基于机会网络的路由算法
胡眯妹1*， 刘美华2， 閤双奎3， 张新晨1
【摘 要】摘 要: 当前机会网络路由算法在数据包较少的情况下无法准确估算节点的兴趣，导致社区划分不合理，数据包在节点之间存在无效传递，从而增大了通信开销.针对此问题提出了一种将节点接收消息的历史次数和历史消息与各类消息间的相似度相结合，量化对各类消息的兴趣程度，并根据这种兴趣程度来划分兴趣社区的路由算法ILCR(interest level community route).ILCR具体转发策略是选择在目标社区内且到目的节点概率大的节点，或者活跃且可靠程度大的节点作为中继，通过ONE平台对ILCR仿真并与Epidemic、Prophet对比，结果表明ILCR在投递率比Prophet提高了约13%，比Epidemic提高了约113%、网络开销比Prophet降低了约94.4%，比Epidemic降低了约81%等，保证了在网络频繁间断且网络资源匮乏的情况下成功通信的可能. 【期刊名称】《华中师范大学学报（自然科学版）》 【年(卷),期】2024(053)006 【总页数】6
【关键词】关键词: 机会网络； 兴趣社区； 相似度； 兴趣程度 基金项目： 国家自然科学基金项目(U1536104)． 开放科学(资源服务)标识码( )：
机会网络是不需要源节点和目的节点之间存在完整路径，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，文献[1-3]通过节点的存储-携带-转发行为完成数据包的传递.然而实际的机会网络往往是由车、人或其它传输工具所携
带的短距离通信接口的移动设备所组成的机会网络.在这种利用人作为载体传输数据而形成移动的社会社交网络，节点往往具有一定的社会性.具体表现是节点之间因具有相同的兴趣、属性、社会地位等形成相对稳定且相互依赖关系，从而会出现了节点会聚的现象.在文献[4]中说明在节点汇聚的内部，节点之间联系紧密、相遇频繁、接触时间长，而在汇聚区域外节点互相接触概率低，但是某些活跃于某些区域间的节点增加了区域间的联系.
相关学者利用多种方法划分社区[5-7]，其中根据节点的社会性[8-9]也提出各种路由算法，较为经典的是Pan[10]等提出的BubbleRap算法，该算法是利用社交网络中节点的社交联系的特点结合节点的中心性和全局性建立模型，在模型中具体转发路径是在社区间选择全局性较高的节点进行传输，当数据包传到目的节点所在社区时再选择中心性较高的节点作为中继.刘等提出的兴趣社区检测机制，将机会网络中的兴趣量化，根据节点的兴趣爱好相似性进行社区划分[11].路由机制是选择与目标节点在同一社区且与目标节点接触较多的节点作为中间节点完成数据包转发.Anders等提出了一种根据节点间的历史相遇信息来估计传输概率的路由机制.每个节点都维护着网络中与其他节点相遇的概率值，当下一跳节点到目的节点的概率更大时，才进行转发[12].
上述算法大多考虑如何提高信息的投递率，往往没有考虑到在网络资源及其匮乏、信息较少的情况下，如何保证信息有效、可靠的传递这一问题.为了解决这一问题，本文是从节点的社会性这一角度出发，提出一种基于社会节点行为规律及兴趣爱好的兴趣社区划分机制，结合节点接收数据包的历史信息和各类数据之间的相似性，量化节点对特定数据的兴趣，并根据最终兴趣划分社区.选择可靠程度较大且有价值的节点作为中继，由于严格的选择综合效用最大的中继
节点，所以有效地避免了节点间的无用传递，很大程度上降低了网络开销，同时，又避免文献[13]所述的自私节点.
1 ILCR算法
1.1 社区划分
在机会网络中，文献[14]中表明具有相同社会特性的节点联系会更加紧密且频繁.现实生活中具有相同兴趣爱好的人通常会聚在同一区域分享、交流他们感兴趣的信息，进而形成社区.在社区内部，节点之间的联系频繁，交互时间更长，从而形成较为稳定的关系.但是目前根据兴趣划分社区主要考虑节点之间的相似性，并把相似度高的节点划分在同一社区，而没有考虑到当网络环境很大或者信息数量较少时，节点间的相似度非常小，并不能准确的衡量出节点的真正兴趣.所以本文提出一种根据节点自身接收过的历史消息和历史消息与其它各类消息之间的相似度来计算出当前节点对各类信息的最终兴趣程度，并根据这种兴趣程度去划分兴趣社区的算法.在机会网络中每个节点可以同时对多种数据感兴趣，因此节点可以属于一个或者几个兴趣社区，符合现实生活中所属社区重复的情况.
1.1.1 初始定义 假设：机会网络中存在n个消息，并把这n个消息按照其特有的ID进行排序m1， m2， m3，…，mi，…，mn.把这n条消息分成i组，并给每组信息加上不同的字段，每组信息分别为M1，M2， M3，…，Mi，用这i组信息代表着不同的信息种类，类似于机会网络中的真实兴趣，例如运动、科技、电影、唱歌等.本文定义一个n维兴趣爱好属性来表示某个节点历史对不同信息的爱好属性，如公式(1)：
HA={m1，m2，m3，…,mj，…，mn}，
基于机会网络的路由算法
