基于異或運算的機會網(wǎng)絡高效轉發(fā)策略*

劉 輝，陳志剛，吳 嘉，王 丹，曾劍鋒

(1．中南大學軟件學院，湖南 長沙 410075；2．“移動醫(yī)療”教育部-中國移動聯(lián)合實驗室，湖南 長沙 410083)

基于異或運算的機會網(wǎng)絡高效轉發(fā)策略*

劉 輝1,2，陳志剛1,2，吳 嘉1,2，王 丹1,2，曾劍鋒1

(1．中南大學軟件學院，湖南 長沙 410075；2．“移動醫(yī)療”教育部-中國移動聯(lián)合實驗室，湖南 長沙 410083)

通過對機會網(wǎng)絡中節(jié)點傳遞信息的方式進行研究分析，遍歷可以通信的鄰居節(jié)點，將兩節(jié)點的信息作比較。通過交集的形式，選擇節(jié)點中攜帶信息異或程度最大的鄰居節(jié)點作為下一跳進行信息傳遞，從而形成一條有效性最大的通信路徑。基于這樣的分析過程，提出了一種基于異或運算的機會網(wǎng)絡高效轉發(fā)策略FSXO。通過與機會網(wǎng)絡中的經(jīng)典算法對比，仿真結果表明，F(xiàn)SXO策略能夠在高傳輸成功率的情況下，減少網(wǎng)絡中無效數(shù)據(jù)副本的存在，從而有效地降低路由開銷，減少資源的消耗。

機會網(wǎng)絡；異或運算；通信路徑；轉發(fā)策略

1 引言

機會網(wǎng)絡是不需要源節(jié)點和目標節(jié)點之間存在完整鏈路，利用節(jié)點移動帶來的相遇機會實現(xiàn)通信的、時延和分裂可容忍的自組織網(wǎng)絡[1]。機會網(wǎng)絡來源于早期的延遲容忍網(wǎng)絡DTN(Delay Tolerant Network)[2]，機會網(wǎng)絡可以看成是具有一般DTN網(wǎng)絡特征的無線自組網(wǎng)。在機會網(wǎng)絡中，節(jié)點的位置不是固定的，網(wǎng)絡的規(guī)模也未進行設置，源節(jié)點和目標節(jié)點之間的路徑事先不能確定是否存在。

機會網(wǎng)絡是利用節(jié)點移動而形成的通信機會逐跳進行消息的傳輸，以“存儲—攜帶—轉發(fā)”的路由模式實現(xiàn)節(jié)點間的通信，由于其固有的特點能夠滿足某些特定應用的需求[3]。目前，機會網(wǎng)絡的應用主要在深太空信息網(wǎng)[4]、野外數(shù)據(jù)收集[5]和災難場景應用[6]等領域，取得了較好的成果。

2 相關工作

在機會網(wǎng)絡中，信息轉發(fā)是指信息由源節(jié)點經(jīng)過單跳或者多跳轉發(fā)到目的節(jié)點的過程，如何有效地進行信息轉發(fā)是機會網(wǎng)絡研究的一個熱點。

Direct Transmission算法[7]是基于轉發(fā)策略的路由算法，該算法的特點是數(shù)據(jù)分組在轉發(fā)過程中，節(jié)點不會對其進行復制，只有源節(jié)點遇到目的節(jié)點時才會進行數(shù)據(jù)分組轉發(fā)。因此，在整個網(wǎng)絡中不存在多余的數(shù)據(jù)副本，網(wǎng)絡路由開銷最小，但傳輸延遲較大，傳輸成功率不高。

Li Y等人在文獻[8]中提出了Epidemic算法，它的核心思想是當兩個節(jié)點可以通信時，在獲知對方攜帶的數(shù)據(jù)分組情況后，僅傳送對方?jīng)]有的數(shù)據(jù)分組。理論上經(jīng)過多次交換后，每個非孤立節(jié)點都將獲得所有數(shù)據(jù)分組，從而實現(xiàn)數(shù)據(jù)傳輸。在網(wǎng)絡帶寬、節(jié)點緩存和節(jié)點能量等網(wǎng)絡資源豐富時，可以減少傳輸延遲，保證最大化數(shù)據(jù)傳輸?shù)某晒β省Ｈ欢趯嶋H應用中，網(wǎng)絡資源是有限的，隨著節(jié)點數(shù)目的增多，網(wǎng)絡中會存在大量的無用數(shù)據(jù)副本，消耗過多的網(wǎng)絡資源，從而導致網(wǎng)絡性能下降。

Huang W等人在文獻[9]中提到，Spray and Wait算法分為Spray階段和Wait階段。在Spray階段，源節(jié)點的每個數(shù)據(jù)分組向網(wǎng)絡中注入一定數(shù)目的數(shù)據(jù)副本，并將其轉發(fā)給周圍節(jié)點。在Wait階段，如果數(shù)據(jù)在Spray階段沒有傳送到目標節(jié)點，那么攜帶數(shù)據(jù)的節(jié)點將通過Direct Transmission方式把數(shù)據(jù)傳送到目標節(jié)點。通過這種策略限定了網(wǎng)絡中的數(shù)據(jù)分組副本數(shù)量從而避免泛洪。該算法和其他路由算法綜合比較有明顯的優(yōu)勢。

PRoPHET算法[10]是基于概率計算策略的。當兩個節(jié)點可以通信時，首先估算各自成功傳輸?shù)母怕剩迷撝祦頉Q定是否進行數(shù)據(jù)分組轉發(fā)。在社區(qū)模型仿真場景中，該算法的性能較好。但是，在實際應用中常常存在無法預測的問題，導致算法效率變低，影響該算法的效果。

通過對上述算法的研究分析，本文提出了一種基于異或運算的機會網(wǎng)絡高效轉發(fā)策略FSXO(Forwarding Strategy based on XOR Operation)。在該算法下，相鄰節(jié)點間通過攜帶信息的比較，選擇節(jié)點中攜帶信息異或程度最大的鄰居節(jié)點作為下一跳進行信息傳遞，從而形成一條有效性最大的通信路徑，從而更有可能將信息傳遞到其他通信區(qū)域，實現(xiàn)通信。

3 基于異或運算的機會網(wǎng)絡高效轉發(fā)策略

3.1 機會網(wǎng)絡結構

機會網(wǎng)絡的特點是節(jié)點只有在同一連通區(qū)域內才可以相互傳遞信息，而不在同一連通區(qū)域的節(jié)點只有通過節(jié)點的移動才能實現(xiàn)信息的傳遞。在某個時段內，整個網(wǎng)絡被劃分為多個連通域，機會網(wǎng)絡結構圖如圖1所示。在灰色區(qū)域內的節(jié)點可以相互通信，從而實現(xiàn)網(wǎng)絡數(shù)據(jù)傳輸，但是不能將信息傳遞到整個網(wǎng)絡，只有通過活動節(jié)點的移動才能將本身攜帶的信息傳遞到其他區(qū)域。

由圖1可知，在T時間內，A節(jié)點的數(shù)據(jù)只可以傳輸給D、E節(jié)點，而另一區(qū)域的B、C節(jié)點將無法獲得數(shù)據(jù)。只有通過A、D、E節(jié)點的移動，才有可能將數(shù)據(jù)傳遞到另外區(qū)域。因此，在某一連通區(qū)域如何選擇節(jié)點，使得節(jié)點攜帶的信息量更多，從而更有可能傳送到其他區(qū)域將是本文的主要研究工作。

Figure 1 Structure of opportunistic network圖1 機會網(wǎng)絡結構圖

3.2 子網(wǎng)絡拓撲結構圖

根據(jù)上述機會網(wǎng)絡特點，在網(wǎng)絡中任意選擇某一個子網(wǎng)絡作為研究的對象。在T時段，任選一個子網(wǎng)絡，假設該子網(wǎng)絡包含的節(jié)點集合為V={A,B,C,D,E,F,M,H,K,L}，所有參與的節(jié)點都為中繼節(jié)點，實現(xiàn)消息的轉發(fā)，子網(wǎng)絡節(jié)點圖如圖2所示。

假設當前時段由A節(jié)點發(fā)送信息，并且信息傳遞速度大于節(jié)點移動速度，則當前時段里子網(wǎng)絡的拓撲結構不發(fā)生變化，A節(jié)點的信息可以傳遞到子網(wǎng)絡的所有節(jié)點。根據(jù)節(jié)點和鄰接點的關系構建當前子網(wǎng)絡的拓撲結構有向圖，如圖3所示。

Figure 2 Nodes of sub-network圖2 子網(wǎng)絡節(jié)點圖

Figure 3 Topology structure of sub-network圖3 子網(wǎng)絡拓撲結構圖

根據(jù)網(wǎng)絡的拓撲結構，我們得到有向圖G=(V，E)，其中V={A,B,C,D,E,F,M,H,K,L}，E={〈A，B〉，〈A，C〉，〈A，D〉，〈B，E〉，〈B，F(xiàn)〉，〈C，M〉，〈D，H〉，〈F，K〉，〈F，L〉}。通過有向圖可以看到可能的信息傳遞路徑。此時，需要找的是一條有效性最大的通信路徑，將它作為最終的信息傳遞路徑，使得信息經(jīng)過多跳傳遞后的終節(jié)點攜帶的信息量最大，從而更有可能將信息傳遞出去，實現(xiàn)通信。

3.3 節(jié)點信息遍歷過程

每個節(jié)點維護一個緩沖區(qū)，緩沖區(qū)中存放本節(jié)點和其他節(jié)點需要本節(jié)點轉發(fā)的數(shù)據(jù)分組，每個數(shù)據(jù)分組有一個全局唯一的標識。令節(jié)點集合V中的每個節(jié)點數(shù)據(jù)分組分別為DA={a，b}，DB={c，d，e}，DC={f，g}，DD={a，c}，DE={x，y}，DF={h，i}，DM={a，x}，DH={x，y，z}，DK={j，k，l，m}，DL={p，q，y}。添加了數(shù)據(jù)分組的子網(wǎng)絡拓撲結構有向圖如圖4所示。

Figure 4 Topology structure of sub-network with data圖4 子網(wǎng)絡拓撲結構有向圖(帶數(shù)據(jù))

為了獲得最優(yōu)化路徑節(jié)點集合，令集合V中每個節(jié)點各自形成一個只含本身節(jié)點的子集合，記作VA={A}，VB={B}，VC={C}，VD={D}，VE={E}，VF={F}，VM={M}，VH={H}，VK={K}，VL={L}。為了確定最優(yōu)路徑，將采用廣度優(yōu)先搜索(BFS)遍歷有向圖G中的節(jié)點。

基于圖4的算法具體執(zhí)行過程如下：

(1)初始時，Queue隊列只有A節(jié)點一個元素，將該元素出隊列，即A節(jié)點為當前節(jié)點，訪問A節(jié)點的第一個鄰接點B，此時VA中只有A一個元素，作如下運算：

IntersectionAB=DA∩DB

IntersectionAB集合為空，則表明當前兩個節(jié)點所攜帶的信息是不一樣的，將B節(jié)點插入到Queue隊列中，并將VA中的元素加入到VB中。

(2)繼續(xù)訪問A節(jié)點的下一個鄰接點C，作如下運算：

IntersectionAC=DA∩DC

IntersectionAC集合也為空，將C節(jié)點插入到Queue隊列中，并將VA中的元素加入到VC中。

(3)繼續(xù)訪問A節(jié)點的下一個鄰接點D，作如下運算：

IntersectionAD=DA∩DD

IntersectionAD集合不為空，則表明信息存在冗余，不執(zhí)行其他操作。

(4)當前節(jié)點A沒有鄰接點，則將Queue隊列隊首元素B出隊列，訪問節(jié)點B的鄰接點E，VB中此時有兩個元素A和B，作如下運算：

IntersectionABE= DA∩DB∩DE

IntersectionABE集合為空，將E節(jié)點插入到Queue隊列中，并將VB中的元素加入到VE中。

(5)繼續(xù)訪問B節(jié)點的下一個鄰接點F，作如下運算：

IntersectionABF= DA∩DB∩DF

IntersectionABF集合為空，將F節(jié)點插入到Queue隊列中，并將VB中的元素加入到VF中。

(6)當前節(jié)點B沒有鄰接點，則將Queue隊列隊首元素C出隊列，訪問節(jié)點C的鄰接點M，VC中此時有兩個元素A和C，作如下運算：

IntersectionACM= DA∩DC∩DM

IntersectionACM集合不為空，則不執(zhí)行其他操作。

(7)當前節(jié)點C沒有鄰接點，則將Queue隊列隊首元素E出隊列，E節(jié)點沒有鄰接點，繼續(xù)將Queue隊列隊首元素F出隊列，訪問節(jié)點F的鄰接點K，VF中此時有三個元素A、B和F，作如下運算：

IntersectionABFK=DA∩DB∩DF∩DK

IntersectionABFK集合為空，將K節(jié)點插入到Queue隊列中，并將VF中的元素加入到VK中。

(8)繼續(xù)訪問F節(jié)點的下一個鄰接點L，作如下運算：

IntersectionABFL=DA∩DB∩DF∩DL

IntersectionABFL集合為空，將L節(jié)點插入到Queue隊列中，并將VF中的元素加入到VL中。

(9)當前節(jié)點F沒有鄰接點，則將Queue隊列隊首元素K出隊列，K節(jié)點沒有鄰接點，繼續(xù)將Queue隊列隊首元素L出隊列，L節(jié)點也沒有鄰接點，此時Queue隊列為空，訪問結束。

(10)統(tǒng)計節(jié)點個數(shù)不為1的集合的信息量，知VK集合中有A、B、F、K四個元素，其元素對應的數(shù)據(jù)分組集合信息量總和最大，將ABFK設為最優(yōu)，消息通過復制策略在路徑A→B→F→K進行傳遞。

3.4 算法設計

根據(jù)前一節(jié)的遍歷過程可知FSXO算法執(zhí)行過程如下：

(1)隊列Queue初始值存放發(fā)送信息的第一個節(jié)點，將隊首元素出隊列作為當前節(jié)點i。

(2)根據(jù)BFS訪問當前節(jié)點i的鄰接點j，將Dj與Vi集合中的所有元素對應的數(shù)據(jù)分組集合同時做交操作，即如下運算：

Intersectionij=Dj∩Di1∩…∩Din

(1)

其中，n為Vi集合的元素個數(shù)，Di1到Din為Vi集合元素對應的數(shù)據(jù)分組集合。

(3)如果Intersectionij集合為空，則將節(jié)點j插入到Queue隊列尾部，并將節(jié)點i對應的Vi集合的所有元素加入到Vj中，否則不執(zhí)行任何操作，轉到(4)。

(4)繼續(xù)訪問當前節(jié)點i其他鄰接點，重復(2)和(3)，直到其所有鄰接點訪問完畢。

(5)將隊列的隊首節(jié)點出隊列，作為當前節(jié)點i，重復(2)、(3)、(4)，直至隊列為空。

(6)統(tǒng)計節(jié)點個數(shù)不為1的集合的信息量，信息量最大的集合則為最優(yōu)路徑的節(jié)點集合，從而確定信息傳遞路徑，將消息通過復制策略在該路徑上傳遞。

根據(jù)上述選擇的過程，可以得到基于異或運算的機會網(wǎng)絡高效路由算法，如下所示。

算法1AnEfficientForwardingStrategybasedonXOROperation

1:Input:AgraphG(V,E),asourceS, Dα:thecorrelativeinformationcollectionofα(α∈ V);

2:Output:Apathofthemaximuminformation。

3:Init:InitQueue(Q),Vi/*eachelementofVasanodecollection*/

4:Set:EnQueue(Q,S);

5:while(!QueueEmpty(Q))

6:DeQueue(Q,β);

7:for(k=FirstAdjVex(G,β);k>=0;k=NextAdjVex(G,β,k))

8:nis the number of element ofVβ,Dα1,…,Dαnare the correlativeinformation collection of element ofVβ;

9:IntersectionβK=DK∩Dα1∩…∩Dαn;

10:if(IntersectionβK=?)

11:EnQueue(Q,k);

12:add all element ofVβto the collectionVK;

13:end if; end for; end while

14:select a maximum information collection ofVithat the number of elements inViis greater than one;

15:according to the above collection generate a path;

通過上述的選擇操作，可以避免網(wǎng)絡中存在大量的數(shù)據(jù)分組副本，從而避免消耗大量的網(wǎng)絡資源。

4 實驗仿真與結果分析

本文將采用ONE(Opportunistic Networking Environment)[11]仿真工具,并與經(jīng)典的Epidemic算法和PRoPHET算法在仿真平臺上進行比較。將選用傳輸成功率、傳輸延遲和路由開銷這三個指標對算法進行比較分析。仿真場景設置如表1所示。

Table 1 Parameters of simulation表1 仿真場景的參數(shù)

下面是Epidemic算法、PRoPHET算法和FSXO算法在不同節(jié)點密度下的表現(xiàn)。圖5為不同節(jié)點密度下三種算法傳輸成功率的實驗結果。

Figure 5 Delivery ratio圖5 傳輸成功率

由圖5可知，節(jié)點密度對算法傳輸成功率有較大的影響。在節(jié)點較少的情況下，三種算法的傳輸成功率差不多。隨著節(jié)點數(shù)目的增加，各個算法的傳輸成功率都有所增加，但是FSXO算法增加幅度比其他兩種算法的高。在節(jié)點數(shù)量到達400時，Epidemic算法和PRoPHET算法的傳輸成功率保持在40%左右，而FSXO算法的傳輸成功率卻可以達到70%左右，其根本原因在于FSXO算法構建網(wǎng)絡拓撲圖，通過異或操作選擇出了一條信息量大的通信路徑進行信息傳遞。正是這種有選擇性的信息傳遞使得其在仿真平臺下能夠取得較高的信息傳輸成功率。

節(jié)點數(shù)量對傳輸延遲的影響如圖6所示。由圖6可知，節(jié)點數(shù)量對三種算法的傳輸延遲影響都不大。Epidemic算法的傳輸延遲要優(yōu)于FSXO算法和PRoPHET算法，這是因為Epidemic算法本質上是一種洪泛算法，它能夠減少傳輸延遲，而其它兩種算法是基于某種選擇性的算法，使得一些節(jié)點不能參與通信而造成延遲。在節(jié)點數(shù)量較少時，PRoPHET算法增加的趨勢比FSXO算法明顯。隨著節(jié)點數(shù)量增加，F(xiàn)SXO算法和PRoPHET算法的傳輸延遲非常接近。從仿真結果得出，Epidemic算法的延遲時間小于FSXO算法和PRoPHET算法的。

Figure 6 Delivery delay圖6 傳輸延遲

節(jié)點數(shù)量對路由開銷的影響如圖7所示。在節(jié)點個數(shù)較少的情況下，三種算法的路由開銷差不多。Epidemic算法的路由開銷隨著節(jié)點數(shù)量的增加而大幅度增加，增加趨勢非常明顯，說明該算法隨著節(jié)點數(shù)量的增加網(wǎng)絡中存在大量的數(shù)據(jù)分組副本，浪費網(wǎng)絡資源。PRoPHET算法的路由開銷也隨著節(jié)點的數(shù)量增加而增加，但是增加的幅度比Epidemic算法小。就路由開銷而言，PRoPHET算法要優(yōu)于Epidemic算法。FSXO算法的性能明顯優(yōu)于前面兩種算法，在節(jié)點個數(shù)達到400時，F(xiàn)SXO算法的路由開銷還不到Epidemic算法的1/2，比PRoPHET算法也要少1/3。這是由于該算法不是將信息轉發(fā)給所有遇到的節(jié)點，而是通過異或運算有選擇地選擇了有效性高的一串節(jié)點進行轉發(fā)，從而減少網(wǎng)絡中副本的存在。仿真結果表明，F(xiàn)SXO算法能夠減少路由開銷，節(jié)約網(wǎng)絡資源。

Figure 7 Overhead圖7 路由開銷

通過對仿真實驗結果的分析可知，F(xiàn)SXO算法能在減少路由開銷的同時保證較高水平的傳輸成功率，減少網(wǎng)絡中數(shù)據(jù)分組副本的數(shù)量，進而節(jié)約網(wǎng)絡資源，提高網(wǎng)絡的整體性能水平。不足之處在于FSXO算法會造成一定的傳輸延遲，但就整體性能而言，F(xiàn)SXO算法相對于Epidemic算法和PRoPHET算法有較大的進步。

5 結束語

針對機會網(wǎng)絡中節(jié)點傳遞信息的特點，本文提出了基于信息異或的選擇信息量最大的路徑傳遞信息的算法FSXO。通過遍歷可通信的鄰居節(jié)點，將兩節(jié)點的信息作比較。通過交集的形式，比較節(jié)點中攜帶信息異或程度最大的鄰居節(jié)點作為下一跳進行信息傳遞，從而形成一條有效性最大的通信路徑。通過與機會網(wǎng)絡中經(jīng)典的Epidemic算法和PRoPHET算法對比，仿真結果表明，F(xiàn)SXO算法能夠在高傳輸成功率的情況下，減少網(wǎng)絡中無效數(shù)據(jù)副本的存在，從而有效降低路由開銷，這種特性使得該算法非常適合于能量資源較少的場景。

[1] Xiong Yong-ping, Sun Li-min, Niu Jian-wei, et al.Opportunistic networks[J].Journal of Software, 2009, 20 (1):124-137.(in Chinese)

[2] Jacquet P, Mans B, Rodolakis G. Information propagation speed in mobile and delay tolerant networks[J]. IEEE Transactions on Information Theory, 2010, 56(10):5001-5015.

[3] Hu Si-quan, Wang Hong-bing, Wang Jun-feng. Research on the opportunistic networks [J]. Computer Science, 2009, 36 (10):32-37.(in Chinese)

[4] Zhang L, Huang W, Miao X, et al. The impact of storage capacity usage and predictable contact schedule on dynamic routing for opportunistic deep space information networks[J]. Wireless Personal Communications, 2014,77(2):1-19.

[5] Tseng Y C, Wu F J, Lai W T. Opportunistic data collection for disconnected wireless sensor networks by mobile mules[J]. Ad Hoc Networks, 2013, 11(3):1150-1164.

[6] Martín-Campillo A, Crowcroft J, Yoneki E, et al. Evaluating opportunistic networks in disaster scenarios[J]. Journal of Network and Computer Applications, 2013, 36(2):870-880.

[7] Sun Jian-zhi, Liu Nai-rui, Zhang Ying-xin, et al.Performance analysis of typical routing algorithm in opportunistic network [J]. Computer Engineering, 2011, 37(16):86-89.(in Chinese)

[8] Li Y, Hui P, Jin D, et al. Evaluating the impact of social selfishness on the epidemic routing in delay tolerant networks[J]. IEEE Communications Letters, 2010, 14(11):1026-1028.

[9] Huang W, Zhang S, Zhou W. Spray and wait routing based on position prediction in opportunistic networks[C]∥Proc of 2011 3rd IEEE International Conference on Computer Research and Development (ICCRD), 2011:232-236.

[10] Gibran K. The PRoPHET:A new annotated edition[M]. London:Oneworld Publications, 2012.

[11] Ker?nen A, Ott J, K?rkk?inen T. The ONE simulator for DTN protocol evaluation[C]∥Proc of the 2nd International Conference on Simulation Tools and Techniques, 2009:55.

附中文參考文獻：

[1] 熊永平，孫利民，牛建偉,等. 機會網(wǎng)絡[J]. 軟件學報, 2009, 20(1):124-137.

[3] 胡四泉，汪紅兵，王俊峰. 機會型網(wǎng)絡研究綜述[J]. 計算機科學, 2009, 36(10):32-37.

[7] 孫踐知，劉乃瑞，張迎新,等. 機會網(wǎng)絡典型路由算法性能分析[J]. 計算機工程, 2011, 37(16):86-89.

LIUHui,born in 1989,MS candidate,his research interest includes opportunistic network.

陳志剛(1964),男,湖南益陽人，博士，教授，CCF會員(E200005226S)，研究方向為網(wǎng)絡與分布式計算。E-mail:czg@csu.edu.cn

CHENZhi-gang,born in 1964,PhD,professor,CCF member(E200005226S),his research interests include wireless networks, and distributed computing.

吳嘉(1983),男,貴州貴陽人，博士生，CCF會員(E200039369M)，研究方向為機會網(wǎng)絡和軟件工程。E-mail:jiawu5110@163.com

WUJia,born in 1983,PhD candidate,CCF member(E200039369M),his research interests include opportunistic network, and software engineering.

王丹(1989),女,河北保定人，碩士生，研究方向為機會網(wǎng)絡。E-mail:csuwangdan@163.com

WANGDan,born in 1989,MS candidate,her research interest includes opportunistic network.

曾劍鋒(1988),男，湖南邵陽人，碩士生，研究方向為機會網(wǎng)絡。E-mail:zjf19881202@163.com

ZENGJian-feng,born in 1988,MS candidate,his research interest includes opportunistic network.

AnefficientforwardingstrategybasedonXORoperationinopportunisticnetwork

LIU Hui1,2，CHEN Zhi-gang1,2，WU Jia1,2，WANG Dan1,2，ZENG Jian-feng1

(1.School of Software,Central South University,Changsha 410075;2. “Mobile Health” Ministry of Education-China Mobile Joint Laboratory,Changsha 410083,China)

Through studying the ways of forwarding information in opportunistic networks,the communication nodes in the neighbourbood can be traversed and the two nodes can be compared.Through the form of the intersection,the neighbor node with the largest XOR is chosen as the next hop to transfer the information so that a communication path with maximum effectiveness is formed. Based on this analysis process, an efficient forwarding strategy based on XOR operation in opportunistic networks (FSXO) is proposed.The proposal is compared with classical algorithms in opportunistic networks,and the simulation results show that the proposed FSXO strategy can reduce the presence of invalid copy data at high transmission rates,thus effectively reduce the routing overhead and resource consumption.

opportunistic network;XOR operation;communication path;forwarding strategy

1007-130X(2014)11-2094-06

2014-06-06;

：2014-08-20

國家自然科學基金資助項目(61073186，61379057，61309001，61379110, 61103202)；教育部博士點基金優(yōu)先發(fā)展領域課題資助項目(20120162130008)；國家973計劃資助項目(2014CB046305)；教育部博士點基金新教師類資助項目(20110162120046)

TP391.02

：A

10.3969/j.issn.1007-130X.2014.11.007

劉輝(1989),男,湖南邵陽人，碩士生，研究方向為機會網(wǎng)絡。E-mail:liuhui19890510@163.com

通信地址：410075 湖南省長沙市中南大學鐵道校區(qū)軟件學院

Address:School of Software,Railway Campus,Central South University,Changsha 410075,Hunan,P.R.China