基于历史与位置信息的容迟网络路由算法

,, ,

(青岛大学 计算机科学技术学院,山东 青岛 266071)

0 概述

容迟网络(Delay Tolerant Network,DTN)[1-3]是近几年国内外无线网络研究领域内的一个新兴热门研究方向,DTN是一种不需要在源节点和目的节点之间存在一条完整通信路径,利用节点移动带来的相遇机会实现网络通信的自组织网络。由于DTN中节点的移动性,以及移动节点的无线通信距离有限,节点间的通信频繁中断等特点[4-5],节点间只能进行间断性互连,所以使得源节点到目的节点之间无法形成一条稳定的通信路径[6],整个网络拓扑结构处于动态变化中。这种极端的网络环境使得传统Internet的路由算法和网络协议无法适用于DTN中。正是由于DTN的这种网络特性,使其在支撑环境苛刻条件下的应用独具优势,因而使得容迟网络成为了一个热门研究方向,并得到了广泛的关注和研究,DTN中实现消息的有效传递是最关键的问题[7],DTN路由算法研究目前也是DTN研究中研究成果最多,最为成熟的一个方向。目前DTN应用的场景主要有,野生动物追踪的传感网络[8-10]、移动车载网络[11-13]、水下传感器网络[14-15]和Internet接入服务的信息网络[16]等。

DTN利用节点在移动过程中相遇的机会(DTN中称为Contact)进行消息传输,采用“存储—携带—转发”这一路由模式来实现节点间的通信。近几年,在DTN路由算法方面许多学者提出了大量研究成果。从节点向网络中注入消息副本的数量的角度来看,DTN的路由算法可以分为两大类:基于复制策略的路由算法和基于转发策略的路由算法。

基于复制策略的路由算法,通过提高消息在网络中副本的数量,使得消息可以在同一时刻有多个副本在进行传输,从而来增加消息成功投递至目的节点的概率,最具代表性的算法有传染病算法Epidemic[17-19],Spray and Wait[20-22]和PRoPHET[23-24]。Epidemic算法会在2个节点相遇时向对方复制其消息向量中没有的消息。Spray and Wait算法通过控制网络中消息副本的数量,在Spray阶段将消息副本进行散播,在Wait阶段一直等待遇到目的节点。PRoPHET算法利用节点对相遇的历史信息和传递性来预测节点同目的节点相遇的概率,将消息传递给邻居节点中投递概率比当前节点更大的节点。基于转发策略的路由算法中,算法会根据网络的拓扑知识,然后按照一定的优化目标进行有目的的选择下一跳中继节点进行消息传递,从而选择出一条较优的路径将消息传输到目的节点,在传输过程中,中继节点不会对消息进行复制。最具代表性的算法有Direct Delivery[25]和FirstContact算法[26]。Direct Delivery算法中源节点会一直携带消息直到遇到目的节点才会进行消息传输。FirstContact算法中携带消息的源节点在整个移动过程中,将消息转发给第一个相遇的节点。

目前一种比较认可的提高投递率的方式是基于复制策略,增加网络中消息副本数量。为此,本文提出一种基于历史和位置信息的容迟网络路由算法(Routing Algorithm in Delay Tolerant Network Based on History and Location Information,HLRA),从历史策略和地理策略两方面增加消息投递率,降低消息传输的平均时延。

1 路由算法设计

1.1 动机

基于消息复制策略的路由算法,在网络中对同一消息进行复制,使其产生大量消息副本,只要其中一个携带消息副本的节点与目的节点相遇,那么消息就传输成功。大量的研究结果表明,DTN中基于消息复制策略的路由算法可以有效地提高消息投递率[27]。另一方面单纯的增加消息副本,容易导致网络中消息洪泛,并且由于网络中节点的缓存空间、能量等资源有限,大量的消息副本会增加网络中节点资源消耗,导致节点的缓存溢出,反而降低了网络的路由性能。

为了在保持较高的消息投递率的同时,降低网络中节点资源的消耗,必须控制消息的盲目复制。很多学者想通过获取网络拓扑结构知识或其他额外辅助信息来增加DTN消息投递率,降低能耗和时延。但是由于网络中节点的移动,节点耗尽能源而停止工作或者在网络中添加新的节点,使得DTN的拓扑结构时刻处于动态变化中,难以获取,且时效性和准确性低。

然而只是获取节点在网络中的位置信息,通过GPS定位系统或者相关的定位算法即可实现,节点中保存位置信息也不会消耗太多资源,获取的位置信息比网络拓扑知识准确性和时效性更强,并且地理路由算法实现相对简单,不需要节点有太高的计算处理能力,对节点资源的消耗较少。

1.2 算法简介

HLRA算法的整体执行流程,如图1所示。由于路由算法解决的是在消息传输过程中的“路径”选择问题,因此此流程图中只描述了与路由算法相关的部分。

图1 HLRA路由算法流程

在DTN中,只有当节点相遇的时候才会出现消息传输,所以流程开始,当节点相遇时,相遇节点各自更新自己所维护的节点历史相遇次数表。之后根据节点所携带的消息,会从邻居节点中选择出所有消息的下一跳节点。首先会根据历史策略进行,如果历史策略选择出了下一跳节点,则继续处理下一个消息。如果历史策略没有为消息选择出下一跳节点,则转至运行地理策略为其选择下一跳节点,之后继续尝试下一个消息,直到节点所携带的消息都已经处理完毕。然后又会对新的相遇节点进行消息的整个传输流程[28]。

1.3 模型假设和符号说明

本文符号说明如表1所示,在详细介绍本文提出的路由算法HLRA之前,先做出如下假设:

1)网络中的节点都在此网络设置的整体范围内移动,不会移动到范围以外。

2)网络中的节点可以通过借助GPS来获取其当前的位置信息。

3)节点在通信范围内与其他节点建立连接时,可以收集相遇次数等信息。

4)节点移动存在惯性。

表1 符号说明

1.4 下一跳节点选择策略

在DTN路由算法中,由于节点的间歇性连接,无法实现通过建立一条完整通信路径进行消息传输,只能依靠节点移动带来的相遇机会来选择消息的下一跳节点进行消息路由,好的下一跳节点会缩短消息成功投递的时间,提高投递率,降低时延。所以,路由算法中下一跳节点的筛选方法尤为重要,它对于消息的成功传递有着极大的影响[29]。

本文HLRA路由算法在下一跳节点的选择上采用如下2个策略:

1)历史策略,以节点间历史相遇次数为依据,在邻居节点中选择同消息的目的节点历史相遇次数最大的邻居节点作为下一跳节点,以此来增加消息投递的准确性。

2)地理策略,当历史策略未选出下一跳节点则执行本策略。利用节点的位置信息,在当前消息节点的邻居节点中选择由两个节点移动方向所构成夹角最大的一对节点作为消息的下一跳节点,增大消息的覆盖范围,以减少消息的投递时延。

1.4.1 历史策略

为了防止盲目的过度复制消息,浪费节点资源。HLRA算法的历史策略是尽可能提高消息传输至目的节点的准确性。在实际应用中,DTN里的节点运动在很多情况下是有一定规律可循或者可以预测的,比如车载网络中的汽车运行轨迹,野生动物追踪网络中动物迁徙路线等。在DTN中,节点在预先设定的网络范围中移动,会不断地与其他节点相遇,2个节点在某一时刻相遇,很可能在之后某一时刻会再次相遇,也就意味着节点间的历史相遇信息对于节点未来的相遇有较强的预测指示作用。

为提高消息的投递率,在每次节点相遇的时刻,更新维护当前节点的历史节点相遇次数表T。每个节点需要维护一个记录与其他节点历史相遇次数的表T,Cij=Ti(j)表示当前节点Ni与节点Nj历史相遇的次数。为了评估当前节点Ni的相遇节点Nj是否有资格作为消息的下一跳节点,在每个消息中都会有一个次数等级S,用于记录消息在传输过程中遇到的与其目的节点历史相遇次数最大值,其初始值为0,用于在历史策略中选择下一跳节点时与邻居节点中的T值进行比较,并且次数等级S的值会及时更新并随着消息复制被拷贝到下一跳节点。

利用历史策略进行下一跳节点选择时,需要选出邻居节点T表中与消息的目的节点的相遇次数C最大的邻居节点,比较C是否大于消息的当前次数等级S,只有邻居节点与消息目的节点历史相遇次数C大于消息的次数等级S,才会将消息复制给此邻居节点,反之,则说明此节点与消息的目的节点相遇机会没有消息当前所在节点遇到目的节点的机率大,所以不会向此邻居节点复制消息。如图2所示,当前节点Ni携带消息M和节点Nj相遇,消息M的目的节点是N10,M的当前次数等级S是0。按照历史策略,Ni和Nj首先各自更新自身的T表,检查Nj是否可以作为下一跳节点,会首先对Ni节点携带的消息M中的次数等级S和从节点Nj的T中所获得的Cj,10进行比较,S=0

图2 历史策略选择下一跳节点示意图

历史策略在邻居节点中选择与消息的目的节点历史相遇次数最多,且相遇次数C要大于消息的次数等级S的邻居节点作为下一跳节点。

在算法第1行中,由于当前节点与周围邻居节点相遇,所以首先要更新各自维护的T表。算法第2行对若干个邻居节点按照T表中消息目的节点的历史相遇次数的大小降序排列,取序列第一个节点与消息的S值进行比较。算法第3行～第7行,将消息的次数等级S与之前获得的第一个节点的历史相遇次数C进行比较,如果S

算法1历史策略算法描述

输入currentNode,neighborNodeList,Message

输出nextHop

1.更新currentNode和neigborNodeList各自的表 T

2.将neighborNodeList中的节点按C=T(Message.des)的大小降序排列,neighborNode = neighborNodeList中的第一个

3.If Message.S

4. Message.S=neighborNode.C

5. neighborNode.add(Message.replicate())

6. nextHop = neighborNode

7.end if

8.else nextHop = null

9.return nextHop

历史策略算法第1步更新当前节点和邻居节点历史相遇次数表T中值,其时间复杂度Time(n)取决于要更新T表的节点数量n,Time(n)=O(n)。第2步对邻居节点进行排序,选择相对稳定的快速排序,时间复杂度为Time(n)=O(nlogn)。第3步通过进行比较相遇相遇次数和次数等级的值来获取下一跳节点时间复杂度O(1)。所以,历史策略性能主要受算法第一步节点的数量影响,算法时间复杂度为Time(n)=O(n)。

1.4.2 地理策略

由于消息的次数等级S随着遇到的节点越多而逐渐更新增大,因此到后期,次数等级S变大后,在一个区域内可能很难再通过历史策略找到与目的节点历史相遇次数C大于S的节点作为下一跳节点。所以就需要扩大消息的覆盖范围,使得消息分布更广,从而推动历史策略的执行,增加消息的投递率。因此,地理策略的主要目的就是将消息扩散出去,通过增大消息覆盖面积来缩短消息到达目的节点的时间,提高投递率。

节点在一定时间段内,移动的方向大致是朝同一个方向的或者同一趋势。所以,地理策略就是根据节点的移动方向从邻居节点中筛选出合适的节点作为下一跳节点,进行消息复制,扩大消息的覆盖面积。而地理策略的出发点就是尽可能选择当前节点的周围邻居节点中由两个节点移动方向所形成的夹角最大的两个节点作为下一跳节点,以实现消息副本以当前节点移动方向为中轴向两侧均匀扩散,进而增大消息覆盖面积。

如图3所示,在某一时刻某一区域,当前节点Ns周围有多个邻居节点Na、Nb、Ni、Nj,它们都有各自的移动轨迹。虚线小圆圈代表节点上一时刻的位置,实线阴影小圆点代表节点当前位置。

图3 消息扩散示意图

(1)

计算出构成夹角的2个节点的移动方向后,2个节点移动方向夹角差值的绝对值就是2个节点构成的夹角的大小。通过式(2)计算此节点对移动方向所构成的夹角的大小。就图3中2个夹角θ1和θ2,其他节点暂时不比较,夹角θ1要更大一些,所以,Ni和Nj可以作为下一跳节点进行消息复制:

θ=|θi-θj|

(2)

夹角θ越大,则邻居节点与携带信息的当前节点移动区域的重合概率就会越小,从而避免了相同消息的副本在同一块区域内冗余所造成的节点资源浪费。除了要考虑节点移动方向夹角的问题,还要考虑当前节点Ns的移动方向问题。因为通过最大夹角筛选出的节点对中,会存在某个节点的移动方向非常接近节点Ns的移动方向,如果选择这样的节点对作为下一跳节点,也会导致在一个区域内同一消息副本冗余,造成节点资源浪费。

所以,本文通过增加一个条件来进行选择,在节点对夹角最大的前提下,携带消息的当前节点Ns的移动方向Ds比较好的情况是在夹角的正中方向,这样作为下一跳节点的Ni和Nj以当前节点Ns的移动方向Ds为中轴平均向两边辐射,消息覆盖面积会更理想。通过比较所有节点对P所构成移动方向夹角θ的大小,然后按照θ大小进行降序排列,选择前3个夹角的节点对作为下一跳节点的候选节点,通过式(3)进一步判断节点对P的中心方向D(P)和当前节点Ns的移动方向Ds的相对位置ω。D(P)可由节点对P中2个节点当前位置和历史位置坐标中心点通过式(1)计算获得。ω值越小,说明Ns的移动方向越接近夹角的中心位置,从而节点对P中的2个节点就会以Ns的移动方向平均向两侧辐射。式(4)通过比较节点对P1和P2的ω值,获取ω值更小的节点对。若ω(P1)<ω(P2),则f(P1,P2)=P1,否则f(P1,P2)=P2。从3个夹角中利用式(4)计算出ω值最小的节点对P,将此节点对P中的2个节点作为下一跳节点进行消息复制,来有效地扩大消息覆盖面积。

ω(P1) = |Ds-D(P)|

(3)

(4)

如果当前节点的邻居节点的数量不大于2的时候,即无法进行节点对夹角的比较,只需要直接对邻居节点进行消息复制。算法2给出了地理策略的算法描述。

算法2地理策略算法描述

输入neighborNodeList

输出nextHopPair

1.初始化nextHopPair

2.if neighborNodeList.length <= 2 then

3. nextHopPair = neighborNodeList.replicate()

4.else

6. 用式(1)、式(2)计算每一个组合的夹角

7. end for

8.按夹角大小照降序排列节点对

9.取序列前3

10.for P in P1,P2,P3

11. 用式(4)计算每一个节点对的ω值

12. Pbest=f(P1,P2)

13.end for

14.将Pbest中的2个节点加入到nextHopPair

15.end if

16.return nextHopPair

在算法2的第2行～第3行中,首先判断周围的邻居节点的个数,如果邻居节点数量小于或等于2,那么直接将此节点选为下一跳邻居节点进行消息复制。算法第5行～第7行,对邻居节点中每对节点组合计算其移动方向的夹角θ。算法第8行,将所有节点对P按照计算出的移动方向夹角大小进行降序排序,以便后序对P的选取。算法第9行,在排好序的序列中,取出移动方向夹角θ最大的3对P作为候选节点。算法第10行～第13行,对上一步求出的3个节点对计算ω值,并利用式(4)进行比对,找出相对合适的节点对,之后算法第14行,将选出P的2个节点作为下一跳节点等待消息复制。

地理策略的算法中主要操作有,第5行～第7行计算节点组合夹角大小以及第8行对节点对进行排序,第5行～第7行的操作取决于节点组合的规模,所以,时间复杂度Time(n)=O(n)。对节点对进行快速排序,所以,时间复杂度Time(n)=O(nlogn)。地理策略算法的性能主要受节点组合规模的影响,因此,时间复杂度为Time(n)=O(n)。

2 仿真实验

2.1 仿真环境

本文采用The ONE(Opportunity Networking Environ-ment)[30]模拟器来进行仿真实验,基于Random Waypoint节点移动模型,对HLRA,Epidemic,Spray and Wait和First Contact算法进行了大量的仿真实验,研究了这些路由算法在节点缓存空间、消息生成时间间隔、消息生存期产生变化下的路由性能表现。采取的衡量指标有:投递率、负载率、平均时延和平均跳数。具体实验仿真参数如表2所示。

表2 实验仿真参数

2.2 仿真结果分析

2.2.1 节点缓存空间大小

图4是4种算法的路由性能随着节点缓存空间大小改变的变化情况。随着缓存空间逐渐增大,节点可存储的消息数量增加,即可以携带更多的消息进行转发,可以降低消息传输的跳数,增加消息成功投递的机率。如图4所示,当缓存空间在25 MB大小时,HLRA算法的消息投递率比Epidemic提高了10%。平均时延方面,HLRA算法比传染病算法Epidemic降低了50%,使得消息的时效性得以提高。

图4 不同缓存空间下4种算法的性能表现

FirstContact算法投递率最低,因为该算法只转发一个消息副本,所以对缓存空间的要求并不高,当缓存空间大于10 MB其投递率开始趋于稳定,平均跳数和平均时延也远远多于其他算法,在作为下一跳路由选择策略时并不理想。但是其网络负载率很低,适合应用于网络资源珍贵,负载率较低的网络。

由于HLRA是基于复制策略的路由算法,通过控制消息副本的数量来提高消息的投递率,因此HLRA能达到与Epidemic相当的较高的投递率。在缓存空间增长的情况下,基于复制的多副本策略能够有效地提高路由算法的表现。当缓存空间大于16 MB时,HLRA在投递率方面逐渐高于Epidemic,这验证了本文两种策略相结合下一跳路由选择算法在提高路由性能上的有效性。HLRA同时具有4个算法中最低的网络平均延时,能够提高消息的可靠性。但是因为HLRA在节点计算方面要复杂于其他3个算法,所以在网络负载率方面要高于其他3个算法,随着缓存空间增大,负载率逐渐降低,所以HLRA适用于那些节点缓存资源不充裕负载能力强的网络。Epidemic和SprayAndWait算法都是基于复制策略的路由算法,后者是在前者的基础上对消息副本的数量进行了限制,它们都有一个较高的投递率,由于SprayAndWait对消息副本进行的限制,因此在缓存空间大于8 MB时,其投递率开始低于Epidemic。但2个算法的网络平均时延都高于HLRA,降低了消息的可靠性。

综合图4可以看出,在DTN中,当资源充足和网络负载能力较低时,Epidemic和SprayAndWait算法有较高投递率和较低的网络负载率,具有比较高的价值。当网络负载能力较强缓存空间不充裕时,HLRA算法是一个更好的选择,在保持较高的投递率的同时,具有较低的网络平均时延,因而可以发挥出更高效的路由性能。

2.2.2 消息生成时间间隔

图5是消息生成时间间隔对4种算法路由性能的影响。由图5可以看出,在不同的消息生成时间间隔下,相比较于其他3种算法,HLRA在投递率和平均时延上取得了一定优势。

图5 不同消息生成时间间隔下4种算法的性能表现

进一步验证了HLRA2种策略相结合下一跳路由选择算法在提高路由性能上的有效性。HLRA在投递率方面明显的高于其他3个算法。FirstContact投递率依然最低。当消息生成时间间隔较小时,网络中会快速生成大量的消息,由于没有对消息副本进行限制并且缓存空间的有限,基于复制策略的路由算法受到限制,因此HLRA,Epidemic和SprayAndWait在时间间隔小于50 s的时候,投递率都不高,但随着消息生成时间间隔逐渐增大,网络中的消息增长速度减缓,对缓存资源的快速消耗得以缓解,3个算法的投递率逐渐增高,由于HLRA通过历史策略和地理策略对中继节点进行筛选,并限制消息的复制能力,因此HLRA的投递率明显高于Epidemic和Spray And Wait算法。平均时延方面,HLRA依然占据了绝对的优势,拥有最低的平均时延。由于HLRA在节点计算方面要复杂于其他3个算法,所以在网络负载率方面高于其他3个算法。

2.2.3 消息生存期

图6、图7是4种算法的路由性能随着消息生存期长短的变化情况。

图7 不同消息生存期下4种算法的性能表现2

由图6、图7可以看出,HLRA算法在投递率和平均时延方面依然保持着优势。当消息生存期小于100 s时,HLRA相比其他3个算法,有一个较高的投递率,FirstContact算法的投递率依然很低。在平均时延方面,HLRA依然是明显的低于其他算法,随着消息生存期的逐渐增加,变化非常明显。FirstContact由于只是将消息传给第一个遇到的节点,所以平均跳数非常高,远远高于其他3个算法。而HLRA,Epidemic和SprayAndWait算法要较低且相对稳定,其中HLRA要略高于Epidemic和SprayAndWait算法。负载率方面,HLRA算法的负载率还是明显高于其他3个算法。

综合图6、图7可以看出,相比其他3个算法,在消息周期较短时,HLRA算法是一个很好的选择,因为其投递率较高且网络负载也相对较低。

3 结束语

本文提出基于历史和位置信息的容迟网络路由算法。利用节点的历史相遇信息和位置信息筛选与目的节点历史相遇次数更多的节点,将与当前节点移动方向夹角更大的节点作为下一跳候选节点进行消息复制,从一定程度上控制了洪泛策略中的消息盲目复制,减少了消息的冗余副本数量,在保持投递率的基础上降低了消息传输的平均时延。仿真结果表明,该算法平均时延低于Epidemic、FirstContact和Spray and Wait算法,投递率也得到一定程度的提高。但是该算法网络负载较高,因此,下一步将着重解决网络负载较高的问题,并进一步提高算法的消息投递率。

[1] FALL K.A Delay-tolerant network architecture for challenged Internets[C]//Proceedings of Conference on Applications,Technologies,Architectures,and Protocols for Computer Communications.New York,USA:ACM Press,2003,27-34.

[2] FATIMAH A,JOHARI R.Delay tolerant network:routing issues and performance[J].International Journal of Autonomic Computing,2016,2(2):99-113.

[3] MCMAHON A,FARRELL S.Delay and disruption tolerant networking[J].IEEE Internet Computing,2009,13(6):82-87.

[4] RAJ V S,CHEZIAN R M.DELAY-disruption tolerant network (DTN),its network characteristics and core applications[J].International Journal of Computer Science & Mobile Computing,2013,2(9):256-262.

[5] CAO Yue,SUN Zhili.Routing in delay/disruption tolerant networks:a taxonomy,survey and challenges[J].IEEE Communications Surveys & Tutorials,2013,15(2):654-677.

[6] LI Yun,WANG Xiaoying,LIU Zhanjun,et al.Analysis of link interruption characteristics in the DTN[J].Journal on Communications,2008,29(11):232-236.

[7] 胡四泉,汪红兵,王俊峰.机会型网络研究综述[J].计算机科学,2009,36(10):32-37.

[8] TOVAR A,FRIESEN T,FERENS K,et al.A DTN wireless sensor network for wildlife habitat monitoring[C]//Proceedings of Electrical and Computer Engineering.Washington D.C.,USA:IEEE Press,2010:1-5.

[9] JUANG P,OKI H,WANG Yong,et al.Energy-efficient computing for wildlife tracking:design tradeoffs and early experiences with Zebranet[J].ACM SIGARCH Computer Architecture News,2002,30(5):96-107.

[10] MCKOWN M W,LUKAC M,BORKER A,et al.A wireless acoustic sensor network for monitoring wildlife in remote locations[J].The Journal of the Acoustical Society of America,2012,132(3):2036.

[11] HULL B,BYCHKOVSKY V,ZHANG Yang,et al.CarTel:A distributed mobile sensor computing system[C]//Proceedings of International Conference on Embedded Networked Sensor Systems.New York,USA:ACM Press,2006:125-138.

[12] LI Xu,SHU Wei,LI Minglu,et al.DTN routing in vehicular sensor networks[C]//Proceedings of Global Telecommunications Conference.Washington D.C.,USA:IEEE Press,2008:1-5.

[13] LI Fan,ZHAO Lei,FAN Xiumei,et al.Hybrid Position-based and DTN forwarding for vehicular sensor networks[J].International Journal of Distributed Sensor Networks,2012,8(4):184-195.

[14] SMALL T,HAAS Z J.The shared wireless infostation model:a new ad hoc networking paradigm (or where there is a whale,there is a way)[C]//Proceedings of ACM Interational Symposium on Mobile Ad Hoc NETWORKING and Computing.New York,USA:ACM Press,2003:233-244.

[15] CHO H H,CHEN C Y,SHIH T K,et al.Survey on underwater delay/disruption tolerant wireless sensor network routing[J].IET Wireless Sensor Systems,2014,4(3):112-121.

[16] DEMMER M,FALL K.DTLSR:Delay tolerant routing for developing regions[C]//Proceedings of Workshop on Networked Systems for Developing Regions.New York,USA:ACM Press,2007:1-6.

[17] VAHDAT A,BECKER D.Epidemic routing for partially-connected ad hoc networks[EB/OL].[2010-11-21].https://www.mendeley.com/research-papers/epidemic-routing-partially-connected-ad-hoc-networks/.

[18] DE ABREU C S,SALLES R M.Modeling message diffusion in epidemical DTN[J].Ad Hoc Networks,2014,16(4):197-209.

[19] WU Yahui,SU Deng,HUANG Hongbin.Performance analysis of Hop-limited epidemic routing in DTN with limited forwarding times[J].International Journal of Communication Systems,2015,28(15):2035-2050.

[20] SPYROPOULOS T,PSOUNIS K,RAGHAVENDRA C S.Spray and wait:an efficient routing scheme for intermittently connected mobile networks[C]//Proceedings of ACM SIGCOMM Workshop on Delay-tolerant Networking.New York,USA:ACM Press,2005:252-259.

[21] SPYROPOULOS T,PSOUNIS K,RAGHAENDRA C S.Spray and focus:efficient mobility-assisted routing for heterogeneous and correlated mobility[C]//Proceedings of the 5th Annual IEEE International Conference on Pervasive Computing and Communications.Washington D.C.,USA:IEEE Press,2007:79-85.

[22] KIM E H,NAM J C,CHOI J I,et al.Probability-based spray and wait protocol in delay tolerant networks[C]//Proceedings of International Conference on Information Networking.Washington D.C.,USA:IEEE Press,2014:412-416.

[23] LINDGREN A,DORIA A,SCHELEN O.Probabilistic routing in intermittently connected networks[J].ACM Sigmobile Mobile Computing & Communications Review,2003,7(3):19-20.

[24] GRASIC S,DAVIES E,LINDGREN A,et al.The evolution of a DTN routing protocol——ProPHETv2[C]//Proceedings of the 6th ACM Workshop on Challenged Networks.New York,USA:ACM Press,2011:27-30.

[25] GROSSGLAUSER M,TSE D N C.Mobility increases the capacity of ad hoc wireless networks[J].IEEE/ACM Transactions on Networking,2002,10(10):477-486.

[26] JAIN S,FALL K,PATRA R.Routing in a delay tolerant network[C]//Proceedings of ACM SIGCOMM Conference on Applications,Technologies,Architectures,and Protocols for Computer Communication.New York,USA:ACM Press,2004:145-158.

[27] 王 欣.容迟网络中基于复制策略的单播路由算法研究[J].电子设计工程,2013,21(6):24-26.

[28] 刘期烈,许 猛,李 云,等.基于历史效用的机会网络路由算法[J].计算机应用,2013,33(2):361-364.

[29] 关礼安,汪斌强,朱宣勇.一种基于节点多可用下一跳的分级收敛算法[J].计算机应用研究,2010,27(9):3493-3495.

[30] KER N A,OTT J.The ONE simulator for DTN protocol evaluation[C]//Proceedings of the 2nd International Conference on Simulation Tools and Techniques.Washington D.C.,USA:IEEE Press,2009:55.