节点剩余能量均衡的机会网络路由机制

杨 鹏，刘 豆，王汝言，闫俊杰

（1.重庆邮电大学宽带泛在接入技术研究所，重庆400065；2.工业和信息化部电信研究院，北京100191）

节点剩余能量均衡的机会网络路由机制

杨 鹏1，2，刘 豆1，王汝言1，闫俊杰1

（1.重庆邮电大学宽带泛在接入技术研究所，重庆400065；2.工业和信息化部电信研究院，北京100191）

机会网络中的节点能量受限且难以补充，其能量消耗情况影响着整个网络的生命周期和性能。针对社区机会网络中部分活跃节点频繁转发数据所导致的能量消耗过快问题，提出一种节点剩余能量均衡的机会网络路由机制，根据节点剩余能量及其在网络中的活跃程度感知其综合转发能力，进而合理地选择下一跳节点，有效减少不必要的转发次数，均衡网络负载。数值结果表明，所提出的机制能够在保证网络投递率的同时均衡网络能耗，延长网络生命周期。

机会网络；节点能耗；剩余能量；综合效用

0 引 言

机会网络是一种源节点和目的节点之间不存在完整路径，利用节点移动带来相遇机会实现通信的自组织网络，主要应用于星际网络、无线车载自组织网络、生态环境监测网络、灾害恢复网络等极端环境［1］。在传统的移动自组织网络（mobile Ad-hoc networks，MANET）中，节点间需建立完整的端到端路径之后才能够以“存储－转发”的方式传输数据。而机会网络中节点的数据转发需要依靠节点移动所带来的相遇机会，即中继节点携带着源节点产生的数据直到遇到合适的下一跳节点才执行转发过程。可见，机会网络中的节点采用“存储－携带－转发”［2］的方式完成数据传输过程。受到节点分布稀疏性和移动性的影响，网络大部分时间都处在非连通状态，拓扑结构具有极强的动态性。同时，节点相关操作均依靠电池供电，过度地消耗有限的节点能量将导致节点无法工作，使得网络连通程度进一步下降，影响数据传输［3］。因此，机会网络中高效节能的路由机制设计已经成为一个关键的研究方向。

目前，国内外研究人员针对机会网络中的节点能耗管理方法进行了相关研究。研究结果表明，机会网络中数据传输所消耗的能量是节点能耗的主要部分［4］。因此，部分文献从降低节点传输次数的角度展开研究，通过提高节点的传输效率来节省能量。根据连续时间马尔可夫状态转换过程，文献［5］建立了机会网络中的数据传播模型，得到了数据投递到目的节点的最大概率和相应的能量约束条件，进而，分析了不同参数对节点生命周期的影响，并从减少传输次数的角度着手，提出了一种节能路由策略，提高了节点能量利用率。文献［6］提出了一种改进的洪泛路由机制，只有当数据携带节点的邻居数目达到预先设定的阈值时，该节点才会以广播的方式向邻居节点转发数据，可见，此种方式降低了洪泛次数，从而达到了节能的目的。文献［7］提出了一种基于剩余跳数的路由机制，在数据剩余跳数小于预先设定的阈值时，根据到目的节点的返回时间（time to return，TTR）来作为数据的转发依据，以达到降低数据转发次数并节能的目的。

此外，也有文献针对节点属性，设计了相应的节能机制。在离散时间和连续时间的马尔科夫数据传输模型基础上，文献［8－10］分别利用不同的阈值策略提出了相应的数据传输机制，实现投递率最大化的同时尽量减少网络能耗，但此类机制并未考虑节点能量差异性。针对此问题，文献［11］推导了节点之间的转发概率，从而使数据成功投递率达到最大，延长了网络生命周期。文献［12］提出了基于社会关系感知的机会网络路由机制（social link awareness，SLABR），利用节点的社会属性，在社区机会网络中将消息转发过程分为社区间单副本复制，社区内多副本扩散两个阶段，在成功投递和节省能耗之间取得了折衷。

文献［13］同样提出了一种能使网络生命周期最大化的联合路由算法（joint routing algorithm for maximizing network lifetime，JRMNL），以WirelessHART协议为基础，利用图形路由拓扑结构的可靠性对节点间的传输链路加以评估。网络中每个节点根据自身的传输功率、通信负载因子以及节点剩余能量生成一个非线性链路代价函数，以此作为选择最优下一跳节点的依据，保证全网能量平衡的同时有效延长了网络生命周期。

综上所述，文献［5－7］中提出的节能机制采用降低数据转发次数的方式达到节能的目的，并未考虑到节点间的能量有限性和差异性。但在实际应用中，节点能量消耗不均衡将影响整个网络的性能，尤其当带有社会属性的节点呈现出聚集特性时，关系较强的节点将消耗较多的能量为其他节点转发数据。而文献［8－12］中所提出的能量管理方法尽管涉及到了节点的能量差异性，却没有考虑节点的活跃度，也未将节点的活跃程度反映到节点的能耗中。因此，上述机制均在一定程度上存在局限性。而文献［13］针对WirelessHART，且所选择的参数也并不相同。

由于机会网络中节点运动过程具有一定规律，节点间能建立起相对稳定且具有依赖性的社会关系，呈现出聚集特性的节点以自组织的方式形成多个社区［14］。根据社会网络理论可知，各个节点的能力存在差异，具有较高活跃程度的节点所传输数据总量显著高于其他节点，导致其能量消耗将大幅度增加。因此，本文提出一种节点剩余能量均衡的机会网络路由机制（node residual energy balanced routing，NREB），在选择中继节点过程中，充分考虑了节点的剩余能量状态，并综合节点的其他社会属性对数据的转发进行控制，以避免数据副本向能量不足的节点扩散，从而在保证投递率的前提下均衡各节点能量消耗，避免部分活跃节点过度耗能以至提前死亡，影响网络生命周期。

1 节点综合转发能力分析

研究表明，数据的传输状态与携带节点的活动能力直接相关，若该节点与其他节点相遇机会较多，则通过此节点携带的数据成功投递概率较大。由此易知，活跃度高的节点能以更大的概率高效地完成数据投递［15］。然而，在节点能量受限的情况下，活跃节点将消耗大量的能量为其他节点转发数据，导致其能量消耗速度较快，进而无法进行后期的数据转发。显然，机会网络的路由机制需要充分考虑节点活跃度以及能量可用性两个因素，进而更加合理地为节点所携带的数据选择中继节点。本部分从节点活跃度以及剩余能量两个方面对节点能力加以评估，以作为中继节点选择的依据。

1.1 节点能耗分析

机会网络中的节点为具有短距离无线通信接口的移动设备，此类设备包括3个基本单元：感应单元、数据处理单元和数据收发单元［16］。若忽略数据处理及节点移动所带来的能耗，则节点的能耗可分为两种形式：①基础能耗，该部分能耗与节点无线电接口设备的操作无关，主要为固定元器件所产生的基准能耗；②无线电能耗，包括节点与邻居节点之间的通信开销以及自身传输数据的能耗，与数据传输量线性成正比。

根据上述原理可知，节点能耗可按照式（1）所示方式加以量化：

式中，α和β分别代表传输能耗系数和基础能耗系数，这两个参数的取值需要根据不同的传输设备和传输方式而确定；Ebase表示基础能耗，即节点没有任何操作的空闲状态能耗；ERadio表示节点在数据传输过程中的总能耗，其包含3个方面：数据发送能耗、数据接收能耗以及节点扫描能耗。

令Etx和Erx分别表示节点的数据发送能耗和数据接收能耗，则节点在数据传输中的能耗为

式中，e为每比特的电路能耗；Kr和Kt分别为节点发送和接收的数据量。节点发送和接收过的数据大小总和可作为其能耗的衡量标准，传输的数据越多，节点耗能越多。

节点扫描能耗是指节点探测扫描信道以发现周围邻居节点所消耗的能量［17］。令节点单次扫描所消耗的能量为es，节点的探测扫描周期为T，t为网络运行时间，则节点的扫描能耗Escan可表示为

根据机会网络体系结构及数据转发过程的基本原理可作如下假设：①网络中每个节点的能量无法补充，即当其能量耗尽的时候，节点无法正常工作。设置所有节点的初始能量都为Einitial＞0；②每个节点的最大传输距离为r，其他节点只有进入以该节点为圆心，r为半径的范围内时，才成为该节点的邻居节点并开始进行数据的传输；③所有网络中的节点都以相同的发送功率发送数据，发送单位大小的数据能耗相等；④节点采用蓝牙模块进行通信，其发送功率为207.2mW，接收功率为201.6mW［18］，可见，节点接收相同比特数据所耗费的能量要略小于发送的能耗，可以近似认为二者相等。

随着网络的运行，节点不断进行数据的转发和接收，同时还需时刻地探测扫描周围的邻居节点，因此能量被逐渐消耗。当网络运行t时间后，节点的剩余能量为

节点成功发送或接收数据之后，都将扫描更新自身的当前剩余能量值，作为判断综合转发能力的依据。

1.2 节点活跃度估计方法

如前所述，机会网络中的节点具有“大世界，小世界”特性，节点以自组织的方式形成多个社区［19］。在社区中存在一些节点与其他节点联系较为频繁，单位时间内会与多个节点相遇并传输数据，此类节点具有较高的中心度，扮演着数据交换枢纽的角色，由此类节点携带的数据将会以较高的概率投递成功。因此，节点与网络中其他节点的相遇次数能较好地衡量出其活跃程度。

为了便于后续表述，本部分首先给出所涉及的相关参数含义，如表1中所示。

表1 相关符号解释

在基于社区的移动模型（community-based mobility model）［20］下，网络中每个节点x都有一个归属社区Cx。同时，节点以一定的概率漫游到其他社区，故其运动方式包含本地（Local）和漫游（Roam）两种状态，其状态转移关系如图1所示。

图1 社区模型下状态转移

假设在给定的运动周期T内，节点在归属社区和漫游状态的概率分别是πl和πr，根据Markov状态转移定理，可以计算出稳态下节点处于归属社区和漫游状态的概率，分别如式（5）和（6）所示：

给定社区CA中的节点A，若其在运动过程中与另一节点B相遇，根据B节点是否在社区CA中分情况作如下讨论：

（1）若节点B同处在社区CA内，则两节点彼此相遇的概率较大，其概率为

（2）若节点B在社区CA外，那么A节点只能在漫游状态下与B相遇，其相遇概率为

综合上述两种情况，网络中任意两个节点的相遇概率为

因此，节点相遇间隔期望（expected meeting time，EM）可由式（10）进行估计：

节点间相遇的平均时间间隔越小，则节点的相遇频率越高。因此在给定的时间段T内，节点之间的总相遇次数为时间T与节点相遇间隔期望的比值，如式（11）所示：

因此，频繁地往返于各个社区间的节点，平均相遇次数高于其他节点，在网络中担任较大的投递任务。

1.3 节点综合效用值

活跃度越高的节点对数据的投递能力越强，然而其能量消耗也相应地更大。若节点能量持续降低，将会导致节点濒临死亡，从而使得网络的连通性进一步降低，节点之间的连接概率下降，节点携带的数据也将随着该节点死亡而被丢弃，从而影响到数据的投递率，使网络总体性能下降。因此，不同节点数据转发能力的差异无法仅凭活跃程度或

进一步地，一个节点与网络中其余节点的平均相遇次数如式（12）所示：剩余的能量体现。因此，需要根据不同参数来估计节点转发消息到目的节点的综合能力，即节点综合效用值，通过节点在网络中的活跃程度和自身的剩余能量等级，能够反映节点实际转发能力的综合效用值函数如式（13）所示：

式中，Mmax＿a和REmax分别表示节点i的邻居节点列表中活跃度最大值和剩余能量最大值，参数ω用于反映节点活跃度与剩余能量两个指标的权重。显然，权重值的确定对节点综合效用值的估计结果有着重要的影响。为了能够综合、全面地评估节点的综合效用值，本文采用熵值法来确定各个影响因子的权重值，具体的确定方法如下：

（1）首先对原始数据矩阵归一化，建立原始数据矩阵为A＝（aij）2×n，对其归一化，并得到矩阵R＝（rij）2×n：

（2）定义熵。在有两个影响因子的情况下，第i个影响因子的熵为

式中

（3）定义熵权。得到了第i个影响因子的熵之后，就可得到该影响因子的熵权：

最后，将计算出的权重值代入到综合效用值函数的公式中就得出节点的综合效用值。

节点的综合效用值有效地表征了节点转发数据的综合能力。首先，较高的相遇次数表明了节点在网络能够承担较多的数据转发任务，具备将数据快速、准确投递到目的节点的能力。其次，节点的剩余能量是保证数据成功投递的可靠性因素，只有当节点的剩余能量可以支持其不断扫描信道，发现邻居节点以获得传输机会，并满足每次相遇转发和接收过程中的能量消耗，这一类兼具了活跃性与可靠性的节点便是最优的下一跳中继节点。

2 NREB路由机制

2.1 节点剩余能量动态阈值分析

为了更加合理地利用有限的节点能量，需要设定相应的剩余能量阈值，以防止节点能量消耗速度过快。然而随着网络不断运行，所有节点的整体能量水平均在下降，且各个节点的能耗程度因其活跃度而异，显然，固定的剩余能量阈值并不能作为客观的评判标准。因而，需根据当前网络运行状态以动态的方式确定阈值，客观准确地判断出节点剩余能量水平。

在节点的本地信息表中，每个相遇节点对应3个表项，分别为：相遇节点的ID、剩余能量值以及节点活跃度。根据机会网络数据转发过程的基本原理，节点在相遇之后需要交换彼此的概要向量。当S和R两节点相遇时，会将双方概要向量中的邻居节点信息加以合并，得到一个新的邻居节点集合NU＝NS∪NR，其中NS和NR分别为S和R节点的邻居节点集合，进而计算得出NU的平均剩余能量值，如式（16）所示：

邻居节点剩余能量的均值可以作为节点转发决策的依据：①若节点剩余能量大于REave，定义为可靠节点，说明节点能量较为充足，该状态下节点能够活跃并可靠地发送和接收数据；②而当节点剩余能量小于REave时，定义为弱能节点，说明节点的能量等级较低，在接收转发数据时要对自身的能量多加以考虑。

按照上述方式，节点可以动态地更新其邻居节点平均剩余能量数值，为了能够较为准确地反映各个节点剩余能量的差异，本文采用该参数作为当前时刻节点剩余能量的阈值REi＿th。该值既与节点自身相遇过的邻居节点集合有关，同时也会随着全网平均能量水平的降低而不断发生变化，相对于静态固定的阈值而言，具有实时延续性。节点将自身剩余能量与此刻的阈值加以对比，便能获知自身与邻居节点的能量差异，从而做出相应的转发策略。动态的阈值能够保证各个节点每次的阈值随时间更新，从而动态灵活地做出转发决策。

2.2 NREB路由转发策略

如前所述，在节点剩余能量高低不同的情况下，状态也有所不同：在可靠节点之间，两个相遇节点首先交换概要向量信息和综合转发效用值，并进行计算和更新，然后找出自身拥有而对方没有的数据，通过比较双方活跃度的大小决定是否转发。而对于弱能节点，NREB机制在得到节点能量状态情况下，对数据的转发采取一定的限制措施，从而减少节点不必要的传输能耗。

假设节点S携带目的节点为D的数据，则S节点对下一中继节点R的具体投递方法如下：

若R节点为目的节点D，S节点将数据发送给R节点，目的节点收到数据，投递结束；若R节点不是目的节点，则两节点合并邻居节点列表，得出剩余能量动态阈值，并与自身的剩余能量进行对比。

（1）若两节点的剩余能量均大于等于REave，说明两者的均为可靠节点，节点能量能够保证数据可靠转发，此时将数据投递给活跃度大的节点，有利于提高数据的成功投递率。

（2）若对比得到两节点中有一个节点大于REave而另一个节点小于REave，此时对比双发的综合效用值，保证数据能被投递到综合能力较高的节点。

（3）若两节点的剩余能量均小于REave，表明两节点均为弱能节点，在邻居节点中的能量等级已经较低，不再适合频繁地转发，只有当遇到可靠节点再对数据进行投递。

算法的伪代码描述如图2所示。

每完成一次数据的投递之后，双方节点都要对邻居节点信息、自身剩余能量等参数加以更新。另外，每次数据投递前S节点都要检查相遇节点是否已拥有该数据，若已有，则不再重复发送，以控制网络中的数据副本数。

3 数值结果与分析

本文采用机会网络仿真平台（opportunistic network environment，ONE）［21］对节点剩余能量均衡的机会网络路由机制（node residual energy balanced routing，NREB）的性能加以验证，并与社会关系感知的节能路由机制（social link awareness，SLABR）以及典型的数据转发机制Bubble Rap进行了对比。

ONE是一种开源的模块化仿真软件，能够结合节点的路由方法和运动模型建立出基于地图的节点运动模型，更加符合现实机会网络中节点稀疏性和网络间断性连接的特点。本文选取芬兰Helsinki市区中一块面积为4 500m× 3 400m的实际区域作为背景来进行仿真，其中包含126个节点，该仿真场景能够充分体现机会网络的节点分布稀疏特性，能够有效地用于验证本文所提出的能量均衡机制。

现提出以下参数以全面地衡量本文所提路由机制在降低能耗方面的表现：

（1）网络生命值：本文采用文献［22］中所提出的概念，将网络中出现第一个能量耗尽节点的时间定义为网络生命值，以此来衡量网络的存活时间。

（2）节点剩余能量均值：用于衡量仿真结束时网络中各节点的平均剩余能量：

式中，N表示网络中的节点总数量；REi（t）表示在t时刻第i个节点的剩余能量。

（3）节点剩余能量均方差：用于描述网络中节点剩余能量的均衡程度。

将节点剩余能量均值和均方差值两个参数结合可以较为客观地衡量网络的能耗均衡情况，剩余能量均值较大且均方差值较小，则说明网络具有较好的能耗均衡性。

（4）能耗效用值：该参数可以衡量节点传输数据的效用。网络平均能耗为仿真时间内的节点能耗均值，能耗效用值越高，则能量有效利用率越高，路由性能越好。

具体的仿真参数设置如表2所示。

表2 仿真参数设置

3.1 网络生命值比较

机会网络中的节点能量十分有限，中继节点在为其他节点转发数据的过程中需要消耗自身的能量，能量耗尽将导致节点死亡。如前所述，若将第一个节点能量耗尽的时间定义为网络生命值，各种路由机制在不同节点初始能量情况下的网络生命值如图3所示。

图3 网络生命值比较

图3显示了在不同的节点初始能量下几种机制的网络值生命对比情况。从图中可以看出，随着节点的初始能量值增大，各机制网络生命期呈现逐渐上升的趋势，由于NREB机制能够很好地均衡节点能耗，因此可以防止个别节点快速衰竭，从而延长网络的生命值。SLABR机制由于在社区中进行多副本的洪泛，大量重复的数据副本扩散导致节点能耗加快，而Bubble Rap利用本地等级和全局等级对节点进行选择性转发，等级度高的节点集中了网络中大部分的通信量，多次的转发势必造成此类高等级节点能量消耗速度高于其他节点，最终耗尽死亡。并且随着节点初始能量值的提高，NREB机制的优势不断扩大，相比于SLABR和Bubble Rap分别具有11%～23%和33%～47%的提升。

表3对比的是3种机制的网络死亡节点个数及时间情况。可以看出NREB路由机制网络生命值最长，首个节点死亡时间延长了21%～30%，20%节点死亡时间延长了32%～40%。而且NREB路由中节点死亡时间基本都集中在网络运行的后期，网络生命值收敛速度较快。因此，从网络生命值和均衡性能来看，NREB机制都有明显的优势。

表3 3种机制的网络死亡节点数及时间对比 s

3.2 网络能量均衡性能比较

节点的剩余能量均方差表明了节点剩余能量值的波动情况，可以较好地刻画出网络的负载均衡程度。可知，剩余能量均方差越小，网络中各节点的能耗分散越均衡。图4比较了网络从运行7 200s开始至仿真结束时的节点剩余能量均方差值。

图4 节点剩余能量均方差比较

随着时间推移，网络中的节点由于转发能力的差异而造成彼此剩余能量差异性增大，因而各个机制中节点剩余能量均方差都开始增大，网络能量分布变得不均匀。从图中不难看出，NREB机制的能量分布较SLABR和Bubble Rap相比更为均匀，这是由于NREB机制在决定是否转发数据时，将自身剩余能量以及在全网中活跃度结合来作为转发依据，避免了某些活跃节点频繁转发致使自身能量值降低过快，而另一些转发次数较少的节点依然保持较高能量值，导致整个网络能量不均衡的现象，故而能有效平衡网络中的能量。

3.3 数据产生间隔对网络性能的影响

图5～图9给出不同数据产生间隔下的网络性能指标，数据产生间隔能够直观地反应出网络负载状态。图5比较了各种机制在不同数据产生间隔值下的数据投递率。由图可知，随着数据产生间隔值的增加，3种机制的数据成功投递率都逐渐提高。原因在于数据生成间隔越大，给定时间内网络中数据总量降低，节点转发数据的能量消耗也随即减小，节点能量耗尽而死亡的节点数也进一步降低，因而成功投递率不断增加。NREB机制采用节点活跃度和剩余能量来衡量节点综合转发能力，数据能被投递到活跃度较高且能量充足可以保证数据可靠投递的节点处。NREB网络中存活的节点数量多于其他两种机制，避免了节点能量不足而丢弃消息，因此投递率比SLABR提高了4%，比Bubble Rap提高了11%。

图5 不同数据产生间隔对投递率的影响

图6表明了随着数据产生间隔增大，各个机制的负载率整体上升。随着数据生成间隔增加，网络中的数据总量减少，数据转发次数和成功投递的数据数量均有所下降，而前者下降的趋势较小，使得负载率随着数据生成间隔的增加而上升。相比于SLABR在社区间的多次转发和社区内对数据副本的扩散，NREB机制通过控制数据的复制转发条件，原本就具有较小的转发次数，因而有效降低了负载率。结果表明，NREB机制的负载率相比于SLABR降低了18%，比Bubble Rap降低了35%。

图7反映了各种机制在不同数据产生间隔下的平均时延，可以看出各机制的平均时延随着数据产生间隔的增大而表现出下降趋势，并且趋于平稳，由于网络中存在的数据数量较少，这样不仅使数据获得更多的转发机会，同时也避免了网络拥塞现象。数据产生间隔较小时，网络中数据数量较多，有限的节点能量随着频繁地数据转发而迅速降低，死亡节点数目增加，导致数据获得的转发机会更少。NREB机制由于考虑了节点能量均衡，在转发的时候避免了最活跃的节点，而通过综合能力较强的节点进行转发，这个过程增加了一定的等待时间，因而时延高于对比机制。

图6 不同数据产生间隔对负载率的影响

图7 不同数据产生间隔对平均时延的影响

图8中，各个机制的节点平均剩余能量随数据产生间隔的增加而呈上升趋势。数据产生间隔较短时，网络中数据数量较大，频繁的节点间数据转发造成节点自身能量消耗也更大，从而剩余能量较低。NREB机制中节点在数据转发决策过程中考虑了自身剩余能量在邻居节点中的等级，且减少了两节点都处于低能量情况下的不必要转发，有效地保护了能量偏低的节点，使节点平均剩余能量得以提高，较SLABR和Bubble Rap分别提升了13%和19%。

图8 不同数据产生间隔对节点剩余能量的影响

图9描述了数据产生间隔与能耗效用之间的关系。由图可知，随着数据产生间隔增大，单位时间内产生的数据数逐渐减少，节点能耗随之降低，而成功投递率却在不断增加，网络对能量的利用率更高。NREB机制充分地利用了节点有限的能量得到较高的投递率，能耗效用值相对SLABR和Bubble Rap分别提升了18%和25%。

图9 不同数据产生间隔对能耗效用的影响

4 结 论

本文针对社区机会网络中部分活跃节点耗能较快这一特点，提出了一种基于节点剩余能量均衡的路由机制。在考虑节点剩余能量的基础上，结合节点活跃度，使数据副本向综合能力更强的节点扩散，从而提高数据投递的成功率。经仿真验证，在不同的网络环境下，本文机制与同是社区机会网络的节能路由SLABR相比，在保证网络投递性能的前提下有效地均衡了全网能耗，延长了网络生命值。未来的主要工作是优化节点在探测扫描过程中的能耗，设计带有自适应调整节点工作占空比的节能路由机制。

［1］Daly E M，Haahr M.The challenges of disconnected delay-tolerant MANETs［J］.Ad Hoc Networks，2010，8（2）：241－250.

［2］Xiong Y P，Sun L M，Niu J W，et al.Opportunistic networks［J］.Journal of Software，2009，20（1）：124－137.（熊永平，孙利民，牛建伟，等.机会网络［J］.软件学报，2009，20（1）：124－137.）

［3］Yoon S K，Haas Z J，Kim J H.Tradeoff between energy consumption and lifetime in Delay-Tolerant mobile network［C］∥Proc.of the Military Communications Conference，2008：1－7.

［4］Jun H，Ammar M H，Zegura E W.Power management in delay tolerant networks：a framework and knowledge-based mechanisms［C］∥Proc.of the SECON，2005：418－429.

［5］Li Y，Jiang Y，Jin D，et al.Energy-efficient optimal opportunistic forwarding for delay-tolerant networks［J］.IEEE Trans.on Vehicular Technology，2010，59（9）：4500－4512.

［6］De Rango F，Amelio S，Fazio P.Enhancements of epidemic routing in delay tolerant networks from an energy perspective［C］∥Proc.of the Wireless Communications and Mobile Computing Conference，2013：731－735.

［7］Martín-Campillo A，MartíR.Energy-efficient forwarding mechanism for wireless opportunistic networks in emergency scenarios［J］.Computer Communications，2012，35（14）：1715－1724.

［8］Altman E，Neglia G，De Pellegrini F，et al.Decentralized stochastic control of delay tolerant networks［C］∥Proc.of the INFOCOM IEEE，2009：1134－1142.

［9］Li Y，Jiang Y，Jin D，et al.Energy-efficient optimal opportunistic forwarding for delay-tolerant networks［J］.IEEE Trans.on Vehicular Technology，2010，59（9）：4500－4512.

［10］Altman E，Başar T，De Pellegrini F.Optimal monotone forwarding policies in delay tolerant mobile ad-hoc networks［J］.Performance Evaluation，2010，67（4）：299－317.

［11］Zhao D，Ma H，Yuan P，et al.Differentiated probabilistic forwarding for extending the lifetime of opportunistic networks［C］∥Proc.of the Wireless Communications and Networking Conference，2012：3002－3007.

［12］Wang K，Guo H.An improved routing algorithm based on social link awareness in delay tolerant networks［J］.Wireless Personal Communications，2014，75（1）：397－414.

［13］Zhang S，Yan A，Ma T.Energy-balanced routing for maximizing network lifetime in wirelessHART［J］.International Journal of Distributed Sensor Networks，2013，23（1）：1－7.

［14］Wei K，Liang X，Xu K.A survey of social-aware routing protocols in delay tolerant networks：applications，taxonomy and design-related issues［J］.Communications Surveys ＆Tutorials，2014，16（1）：556－578.

［15］Wu D P，Zhou J E，Wang R Y，et al.Message-redundancy estimating adaptive buffer management mechanism for opportunistic network［J］.Journal of Electronics ＆Information Technology，2012，34（1）：101－107.（吴大鹏，周建二，王汝言，等.机会网络中消息冗余度动态估计的缓存管理策略［J］.电子与信息学报，2012，34（1）：101－107.）

［16］Feeney L M，Nilsson M.Investigating the energy consumption of a wireless network interface in an ad hoc networking environment［C］∥Proc.of the Twentieth Annual Joint Conference of the IEEE Computer and Communications Societies，2001：1548－1557.

［17］Wu D P，Fan S L，Zhang P N，et al.Energy efficient copy distributing status aware routing mechanism in opportunistic net-work［J］.Journal on Communications，2013，34（7）：49－58.（吴大鹏，樊思龙，张普宁，等.机会网络中能量有效的副本分布状态感知路由机制［J］.通信学报，2013，34（7）：49－58.）

［18］Macii D，Petri D.An effective power consumption measurement procedure for bluetooth wireless modules［J］.IEEE Trans.on Instrumentation and Measurement，2007，56（4）：1355－1364.

［19］Daly E M，Haahr M.Social network analysis for routing in disconnected delay-tolerant MANETs［C］∥Proc.of the 8th ACM International Symposium on Mobile Ad Hoc Networking and Computing，2007：32－40.

［20］Spyropoulos T，Psounis K，Raghavendra C S.Performance analysis of mobility-assisted routing［C］∥Proc.of the 7th ACM International Symposium on Mobile Ad Hoc Networking and Computing，2006：49－60.

［21］Keränen A，Ott J，Kärkkäinen T.The ONE simulator for DTN protocol evaluation［C］∥Proc.of the 2nd International Conference on Simulation Tools and Techniques，2009：315－326.

［22］Sengupta S，Das S，Nasir M D，et al.Multi-objective node deployment in WSNs：in search of an optimal trade-off among coverage，lifetime，energy consumption，and connectivity［J］.Engineering Applications of Artificial Intelligence，2013，26（1）：405－416.

Node residual energy balanced routing mechanism for opportunistic networks

YANG Peng1，2，LIU Dou1，WANG Ru-yan1，YAN Jun-jie1
（1.Broadband Ubiquitous Network Research Laboratory，Chongqing University of Posts and Telecommunications，Chongqing 400065，China；2.China Academy of Telecommunications Research，Beijing 100191，China）

In opportunistic networks，the node energy is limited and hard to recharge，and the energy consumption has a determinant impact on the network lifetime and performance.To solve the problem that socially popular nodes may quickly deplete their energy resources and consequently not participate in the routing process，the node activity and residual-energy are exploited to evaluate the comprehensive forwarding ability，and then an node residual energy balanced routing mechanism（NREB）for opportunistic networks is introduced.The NREB saves energy by rationally choosing the next-hop node to avoid unnecessary forwarding，which can also balance the network overhead.Simulation results show that the proposed mechanism can ensure the delivery ratio while balancing the energy consumption between nodes and thus to prolong the network lifetime.

opportunistic networks；node energy consumption；residual-energy；comprehensive ability

TP 393.04

A

10.3969／j.issn.1001-506X.2015.08.27

杨 鹏（1980－），男，高级工程师，主要研究方向为下一代移动通信技术、无线泛在网络、下一代互联网理论与技术。

E-mail：yangpeng＠catr.cn

刘 豆（1990－），女，硕士研究生，主要研究领域为机会网络绿色数据转发。

E-mail：nuanliu1234＠sina.com

王汝言（1969－），男，教授，博士，主要研究领域为泛在网络、全光网络理论与技术、多媒体信息处理。

E-mail：wangry＠cqupt.edu.cn

闫俊杰（1990－），男，硕士研究生，主要研究方向为无线泛在网络。

E-mail：cqupt2013yjj＠sina.com

1001－506X201508－1894－08

网址：www.sys－ele.com

2014－09－11；

2014－11－06；网络优先出版日期：2014－12－11。

网络优先出版地址：http：／／www.cnki.net／kcms／detail／11.2422.TN.20141211.1524.001.html

国家自然科学基金（61371097）；重庆市自然科学重点基金（CSTC2013JJB40001，CSTC2013JJB40006）；重大专项（2013ZX03001007）资助课题