延遲容忍網絡中基于鄰居信息精確度的查詢算法*

吳大猛，錢江波，陳葉芳，董一鴻

（寧波大學信息科學與工程學院 寧波 315211）

1 引言

隨著移動無線通信技術的發展，越來越多的應用要求網絡中的節點部分或全部具有移動性。例如，對野生動物進行監控和追蹤以了解其生活習性的網絡[1]、偏遠地區的網絡傳輸[2]及車載網絡[3]等，這些網絡的共同特點就是某一時刻網絡中的源節點和目的節點不一定存在端到端的通信路徑，數據的傳輸具有一定的延遲性。延遲容忍網絡（delay tolerant network，DTN）模型[4]正是為解決這一問題而產生的。該網絡泛指沒有端到端傳輸路徑的間斷性連接的網絡，其主要利用節點“存儲—攜帶—轉發”的通信模式實現數據傳輸。大量低成本、具備短距離無線通信能力的移動設備（如智能手機、PDA及掌上電腦）在生活中的普及進一步推動了延遲容忍網絡的迅速發展。這些移動設備一般都具有吉比特字節的存儲能力并且可以通過藍牙[5]、IEEE 802.11[6]短程通信技術實現相互連接。在一個特定區域（如某商業區）內，移動設備利用無線通信技術相互連接形成一個區域內的延遲容忍網絡，人們利用自己的移動設備搜索和共享信息資源（如MP3歌曲、電子書、廣告信息等）。這種場景在生活中到處可見，比如在學校、商務中心、大型購物廣場及機場等，每個移動設備自由移動，可以加入或離開網絡。由于網絡中移動設備的高度動態性，維護網絡結構的代價非常高，一個合理的解決方案就是采取無結構的網絡方式構建網絡中的節點[7,8]。在這種方式下，移動設備僅動態維持其通信可達范圍內的鄰居移動設備信息。由于移動設備時刻移動，設備間的鄰居關系變化很快，網絡中的信息要不斷地更新。

在實際應用中，很多用戶期望能主動搜索自己想要的信息，比如搜索特定用途的信息、查找打折廣告及下載音樂等。本文主要討論在延遲容忍網絡中為終端用戶提供主動查詢的方法。在延遲容忍網絡中進行主動信息查詢主要面臨以下幾個挑戰:第一，網絡沒有全局索引；第二，由于移動設備計算能力、電池能量、通信帶寬的限制，查詢轉發算法必須是輕量型、高能效的；第三，由于網絡具有高動態性，查詢算法必須適應頻繁的數據更新及網絡波動性。

為了解決上述問題，本文模擬社會網絡[9]中的人類行為解決信息查詢問題。用相關鄰居節點的鄰居信息（neighbor information）表示社會網絡中的相識；用信息精確度（information accuracy，IA）估計所有鄰居節點提供信息的精確度，從而幫助節點在其鄰居節點中選擇一個最優的后繼節點將查詢信息傳送下去。鄰居節點間的信息交換猶如人們之間的聊天，并在鄰里范圍內傳播，可以幫助節點從其鄰居節點處收集信息，同時節點也可以從自己的查詢經驗中學習。通過對社會網絡的模仿，本文提出一種基于鄰居信息精確度的方法，可以有效處理延遲容忍網絡的查詢請求。

本文主要貢獻如下:

·基于社會網絡中的模仿機制，模仿人類通過相識的人獲取答案并從經驗和閑談中學習的自然行為，在延遲容忍網絡中提出一個新的信息查詢方法；

·本文提出的方法用于動態網絡和數據需不斷更新的環境，通過消耗模型分析能量消耗和通信消耗，證明本文提出的方法在高度動態的網絡中有很好的適應性及穩定性。

2 相關工作

延遲容忍網絡可用于間斷連通的網絡傳輸數據，其本質是一種機會網絡[10]。由于網絡中同一時刻可能不存在從源節點到目的節點的連通路徑，因此需要充分利用節點移動的通信機會，采用“存儲—攜帶—轉發”的模式轉發消息。

近年來，研究人員針對DTN環境下的數據傳輸，提出了多種查詢轉發機制[11～22]。最簡單的機制是直接傳輸（direct transmission）[11]，即源節點緩存數據直到遇到目的節點才轉發信息。這種方式網絡開銷很小，但傳輸時延大、成功率低。2-HOP算法[11]中源節點將消息副本傳輸給最先遇到的L個中繼節點，源節點和L個中繼節點只將消息轉發給目的節點，消息需要兩跳到達目的節點，相對直接傳輸提高了傳輸效率。Vahdat等人提出的傳染路由（epidemic routing）[12]本質上是一種泛洪算法，由于其在網絡中大量復制轉發數據，網絡資源消耗較大，且隨著網絡節點數的增多，其性能由于廣播導致的擁塞會急劇下降。Spyropoulos等人提出了基于效用與單副本的搜索聚焦路由協議[13]，雖然可以降低資源消耗，但帶來較大的時延。Spyropoulos等還對該協議進行改進，提出了Spray and Wait算法[14]，在源節點指定消息允許的最大副本數為L，并使用基于二叉樹的方法產生L份副本。該機制包括Spray和Wait兩個階段，相比只允許源節點分發消息副本的2-HOP算法，進一步降低傳輸時延。Sun等人[15]針對機會網絡中多種類型數據具有不同傳輸質量的需求，提出了一種自適應的數據收集機制，有效控制了網絡開銷。朱金奇等人[16]設計了一種基于選擇復制的傳輸策略，但節點實時定位需要消耗較多的能量，影響網絡壽命且無法適用于移動匯聚節點的數據收集場景。Hass等人[17]討論了采用 SWIM（system wideinformation management,正廣域系統管理）系統收集鯨魚的生物信息的場景，該機制實際上是傳染轉發式，如果節點的緩存足夠大，這種機制的數據傳輸成功率就高，但網絡開銷較大。Princeton大學的ZebraNet項目[1]是追蹤并研究斑馬活動習性的網絡系統，但由于傳感器節點與基站相遇的機會很少，數據的傳輸可靠性較低。Wang等人[18]對該轉發機制進行了改進，提高了節點和基站相遇的概率。Wang等人還建議采用 FAD （fault tolerance based adaptive data delivery）策略[19,20]，但FAD策略忽略了消息的存活時間。Pasztor B等[21]提出的SCAR（sensor contex-aware routing）機制依靠節點上下文信息定義傳輸概率。Song等[22]提出的ProPHET協議則基于歷史記錄預測節點接觸概率。

與本文研究最相關的是Fiore等[23]提出的Eureka算法，其移動節點估算其鄰近范圍內的信息密度并把查詢結果向密度大的區域發送，但它需為每個節點建立信息密度索引，維護成本高，同時也面臨信息更新時的高通信開銷問題。本文提出的IA方法能在常見的移動環境下更好地適應具有頻繁數據更新的高度動態網絡，實驗表明本文所提方法的性能優于其他算法。

3 基于鄰居信息精確度的查詢策略

對于延遲容忍網絡中基于鄰居信息精確度的查詢策略，其主要思想是模仿社會網絡中人的行為，從而提高查詢的效率，即模仿人從經驗中學習，節點（設備視為網絡中的節點）在查詢處理后調整信息精確度值；模仿人的閑談方式來交換、更新鄰居信息；模仿人從熟人那獲取答案的自然行為來確定查詢的轉發策略。如圖1所示，查詢路由可分解為多個步驟，在每一步中，攜帶查詢信息的節點根據其鄰居節點提供的信息及信息精確度將查詢信息轉發給其可達范圍內的某一個鄰居節點。其中，L表示查詢的路徑長度，K表示處于第K跳的位置。本文使用TTL（time-to-live）控制查詢信息的轉發跳數，如果查詢信息的轉發跳數大于或等于TTL且沒有發現所要查詢的結果時，則認為此條信息查詢失敗；否則，資源提供者（R-provider）按照查詢路徑將資源發送給查詢節點（Q-issuer）。

圖1 查詢路由示例

3.1 信息精確度

在介紹查詢策略之前，先介紹鄰居信息以及計算鄰居信息精確度的方法。鄰居信息是指對于某一查詢，鄰居節點所知道的關于此查詢相關結果所在節點的信息，這些信息主要通過鄰居節點之間的信息交換及查詢轉發的經驗獲取。如圖2所示，每個節點都保持兩張索引表，圖2（a）的索引表稱為自包含數據項（self-contained item，SCI），保存節點本身已有的信息，主要用來和鄰居節點進行信息交換；圖2（b）的索引表稱為鄰居節點數據項 （neighbors’item，NI），主要從鄰居節點處收集而來，記錄鄰居節點的相關信息，用來決定查詢轉發的方向。

圖2 索引表結構

IA是查詢節點到最近資源提供節點距離的評判標準。設節點i保存的數據項j的信息精確度為Ii,j，由于是高度動態的網絡環境，設置參數time表示數據信息的實效性。本文按如下步驟計算信息精確度值。

（1）對于節點本身提供的數據信息，將數據信息的精確度設置為I0，表示網絡內最大的IA值；時間參數設置為T0，表示本節點可提供的信息，一直可利用直到數據被更新或刪除。

（2）轉發查詢結果信息j后，中介節點NI表中關于數據信息j的IA值和時間參數都需要更新。IA值更新的策略遵循這一原則:節點越靠近數據項信息j的提供者，則此節點NI表中關于數據項信息j的IA值就越大。在實際執行過程中，為了提高網絡環境中數據的查詢成功率，將查詢結果在查詢發起節點緩存一段時間。在這期間，查詢發起節點也可以作為資源的提供者。如果查詢發起節點的存儲空間已滿，則將最老的緩存數據刪除，緩存時間要根據具體的應用環境而定。之所以不將查詢結果在中間節點暫存，是基于平衡數據分發與設備存儲消耗的考慮。查詢發起節點內的緩存數據對查詢發起節點周圍鄰居節點中關于此數據的IA值也會有影響，調整IA值時必須考慮這一影響。因此，本文調整相關數據信息的IA值是根據它和相關資源提供者及緩存點的位置而定的。如圖3所示，若節點離源節點或緩存節點近，則其IA值就高；反之，其IA值就低。

圖3 IA值的調整

本文使用類似正態分布函數模擬IA值的調整。假設查詢數據項 j，節點i是數據項j查詢轉發路徑上的節點，節點i處于第K跳位置上且路徑長度為L，如圖1所示，本文使用式（1）計算節點i中關于數據項 j調整后的IA值。

式（1）是調整后的正態分布函數，期望值 μ=[（L+1）/2]，方差σ=1/L。如圖1所示的查詢轉發過程中，K=0和K=3處節點的IA值都是I0；而K=1和K=2處節點的IA值I

（3）節點i通過信息交換從其鄰居節點處收集數據信息并更新本地保存的NI表:

其中，Mi，j是由更新時間及IA值計算出來的，表示節點i鄰居節點內關于數據項j的最大轉發權重。若IA值大，并且與上一次更新時間間隔短，則轉發權重就大（因為有的IA值可能會比較大，但是在很久之前更新的，這個較大的IA值不一定精確）。文中部分符號含義見表1。

3.2 查詢轉發算法

基于上述討論，信息精確度值一定程度上表示節點到源節點的距離。對于某項要查詢的數據項j，某個節點IA值越接近I0j，則說明此節點越靠近網絡中提供數據項j的資源節點，節點i將查詢轉發給Ii，j值大的鄰居節點。若考慮時間因素，則最近更新的IA值最精確。綜合以上考慮，本文的信息查詢算法設計如下。

表1 文中部分符號含義

（1）節點i接收到一個數據項j查詢請求，查看本地是否有數據項j，若有則將數據項j發送給查詢請求節點。

（2）如果節點i本身沒有數據項j，則根據NI表把查詢轉發給其Ni個鄰居節點中關于數據項j具有最大權重的鄰居節點，此點經過式（2）、式（3）計算后保存在NI表中:

其中，Ni，k指節點i鄰居節點中的第k個節點 ，I（Ni，k），j是節點 i的鄰居節點 Ni，k關于數據項 j的 IA值，NIi是節點i的NI表，Node是最終選出的接收查詢信息的鄰居節點。

（3）如果節點i所有鄰居節點關于數據項j的精確度值Ii，j都是 0，即鄰居節點中沒有關于數據項j的信息，節點 i把查詢轉發給其鄰居節點中總體信息精確值最高的節點Vi，Vi由式（5）計算得出:

其中，SCIk指Numi個鄰居節點中第k個鄰居節點的SCI表，|SCIk|表示SCIk表中的數據項數。節點i將查詢發送給總體信息精確度值最高的鄰居節點，就像人們經常會向知識淵博的熟人詢問問題一樣。總體信息精確度最高的節點可使得查詢通過它找到查詢的結果，通過這樣的節點查詢成功率就會提高。Vi是由鄰居節點和交換更新信息計算得來的。

3.3 查詢結果返回情況的處理

在延遲容忍網絡中，節點的移動是自由的。當查詢信息查詢到結果時，需要考慮如何將結果順利返回到查詢節點處，介紹如下。

當查詢信息轉發路徑上的節點都在彼此的通信范圍內時，可以直接將結果按照查詢路徑返回給查詢節點，如圖1所示。

當查詢轉發路徑上的某一個節點移出下一跳鄰居節點的通信范圍時，如何將結果返回給查詢節點呢？本文采取的方法是:某一個節點在向鄰居節點傳送查詢信息時，在本節點通信范圍和所選擇的鄰居節點通信范圍的交集內選擇一個節點備份數據信息。此備份的數據信息包含有關上一跳節點的相關位置信息，以此增加結果返回的成功率。如圖4所示，節點P1向鄰居節點P2轉發查詢信息時，會在P1和P2通信范圍的交集內選擇一點P1’備份P1的數據信息。同理，節點P2、P3也會選擇數據備份點。當節點P3接收節點P4返回的結果后，P3會檢查其上一跳節點P2是否還在其通信范圍內，若在，則直接將結果傳送給P2；若已移出P3的通信范圍，則節點P3選擇P2的備份節點P2’作為轉發的中介節點向查詢發起節點發送結果。

圖4 查詢路由示例

3.4 網絡動態及數據更新

在延遲容忍網絡中，移動節點可以自由地加入或離開網絡，并且移動節點可以任意地添加、刪除和修改數據，網絡具有很高的動態性。在這種不穩定的網絡環境下進行通信和維護數據更新的開銷非常大。實驗表明，本文提出的IA方法在處理這種不穩定網絡的數據更新時效果較好。下面介紹如何利用IA方法處理網絡動態及數據的更新。

（1）節點的加入或離開

如果一個新的節點加入網絡，它只需將其本身自帶的數據IA值發送給它可達范圍內的鄰居節點。鄰居節點收到此信息后將其看作一個正常的NI表更新來處理；如果一個節點離開網絡，它可以通知其鄰居節點，也可以什么都不做直接離開。即使一個節點悄悄地離開，也可以通過查詢轉發及NI的更新將關于此點的相關信息很快刪除。

（2）數據的插入或刪除

對于節點的數據項，如果某條數據被刪除，則把SCI表中此數據項的I和T都設置為0，并通知其鄰居節點；如果添加一條新的數據項，則在SCI表中添加一個新的項，把此數據設為I0、T0并通知其鄰居節點。接收到通知信息的鄰居節點僅執行正常的NI表更新過程。

（3）數據的修改

如果一條數據被修改，在這種不穩定的網絡環境下很難就地修改其他節點的相關數據信息。為此設置數據的版本信息，將修改后的數據作為新的數據添加到節點。查詢節點可以通過數據的版本號區分數據的新舊。查詢節點選取它所查詢到的最新版本的數據作為最終結果。即使某條數據不是最新版本的數據，在沒有找到最新版本數據之前仍舊是可以利用的，如果一個節點發現新的版本數據，將丟棄舊版本數據的相關索引和緩存副本，并用新的代替。

通過以上論述，除了NI的更新，對于網絡動態性和數據更新問題不需要額外的開銷，本文提出的方法可以很好地應用于高動態性的網絡。

4 通信開銷及能量消耗

4.1 通信開銷

本文以發送的信息量來表示通信開銷C，發送的信息包括查詢請求信息、查詢結果返回信息及更新信息。為了表述清晰，將一條信息的大小統一記為m，接下來分析查詢轉發及更新IA值的通信開銷。

如前所述，如果查詢節點成功查詢到結果時的路由跳數為L，否則為TTL。在查詢路徑中，每個節點根據本地索引選擇一個鄰居節點，然后將查詢請求轉發給鄰居節點，一次只發送一條信息。查詢結果的返回信息也按照此方式進行。通信開銷C為:

在通信開銷中，主要是IA值的更新開銷，因為很多過程本質上是IA值的更新，比如節點的加入或離開過程、數據的添加和刪除及更新過程。對于節點i，假設它有Ni個鄰居節點，在更新過程中，節點i只需向每個鄰居節點發送一條信息mi，鄰居節點接收到信息后，只需自動更新它們的NI表。節點i關于某條數據IA值更新的通信開銷為:

4.2 能量消耗

在轉發或更新IA值時要考慮移動設備電池的能量消耗問題。節點能量消耗與通信量成正比。假設節點i一次轉發（或更新）的能量消耗是ei，移動設備可以配置成多個能量水平狀態傳輸數據分組，不同能量水平的可達范圍也是不同的，為了簡化計算，假設網絡中各節點的能量水平是相同的，記為p，則每個節點有相同的可達通信范圍。節點i發送一個消息數據的能量開銷為:

其中，σi是參數，反映節點電池電量及計算單元數據開銷情況。

在查詢轉發過程中，分以下兩種情況解釋能量的消耗:

·如果節點i不在查詢路徑上，則節點i不參與查詢信息的轉發，其能量開銷ei=0；

·如果節點i位于查詢路徑上，節點i在能量水平為p的情況下轉發一個數據單元的查詢請求或者返回查詢結果，其能量開銷均為p×σi。

另外，節點i接收一個數據單元的能量消耗為固定值ri。對于網絡中的任意中間節點Eitm，它在查詢轉發和返回結果過程中都要接收和轉發信息兩次，能量開銷為:

對于查詢發起節點Eisr或資源提供節點Ersp，它們僅接收和轉發信息一次，其能量開銷為:

對于向其Ni個鄰居節點更新某項數據IA值的節點，其能量開銷Eupd為:

5 實驗與分析

本文模擬實現了IA、Eureka[23]、Epidemic算法，主要從以下3個方面進行性能分析:

·對網絡通信量、查詢響應時間、查詢成功率及能量消耗進行功能比較；

·研究不同的實驗參數對3種算法產生的影響；

·分析比較IA與其他兩種算法的優缺點。

本文將Epidemic算法作為基本方法進行參考比較，同時也和Eureka算法相比較。Eureka算法中每個移動節點都維持其范圍內資源信息的密度大小，根據密度大小轉發查詢信息。

5.1 模擬環境

實驗是基于ONE Simulator仿真[24]平臺設計實現的。在模擬實驗中，定義整個模擬區域為500 m×500 m的方形區域，區域內移動節點按照隨機漫步（random waypoint）移動模型進行移動，節點移動速度在[0.5，1.5]km/h內隨機選取，移動節點的通信半徑為10 m，節點緩存為50 MB。消息大小統一為1 KB。具體模擬參數設置見表2。

表2 模擬參數

5.2 網絡通信量比較

網絡通信量是指在模擬實驗中網絡內傳輸的消息總量，包括查詢信息、結果返回信息、信息更新等，通信量按照第4.1節所述方法計算。如圖5所示，本文提出的IA方法明顯優于另外兩種方法。IA和Eureka算法都是采用索引保存有用的信息，但Eureka算法的通信量明顯高于IA，這主要是由其低效的索引更新引起的。在Eureka算法中，當有數據更新發生時，節點就將更新后的索引值發送給其鄰居節點，鄰居節點接收到更新信息后同樣將更新后的信息發送給它們的鄰居節點，這樣每一次更新都可能會涉及網絡中的所有節點。而IA方法索引更新是在查詢過程中，某一節點以一個固定的時間間隔向其鄰居節點發送更新信息，不會像Eureka算法那樣出現遞歸現象。

5.3 查詢響應時間性能比較

查詢響應時間是指從查詢信息發出到查詢結果返回到查詢節點所用的時間，是判斷查詢優劣的重要標準之一。在模擬實驗中，本文只計算查詢成功的查詢響應時間。為每條查詢信息設置一個時間閾值，如果一條查詢信息在時間閾值內沒有任何返回則認為此條查詢失敗。如圖6所示，Epidemic算法的查詢響應時間最短，這主要是它泛洪查詢信息的結果。本文提出的IA方法的響應時間比Eureka算法快，這意味著IA方法的查詢路徑要比Eureka算法短，這主要是因為IA方法中各個節點相互配合并根據數據信息精確度選擇出一條最優的查詢路徑。

圖5 網絡通信量性能比較

圖6 查詢響應時間性能比較

5.4 查詢成功率性能比較

查詢成功率是指查詢信息的成功數占查詢信息的比重，計算式如下:

圖7顯示了不同方法的查詢成功率，即同樣的信息量不同網絡規模（節點數量多少）情況下的成功率，與網絡規模相關。很明顯，Epidemic算法的成功率最高，這是其泛洪查詢信息的結果。比較IA和Eureka算法可發現，IA方法的成功率低于Eureka算法，當節點增多、網絡規模變大時，IA方法優于Eureka算法。盡管IA方法只選擇一條路徑轉發查詢信息，但其可以有效地獲取數據資源相關信息并按照信息精確度選擇最可靠的鄰居節點轉發查詢信息。在高度動態的網絡環境下，節點不斷地移動、數據不斷地更新，高查詢成功率表明本文提出的IA方法的穩定性高于Eureka算法。

對于本文中提出的IA算法，不同更新頻率對查詢成功率的影響也要考慮。本文為驗證更新頻率對查詢成功率的影響，在網絡節點數為150個、獨立數據量為150 MB的環境下進行實驗。在更新間隔時間分別為[3,6,9,12,15,18,21]時，對查詢成功率進行統計，統計結果如圖8所示。可以看出，更新時間越長，查詢成功率越低。當更新間隔時間為[18,21,24]時，成功率出現平緩趨勢，即更新間隔時間大到一定時間時，成功率趨于穩定。

圖7 查詢成功率性能比較

圖8 更新時間對查詢成功率的影響

5.5 能量消耗性能的比較

只要移動節點參與查詢過程，就會產生能量消耗。按照第4.2節的方法計算節點的能量消耗。如圖9所示的平均電池能量消耗對比，IA方法的能量消耗比另外兩種方法要低。能量消耗和網絡通信量有密切的關系，信息傳輸量越大，能量消耗就越大。Eureka算法比Epidemic算法能量消耗大，主要是由其索引更新及查詢策略引起的。對于每一個查詢，Eureka算法都會將此查詢泛洪給所有的鄰居節點，只有少數幾個鄰居節點會根據自身索引轉發此查詢，大多數鄰居節點不進行任何操作，能量就浪費在這些過程中；另外，Eureka算法的索引更新涉及網絡中的大部分節點，這也需要消耗大量的能量。

圖9 能量消耗對比

6 結束語

本文主要解決了延遲容忍網絡中基于鄰居信息精確度的查詢問題。提出的IA方案充分利用了移動設備的特性分享有用的資源信息。基于鄰居信息精確度的IA算法通過模仿社會網絡中人的行為來幫助移動設備轉發查詢信息，采用信息精確度機制使得算法在查詢資源時是輕量高效的。實驗結果表明，本文提出的方法能更好地適應高度動態型的延遲容忍網絡，與其他算法相比，本文提出的IA算法查詢成功率更高，傳輸能耗低且性能好。

1 Juang P,Oki H,Wang Y.Energy-efficient computing for wildlife tracking:design trade offs and early experiences with ZebraNet.ACM Operating System Review,2002,37（10）:96～107

2 Pent land A,Fletcher R,Hasson A.DakNet:rethinking connectivity in developing nations.Computer,2004,37（1）:78～83

3 Hull B,Bychkovsky V,Zhang Y.CarTel:a distributed mobile sensor computing system. Proceedings of the 4th Int’l Conference on Embedded Networked Sensor Systems,Boulder,2006:125～138

4 Fall K.A delay-tolerant network architecture for challenged internets.Proceedings of the ACM Conference on Computer Communications （SIGCOMM 2003）,New York,USA,2003:27～34

5 The blue tooth specification. http://www.bluetooth.com/dev/specifications.asp

6 The IEEE 802.11 standards.http://grouper.ieee.org/groups/802/11,2013

7 Conti M,Gregori E,Turi G.A cross-layer optimization of gnutella for mobile Ad Hoc networks.Proceedings of MobiHoc 2005,Urbana-Champaign,IL,USA,2005:343～354

8 Diao Y,Rizvi S,Franklin M.Towards an internet-scale xml dissemination service.Proceedings of VLDB 2004,Toronto,Canada,2004:612～623

9 Daly E M,Haahr M.Social network analysis for routing in disconnected delay-tolerant MANETs.Proceedings of the 8th ACM Int’l Symp on Mobile Ad Hoc Networking and Computing（MOBIHOC 2007）,Montreal,2007:32～40

10 Pelusi L,Passarella A,Conti M.Opportunistic networking:data forwarding in disconnected mobile Ad Hoc networks.Communications Magazine,2006,44（11）:134～141

11 Grossglauser M.Mobility increases the capacity of Ad Hoc wireless networks.IEEE/ACM Transactions on Networking,2002,10（4）:477～486

12 Vahdat A,Becher D.Epidemic Routing for Partially Connected Ad Hoc Networks.Technical Report,Durham,Duke University,2000

13 Spyropoulos T,Psounis K,Raghavendra C S.Efficient routing in intermittently connected mobile networks:the single-copy case.IEEE/ACM Transactions on Network,2008,16（1）:63～76

14 Spyropoulos T,Psounis K,Raghavendra C S.Efficient routing in intermittently connected mobile networks:the multiple-copy case.IEEE/ACM Transactions on Network,2008,16（1）:77～90

15 Sun L M,Xiong Y P,Ma J.Adaptive data gathering mechanism in opportunistic mobile sensor networks. Journal on Communications,2008,29（11）:187～193

16 Zhu J Q,Liu M,Gong H G.Selective replication-based data delivery for delay tolerant mobile sensor networks.Journal of Software,2009,20（8）:2227～2240

17 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）.Proceedings of the 4th ACM Int’l Symp on Mobile Ad HocNet working and Computing （MOBIHOC 2003）,Annapolis,2003:233～244

18 Wang Y,Wu H Y.DFT-MSN:the delay fault tolerant mobile sensor network for pervasive information gathering.Proceedings of the IEEE 25th Int’l Conference on Computer Communications（INFOCOM 2006）,Barcelona,2006:1～12

19 Wang Y,Wu H Y,Dang H.Analytic study of delay/faulttolerant mobile sensor networks （DFT-MSN’s）.Proceedings of the 10th IEEE Int’l Symp on World of Wireless,Mobile and Multimedia Networks（WoWMom 2009）,San Francisco,USA,2009:1～9

20 Wu H Y,Wang Y,Dang H,et al.Analytic,simulation and empirical evaluation of delay/fault-tolerant mobile sensor networks.IEEE Transactions on Wireless Communications,2007,6（9）:3287～3296

21 Pasztor B,Musolesi M,Mascolo C.Opportunistic mobile sensor data collection with SCAR.Proceedings of the 4th IEEE Int’l Conference on Mobile Ad Hoc and Sensor Systems（MASS 2007）,Pisa,Italy,2007:1～12

22 Song L B,Kotz D F.Evaluating opportunistic routing protocols with large realistic contact traces.Proceedings of the 2nd ACM Workshop on Challenged Networks （CHANTS 2007）,Montreal,2007:35～42

23 Fiore M,Casett C,Chiasserini C F.Efficient retrieval of user contentsin MANETs.Proceedings of 26th Annual IEEE Conference on Computer Communications,IEEE INFOCOM 2007,Anchorage,Alaska,USA,2007:10～18

24 Opportunistic network environment simulator.http://www.netlab.tkk.fi/tutkimus/dtn/theone/