具有退避机制的Epidemic路由算法

摘要

本发明涉及一种机会网络路由算法，作用是改进了Epidemic路由算法，使机会网络中节点高效转发数据包，同时尽可能少地消耗网络资源。Epidemic路由算法的在某些场景中可以取得很高的传输成功率和很低的传输延迟，但算法的适应性较差，在另一些场景中，算法性能会急剧下降。本发明提出了退避机制，并以该机制改进Epidemic路由算法。退避机制能有效地减少网络中数据包副本的数量，抑制挤出效应，改善路由算法的性能，进而改善Epidemic路由算法的可扩展性。

说明书

技术领域

本发明涉及机会网络路由算法，作用是使机会网络中节点高效转发数据包，同时尽可能减少网络资源消耗。 

背景技术

机会网络是一种不需要在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、时延和分裂可容忍的自组织网络。机会网络不同于传统的多跳无线网络，它的节点不是被统一部署的，网络规模和节点初始位置未进行预先设置，源节点和目的节点之间的路径事先不能确定是否存在。机会网络以“存储-携带-转发”模式逐跳传输信息实现节点间通信，其体系结构与多跳无线网络不同，它在应用层与传输层之间插入一个被称为束层的新的协议层。 

由于机会网络能够处理网络分裂、时延等传统无线网络技术难以解决的问题，能满足恶劣条件下的网络通信需要，其主要应用于缺乏通信基础设施、网络环境恶劣以及应对紧急突发事件的场合。 

1.对照路由算法 

为和本发明路由算法对照，选取了2种典型路由算法作为参照算法。Epidemic算法是基于泛洪策略路由算法的典型代表，很多基于泛洪策略的路由算法都可视为是由该算法衍生而来。Spray and Wait算法是按照一定策略进行泛洪，是基于有限度的泛洪策略，该算法的主要性能指标在多数场景下都具有显著的优势。 

(1)Epidemic算法 

Epidemic算法的基本思想是当2节点相遇时交换对方没有的数据包，经过足够的交换后，理论上每个非孤立的节点将收到所有的数据包，从而实现数据包的传输。 

在Epidemic算法中，每个数据包有一个全局唯一的标识，每个节点中保存一个概要向量用来记录节点中携带的数据包。当2节点相遇时，双方首先交换概要向量，获知对方携带数据包情况后，双方仅传送对方没有的数据包。 

Epidemic算法本质上是一种泛洪算法，从理论上讲该算法能最大化数据包传输的成功率，最小化传输延迟，但也会使网络中存在大量的数据包副本，消耗大量的网络资源。 

Epidemic算法有3个目标，分别是最大的传输成功率、最小的传输延迟和最小的网络资源消耗。实现上述目标需要特定的场景，在多数场景下，由于过度泛洪导致路由算法的性能 显著下降。 

(2)Spray And Wait算法 

Spray and Wait算法分为2个阶段。首先是Spray阶段，源节点中的部分数据包被扩散到邻居节点；然后进入到Wait阶段，若Spray阶段没有发现目标节点，包含数据包的节点以Direct Delivery方式将数据包传送到目标节点，即只有在遇到目标节点时，发送数据包。该算法传输量显著地少于Epidemic算法，传输成功率高，传输延迟较小，算法适用性强。 

2.度量值 

评价机会网络路由算法性能指标的度量值主要有： 

(1)传输成功率 

传输成功率(Delivery Ratio)是在一定的时间内成功到达目标节点数据包总数和源节点发出的需传输数据包总数之比，该指标刻画了路由算法正确转发数据包到目标节点的能力，是最重要的指标。 

(2)传输延迟 

传输延迟(Delivery Delay)是数据包从源节点到达目标节点所需的时间，通常采用平均传输延迟来评价。传输延迟小意味路由算法传输能力强、传输效率高，也意味着在传输过程中将会占用较少的网络资源。 

(3)路由开销 

路由开销(Overhead)是指在一定时间内节点转发数据包的总数，通常用所有成功到达目标节点的数据包数与所有节点转发的数据包总数之比来评价。路由开销高，意味着节点大量地转发数据包，会使网络中充斥大量的数据包副本，增加数据包发生碰撞的概率，也会大量地消耗节点能量。 

3.Epidemic算法性能分析 

以表1场景为基础，分别对数据包总数为50和每节点生成10个数据包2种情况进行仿真，得到图1、图2所示结果。 

图1、图2中以Spray And Wait作为对照算法，该算法在多数场景下可获得接近最优的传输成功率和路由开销，且无论网络的规模大小都能保持较好的性能，有很好的可扩展性。 

由图1、图2可得到如下结论： 

(1)在一些特定的场景下Epidemic算法的非常高的传输成功率和非常低的传输延迟，在这两个指标上大大好于对照算法； 

(2)在数据包数量一定时，网络中节点数量增加会改善路由算法的性能； 

(3)在某些场景下，存在一些和网络应用环境紧密相关的因素会导致Epidemic算法的性 能显著下降。 

图3以表1场景为基础，描述了节点总数一定的情况下，数据包数量和传输成功率之间的关系。由图3可知数据包增加时，传输成功率随之下降。本发明将产生这种现象的原因称之为挤出效应，即当网络中需要传输数据包总数超过节点可存储的数据包总量时，会发生节点缓存饱和现象，此时节点接收到新数据包时，不得不按照一定规则丢弃旧数据包，这种效应的存在导致Epidemic算法性能显著下降。 

发明内容

本发明涉及一种新的机会网络路由算法，该算法在Epidemic路由算法基础上引入了退避机制，当节点缓冲区被充满时，与之相遇的节点按照一定规则不再向其转发数据包，即进行退避。本发明算法可有效地抑制挤出效应，获得较高的传输成功率和较低的网络资源消耗。 

本发明算法的具体方案是在Epidemic算法原有机制基础上增加下面(1)-(4)机制，本发明将其称之为退避机制，将具有退避机制的Epidemic算法称为Backoff Epidemic算法。 

机制的具体描述如下： 

(1)节点维护一个字段，该字段用来存放阀值t； 

(2)阀值t是随机产生的，服从均匀分布，其值范围是(0，x)，x是参数，根据网络状况确定； 

(3)当某一节点缓存充满后，在时间t内，该节点拒绝接收目标节点不是该节点的数据包，即在阀值时刻内令其他节点的数据包退避； 

(4)当退避时间超过阀值t后，无论节点缓存状态均接收数据包，此时依旧可能发生挤出事件。接收到数据包后，退避时间被重置为0。 

附图说明

图1传输成功率比较 

图2传输延迟比较 

图3数据包数量对传输成功率影响 

图4不同场景下改进算法的传输成功率 

图5不同场景下改进算法的传输延迟 

图6不同场景下改进算法的路由开销 

具体实施方式

以下对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发 明的范围。 

使用ONE(the Opportunistic Networking Environment)仿真平台实施本发明涉及的路由算法。在下面的仿真中，模拟了携有智能蓝牙设备的行人步行于真实的城市场景中，并以此来实施、分析路由算法的性能。具体场景设置如表1所示。 

表1仿真场景设置 

在本仿真实验中，取参数x值为100秒；以表1场景为基础，每节点生成10个数据包，以等时间间隔的方式生成，以5个节点为例，网络中共有50个数据包，仿真时间为12小时，即每864秒生成一个数据包，结果如图4至图6所示。 

本仿真中，节点数量和数据包同步增加，节点数量增加会提高传输成功率，而数据包数量超过阀值后会导致挤出效应的发生，图4至图6是两种作用叠加的结果。 

由图4可见，当节点数量较少时，以10个节点为例，尽管缓存比小于1，但由于是每432秒生成一个数据包，且数据包扩散到其他节点还需要一定时间，在仿真的前期不会发生挤出效应，此时改进后的算法优势并不明显。 

当节点和数据包数量较多时，如160个节点时，缓存比达到0.018，此时会发生显著的挤出效应，改进算法中退避机制的作用显著，Backoff Epidemic算法较Epidemic算法传输成功率有显著提高，达79.5％。 

由前面关于退避机制叙述可知，其对会传输延迟产生不利影响，但图5实验结果表明，这种影响不大。 

由图6可见Backoff Epidemic算法在节点较多时，对算法的路由开销有一定影响，如在160节点时，Backoff Epidemic算法较Epidemic算法的路由开销有显著下降，达36.7％。 

由本实施例可知，本发明提出的具有退避机制的Epidemic算法，能有效地减少网络中数据包的数量，抑制挤出效应，改善路由算法的性能，拓展了Epidemic路由算法的适用范围。