CN114221872A - 一种路由协议的多度量融合目标函数构建方法 - Google Patents
一种路由协议的多度量融合目标函数构建方法 Download PDFInfo
- Publication number
- CN114221872A CN114221872A CN202111664343.4A CN202111664343A CN114221872A CN 114221872 A CN114221872 A CN 114221872A CN 202111664343 A CN202111664343 A CN 202111664343A CN 114221872 A CN114221872 A CN 114221872A
- Authority
- CN
- China
- Prior art keywords
- node
- child node
- rank
- father
- father 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/12—Discovery or management of network topologies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/12—Avoiding congestion; Recovering from congestion
- H04L47/125—Avoiding congestion; Recovering from congestion by balancing the load, e.g. traffic engineering
-
- 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)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种路由协议的多度量融合目标函数构建方法,通过采集子节点路由数据以及Mac层的缓存信息数据,分别计算各子节点的跳数Rank值、子节点到父节点期望传输次数以及父节点的存储参量,并构建多度量融合目标函数,得到多度量融合模型;根据多度量融合模型计算拓扑结构各子节点的Rank值,并构建网络拓扑结构;本发明以链路负载问题为基础,通过缓存占比与缓存增长率构建多种度量融合形成高可靠性路由协议,在保证基本的通信质量以及传输跳数的情况下,实现在负载较重情况下的链路均衡,提高整个路由协议的可靠性以及鲁棒性,并保证了基本的通信质量以及传输跳数。
Description
技术领域
本发明涉及路由协议领域,具体涉及一种路由协议的多度量融合目标函数构建方法。
背景技术
低功耗有损网络(Low Power and Lossy Network,LLN)是由大量受限制节点组成的链路网络,主要表现为其处理能力、存储能力、能量储备能力局限大。2012年,IETF组织提出了针对LLN网络特性的低功耗有损网络的IPv6路由协议(IPv6 Routing Protocol forLow-Power and Lossy Network,RPL)。RPL路由协议是距离矢量路由协议。目标函数(Objective Function,OF)是RPL路由协议建立面向目的地的有向无环图(DestinationOriented DAG,DODAG)拓扑结构中至关重要的部分。它定义了路由性能的目标,如低时延、节能、高可靠性。目标函数通过度量值及约束条件以一定方式转化为该DODAG所需要的Rank值,以此来定义节点在该DODAG中的相对位置,目标函数定义每RPL Instance中如何选择和优化路由传输路径。
OF0(Objective Function Zero)是RPL最简单的目标函数,主要通过跳数进行Rank值计算,并且以此达到与DODAG根节点的连通。MEHOF(The Minimum Rank withHysteresis Objective Function)是标准RPL路由协议中提出的另一个拥有滞回功能的目标函数,MRHOF通常采用的度量参数是时延,期望传输次数(Expected TransmissionCount,ETX)、跳数等。ETX是成功发送一个数据包至其他节点所需要的传输平均次数,其主要在无线路由中判断路径传输一个数据包的成功率,以此来选择质量最好的一条路径。
OF0目标函数由于以单一的度量为参考参量,相对比较简单。以跳数作为基准计算会在出现链路波动或者距离较大,甚至是节点自身拥塞情况时不能做出相应的路径调整以及负载平衡操作。由此在更多元化的网络情境下,该目标函数的缺点和局限性显而易见。此外,研究发现在采用ETX作为度量的MRHOF中,即使网络中存在严重负载问题,链路的ETX并没有明显的增加现象。该现象归结于采用ETX度量的网络结构并不能在一个节点出现拥塞的情况下立即进行父节点的切换过程。
发明内容
针对现有技术中的上述不足,本发明提供了一种路由协议的多度量融合目标函数构建方法,以解决现有路由协议在高负载情况下负载平衡的技术问题,提供一种有效地实现高鲁棒性的路由协议。
为了达到上述发明目的,本发明采用的技术方案为:
一种路由协议的多度量融合目标函数构建方法,包括以下步骤:
S1、采集子节点路由数据以及Mac层的缓存信息数据;
S2、根据子节点路由数据计算各子节点的跳数Rank值;
S3、根据子节点路由数据计算子节点到父节点期望传输次数;
S4、根据Mac层的缓存信息数据计算父节点的存储参量;
S5、根据各子节点的跳数、子节点到父节点期望传输次数以及父节点的存储参量构建多度量融合目标函数,得到多度量融合模型;
S6、根据多度量融合模型计算拓扑结构各子节点的Rank值,并构建网络拓扑结构。
优选地,步骤S2具体包括以下分步骤:
S21、根据子节点路由数据中链路属性计算跳数Rank值的增量,计算式表示为:
Hop(N,P)=(Rf*Sp+Sr)*MinHopRankIncrease
其中,Hop(N,P)为子节点N到父节点P的跳数Rank值的增量,Sp为子节点N到父节点P节点之间的链路属性参数,Rf为子节点N到父节点P节点间链路属性参数的倍数参量,MinHopRankIncrease为最小跳数的Rank数值增长单位,Sr为拉伸操作函数;
S22、根据跳数Rank值的增量计算子节点跳数Rank值,计算式可表示为:
RHop(N)=RHop(P)+Hop(N,P)
其中,RHop(N)为子节点N的跳数Rank值;RHop(P)为父节点P的跳数Rank值;P为N的父节点;Hop(N,P)为节点N到节点P的跳数Rank值的增量;
S23、根据父节点的跳数Rank值选择子节点所对应的最优父节点,并根据最优父节点与当前子节点的跳数rank值作为子节点的跳数rank值。
优选地,步骤S23具体为:
判断当前子节点所对应父节点的跳数Rank值是否满足预设优化判断条件,若是则将当前子节点所对应父节点切换为最优父节点,否则保持当前子节点所对应的父节点,作为最优父节点;将最优父节点与当前子节点的跳数rank值作为子节点的跳数rank值;
其中,预设优化判断条件表示为:
RHop(Pb)-RHop(Pa)≥MIN_DIFFERENCE
优选地,步骤S3中根据子节点路由数据计算子节点到父节点期望传输次数的计算式表示为:
ETXnew(N,P)=ω*ETXold(N,P)+(1-ω)*ETXpacket(N,P)
其中,ETXnew(N,P)为当前子节点N到对应的父节点P之间的链路质量指标数值,即期望传输次数,ω为权重因子;ETXold(N,P)为历史传输数据包发送的子节点N到对应的父节点P之间的链路质量指标值;ETXpacket(N,P)为历史数据包传输过程中链路质量指标值。
优选地,步骤S4具体包括以下分步骤:
S41、根据缓存信息数据分别计算当前子节点缓存总数以及当前子节点缓存剩余空间指数;
S42、根据当前子节点缓存总数以及节点缓存剩余空间指数计算父节点的当前存储情况指示参数;
S43、根据父节点的当前存储情况指示参数得到父节点的存储参量,计算式表示为:
RStore(N)=RStore(P)+S(P)
其中,RStore(N)为子节点N的缓存Rank数值,S(P)为子节点N所对应父节点P当前存储情况指示参数,即为父节点的存储参量,RStore(P)为子节点N所对应父节点P的缓存Rank数值。
优选地,步骤S42中父节点的当前存储情况指示参数计算式表示为:
S(P)=[δ*Shold+(1-δ)*Svary]*DEFAULT_RANK_INCREMENT
其中,S(P)为子节点N所对应父节点P当前存储情况指示参数,δ为常数系数,Shold为节点缓存剩余空间指数,Svary为节点缓存空间增量指数,DEFAULT_RANK_INCREMENT为当前匹配增量。
优选地,步骤S5包括以下分步骤:
S51、对各子节点的跳数、期望传输次数以及父节点的存储参量进行加权求和,得到加权后的Rank值,表示为:
Rankincrease=α*Hop(N,P)+β*ETX(N,P)+λ*S(P)
其中,Rankincrease为加权后的Rank值,α、β、λ分别为加权参数,Hop(·)为跳数增量,ETX(·)为期望传输次数,S(P)为子节点N所对应父节点P当前存储情况指示参数,即为父节点的存储参量;
S52、计算当前子节点中各父节点的Rank差值,并判断各父节点的Rank差值是否满足预设父节点切换阈值,若满足则替换当前子节点所对应的父节点,得到优化后的父节点;否则维持当前子节点所对应的父节点;
S53、根据加权后的Rank值计算优化后父节点的Rank值,得到多度量融合目标函数,得到多度量融合模型,其中,多度量融合目标函数表示为:
Rank(N)=Rank(P)+Rankincrease
其中,Rank(N)为度量融合目标函数值,Rank(P)为优化后父节点的Rank值。
优选地,步骤S52具体为:
计算当前子节点中各父节点的Rank差值,并判断当前子节点中各父节点的Rank差值是否满足预设父节点切换阈值,若满足则以最大Rank值所对应的父节点替换当前子节点所对应的父节点,得到优化后的父节点;否则维持当前子节点所对应的父节点;其中,阈值判断式表示为:
|Rank(Pa)-Rank(Pb)|>Rthreshold
其中,Pa为当前子节点N所对应的父节点,Pb为子节点N的备选父节点,Rthreshold是父节点切换阀值。
本发明具有以下有益效果:
通过采集子节点路由数据以及Mac层的缓存信息数据,分别计算各子节点的跳数Rank值、子节点到父节点期望传输次数以及父节点的存储参量,并构建构建多度量融合目标函数,得到多度量融合模型;根据多度量融合模型计算拓扑结构各子节点的Rank值,并构建网络拓扑结构;在保证了基本的通信质量以及传输跳数的情况下,通过调取节点自身的缓存数据判断节点当前状态,计算节点自身缓存增长量及其缓存剩余空间影响该节点的Rank值,以链路负载问题为基础,通过缓存占比与缓存增长率构建多种度量融合形成OF-HR,在保证基本的通信质量以及传输跳数的情况下,实现在负载较重情况下的链路均衡,提高整个路由协议的可靠性以及鲁棒性。
该优选方案具有以下有益效果:
1、从Mac层提取缓存信息获取用于构建多度量融合目标函数模型,有效解决了ETX以及跳数对节点拥塞不敏感的问题;
2、通过比较备选父节点的Rank值,更新出当前节点最优的父节点,方便搭建稳定的网络结构;
3、缓存度量通过将节点当前的缓存情况及缓存增长率同时进行评估,共同反映该节点的缓存压力,以此判断当前节点是否存在拥塞风险;
4、设置父节点切换阈值,防止频繁切换导致振荡,造成网络不稳定。
附图说明
图1为本发明提供的一种路由协议的多度量融合目标函数构建方法的步骤流程图;
图2为本发明中步骤S2的分步骤流程图;
图3为本发明中步骤S4的分步骤流程图;
图4为本发明中步骤S5的分步骤流程图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,本发明提供了一种路由协议的多度量融合目标函数构建方法,包括以下步骤:
S1、采集子节点路由数据以及Mac层的缓存信息数据;
可选的,针对ETX以及跳数对节点拥塞不敏感的问题,通过以从Mac层提取缓存信息的方式进行相应换算得到Rank值从而优化目标函数;
根据Mac层的缓存存储情况,得到节点当前的存储情况以及单位时长下的内存存储增量,并结合传统的QoS标准,结合跳数、期望输出次数ETX综合计算多度量目标函数的Rank值。
S2、根据子节点路由数据计算各子节点的跳数Rank值;
可选的,跳数采用OF0目标公式,定义子节点为N,父节点为P,跳数增量可表示为Hop(N,P),节点的跳数Rank值定义为RHop(.)。
优选地,如图2所示,步骤S2具体包括以下分步骤:
步骤S2具体包括以下分步骤:
S21、根据子节点路由数据中链路属性计算跳数Rank值的增量,计算式表示为:
Hop(N,P)=(Rf*Sp+Sr)*MinHopRankIncrease
其中,Hop(N,P)为子节点N到父节点P的跳数Rank值的增量,Sp是step_of_rank缩写,表示子节点N到父节点P节点之间的链路属性参数,Rf是rank_factor缩写,表示子节点N到父节点P节点间链路属性参数Sp的倍数参量,MinHopRankIncrease为最小跳数的Rank数值增长单位,Sr为拉伸操作函数,是stretch_of_rank缩写,其表示能够对step_of_rank函数进行拉伸操作,这样能够保证至少存在一个可用的备选父节点或者更多样化的路径;
S22、根据跳数Rank值的增量计算子节点跳数Rank值,计算式可表示为:
RHop(N)=RHop(P)+Hop(N,P)
其中,RHop(N)为子节点N的跳数Rank值;RHop(P)为父节点P的跳数Rank值;P为N的父节点;Hop(N,P)为节点N到节点P的跳数Rank值的增量;
S23、根据父节点的跳数Rank值选择子节点所对应的最优父节点,并根据最优父节点与当前子节点的跳数rank值作为子节点的跳数rank值。
可选的,子节点根据自己的备选父节点表中的各个父节点Rank值变化做出相应的调整和判断。
优选地,步骤S23具体为:
判断当前子节点所对应父节点的跳数Rank值是否满足预设优化判断条件,若是则将当前子节点所对应父节点切换为最优父节点,否则保持当前子节点所对应的父节点,作为最优父节点;将最优父节点与当前子节点的跳数rank值作为子节点的跳数rank值;
其中,预设优化判断条件表示为:
RHop(Pb)-RHop(Pa)≥MIN_DIFFERENCE
可选的,在跳数增量为256时,不存在标准的OF0目标函数中的延展性与步伐大小的问题,因此本发明可沿用Contiki中对于OF0的计算方式,定义子节点N的两个父节点为Pa,Pb,并且节点Pa为子节点当前最优父节点,当且仅当满足预设优化判断条件,子节点可以切换至最新的父节点,否则保持原有的父节点作为最优父节点。
S3、根据子节点路由数据计算子节点到父节点期望传输次数;
可选的,期望传输次数度量则按照Contiki中以ETX为度量的MRHOF进行设计,定义ETX(N,P)为子节点到父节点之间的链路质量指示数值,即期望传输次数
优选地,步骤S3中期望传输次数计算式表示为:
ETXnew(N,P)=ω*ETXold(N,P)+(1-ω)*ETXpacket(N,P)
其中,ETXnew(N,P)为当前子节点N到对应的父节点P之间的链路质量指标数值,即期望传输次数,ω为权重因子,满足ω=0.9;ETXold(N,P)为当前传输数据包发送的子节点N到对应的父节点P之间的链路质量指标值;ETXpacket(N,P)为在发送当前数据包时,通过数据包的发送总次数及成功次数相比得出的当前数据包传输过程中链路质量指标值。
S4、根据Mac层的缓存信息数据计算父节点的存储参量;
优选地,步骤S4具体包括以下分步骤:
S41、根据缓存信息数据分别计算当前子节点缓存总数以及当前子节点缓存剩余空间指数;
可选的,定义节点缓存总数Stotal,节点缓存剩余空间指数为Shold,定义缓存空间增量指数为Svary,增长计算方式主要通过节点单位时间接收数据包大小,单位时间产生数据包大小以及单位时间发送数据包大小进行计算,其中接收数据包大小为Preceive,发送数据包大小为Psend,生成数据包大小为Pgenerate,增长时常根据Contiki系统中的数据包的接收间隔进行设计,以1ms作为单位时长计时器计数;
分别通过节点缓存总数与缓存空间增量指数定义缓存占用量及两数据包发送期间缓存增长率,其中节点缓存总数所代表的缓存占用量为绝对正数,缓存增长量可为负增长,以表示子节点的资源紧张情况有所缓解甚至处于空闲,从而减少当前节点的Rank值,使其更容易被子节点选为自身的父节点。
S42、根据当前子节点缓存总数以及节点缓存剩余空间指数计算父节点的当前存储情况指示参数;
优选地,步骤S42中父节点的当前存储情况指示参数计算式表示为:
S(P)=[δ*Shold+(1-δ)*Svary]*DEFAULT_RANK_INCREMENT
其中,RStore(N)为子节点N的缓存Rank数值,即为父节点的存储参量,δ为常数系数,设置为0.5,Shold为节点缓存剩余空间指数,Svary为节点缓存空间增量指数,DEFAULT_RANK_INCREMENT为当前匹配增量,默认为256。
S43、根据父节点的当前存储情况指示参数得到父节点的存储参量,计算式表示为:
RStore(N)=RStore(P)+S(P)
其中,RStore(N)为子节点N的缓存Rank数值,S(P)为子节点N所对应父节点P当前存储情况指示参数,即为父节点的存储参量,RStore(P)为子节点N所对应父节点P的缓存Rank数值。
可选的,本申请对父节点的存储情况为其存储占用率和存储变化率的综合考虑,同时根据系数δ占比控制,由于两种数值计算都是采用了归一化方式,由此在匹配节点之间的Rank值计算时需要乘以一个定值参数,设计采用Contiki中默认使用的Rank值增量参数,由此存储参数的设计完成。
S5、根据各子节点的跳数、子节点到父节点期望传输次数以及父节点的存储参量构建多度量融合目标函数,得到多度量融合模型;
优选地,如图4所示,步骤S5具体包括以下分步骤:
S51、对各子节点的跳数、期望传输次数以及父节点的存储参量进行加权求和,得到加权后的Rank值,表示为:
Rankincrease=α*Hop(N,P)+β*ETX(N,P)+λ*S(P)
其中,Rankincrease为加权后的Rank值,α、β、λ分别为加权参数,且加权参数α,β,λ都是区间[0,1]的正数,同时α+β+λ=1,Hop(·)为跳数增量,ETX(·)为期望传输次数,S(P)为子节点N所对应父节点P当前存储情况指示参数,即为父节点的存储参量;
S52、计算当前子节点中各父节点的Rank差值,并判断各父节点的Rank差值是否满足预设父节点切换阈值,若满足则替换当前子节点所对应的父节点,得到优化后的父节点;否则维持当前子节点所对应的父节点;
优选地,计算当前子节点中各父节点的Rank差值,并判断当前子节点中各父节点的Rank差值是否满足预设父节点切换阈值,若满足则以最大Rank值所对应的父节点替换当前子节点所对应的父节点,得到优化后的父节点;否则维持当前子节点所对应的父节点;其中,阈值判断式表示为:
|Rank(Pa)-Rank(Pb)|>Rthreshold
其中,Pa为当前子节点N所对应的父节点,Pb为子节点N的备选父节点,Rthreshold是父节点切换阀值。
S53、根据加权后的Rank值计算优化后父节点的Rank值,得到多度量融合目标函数,得到多度量融合模型,其中,多度量融合目标函数表示为:
Rank(N)=Rank(P)+Rankincrease
其中,Rank(N)为度量融合目标函数值,Rank(P)为优化后父节点的Rank值。
S6、根据多度量融合模型计算拓扑结构各子节点的Rank值,并构建网络拓扑结构。
可选的,由于路由协议的有向无环图特点,每一个节点都具备多个父节点选择,由此每个节点的父节点备选表中都存在多个可选父节点,然而每个节点都根据收到的DIS报文中的目标函数规则对于自身的Rank值进行计算,子节点在选择父节点时按照相应的Rank值大小进行排列,选取最优的父节点最为自身的父节点,从而构建出完整的网络拓扑结构,实现数据的可靠传输。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (8)
1.一种路由协议的多度量融合目标函数构建方法,其特征在于,包括以下步骤:
S1、采集子节点路由数据以及Mac层的缓存信息数据;
S2、根据子节点路由数据计算各子节点的跳数Rank值;
S3、根据子节点路由数据计算子节点到父节点期望传输次数;
S4、根据Mac层的缓存信息数据计算父节点的存储参量;
S5、根据各子节点的跳数、子节点到父节点期望传输次数以及父节点的存储参量构建多度量融合目标函数,得到多度量融合模型;
S6、根据多度量融合模型计算拓扑结构各子节点的Rank值,并构建网络拓扑结构。
2.根据权利要求1所述的多度量融合目标函数构建方法,其特征在于,步骤S2具体包括以下分步骤:
S21、根据子节点路由数据中链路属性计算跳数Rank值的增量,计算式表示为:
Hop(N,P)=(Rf*Sp+Sr)*MinHopRankIncrease
其中,Hop(N,P)为子节点N到父节点P的跳数Rank值的增量,Sp为子节点N到父节点P节点之间的链路属性参数,Rf为子节点N到父节点P节点间链路属性参数的倍数参量,MinHopRankIncrease为最小跳数的Rank数值增长单位,Sr为拉伸操作函数;
S22、根据跳数Rank值的增量计算子节点跳数Rank值,计算式可表示为:
RHop(N)=RHop(P)+Hop(N,P)
其中,RHop(N)为子节点N的跳数Rank值;RHop(P)为父节点P的跳数Rank值;P为N的父节点;Hop(N,P)为节点N到节点P的跳数Rank值的增量;
S23、根据父节点的跳数Rank值选择子节点所对应的最优父节点,并根据最优父节点与当前子节点的跳数rank值作为子节点的跳数rank值。
4.根据权利要求1所述的多度量融合目标函数构建方法,其特征在于,步骤S3中根据子节点路由数据计算子节点到父节点期望传输次数的计算式表示为:
ETXnew(N,P)=ω*ETXold(N,P)+(1-ω)*ETXpacket(N,P)
其中,ETXnew(N,P)为当前子节点N到对应的父节点P之间的链路质量指标数值,即期望传输次数,ω为权重因子;ETXold(N,P)为历史传输数据包发送的子节点N到对应的父节点P之间的链路质量指标值;ETXpacket(N,P)为历史数据包传输过程中链路质量指标值。
5.根据权利要求1所述的多度量融合目标函数构建方法,其特征在于,步骤S4具体包括以下分步骤:
S41、根据缓存信息数据分别计算当前子节点缓存总数以及当前子节点缓存剩余空间指数;
S42、根据当前子节点缓存总数以及节点缓存剩余空间指数计算父节点的当前存储情况指示参数;
S43、根据父节点的当前存储情况指示参数得到父节点的存储参量,计算式表示为:
RStore(N)=RStore(P)+S(P)
其中,RStore(N)为子节点N的缓存Rank数值,S(P)为子节点N所对应父节点P当前存储情况指示参数,即为父节点的存储参量,RStore(P)为子节点N所对应父节点P的缓存Rank数值。
6.根据权利要求5所述的多度量融合目标函数构建方法,其特征在于,步骤S42中父节点的当前存储情况指示参数计算式表示为:
S(P)=[δ*Shold+(1-δ)*Svary]*DEFAULT_RANK_INCREMENT
其中,S(P)为子节点N所对应父节点P当前存储情况指示参数,δ为常数系数,Shold为节点缓存剩余空间指数,Svary为节点缓存空间增量指数,DEFAULT_RANK_INCREMENT为当前匹配增量。
7.根据权利要求1所述的多度量融合目标函数构建方法,其特征在于,步骤S5包括以下分步骤:
S51、根据各子节点的跳数、期望传输次数与父节点的存储参量中进行加权求和,得到加权后的Rank值,表示为:
Rankincrease=α*Hop(N,P)+β*ETX(N,P)+λ*S(P)
其中,Rankincrease为加权后的Rank值,α、β、λ分别为加权参数,Hop(·)为跳数增量,ETX(·)为期望传输次数,S(P)为子节点N所对应父节点P当前存储情况指示参数,即为父节点的存储参量;
S52、计算当前子节点中各父节点的Rank差值,并判断各父节点的Rank差值是否满足预设父节点切换阈值,若满足则替换当前子节点所对应的父节点,得到优化后的父节点;否则维持当前子节点所对应的父节点;
S53、根据加权后的Rank值计算优化后父节点的Rank值,得到多度量融合目标函数,得到多度量融合模型,其中,多度量融合目标函数表示为:
Rank(N)=Rank(P)+Rankincrease
其中,Rank(N)为度量融合目标函数值,Rank(P)为优化后父节点的Rank值。
8.根据权利要求7所述的多度量融合目标函数构建方法,其特征在于,步骤S52具体为:
计算当前子节点中各父节点的Rank差值,并判断当前子节点中各父节点的Rank差值是否满足预设父节点切换阈值,若满足则以最大Rank值所对应的父节点替换当前子节点所对应的父节点,得到优化后的父节点;否则维持当前子节点所对应的父节点;其中,阈值判断式表示为:
|Rank(Pa)-Rank(Pb)|>Rthreshold
其中,Pa为当前子节点N所对应的父节点,Pb为子节点N的备选父节点,Rthreshold是父节点切换阀值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111664343.4A CN114221872B (zh) | 2021-12-30 | 2021-12-30 | 一种路由协议的多度量融合目标函数构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111664343.4A CN114221872B (zh) | 2021-12-30 | 2021-12-30 | 一种路由协议的多度量融合目标函数构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114221872A true CN114221872A (zh) | 2022-03-22 |
CN114221872B CN114221872B (zh) | 2022-12-27 |
Family
ID=80707405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111664343.4A Active CN114221872B (zh) | 2021-12-30 | 2021-12-30 | 一种路由协议的多度量融合目标函数构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114221872B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107920368A (zh) * | 2016-10-09 | 2018-04-17 | 郑州大学 | 一种无线传感网中基于生命周期的rpl路由优化方法 |
CN108174412A (zh) * | 2018-01-05 | 2018-06-15 | 重庆邮电大学 | 一种负载均衡的rpl多路径数据传输机制 |
US20190297004A1 (en) * | 2018-03-20 | 2019-09-26 | Cisco Technology, Inc. | Bayesian dynamic multihop wireless best path prediction |
-
2021
- 2021-12-30 CN CN202111664343.4A patent/CN114221872B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107920368A (zh) * | 2016-10-09 | 2018-04-17 | 郑州大学 | 一种无线传感网中基于生命周期的rpl路由优化方法 |
CN108174412A (zh) * | 2018-01-05 | 2018-06-15 | 重庆邮电大学 | 一种负载均衡的rpl多路径数据传输机制 |
US20190297004A1 (en) * | 2018-03-20 | 2019-09-26 | Cisco Technology, Inc. | Bayesian dynamic multihop wireless best path prediction |
Non-Patent Citations (3)
Title |
---|
李志佳: "低功耗有损网络路由协议目标函数OF0优化研究", 《工业控制计算机》 * |
秦峰等: "高负载场景下基于负载均衡的LLN路由协议", 《计算机工程与应用》 * |
陈苏海等: "LLN中基于负载均衡的单路径路由协议", 《计算机工程与设计》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114221872B (zh) | 2022-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10171332B2 (en) | Probing technique for predictive routing in computer networks | |
CN107431970B (zh) | 用于路由分组的方法、多跳无线网络以及用于路由分组的节点 | |
US8774050B2 (en) | Dynamic wake-up time adjustment based on designated paths through a computer network | |
US20120030150A1 (en) | Hybrid Learning Component for Link State Routing Protocols | |
CN107920368A (zh) | 一种无线传感网中基于生命周期的rpl路由优化方法 | |
CN103986648B (zh) | 一种基于链路稳定性和能量感知物联网路由修复方法 | |
Saaidah et al. | An efficient design of RPL objective function for routing in internet of things using fuzzy logic | |
Musaddiq et al. | Energy-aware adaptive trickle timer algorithm for RPL-based routing in the Internet of Things | |
Ghaleb et al. | A new load-balancing aware objective function for RPL's IoT networks | |
Hassani et al. | A new objective function based on additive combination of node and link metrics as a mechanism path selection for RPL protocol | |
Kechiche et al. | A novel opportunistic fuzzy logic based objective function for the routing protocol for low-power and lossy networks | |
KR101282611B1 (ko) | 라우팅 장치 및 이를 이용한 전송 경로 설정 방법과 라우팅 장치의 테이블 관리 방법 | |
CN114221872B (zh) | 一种路由协议的多度量融合目标函数构建方法 | |
CN103260206A (zh) | 一种基于影响度因子的混合动态无线路由有效搜索收敛方法 | |
CN106685819B (zh) | 一种基于节点能量划分的aomdv协议节能方法 | |
Kim et al. | An enhanced tree routing through multi-criteria decision making over wireless sensor networks | |
Wang et al. | SL-RPL: Stability-aware load balancing for RPL | |
CN113993179B (zh) | 一种物联网中多信道通信方法及装置 | |
CN114567917A (zh) | 一种基于模糊层次分析的多信道物联网路由方法 | |
Wadhwani et al. | Link stability based approach for route discovery in MANET using DSR | |
CN114390594A (zh) | 一种基于负载均衡的改进aodv路由协议 | |
Rosyidi et al. | Energy harvesting aware protocol for 802.11-based Internet of Things network | |
Alabbad et al. | Localised credit based QoS routing | |
Alzahrani et al. | End-to-end delay in localized qos routing | |
Izadi et al. | Fuzzy logic optimized wireless sensor network 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 |