基于歷史與位置信息的容遲網絡路由算法

,, ,

(青島大學 計算機科學技術學院,山東 青島 266071)

0 概述

容遲網絡(Delay Tolerant Network,DTN)[1-3]是近幾年國內外無線網絡研究領域內的一個新興熱門研究方向,DTN是一種不需要在源節點和目的節點之間存在一條完整通信路徑,利用節點移動帶來的相遇機會實現網絡通信的自組織網絡。由于DTN中節點的移動性,以及移動節點的無線通信距離有限,節點間的通信頻繁中斷等特點[4-5],節點間只能進行間斷性互連,所以使得源節點到目的節點之間無法形成一條穩定的通信路徑[6],整個網絡拓撲結構處于動態變化中。這種極端的網絡環境使得傳統Internet的路由算法和網絡協議無法適用于DTN中。正是由于DTN的這種網絡特性,使其在支撐環境苛刻條件下的應用獨具優勢,因而使得容遲網絡成為了一個熱門研究方向,并得到了廣泛的關注和研究,DTN中實現消息的有效傳遞是最關鍵的問題[7],DTN路由算法研究目前也是DTN研究中研究成果最多,最為成熟的一個方向。目前DTN應用的場景主要有,野生動物追蹤的傳感網絡[8-10]、移動車載網絡[11-13]、水下傳感器網絡[14-15]和Internet接入服務的信息網絡[16]等。

DTN利用節點在移動過程中相遇的機會(DTN中稱為Contact)進行消息傳輸,采用“存儲—攜帶—轉發”這一路由模式來實現節點間的通信。近幾年,在DTN路由算法方面許多學者提出了大量研究成果。從節點向網絡中注入消息副本的數量的角度來看,DTN的路由算法可以分為兩大類:基于復制策略的路由算法和基于轉發策略的路由算法。

基于復制策略的路由算法,通過提高消息在網絡中副本的數量,使得消息可以在同一時刻有多個副本在進行傳輸,從而來增加消息成功投遞至目的節點的概率,最具代表性的算法有傳染病算法Epidemic[17-19],Spray and Wait[20-22]和PRoPHET[23-24]。Epidemic算法會在2個節點相遇時向對方復制其消息向量中沒有的消息。Spray and Wait算法通過控制網絡中消息副本的數量,在Spray階段將消息副本進行散播,在Wait階段一直等待遇到目的節點。PRoPHET算法利用節點對相遇的歷史信息和傳遞性來預測節點同目的節點相遇的概率,將消息傳遞給鄰居節點中投遞概率比當前節點更大的節點?；谵D發策略的路由算法中,算法會根據網絡的拓撲知識,然后按照一定的優化目標進行有目的的選擇下一跳中繼節點進行消息傳遞,從而選擇出一條較優的路徑將消息傳輸到目的節點,在傳輸過程中,中繼節點不會對消息進行復制。最具代表性的算法有Direct Delivery[25]和FirstContact算法[26]。Direct Delivery算法中源節點會一直攜帶消息直到遇到目的節點才會進行消息傳輸。FirstContact算法中攜帶消息的源節點在整個移動過程中,將消息轉發給第一個相遇的節點。

目前一種比較認可的提高投遞率的方式是基于復制策略,增加網絡中消息副本數量。為此,本文提出一種基于歷史和位置信息的容遲網絡路由算法(Routing Algorithm in Delay Tolerant Network Based on History and Location Information,HLRA),從歷史策略和地理策略兩方面增加消息投遞率,降低消息傳輸的平均時延。

1 路由算法設計

1.1 動機

基于消息復制策略的路由算法,在網絡中對同一消息進行復制,使其產生大量消息副本,只要其中一個攜帶消息副本的節點與目的節點相遇,那么消息就傳輸成功。大量的研究結果表明,DTN中基于消息復制策略的路由算法可以有效地提高消息投遞率[27]。另一方面單純的增加消息副本,容易導致網絡中消息洪泛,并且由于網絡中節點的緩存空間、能量等資源有限,大量的消息副本會增加網絡中節點資源消耗,導致節點的緩存溢出,反而降低了網絡的路由性能。

為了在保持較高的消息投遞率的同時,降低網絡中節點資源的消耗,必須控制消息的盲目復制。很多學者想通過獲取網絡拓撲結構知識或其他額外輔助信息來增加DTN消息投遞率,降低能耗和時延。但是由于網絡中節點的移動,節點耗盡能源而停止工作或者在網絡中添加新的節點,使得DTN的拓撲結構時刻處于動態變化中,難以獲取,且時效性和準確性低。

然而只是獲取節點在網絡中的位置信息,通過GPS定位系統或者相關的定位算法即可實現,節點中保存位置信息也不會消耗太多資源,獲取的位置信息比網絡拓撲知識準確性和時效性更強,并且地理路由算法實現相對簡單,不需要節點有太高的計算處理能力,對節點資源的消耗較少。

1.2 算法簡介

HLRA算法的整體執行流程,如圖1所示。由于路由算法解決的是在消息傳輸過程中的“路徑”選擇問題,因此此流程圖中只描述了與路由算法相關的部分。

圖1 HLRA路由算法流程

在DTN中,只有當節點相遇的時候才會出現消息傳輸,所以流程開始,當節點相遇時,相遇節點各自更新自己所維護的節點歷史相遇次數表。之后根據節點所攜帶的消息,會從鄰居節點中選擇出所有消息的下一跳節點。首先會根據歷史策略進行,如果歷史策略選擇出了下一跳節點,則繼續處理下一個消息。如果歷史策略沒有為消息選擇出下一跳節點,則轉至運行地理策略為其選擇下一跳節點,之后繼續嘗試下一個消息,直到節點所攜帶的消息都已經處理完畢。然后又會對新的相遇節點進行消息的整個傳輸流程[28]。

1.3 模型假設和符號說明

本文符號說明如表1所示,在詳細介紹本文提出的路由算法HLRA之前,先做出如下假設:

1)網絡中的節點都在此網絡設置的整體范圍內移動,不會移動到范圍以外。

2)網絡中的節點可以通過借助GPS來獲取其當前的位置信息。

3)節點在通信范圍內與其他節點建立連接時,可以收集相遇次數等信息。

4)節點移動存在慣性。

表1 符號說明

1.4 下一跳節點選擇策略

在DTN路由算法中,由于節點的間歇性連接,無法實現通過建立一條完整通信路徑進行消息傳輸,只能依靠節點移動帶來的相遇機會來選擇消息的下一跳節點進行消息路由,好的下一跳節點會縮短消息成功投遞的時間,提高投遞率,降低時延。所以,路由算法中下一跳節點的篩選方法尤為重要,它對于消息的成功傳遞有著極大的影響[29]。

本文HLRA路由算法在下一跳節點的選擇上采用如下2個策略:

1)歷史策略,以節點間歷史相遇次數為依據,在鄰居節點中選擇同消息的目的節點歷史相遇次數最大的鄰居節點作為下一跳節點,以此來增加消息投遞的準確性。

2)地理策略,當歷史策略未選出下一跳節點則執行本策略。利用節點的位置信息,在當前消息節點的鄰居節點中選擇由兩個節點移動方向所構成夾角最大的一對節點作為消息的下一跳節點,增大消息的覆蓋范圍,以減少消息的投遞時延。

1.4.1 歷史策略

為了防止盲目的過度復制消息,浪費節點資源。HLRA算法的歷史策略是盡可能提高消息傳輸至目的節點的準確性。在實際應用中,DTN里的節點運動在很多情況下是有一定規律可循或者可以預測的,比如車載網絡中的汽車運行軌跡,野生動物追蹤網絡中動物遷徙路線等。在DTN中,節點在預先設定的網絡范圍中移動,會不斷地與其他節點相遇,2個節點在某一時刻相遇,很可能在之后某一時刻會再次相遇,也就意味著節點間的歷史相遇信息對于節點未來的相遇有較強的預測指示作用。

為提高消息的投遞率,在每次節點相遇的時刻,更新維護當前節點的歷史節點相遇次數表T。每個節點需要維護一個記錄與其他節點歷史相遇次數的表T,Cij=Ti(j)表示當前節點Ni與節點Nj歷史相遇的次數。為了評估當前節點Ni的相遇節點Nj是否有資格作為消息的下一跳節點,在每個消息中都會有一個次數等級S,用于記錄消息在傳輸過程中遇到的與其目的節點歷史相遇次數最大值,其初始值為0,用于在歷史策略中選擇下一跳節點時與鄰居節點中的T值進行比較,并且次數等級S的值會及時更新并隨著消息復制被拷貝到下一跳節點。

利用歷史策略進行下一跳節點選擇時,需要選出鄰居節點T表中與消息的目的節點的相遇次數C最大的鄰居節點,比較C是否大于消息的當前次數等級S,只有鄰居節點與消息目的節點歷史相遇次數C大于消息的次數等級S,才會將消息復制給此鄰居節點,反之,則說明此節點與消息的目的節點相遇機會沒有消息當前所在節點遇到目的節點的機率大,所以不會向此鄰居節點復制消息。如圖2所示,當前節點Ni攜帶消息M和節點Nj相遇,消息M的目的節點是N10,M的當前次數等級S是0。按照歷史策略,Ni和Nj首先各自更新自身的T表,檢查Nj是否可以作為下一跳節點,會首先對Ni節點攜帶的消息M中的次數等級S和從節點Nj的T中所獲得的Cj,10進行比較,S=0

圖2 歷史策略選擇下一跳節點示意圖

歷史策略在鄰居節點中選擇與消息的目的節點歷史相遇次數最多,且相遇次數C要大于消息的次數等級S的鄰居節點作為下一跳節點。

在算法第1行中,由于當前節點與周圍鄰居節點相遇,所以首先要更新各自維護的T表。算法第2行對若干個鄰居節點按照T表中消息目的節點的歷史相遇次數的大小降序排列,取序列第一個節點與消息的S值進行比較。算法第3行～第7行,將消息的次數等級S與之前獲得的第一個節點的歷史相遇次數C進行比較,如果S

算法1歷史策略算法描述

輸入currentNode,neighborNodeList,Message

輸出nextHop

1.更新currentNode和neigborNodeList各自的表 T

2.將neighborNodeList中的節點按C=T(Message.des)的大小降序排列,neighborNode = neighborNodeList中的第一個

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

歷史策略算法第1步更新當前節點和鄰居節點歷史相遇次數表T中值,其時間復雜度Time(n)取決于要更新T表的節點數量n,Time(n)=O(n)。第2步對鄰居節點進行排序,選擇相對穩定的快速排序,時間復雜度為Time(n)=O(nlogn)。第3步通過進行比較相遇相遇次數和次數等級的值來獲取下一跳節點時間復雜度O(1)。所以,歷史策略性能主要受算法第一步節點的數量影響,算法時間復雜度為Time(n)=O(n)。

1.4.2 地理策略

由于消息的次數等級S隨著遇到的節點越多而逐漸更新增大,因此到后期,次數等級S變大后,在一個區域內可能很難再通過歷史策略找到與目的節點歷史相遇次數C大于S的節點作為下一跳節點。所以就需要擴大消息的覆蓋范圍,使得消息分布更廣,從而推動歷史策略的執行,增加消息的投遞率。因此,地理策略的主要目的就是將消息擴散出去,通過增大消息覆蓋面積來縮短消息到達目的節點的時間,提高投遞率。

節點在一定時間段內,移動的方向大致是朝同一個方向的或者同一趨勢。所以,地理策略就是根據節點的移動方向從鄰居節點中篩選出合適的節點作為下一跳節點,進行消息復制,擴大消息的覆蓋面積。而地理策略的出發點就是盡可能選擇當前節點的周圍鄰居節點中由兩個節點移動方向所形成的夾角最大的兩個節點作為下一跳節點,以實現消息副本以當前節點移動方向為中軸向兩側均勻擴散,進而增大消息覆蓋面積。

如圖3所示,在某一時刻某一區域,當前節點Ns周圍有多個鄰居節點Na、Nb、Ni、Nj,它們都有各自的移動軌跡。虛線小圓圈代表節點上一時刻的位置,實線陰影小圓點代表節點當前位置。

圖3 消息擴散示意圖

(1)

計算出構成夾角的2個節點的移動方向后,2個節點移動方向夾角差值的絕對值就是2個節點構成的夾角的大小。通過式(2)計算此節點對移動方向所構成的夾角的大小。就圖3中2個夾角θ1和θ2,其他節點暫時不比較,夾角θ1要更大一些,所以,Ni和Nj可以作為下一跳節點進行消息復制:

θ=|θi-θj|

(2)

夾角θ越大,則鄰居節點與攜帶信息的當前節點移動區域的重合概率就會越小,從而避免了相同消息的副本在同一塊區域內冗余所造成的節點資源浪費。除了要考慮節點移動方向夾角的問題,還要考慮當前節點Ns的移動方向問題。因為通過最大夾角篩選出的節點對中,會存在某個節點的移動方向非常接近節點Ns的移動方向,如果選擇這樣的節點對作為下一跳節點,也會導致在一個區域內同一消息副本冗余,造成節點資源浪費。

所以,本文通過增加一個條件來進行選擇,在節點對夾角最大的前提下,攜帶消息的當前節點Ns的移動方向Ds比較好的情況是在夾角的正中方向,這樣作為下一跳節點的Ni和Nj以當前節點Ns的移動方向Ds為中軸平均向兩邊輻射,消息覆蓋面積會更理想。通過比較所有節點對P所構成移動方向夾角θ的大小,然后按照θ大小進行降序排列,選擇前3個夾角的節點對作為下一跳節點的候選節點,通過式(3)進一步判斷節點對P的中心方向D(P)和當前節點Ns的移動方向Ds的相對位置ω。D(P)可由節點對P中2個節點當前位置和歷史位置坐標中心點通過式(1)計算獲得。ω值越小,說明Ns的移動方向越接近夾角的中心位置,從而節點對P中的2個節點就會以Ns的移動方向平均向兩側輻射。式(4)通過比較節點對P1和P2的ω值,獲取ω值更小的節點對。若ω(P1)<ω(P2),則f(P1,P2)=P1,否則f(P1,P2)=P2。從3個夾角中利用式(4)計算出ω值最小的節點對P,將此節點對P中的2個節點作為下一跳節點進行消息復制,來有效地擴大消息覆蓋面積。

ω(P1) = |Ds-D(P)|

(3)

(4)

如果當前節點的鄰居節點的數量不大于2的時候,即無法進行節點對夾角的比較,只需要直接對鄰居節點進行消息復制。算法2給出了地理策略的算法描述。

算法2地理策略算法描述

輸入neighborNodeList

輸出nextHopPair

1.初始化nextHopPair

2.if neighborNodeList.length <= 2 then

3. nextHopPair = neighborNodeList.replicate()

4.else

6. 用式(1)、式(2)計算每一個組合的夾角

7. end for

8.按夾角大小照降序排列節點對

9.取序列前3

10.for P in P1,P2,P3

11. 用式(4)計算每一個節點對的ω值

12. Pbest=f(P1,P2)

13.end for

14.將Pbest中的2個節點加入到nextHopPair

15.end if

16.return nextHopPair

在算法2的第2行～第3行中,首先判斷周圍的鄰居節點的個數,如果鄰居節點數量小于或等于2,那么直接將此節點選為下一跳鄰居節點進行消息復制。算法第5行～第7行,對鄰居節點中每對節點組合計算其移動方向的夾角θ。算法第8行,將所有節點對P按照計算出的移動方向夾角大小進行降序排序,以便后序對P的選取。算法第9行,在排好序的序列中,取出移動方向夾角θ最大的3對P作為候選節點。算法第10行～第13行,對上一步求出的3個節點對計算ω值,并利用式(4)進行比對,找出相對合適的節點對,之后算法第14行,將選出P的2個節點作為下一跳節點等待消息復制。

地理策略的算法中主要操作有,第5行～第7行計算節點組合夾角大小以及第8行對節點對進行排序,第5行～第7行的操作取決于節點組合的規模,所以,時間復雜度Time(n)=O(n)。對節點對進行快速排序,所以,時間復雜度Time(n)=O(nlogn)。地理策略算法的性能主要受節點組合規模的影響,因此,時間復雜度為Time(n)=O(n)。

2 仿真實驗

2.1 仿真環境

本文采用The ONE(Opportunity Networking Environ-ment)[30]模擬器來進行仿真實驗,基于Random Waypoint節點移動模型,對HLRA,Epidemic,Spray and Wait和First Contact算法進行了大量的仿真實驗,研究了這些路由算法在節點緩存空間、消息生成時間間隔、消息生存期產生變化下的路由性能表現。采取的衡量指標有:投遞率、負載率、平均時延和平均跳數。具體實驗仿真參數如表2所示。

表2 實驗仿真參數

2.2 仿真結果分析

2.2.1 節點緩存空間大小

圖4是4種算法的路由性能隨著節點緩存空間大小改變的變化情況。隨著緩存空間逐漸增大,節點可存儲的消息數量增加,即可以攜帶更多的消息進行轉發,可以降低消息傳輸的跳數,增加消息成功投遞的機率。如圖4所示,當緩存空間在25 MB大小時,HLRA算法的消息投遞率比Epidemic提高了10%。平均時延方面,HLRA算法比傳染病算法Epidemic降低了50%,使得消息的時效性得以提高。

圖4 不同緩存空間下4種算法的性能表現

FirstContact算法投遞率最低,因為該算法只轉發一個消息副本,所以對緩存空間的要求并不高,當緩存空間大于10 MB其投遞率開始趨于穩定,平均跳數和平均時延也遠遠多于其他算法,在作為下一跳路由選擇策略時并不理想。但是其網絡負載率很低,適合應用于網絡資源珍貴,負載率較低的網絡。

由于HLRA是基于復制策略的路由算法,通過控制消息副本的數量來提高消息的投遞率,因此HLRA能達到與Epidemic相當的較高的投遞率。在緩存空間增長的情況下,基于復制的多副本策略能夠有效地提高路由算法的表現。當緩存空間大于16 MB時,HLRA在投遞率方面逐漸高于Epidemic,這驗證了本文兩種策略相結合下一跳路由選擇算法在提高路由性能上的有效性。HLRA同時具有4個算法中最低的網絡平均延時,能夠提高消息的可靠性。但是因為HLRA在節點計算方面要復雜于其他3個算法,所以在網絡負載率方面要高于其他3個算法,隨著緩存空間增大,負載率逐漸降低,所以HLRA適用于那些節點緩存資源不充裕負載能力強的網絡。Epidemic和SprayAndWait算法都是基于復制策略的路由算法,后者是在前者的基礎上對消息副本的數量進行了限制,它們都有一個較高的投遞率,由于SprayAndWait對消息副本進行的限制,因此在緩存空間大于8 MB時,其投遞率開始低于Epidemic。但2個算法的網絡平均時延都高于HLRA,降低了消息的可靠性。

綜合圖4可以看出,在DTN中,當資源充足和網絡負載能力較低時,Epidemic和SprayAndWait算法有較高投遞率和較低的網絡負載率,具有比較高的價值。當網絡負載能力較強緩存空間不充裕時,HLRA算法是一個更好的選擇,在保持較高的投遞率的同時,具有較低的網絡平均時延,因而可以發揮出更高效的路由性能。

2.2.2 消息生成時間間隔

圖5是消息生成時間間隔對4種算法路由性能的影響。由圖5可以看出,在不同的消息生成時間間隔下,相比較于其他3種算法,HLRA在投遞率和平均時延上取得了一定優勢。

圖5 不同消息生成時間間隔下4種算法的性能表現

進一步驗證了HLRA2種策略相結合下一跳路由選擇算法在提高路由性能上的有效性。HLRA在投遞率方面明顯的高于其他3個算法。FirstContact投遞率依然最低。當消息生成時間間隔較小時,網絡中會快速生成大量的消息,由于沒有對消息副本進行限制并且緩存空間的有限,基于復制策略的路由算法受到限制,因此HLRA,Epidemic和SprayAndWait在時間間隔小于50 s的時候,投遞率都不高,但隨著消息生成時間間隔逐漸增大,網絡中的消息增長速度減緩,對緩存資源的快速消耗得以緩解,3個算法的投遞率逐漸增高,由于HLRA通過歷史策略和地理策略對中繼節點進行篩選,并限制消息的復制能力,因此HLRA的投遞率明顯高于Epidemic和Spray And Wait算法。平均時延方面,HLRA依然占據了絕對的優勢,擁有最低的平均時延。由于HLRA在節點計算方面要復雜于其他3個算法,所以在網絡負載率方面高于其他3個算法。

2.2.3 消息生存期

圖6、圖7是4種算法的路由性能隨著消息生存期長短的變化情況。

圖7 不同消息生存期下4種算法的性能表現2

由圖6、圖7可以看出,HLRA算法在投遞率和平均時延方面依然保持著優勢。當消息生存期小于100 s時,HLRA相比其他3個算法,有一個較高的投遞率,FirstContact算法的投遞率依然很低。在平均時延方面,HLRA依然是明顯的低于其他算法,隨著消息生存期的逐漸增加,變化非常明顯。FirstContact由于只是將消息傳給第一個遇到的節點,所以平均跳數非常高,遠遠高于其他3個算法。而HLRA,Epidemic和SprayAndWait算法要較低且相對穩定,其中HLRA要略高于Epidemic和SprayAndWait算法。負載率方面,HLRA算法的負載率還是明顯高于其他3個算法。

綜合圖6、圖7可以看出,相比其他3個算法,在消息周期較短時,HLRA算法是一個很好的選擇,因為其投遞率較高且網絡負載也相對較低。

3 結束語

本文提出基于歷史和位置信息的容遲網絡路由算法。利用節點的歷史相遇信息和位置信息篩選與目的節點歷史相遇次數更多的節點,將與當前節點移動方向夾角更大的節點作為下一跳候選節點進行消息復制,從一定程度上控制了洪泛策略中的消息盲目復制,減少了消息的冗余副本數量,在保持投遞率的基礎上降低了消息傳輸的平均時延。仿真結果表明,該算法平均時延低于Epidemic、FirstContact和Spray and Wait算法,投遞率也得到一定程度的提高。但是該算法網絡負載較高,因此,下一步將著重解決網絡負載較高的問題,并進一步提高算法的消息投遞率。

[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,汪紅兵,王俊峰.機會型網絡研究綜述[J].計算機科學,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.容遲網絡中基于復制策略的單播路由算法研究[J].電子設計工程,2013,21(6):24-26.

[28] 劉期烈,許 猛,李 云,等.基于歷史效用的機會網絡路由算法[J].計算機應用,2013,33(2):361-364.

[29] 關禮安,汪斌強,朱宣勇.一種基于節點多可用下一跳的分級收斂算法[J].計算機應用研究,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.