性，延长了路径的生存时间，提高了业务的接收速率，降低了端到端时延，减少了路由开销，提高了无人机自组网的整体性能。

Description

基于萤火虫算法的无人机自组网DSR协议优化方法
技术领域
本发明涉及无人机自组网技术领域，尤其涉及一种基于萤火虫算法的无人机自组网DSR协议优化方法。
背景技术
无人机自组网(UAV Ad Hoc Network)是以飞行的无人机为载体的无线网络，网络中的无人机节点均充当收发机和路由器。由于无人机自组网的拓扑结构动态变化且不可预测，如何在拓扑无法预测的无人机自组网中查找建立相对可靠的路径来传输业务，是无人机自组网亟待解决的问题。自组网路由协议需要在功率受限、带宽有限的无人机节点上满足通信服务质量的要求，适应网络拓扑结构的快速变化，同时尽可能降低维护网络的路由开销。
动态源路由(DSR)协议是简单高效的按需路由协议，该协议不需要通过周期广播来维护路由表，仅在传输数据时启动路由发现过程，从而有效控制了网络的路由开销。然而，该协议请求洪泛忽略了节点能耗、缓冲拥塞和传输损耗等问题，传输路径的稳定性难以保障，进而降低了网络的性能。
发明内容
本发明的目的在于提供一种基于萤火虫算法的无人机自组网DSR协议优化方法，提高无人机自组网的整体性能。
为实现上述目的，本发明提供了一种基于萤火虫算法的无人机自组网DSR协议优化方法，包括：
接收初始化后的路由请求，并计算出多个适应度函数值和邻居节点的综合适应度值；
获取初始萤火虫位置并初始化发光强度，同时基于移动公式进行离散化移动；
将移动后的所述萤火虫映射到对应无人机节点上，并对应调整所述萤火虫位置和发光强度，直至搜索结束。
其中，接收初始化后的路由请求，并计算出多个适应度函数值和邻居节点的综合适应度值，包括：
利用邻居节点接收源节点以广播形式发出的初始化后的路由请求，并根据能量消耗、移动速度、传输损耗和拥塞率计算出对应的适应度函数值，同时根据计算出的多个适应度函数值计算出所述邻居节点的综合适应度值。
其中，获取初始萤火虫位置并初始化发光强度，同时基于移动公式进行离散化移动，包括：
将所述邻居节点的坐标值作为初始萤火虫的位置，并根据所述综合适应度值初始化萤火虫的发光亮强度后，根据移动公式进行随机的离散移动。
其中，将移动后的所述萤火虫映射到对应无人机节点上，并对应调整所述萤火虫位置和发光强度，直至搜索结束，包括：
基于位置映射函数，将移动后的所述萤火虫映射到对应的无人机节点上，并对应更新移动后的所述萤火虫的位置和发光强度。
其中，将移动后的所述萤火虫映射到对应无人机节点上，并对应调整所述萤火虫位置和发光强度，直至搜索结束，还包括：
若所述萤火虫未到达指定节点或迭代次数未达到迭代阈值，则继续进行迭代搜索，直至所述萤火虫到达指定节点或迭代次数达到迭代阈值，结束搜索。
本发明的一种基于萤火虫算法的无人机自组网DSR协议优化方法，利用邻居节点接收源节点以广播形式发出的初始化后的路由请求，并根据能量消耗、移动速度、传输损耗和拥塞率计算出对应的适应度函数值和综合适应度值；然后获取初始萤火虫位置并初始化发光强度，同时基于移动公式做离散化移动；并将移动后的所述萤火虫映射到对应无人机节点上，同时对应调整所述萤火虫位置和发光强度，直至所述萤火虫到达指定节点或迭代次数达到迭代阈值，结束搜索，本发明方法综合选择适应度高的无人机节点作为传输路径的下一跳节点，提高传输链路的稳定性，延长了路径的生存时间，提高了业务的接收速率，同时降低了端到端时延，减少了路由开销，提高了无人机自组网的整体性能。
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，下面将对实施例或现有技术描述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的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的一种基于萤火虫算法的无人机自组网DSR协议优化方法的步骤示意图。
图2是本发明提供的一种基于萤火虫算法的无人机自组网DSR协议优化方法的流程示意图。
图3是本发明提供的平均端到端时延对比图。
图4是本发明提供的业务接收速率对比图。
图5是本发明提供的网络开销中的路由发送速率对比图。
图6是本发明提供的网络开销中的路由接收速率对比图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
请参阅图1，本发明提供一种基于萤火虫算法的无人机自组网DSR协议优化方法，包括：
S101、初始化路由请求，并向邻居节点广播。
具体的，源节点初始化路由请求选项后，向邻居节点广播路由请求。其中，初始化的路由请求选项如表1所示，表中，X轴(x_position)、Y轴(y_position)、Z轴(z_position)和综合适应度值(F)为新增的路由选项，目的是为了传递节点位置和综合适应度值。
表1路由请求选项格式
Figure BDA0002632134510000031
Figure BDA0002632134510000041
S102、接收初始化后的路由请求，并计算出多个适应度函数值和邻居节点的综合适应度值。
具体的，利用邻居节点接收源节点以广播形式发出的初始化后的路由请求，根据能量消耗、移动速度、传输损耗和拥塞率综合计算适应度函数，并适当放弃适应度函数值较低的节点。同时根据计算出的多个适应度函数值计算出所述邻居节点的综合适应度值，其中，节点能量消耗、移动速度、拥塞率和传输损耗的适应度函数和节点的综合适应度函数定义如下：
Figure BDA0002632134510000042
fj_speed＝Sj_speed/Smaximum
fj_congestion＝Cj_size/Ccapacity
Figure BDA0002632134510000043
Fj＝1-(C1fj_energy+C2fj_speed+C3fj_congestion+C4fj_loss)2
其中，Ej_consume表示节点j消耗的能量值，Einitial表示节点初始能量值，nj表示节点j发送数据包数量，ET(k)表示发送k bit数据包消耗的能量，mj表示节点j接收数据包的数量，ER(k)表示接收k bit数据包消耗的能量，fj_energy表示节点j的能量适应度值；Sj_current表示节点j的当前移动速度值，Smaximum表示节点移动速度的最大值，fj_speed表示节点j的速度适应度值；Cj_size表示节点j当前的缓冲区队列大小，Ccapacity表示节点缓冲区总容量大小，fj_congestion表示节点j的拥塞适应度值；Dij_propagation表示发送节点i和接收节点j之间的欧几里得距离，Dmaximun表示两节点之间的最大传播距离，Ptx_power表示节点发送的功率值，Pth表示接收功率门限值，fj_loss表示节点j的传输损耗适应度值；C＝(C1,C2,C3,C4)表示各项适应度值的系数，且
Figure BDA0002632134510000051
各项系数可以根据实际情况做相应的调整，通常设C1＝C2＝C3＝C4，Fj表示节点j的综合适应度值。根据节点综合适应度值大小，放弃适应度函数值小于0.2的节点。
S103、获取初始萤火虫位置并初始化发光强度，同时基于移动公式进行离散化移动。
具体的，将所述邻居节点的坐标值作为初始萤火虫的位置，即xi,v＝Xj,v；并根据所述综合适应度值初始化萤火虫的发光亮强度，即Ii＝Fj。根据移动公式，萤火虫向着更高亮度的萤火虫做离散化移动。移动过程为，个体xi的三维坐标的每一维按照一定的概率做随机离散移动，离散化移动公式如下：
Figure BDA0002632134510000052
其中，rand(v)表示产生0～1之间的随机数，pset表示设定的概率阀值，Pset∈[0,1]，xj为萤火虫个体xi在第t次移动迭代的对象。
S104、将移动后的所述萤火虫映射到对应无人机节点上，并对应调整所述萤火虫位置和发光强度，直至搜索结束。
具体的，基于位置映射函数，将移动后的所述萤火虫映射到对应的具体的无人机节点上，并对应更新移动后的所述萤火虫的位置和发光强度，其中，萤火虫与无人机节点的位置映射函数为：
f(xi)＝{Xn|min[l(xi,Xn)],n∈(i,j)}
其中，xi为萤火虫i的位置，Xn为表示无人机节点n的位置，萤火虫xi与无人机节点Xn之间最短的欧几里得距离的表示公式为：
Figure BDA0002632134510000053
若所述萤火虫未到达指定节点或迭代次数未达到迭代阈值，则继续进行迭代搜索，直至所述萤火虫到达指定节点或迭代次数达到迭代阈值，结束搜索，其流程如图2所示，其中，最大迭代次数Gmax等于请求包的生存期TTL，即Gmax＝TTL。
利用OPNET Modeler网络仿真工具来模拟具体的通信过程，其仿真参数如表2所示：
表2仿真参数
Figure BDA0002632134510000061
仿真对比了优化前后DSR协议，从图3至图6可以看出，优化后的路由协议性能表现均有不同程度的提高，仿真统计结果表明，网络的端到端时延大幅降低，提高业务接收速率的同时还提升了接收稳定性，路由发送速率和路由接收速率二者同时降低。本方法虽然增加了路由算法的复杂度和请求报文的长度，但仿真实验表明，提出的优化方法能降低了路由开销，综合提高了网络的性能，达到了优化的目的，仿真结果证明了发明方法的有效性。
本发明的一种基于萤火虫算法的无人机自组网DSR协议优化方法，利用邻居节点接收源节点以广播形式发出的初始化后的路由请求，并根据能量消耗、移动速度、传输损耗和拥塞率计算出对应的适应度函数值和综合适应度值；然后获取初始萤火虫位置并初始化发光强度，同时基于移动公式做离散化移动；并将移动后的所述萤火虫映射到对应无人机节点上，同时对应调整所述萤火虫位置和发光强度，直至所述萤火虫到达指定节点或迭代次数达到迭代阈值，结束搜索，本发明方法综合选择适应度高的无人机节点作为传输路径的下一跳节点，提高传输链路的稳定性，延长了路径的生存时间，提高了业务的接收速率，同时降低了端到端时延，减少了路由开销，提高了无人机自组网的整体性能。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。

Claims (2)

1.一种基于萤火虫算法的无人机自组网DSR协议优化方法，其特征在于，包括：
接收初始化后的路由请求，并计算出多个适应度函数值和邻居节点的综合适应度值；
获取初始萤火虫位置并初始化发光强度，同时基于移动公式进行离散化移动；
将移动后的所述萤火虫映射到对应无人机节点上，并对应调整所述萤火虫位置和发光强度，直至搜索结束；
所述方法还包括：
初始化路由请求，并向邻居节点广播，具体为：
源节点初始化路由请求选项后，向邻居节点广播路由请求；其中，初始化的路由请求选项包括请求标号、目的地址、X轴、Y轴、Z轴、综合适应度值和跳地址列表；
接收初始化后的路由请求，并计算出多个适应度函数值和邻居节点的综合适应度值，包括：
利用邻居节点接收源节点以广播形式发出的初始化后的路由请求，并根据能量消耗、移动速度、传输损耗和拥塞率计算出对应的适应度函数值，同时根据计算出的多个适应度函数值计算出所述邻居节点的综合适应度值；
适应度函数和节点的综合适应度函数为：
Figure FDA0003566053880000011
fj_speed＝Sj_speed/Smaximum
fj_congestion＝Cj_size/Ccapacity
Figure FDA0003566053880000012
Fj＝1-(C1fj_energy+C2fj_speed+C3fj_congestion+C4fj_loss)2
其中，Ej_consume表示节点j消耗的能量值，Einitial表示节点初始能量值，nj表示节点j发送数据包数量，ET(k)表示发送kbit数据包消耗的能量，mj表示节点j接收数据包的数量，ER(k)表示接收kbit数据包消耗的能量，fj_energy表示节点j的能量适应度值；Sj_current表示节点j的当前移动速度值，Smaximum表示节点移动速度的最大值，fj_speed表示节点j的速度适应度值；Cj_size表示节点j当前的缓冲区队列大小，Ccapacity表示节点缓冲区总容量大小，fj_congestion表示节点j的拥塞适应度值；Dij_propagation表示发送节点i和接收节点j之间的欧几里得距离，Dmaximun表示两节点之间的最大传播距离，Ptx_power表示节点发送的功率值，Pth表示接收功率门限值，fj_loss表示节点j的传输损耗适应度值；C＝(C1,C2,C3,C4)表示各项适应度值的系数，且Cu∈(0,1)，
Figure FDA0003566053880000021
各项系数可以根据实际情况做相应的调整，通常设C1＝C2＝C3＝C4，Fj表示节点j的综合适应度值， 根据节点综合适应度值大小，放弃适应度函数值小于0.2的节点；
获取初始萤火虫位置并初始化发光强度，同时基于移动公式进行离散化移动，包括：
将所述邻居节点的坐标值作为初始萤火虫的位置，并根据所述综合适应度值初始化萤火虫的发光亮强度后，根据移动公式进行随机的离散移动；
离散化移动公式为：
Figure FDA0003566053880000022
其中，rand(v)表示产生0～1之间的随机数，pset表示设定的概率阀值，Pset∈[0,1]，xj为萤火虫个体xi在第t次移动迭代的对象；
将移动后的所述萤火虫映射到对应无人机节点上，并对应调整所述萤火虫位置和发光强度，直至搜索结束，包括：
基于位置映射函数，将移动后的所述萤火虫映射到对应的无人机节点上，并对应更新移动后的所述萤火虫的位置和发光强度；
位置映射函数为：
f(xi)＝{Xn|min[l(xi,Xn)],n∈(i,j)}
其中，xi为萤火虫i的位置，Xn为表示无人机节点n的位置，萤火虫xi与无人机节点Xn之间最短的欧几里得距离的表示公式为：
Figure FDA0003566053880000023
2.如权利要求1所述的基于萤火虫算法的无人机自组网DSR协议优化方法，其特征在于，将移动后的所述萤火虫映射到对应无人机节点上，并对应调整所述萤火虫位置和发光强度，直至搜索结束，还包括：
若所述萤火虫未到达指定节点或迭代次数未达到迭代阈值，则继续进行迭代搜索，直至所述萤火虫到达指定节点或迭代次数达到迭代阈值，结束搜索。
CN202010814328.2A 2020-08-13 2020-08-13 基于萤火虫算法的无人机自组网dsr协议优化方法 Active CN111770548B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010814328.2A CN111770548B (zh) 2020-08-13 2020-08-13 基于萤火虫算法的无人机自组网dsr协议优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010814328.2A CN111770548B (zh) 2020-08-13 2020-08-13 基于萤火虫算法的无人机自组网dsr协议优化方法

Publications (2)

Publication Number Publication Date
CN111770548A CN111770548A (zh) 2020-10-13
CN111770548B true CN111770548B (zh) 2022-06-03

Family

ID=72728829

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010814328.2A Active CN111770548B (zh) 2020-08-13 2020-08-13 基于萤火虫算法的无人机自组网dsr协议优化方法

Country Status (1)

Country Link
CN (1) CN111770548B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104102791A (zh) * 2014-08-01 2014-10-15 哈尔滨工程大学 一种基于量子萤火虫搜索机制的天线阵稀疏构建方法
CN104573812A (zh) * 2014-07-07 2015-04-29 广西民族大学 一种基于粒子萤火虫群优化算法的无人机航路路径确定方法
CN108985549A (zh) * 2018-05-25 2018-12-11 哈尔滨工程大学 基于量子鸽群机制的无人机任务分配方法
AU2020101065A4 (en) * 2020-06-19 2020-07-23 Hubei University Of Technology Method for scheduling UAVs based on chaotic adaptive firefly algorithm

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7760718B2 (en) * 2007-08-20 2010-07-20 Cisco Technology, Inc. Taxonomy based multiple ant colony optimization approach for routing in mobile ad hoc networks
CN102917430A (zh) * 2012-10-17 2013-02-06 上海大学 基于量子蚁群算法的无线传感器网络可信安全路由
CN105357752B (zh) * 2015-12-07 2018-11-02 北京邮电大学 用于无线自组网的时间同步方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104573812A (zh) * 2014-07-07 2015-04-29 广西民族大学 一种基于粒子萤火虫群优化算法的无人机航路路径确定方法
CN104102791A (zh) * 2014-08-01 2014-10-15 哈尔滨工程大学 一种基于量子萤火虫搜索机制的天线阵稀疏构建方法
CN108985549A (zh) * 2018-05-25 2018-12-11 哈尔滨工程大学 基于量子鸽群机制的无人机任务分配方法
AU2020101065A4 (en) * 2020-06-19 2020-07-23 Hubei University Of Technology Method for scheduling UAVs based on chaotic adaptive firefly algorithm

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于改进萤火虫群优化的无线自组网路由算法;刘建娟;《传感技术学报》;20161215;正文的第1节-第2节 *
应用混沌萤火虫算法的无人机航迹规划;余胜东等人;《机械设计与制造》;20181108;正文的第2节-第4节 *

Also Published As

Publication number Publication date
CN111770548A (zh) 2020-10-13

Similar Documents

Publication Publication Date Title
CN110139319B (zh) 高动态时延网络传输时延最小化路由方法
Tran et al. Congestion adaptive routing in mobile ad hoc networks
CN110691379B (zh) 一种适于无线自组网的主动式路由通信方法
CN105848247B (zh) 一种车载Ad Hoc网络的自适应路由协议方法
WO2003098882A1 (en) Routing data packets through a wireless network
CN111741448B (zh) 一种基于边缘计算策略的分簇aodv路由方法
US20080240112A1 (en) Layer 2 routing protocol
CN108513330B (zh) 一种基于网络情境感知的路由协议分布式自适应切换方法
WO2020156340A1 (zh) 一种传输数据的方法及装置
CN113596894B (zh) 一种基于动态中继选择的无人机自组网协作时分信道接入方法
CN103024852A (zh) 业务转发的方法及设备
CN111770548B (zh) 基于萤火虫算法的无人机自组网dsr协议优化方法
CN107105388B (zh) 一种基于链路传输能力的跨层车载网路由方法
CN106804053B (zh) 一种移动自组织网络中基于自适应吸引子选择的单播路由方法
CN113727408A (zh) 一种基于速度与能量感知的无人机自组网改进aodv路由方法
Alqaysi et al. Performance analysis of video streaming application over MANETs routing protocols
Zhou et al. A simulation analysis of nodes mobility and traffic load aware routing strategy in aeronautical ad hoc networks
CN110267322A (zh) 一种基于dsr协议改进的无人机自组网快速反应路由算法
Zhou et al. A bidirectional Q-learning routing protocol for UAV networks
CN110972209B (zh) 无线自组网路由协议传播范围动态控制方法
CN114867081A (zh) 基于中继无人机节点的移动自组网多源传输路由方法
CN111510955A (zh) 无线自组网协议开销空间优化方法
CN111787594A (zh) 基于决策树算法的无人机自组网dsr协议实现方法
Espes et al. Adaptive expanding search methods to improve AODV Protocol
Bai et al. Hello message scheme enhancement in CRMANET

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