低緩存容遲網(wǎng)絡(luò)下基于相遇概率的多線性親密度路由算法優(yōu)化與效能研究一、引言1.1研究背景與意義隨著科技的飛速發(fā)展，網(wǎng)絡(luò)技術(shù)在人們的生活和工作中扮演著越來越重要的角色。低緩存容遲網(wǎng)絡(luò)（LowBufferDelayTolerantNetwork）作為一種特殊的網(wǎng)絡(luò)類型，近年來受到了廣泛的關(guān)注和研究。這類網(wǎng)絡(luò)通常部署在極端環(huán)境下，如星際網(wǎng)絡(luò)、深海探測網(wǎng)絡(luò)、軍事戰(zhàn)術(shù)網(wǎng)絡(luò)以及移動(dòng)車載網(wǎng)絡(luò)等。在這些場景中，由于節(jié)點(diǎn)的移動(dòng)、能量調(diào)度、距離遙遠(yuǎn)或信號干擾等原因，導(dǎo)致節(jié)點(diǎn)間只能間歇性進(jìn)行通信，甚至長時(shí)間處于中斷狀態(tài)，同時(shí)，節(jié)點(diǎn)的緩存資源也極為有限。低緩存容遲網(wǎng)絡(luò)的獨(dú)特特點(diǎn)使其面臨諸多挑戰(zhàn)。與傳統(tǒng)網(wǎng)絡(luò)不同，它具有間歇性連接的特征，鏈路可能頻繁斷開和重新連接，這使得傳統(tǒng)的基于穩(wěn)定鏈路的路由算法無法適用。并且其傳輸時(shí)延極高，數(shù)據(jù)傳輸率卻很低，在星際網(wǎng)絡(luò)中，由于節(jié)點(diǎn)之間距離遙遠(yuǎn)，信號傳輸需要很長時(shí)間，導(dǎo)致數(shù)據(jù)傳輸延遲巨大。此外，網(wǎng)絡(luò)中的節(jié)點(diǎn)資源有限，包括能量、計(jì)算能力和緩存空間等，這對網(wǎng)絡(luò)的運(yùn)行和數(shù)據(jù)處理帶來了很大限制。而且，其拓?fù)浣Y(jié)構(gòu)呈現(xiàn)出隨機(jī)動(dòng)態(tài)變化的特點(diǎn)，節(jié)點(diǎn)的移動(dòng)和連接狀態(tài)的改變使得網(wǎng)絡(luò)拓?fù)潆y以預(yù)測和維護(hù)。同時(shí)，低信噪比和高誤碼率也會(huì)極大地影響信息接收端對信號的解碼和恢復(fù)，安全性較差，容易受到攻擊和干擾。路由算法作為低緩存容遲網(wǎng)絡(luò)的核心組成部分，對網(wǎng)絡(luò)性能起著決定性的作用。一個(gè)高效的路由算法能夠在有限的緩存條件下，最大化消息投遞概率，即確保數(shù)據(jù)能夠盡可能準(zhǔn)確地到達(dá)目標(biāo)節(jié)點(diǎn)；最小化傳輸延遲，讓數(shù)據(jù)能夠在最短的時(shí)間內(nèi)完成傳輸；降低網(wǎng)絡(luò)開銷，減少能量、帶寬等資源的浪費(fèi)。在星際網(wǎng)絡(luò)中，合理的路由算法可以減少信號傳輸?shù)臅r(shí)間和能量消耗，提高數(shù)據(jù)傳輸?shù)男?，使得科研人員能夠及時(shí)獲取探測數(shù)據(jù)。在軍事戰(zhàn)術(shù)網(wǎng)絡(luò)中，高效的路由算法能夠確保指揮命令快速、準(zhǔn)確地傳達(dá)給各個(gè)作戰(zhàn)單元，對于戰(zhàn)爭的勝負(fù)有著重要影響?，F(xiàn)有的一些路由算法在低緩存容遲網(wǎng)絡(luò)中存在一定的局限性。例如，一些基于洪泛的路由算法雖然能夠保證較高的消息投遞率，但會(huì)產(chǎn)生大量的冗余副本，導(dǎo)致節(jié)點(diǎn)能耗增加和緩存溢出，在緩存資源有限的情況下，這種算法的弊端更加明顯。而一些基于概率的路由算法，在計(jì)算相遇概率時(shí)可能沒有充分考慮到節(jié)點(diǎn)的移動(dòng)模式和歷史相遇信息，導(dǎo)致相遇概率的計(jì)算不夠準(zhǔn)確，從而影響消息的轉(zhuǎn)發(fā)決策。為了克服這些問題，本文提出的基于相遇概率的多線性親密度路由算法具有重要的研究意義。該算法通過綜合考慮節(jié)點(diǎn)的相遇概率和多線性親密度，能夠更準(zhǔn)確地選擇中繼節(jié)點(diǎn)，提高消息的投遞效率。在節(jié)點(diǎn)相遇時(shí)，通過交換信息和計(jì)算親密度，可以判斷哪些節(jié)點(diǎn)更有可能將消息傳遞到目的節(jié)點(diǎn)，從而有針對性地進(jìn)行消息轉(zhuǎn)發(fā)。這不僅可以減少不必要的消息復(fù)制，降低網(wǎng)絡(luò)負(fù)載，還能有效利用有限的緩存資源，提高網(wǎng)絡(luò)的整體性能。該算法對于推動(dòng)低緩存容遲網(wǎng)絡(luò)在各個(gè)領(lǐng)域的實(shí)際應(yīng)用具有重要的作用，有望為相關(guān)領(lǐng)域的發(fā)展提供更可靠的技術(shù)支持。1.2研究目的與創(chuàng)新點(diǎn)本研究旨在針對低緩存容遲網(wǎng)絡(luò)的特點(diǎn)，設(shè)計(jì)一種高效的基于相遇概率的多線性親密度路由算法，以提升網(wǎng)絡(luò)在有限緩存條件下的性能。具體而言，研究目的主要體現(xiàn)在以下幾個(gè)方面：首先，提高消息投遞率，通過精準(zhǔn)計(jì)算節(jié)點(diǎn)相遇概率和多線性親密度，確保消息能夠更大概率地到達(dá)目標(biāo)節(jié)點(diǎn)，減少消息丟失。其次，降低傳輸延遲，優(yōu)化消息轉(zhuǎn)發(fā)路徑，使消息能夠在最短時(shí)間內(nèi)完成傳輸，滿足對實(shí)時(shí)性要求較高的應(yīng)用場景。再次，減少網(wǎng)絡(luò)開銷，避免不必要的消息復(fù)制和轉(zhuǎn)發(fā)，降低節(jié)點(diǎn)能耗和帶寬占用，提高網(wǎng)絡(luò)資源的利用率。最后，增強(qiáng)算法對不同場景的適應(yīng)性，使算法能夠在各種復(fù)雜的低緩存容遲網(wǎng)絡(luò)環(huán)境中穩(wěn)定運(yùn)行，發(fā)揮良好的性能。本研究的創(chuàng)新點(diǎn)主要體現(xiàn)在以下幾個(gè)方面：在路由決策機(jī)制上，本算法創(chuàng)新性地將相遇概率與多線性親密度相結(jié)合。傳統(tǒng)算法往往只考慮單一因素來選擇中繼節(jié)點(diǎn)，而本算法通過綜合考慮這兩個(gè)因素，能夠更全面地評估節(jié)點(diǎn)間的關(guān)系，從而更準(zhǔn)確地選擇中繼節(jié)點(diǎn)，提高消息轉(zhuǎn)發(fā)的效率和準(zhǔn)確性。例如，在節(jié)點(diǎn)相遇時(shí)，不僅考慮它們未來相遇的可能性，還通過計(jì)算多線性親密度來判斷節(jié)點(diǎn)在不同維度上的相似性和關(guān)聯(lián)程度，使得消息能夠朝著更有可能到達(dá)目的節(jié)點(diǎn)的方向轉(zhuǎn)發(fā)。在相遇概率計(jì)算方法上也有創(chuàng)新。本算法充分考慮節(jié)點(diǎn)的移動(dòng)模式、歷史相遇信息以及網(wǎng)絡(luò)環(huán)境的動(dòng)態(tài)變化，采用更精確的數(shù)學(xué)模型和算法來計(jì)算相遇概率。與現(xiàn)有的一些概率路由算法不同，本算法能夠根據(jù)節(jié)點(diǎn)的實(shí)際運(yùn)動(dòng)軌跡和行為特征，動(dòng)態(tài)調(diào)整相遇概率的計(jì)算參數(shù)，從而使相遇概率的計(jì)算更加符合實(shí)際情況，為消息轉(zhuǎn)發(fā)提供更可靠的依據(jù)。本算法還提出了一種基于多線性親密度的緩存管理策略。在低緩存容遲網(wǎng)絡(luò)中，緩存資源的合理利用至關(guān)重要。本算法根據(jù)節(jié)點(diǎn)間的多線性親密度，對緩存中的消息進(jìn)行優(yōu)先級排序和管理，優(yōu)先保留與目的節(jié)點(diǎn)親密度高的消息，及時(shí)丟棄親密度低且價(jià)值不大的消息，從而有效提高緩存的利用率，避免緩存溢出，保障網(wǎng)絡(luò)的穩(wěn)定運(yùn)行。1.3研究方法與技術(shù)路線為了深入研究低緩存容遲網(wǎng)絡(luò)中基于相遇概率的多線性親密度路由算法，本研究綜合運(yùn)用了多種研究方法，以確保研究的科學(xué)性、有效性和可靠性。本研究廣泛收集和分析了國內(nèi)外相關(guān)的學(xué)術(shù)文獻(xiàn)、研究報(bào)告以及技術(shù)標(biāo)準(zhǔn)等資料。通過對這些資料的梳理和總結(jié)，深入了解了低緩存容遲網(wǎng)絡(luò)的研究現(xiàn)狀、發(fā)展趨勢以及現(xiàn)有路由算法的優(yōu)缺點(diǎn)。對近年來發(fā)表的關(guān)于容遲網(wǎng)絡(luò)路由算法的學(xué)術(shù)論文進(jìn)行分析，總結(jié)出當(dāng)前研究中存在的問題和挑戰(zhàn)，為本文的研究提供了堅(jiān)實(shí)的理論基礎(chǔ)。本研究采用了數(shù)學(xué)建模的方法，對低緩存容遲網(wǎng)絡(luò)中的節(jié)點(diǎn)移動(dòng)模式、相遇概率以及多線性親密度等關(guān)鍵因素進(jìn)行了精確的數(shù)學(xué)描述和分析。通過建立數(shù)學(xué)模型，能夠更清晰地理解這些因素之間的關(guān)系，為算法的設(shè)計(jì)和優(yōu)化提供了有力的理論支持。利用概率論和統(tǒng)計(jì)學(xué)的知識，建立節(jié)點(diǎn)相遇概率的計(jì)算模型，考慮節(jié)點(diǎn)的歷史相遇信息、移動(dòng)速度和方向等因素，使相遇概率的計(jì)算更加準(zhǔn)確。運(yùn)用線性代數(shù)和圖論的方法，構(gòu)建多線性親密度的計(jì)算模型，從多個(gè)維度評估節(jié)點(diǎn)間的相似性和關(guān)聯(lián)程度。為了驗(yàn)證基于相遇概率的多線性親密度路由算法的性能和有效性，本研究使用了網(wǎng)絡(luò)仿真工具進(jìn)行模擬實(shí)驗(yàn)。通過搭建逼真的網(wǎng)絡(luò)場景，設(shè)置不同的參數(shù)和條件，對算法進(jìn)行了全面的測試和評估。在仿真實(shí)驗(yàn)中，使用ONE（OpportunisticNetworkEnvironment）仿真工具，設(shè)置了不同的節(jié)點(diǎn)數(shù)量、移動(dòng)速度、緩存大小以及網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)等參數(shù)，對比了本文算法與其他經(jīng)典路由算法在消息投遞率、傳輸延遲和網(wǎng)絡(luò)開銷等方面的性能表現(xiàn)。通過對仿真結(jié)果的深入分析，驗(yàn)證了本文算法在低緩存容遲網(wǎng)絡(luò)中的優(yōu)越性。本研究的技術(shù)路線主要包括以下幾個(gè)步驟：第一步是需求分析與問題定義，通過對低緩存容遲網(wǎng)絡(luò)的特點(diǎn)和應(yīng)用場景進(jìn)行深入調(diào)研，明確了研究的目標(biāo)和需求，分析了現(xiàn)有路由算法存在的問題和挑戰(zhàn)，為后續(xù)的研究工作指明了方向。第二步為算法設(shè)計(jì)與模型構(gòu)建，根據(jù)需求分析的結(jié)果，結(jié)合相遇概率和多線性親密度的概念，設(shè)計(jì)了基于相遇概率的多線性親密度路由算法，并構(gòu)建了相應(yīng)的數(shù)學(xué)模型和計(jì)算方法。在算法設(shè)計(jì)過程中，充分考慮了節(jié)點(diǎn)的移動(dòng)模式、歷史相遇信息以及緩存管理等因素，以提高算法的性能和適應(yīng)性。第三步是仿真實(shí)驗(yàn)與性能評估，使用網(wǎng)絡(luò)仿真工具對設(shè)計(jì)的算法進(jìn)行模擬實(shí)驗(yàn)，設(shè)置了多種不同的實(shí)驗(yàn)場景和參數(shù)，對算法的性能進(jìn)行了全面的測試和評估。通過與其他經(jīng)典路由算法的對比分析，驗(yàn)證了本文算法在消息投遞率、傳輸延遲和網(wǎng)絡(luò)開銷等方面的優(yōu)勢。第四步為算法優(yōu)化與改進(jìn)，根據(jù)仿真實(shí)驗(yàn)的結(jié)果和分析，對算法進(jìn)行了進(jìn)一步的優(yōu)化和改進(jìn)，針對算法在某些場景下表現(xiàn)不佳的問題，提出了相應(yīng)的改進(jìn)措施，以提高算法的穩(wěn)定性和可靠性。第五步是總結(jié)與展望，對整個(gè)研究工作進(jìn)行了全面的總結(jié)，歸納了研究成果和創(chuàng)新點(diǎn)，同時(shí)也指出了研究中存在的不足之處和未來的研究方向，為后續(xù)的研究工作提供了參考和借鑒。二、低緩存容遲網(wǎng)絡(luò)與相關(guān)路由算法概述2.1低緩存容遲網(wǎng)絡(luò)特性剖析低緩存容遲網(wǎng)絡(luò)（LowBufferDelayTolerantNetwork）作為一種特殊的網(wǎng)絡(luò)類型，具有一系列與傳統(tǒng)網(wǎng)絡(luò)截然不同的特性，這些特性對其路由算法的設(shè)計(jì)與實(shí)現(xiàn)產(chǎn)生了深遠(yuǎn)的影響。間歇性連接是低緩存容遲網(wǎng)絡(luò)的顯著特點(diǎn)之一。在這類網(wǎng)絡(luò)中，由于節(jié)點(diǎn)的移動(dòng)、信號干擾、能量限制等因素，節(jié)點(diǎn)之間的連接并非持續(xù)穩(wěn)定，而是呈現(xiàn)出頻繁的斷開與重新連接的狀態(tài)。在星際網(wǎng)絡(luò)中，由于天體的運(yùn)動(dòng)以及信號在浩瀚宇宙中的傳播損耗，節(jié)點(diǎn)間的通信鏈路常常會(huì)出現(xiàn)中斷；在移動(dòng)車載網(wǎng)絡(luò)中，車輛的高速行駛以及復(fù)雜的地理環(huán)境會(huì)導(dǎo)致節(jié)點(diǎn)之間的連接時(shí)斷時(shí)續(xù)。這種間歇性連接使得傳統(tǒng)的基于穩(wěn)定鏈路的路由算法無法適用，因?yàn)閭鹘y(tǒng)算法依賴于連續(xù)的鏈路來建立和維護(hù)路由路徑，而在低緩存容遲網(wǎng)絡(luò)中，這樣的穩(wěn)定鏈路難以保證。低緩存容遲網(wǎng)絡(luò)的時(shí)延極高，數(shù)據(jù)傳輸率卻很低。在一些應(yīng)用場景中，如星際網(wǎng)絡(luò)，節(jié)點(diǎn)之間的距離極其遙遠(yuǎn)，信號傳輸需要經(jīng)過漫長的時(shí)間，導(dǎo)致數(shù)據(jù)傳輸延遲巨大，數(shù)據(jù)傳輸率也受到極大限制。據(jù)相關(guān)研究表明，在地球與火星之間的通信中，信號往返一次可能需要數(shù)分鐘甚至數(shù)小時(shí)，這與傳統(tǒng)網(wǎng)絡(luò)中毫秒級的延遲形成了鮮明對比。在深海探測網(wǎng)絡(luò)中，由于海水對信號的吸收和散射，信號傳輸?shù)难舆t也會(huì)很大，數(shù)據(jù)傳輸率較低。這種高時(shí)延和低傳輸率的特性對路由算法提出了嚴(yán)峻的挑戰(zhàn)，要求路由算法能夠在有限的傳輸機(jī)會(huì)下，合理地安排數(shù)據(jù)傳輸，以減少延遲并提高傳輸效率。低緩存容遲網(wǎng)絡(luò)中的節(jié)點(diǎn)資源極為有限，包括能量、計(jì)算能力和緩存空間等。節(jié)點(diǎn)通常依靠電池供電，能量儲(chǔ)備有限，長時(shí)間的通信和數(shù)據(jù)處理會(huì)迅速消耗能量，導(dǎo)致節(jié)點(diǎn)失效。節(jié)點(diǎn)的計(jì)算能力也相對較弱，無法進(jìn)行復(fù)雜的運(yùn)算。緩存空間更是稀缺資源，低緩存的限制使得節(jié)點(diǎn)無法長時(shí)間存儲(chǔ)大量數(shù)據(jù)。在傳感器網(wǎng)絡(luò)中，傳感器節(jié)點(diǎn)通常體積小巧，能量供應(yīng)有限，緩存空間也很小，這就要求路由算法能夠高效地利用這些有限的資源，避免資源的浪費(fèi)。在節(jié)點(diǎn)能量即將耗盡時(shí)，路由算法應(yīng)能夠及時(shí)調(diào)整路由策略，將數(shù)據(jù)轉(zhuǎn)發(fā)到能量充足的節(jié)點(diǎn)，以保證數(shù)據(jù)的傳輸；在緩存空間不足時(shí)，路由算法需要合理地選擇丟棄哪些數(shù)據(jù)，以確保重要數(shù)據(jù)的傳輸。低緩存容遲網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)呈現(xiàn)出隨機(jī)動(dòng)態(tài)變化的特點(diǎn)。節(jié)點(diǎn)的移動(dòng)和連接狀態(tài)的頻繁改變使得網(wǎng)絡(luò)拓?fù)潆y以預(yù)測和維護(hù)，傳統(tǒng)的基于固定拓?fù)浣Y(jié)構(gòu)的路由算法無法適應(yīng)這種動(dòng)態(tài)變化。在移動(dòng)社交網(wǎng)絡(luò)中，用戶的移動(dòng)和加入、離開網(wǎng)絡(luò)的行為是隨機(jī)的，導(dǎo)致網(wǎng)絡(luò)拓?fù)洳粩嘧兓?。路由算法需要能夠?qū)崟r(shí)感知網(wǎng)絡(luò)拓?fù)涞淖兓?，并及時(shí)調(diào)整路由策略，以確保數(shù)據(jù)能夠準(zhǔn)確地傳輸?shù)侥繕?biāo)節(jié)點(diǎn)。低緩存容遲網(wǎng)絡(luò)還存在低信噪比和高誤碼率的問題，這會(huì)極大地影響信息接收端對信號的解碼和恢復(fù)。在一些復(fù)雜的環(huán)境中，如軍事戰(zhàn)場、城市峽谷等，信號容易受到干擾，導(dǎo)致信噪比降低，誤碼率升高。低緩存容遲網(wǎng)絡(luò)的安全性較差，容易受到攻擊和干擾，這對路由算法的安全性和可靠性提出了更高的要求。在軍事網(wǎng)絡(luò)中，敵方可能會(huì)對網(wǎng)絡(luò)進(jìn)行干擾和攻擊，路由算法需要具備一定的抗干擾和抗攻擊能力，以保證軍事信息的安全傳輸。2.2常見容遲網(wǎng)絡(luò)路由算法綜述在容遲網(wǎng)絡(luò)的研究領(lǐng)域中，眾多學(xué)者致力于路由算法的探索與創(chuàng)新，提出了一系列具有代表性的算法，這些算法在不同的應(yīng)用場景和網(wǎng)絡(luò)條件下展現(xiàn)出各自獨(dú)特的性能特點(diǎn)。Epidemic算法作為一種經(jīng)典的路由算法，采用了洪泛（Flooding）機(jī)制。其核心思想是當(dāng)兩個(gè)節(jié)點(diǎn)相遇時(shí)，會(huì)交換對方?jīng)]有的報(bào)文。在該算法中，每個(gè)報(bào)文都被賦予一個(gè)全局唯一的標(biāo)識，每個(gè)節(jié)點(diǎn)則保存一個(gè)概要向量，用于記錄自身節(jié)點(diǎn)中存儲(chǔ)的報(bào)文情況。當(dāng)節(jié)點(diǎn)相遇時(shí)，它們首先交換概要向量，通過比對，雙方僅傳送對方?jīng)]有的報(bào)文。經(jīng)過足夠次數(shù)的交換后，從理論上來說，每個(gè)非孤立的節(jié)點(diǎn)都將收到所有的報(bào)文，從而實(shí)現(xiàn)報(bào)文的成功傳輸。Epidemic算法的優(yōu)點(diǎn)在于能夠最大化報(bào)文傳輸?shù)某晒β剩@著減少傳輸延遲。在一些對消息投遞率要求極高的場景中，如星際探測數(shù)據(jù)的傳輸，Epidemic算法能夠確保數(shù)據(jù)盡可能完整地到達(dá)目標(biāo)節(jié)點(diǎn)。其缺點(diǎn)也較為明顯，由于每個(gè)節(jié)點(diǎn)都將報(bào)文轉(zhuǎn)發(fā)給所有遇到的鄰居節(jié)點(diǎn)，這會(huì)導(dǎo)致網(wǎng)絡(luò)中存在大量的報(bào)文副本，從而大量消耗網(wǎng)絡(luò)資源，包括節(jié)點(diǎn)的能量、緩存空間以及網(wǎng)絡(luò)帶寬等。在節(jié)點(diǎn)緩存空間有限的情況下，過多的報(bào)文副本可能會(huì)導(dǎo)致緩存溢出，影響節(jié)點(diǎn)的正常運(yùn)行。Spray&Wait算法則分為兩個(gè)階段，即Spray階段和Wait階段。在Spray階段，源節(jié)點(diǎn)會(huì)將部分報(bào)文擴(kuò)散到鄰居節(jié)點(diǎn)，通過這種方式增加消息的傳播范圍。在Wait階段，若Spray階段沒有發(fā)現(xiàn)目的節(jié)點(diǎn)，那么包含報(bào)文的節(jié)點(diǎn)就會(huì)通過DirectDelivery方式，即直接傳輸給目的節(jié)點(diǎn)，等待與目的節(jié)點(diǎn)相遇的機(jī)會(huì)。BinarySprayandWait是SprayandWait算法的一種改進(jìn)版本，其算法機(jī)制為當(dāng)源節(jié)點(diǎn)遇到新中繼節(jié)點(diǎn)時(shí)，將一半報(bào)文發(fā)送給新中繼節(jié)點(diǎn)，自己留下一半報(bào)文；隨后源節(jié)點(diǎn)和中繼節(jié)點(diǎn)重復(fù)進(jìn)行上述過程，直到所有節(jié)點(diǎn)中只有一份報(bào)文，此時(shí)節(jié)點(diǎn)轉(zhuǎn)入Wait階段，采用直接傳輸給目的節(jié)點(diǎn)。Spray&Wait算法的優(yōu)點(diǎn)較為突出，其傳輸量顯著少于Epidemic和其他泛洪算法，這大大降低了網(wǎng)絡(luò)的負(fù)載壓力。它的傳輸延遲較小，接近于最優(yōu)狀態(tài)，并且具有更好的可擴(kuò)展性，無論網(wǎng)絡(luò)的規(guī)模大小、節(jié)點(diǎn)密度如何改變，都能保持較好的性能。在節(jié)點(diǎn)移動(dòng)具有獨(dú)立同分布特性的網(wǎng)絡(luò)環(huán)境中，BinarySpray&Wait算法可以取得最優(yōu)的消息期望投遞。其缺點(diǎn)是與Epidemic算法相比，加大了消息傳輸?shù)钠骄鶗r(shí)延，這在一些對實(shí)時(shí)性要求較高的應(yīng)用場景中可能會(huì)成為限制因素。Prophet算法定義了一個(gè)傳輸預(yù)測值，以此來描述節(jié)點(diǎn)間成功傳輸?shù)母怕?。?dāng)兩個(gè)節(jié)點(diǎn)相遇時(shí)，節(jié)點(diǎn)會(huì)根據(jù)一定的規(guī)則更新各自的傳輸預(yù)測值，并利用該值來決定是否轉(zhuǎn)發(fā)報(bào)文。該算法利用節(jié)點(diǎn)間相遇的歷史信息和傳遞性來選擇下一個(gè)轉(zhuǎn)發(fā)節(jié)點(diǎn)，在一定程度上提高了網(wǎng)絡(luò)的消息投遞率。由于網(wǎng)絡(luò)中目的節(jié)點(diǎn)的位置未知，當(dāng)節(jié)點(diǎn)緩存大小受限時(shí)，Prophet的傳遞率會(huì)變小。尤其當(dāng)一個(gè)節(jié)點(diǎn)的投遞預(yù)測值較低時(shí)，只要遇到比其高的節(jié)點(diǎn)就復(fù)制消息，這在洪泛的同時(shí)會(huì)導(dǎo)致大量消息副本的產(chǎn)生，增加了網(wǎng)絡(luò)的負(fù)載。MaxProp算法的核心在于每個(gè)節(jié)點(diǎn)維護(hù)一個(gè)報(bào)文隊(duì)列，節(jié)點(diǎn)按照該隊(duì)列的順序來傳輸或刪除報(bào)文。這個(gè)隊(duì)列是依據(jù)各報(bào)文到其目標(biāo)節(jié)點(diǎn)的傳輸開銷進(jìn)行排列的，傳輸開銷是報(bào)文成功傳輸?shù)侥繕?biāo)節(jié)點(diǎn)概率的一個(gè)估計(jì)值，通過增量平均化方法來估算。在MaxProp算法中，節(jié)點(diǎn)可攜帶并多次轉(zhuǎn)發(fā)報(bào)文，一個(gè)節(jié)點(diǎn)會(huì)持續(xù)地轉(zhuǎn)發(fā)報(bào)文給任意其他節(jié)點(diǎn)，直到報(bào)文超時(shí)、收到ack通知或由于緩沖區(qū)滿等原因?qū)е聢?bào)文被拋棄。MaxProp算法基于傳輸開銷來確定報(bào)文的優(yōu)先級，若報(bào)文的傳輸成功概率較小，則會(huì)被賦予較低的優(yōu)先級，使其不易得到傳輸機(jī)會(huì)，從而避免生成低效傳輸?shù)膱?bào)文副本，提高了網(wǎng)絡(luò)資源的利用率。該算法在節(jié)點(diǎn)緩存空間有限的情況下，能夠有效地管理報(bào)文，提高網(wǎng)絡(luò)的整體性能。但在網(wǎng)絡(luò)拓?fù)渥兓l繁的場景中，由于需要不斷更新傳輸開銷的估計(jì)值，可能會(huì)導(dǎo)致算法的計(jì)算開銷較大。為了更直觀地了解這些常見路由算法的性能表現(xiàn)，我們可以通過具體的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分析。在不同節(jié)點(diǎn)密度的實(shí)驗(yàn)場景中，采用SPMBM移動(dòng)模型進(jìn)行仿真，結(jié)果顯示MaxProp算法的傳輸延遲不會(huì)隨節(jié)點(diǎn)密度的增加而顯著增加，其傳輸延遲和節(jié)點(diǎn)密度之間的關(guān)系趨勢與其他算法明顯不同；DirectDelivery和SprayAndWait算法路由開銷基本和節(jié)點(diǎn)密度無關(guān)，而其他幾種算法當(dāng)節(jié)點(diǎn)密度達(dá)到一定程度后，路由開銷急劇增加，這將導(dǎo)致節(jié)點(diǎn)能耗的顯著增加，從而限制了這些路由算法的應(yīng)用范圍。在節(jié)點(diǎn)緩存大小對路由算法影響的實(shí)驗(yàn)中，結(jié)果表明節(jié)點(diǎn)緩存對各路由算法的傳輸成功率影響各異，在節(jié)點(diǎn)緩存比較小時(shí)影響相對顯著，從趨勢上看增加節(jié)點(diǎn)緩存可以提高傳輸成功率；除MaxProp算法外，其他算法增加節(jié)點(diǎn)緩存在一定程度上會(huì)令傳輸延遲增加，特別是當(dāng)緩存比較小時(shí)影響比較顯著；節(jié)點(diǎn)緩存對FirstContact算法影響非常顯著，而對其他算法影響不顯著。這些實(shí)驗(yàn)結(jié)果充分展示了不同路由算法在不同網(wǎng)絡(luò)條件下的性能差異，為我們進(jìn)一步研究和改進(jìn)路由算法提供了重要的參考依據(jù)。2.3現(xiàn)有算法在低緩存環(huán)境下的局限性在低緩存容遲網(wǎng)絡(luò)的復(fù)雜環(huán)境中，現(xiàn)有路由算法暴露出諸多局限性，這些問題嚴(yán)重制約了網(wǎng)絡(luò)性能的提升，使得改進(jìn)算法顯得尤為必要。以Epidemic算法為代表的基于洪泛機(jī)制的算法，在低緩存環(huán)境下緩存溢出問題極為突出。由于其采用洪泛的方式進(jìn)行報(bào)文傳輸，當(dāng)節(jié)點(diǎn)相遇時(shí)，會(huì)不加選擇地交換對方?jīng)]有的報(bào)文。在緩存空間有限的情況下，大量的報(bào)文副本會(huì)迅速填充節(jié)點(diǎn)的緩存，導(dǎo)致緩存溢出。在一個(gè)包含100個(gè)節(jié)點(diǎn)的低緩存容遲網(wǎng)絡(luò)模擬場景中，每個(gè)節(jié)點(diǎn)的緩存空間僅能容納10個(gè)報(bào)文，采用Epidemic算法進(jìn)行數(shù)據(jù)傳輸。在初始階段，源節(jié)點(diǎn)產(chǎn)生了5個(gè)報(bào)文，隨著節(jié)點(diǎn)間的不斷相遇和報(bào)文交換，網(wǎng)絡(luò)中的報(bào)文副本數(shù)量呈指數(shù)級增長。在短時(shí)間內(nèi)，許多節(jié)點(diǎn)的緩存就被填滿，新到達(dá)的報(bào)文由于沒有足夠的緩存空間而無法被存儲(chǔ)，只能被丟棄，這不僅造成了數(shù)據(jù)的丟失，還導(dǎo)致節(jié)點(diǎn)無法繼續(xù)接收和轉(zhuǎn)發(fā)其他重要的報(bào)文，嚴(yán)重影響了網(wǎng)絡(luò)的正常運(yùn)行。在傳輸效率方面，現(xiàn)有算法同樣存在不足。一些基于概率的路由算法，如Prophet算法，雖然通過定義傳輸預(yù)測值來決定報(bào)文的轉(zhuǎn)發(fā)，但在低緩存環(huán)境下，其傳輸效率受到了很大影響。由于低緩存容遲網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)動(dòng)態(tài)變化頻繁，節(jié)點(diǎn)的移動(dòng)模式也具有不確定性，Prophet算法在計(jì)算相遇概率時(shí)，難以準(zhǔn)確地考慮到這些動(dòng)態(tài)變化因素。在實(shí)際應(yīng)用中，節(jié)點(diǎn)可能會(huì)突然改變移動(dòng)方向或速度，導(dǎo)致原本計(jì)算出的相遇概率與實(shí)際情況相差較大。在城市環(huán)境中的移動(dòng)車載網(wǎng)絡(luò)中，車輛可能會(huì)因?yàn)榻煌〒矶?、信號燈變化等原因而頻繁改變行駛路線和速度，使得Prophet算法無法及時(shí)調(diào)整相遇概率，從而導(dǎo)致消息轉(zhuǎn)發(fā)決策失誤，消息可能被轉(zhuǎn)發(fā)到錯(cuò)誤的節(jié)點(diǎn)，增加了傳輸延遲，降低了傳輸效率?，F(xiàn)有算法在低緩存環(huán)境下的網(wǎng)絡(luò)開銷也較大。像Epidemic算法，由于大量的報(bào)文副本在網(wǎng)絡(luò)中傳播，不僅消耗了大量的節(jié)點(diǎn)緩存空間，還占用了寶貴的帶寬資源，導(dǎo)致網(wǎng)絡(luò)開銷急劇增加。在一些帶寬受限的低緩存容遲網(wǎng)絡(luò)中，如星際網(wǎng)絡(luò)，信號傳輸帶寬有限，過多的報(bào)文副本會(huì)使得網(wǎng)絡(luò)帶寬被嚴(yán)重占用，其他重要數(shù)據(jù)的傳輸受到阻礙。過多的報(bào)文轉(zhuǎn)發(fā)也會(huì)導(dǎo)致節(jié)點(diǎn)能耗增加，縮短節(jié)點(diǎn)的使用壽命。在傳感器網(wǎng)絡(luò)中，傳感器節(jié)點(diǎn)通常依靠電池供電，能量有限，頻繁的報(bào)文轉(zhuǎn)發(fā)會(huì)迅速耗盡節(jié)點(diǎn)的能量，導(dǎo)致節(jié)點(diǎn)過早失效，影響整個(gè)網(wǎng)絡(luò)的穩(wěn)定性和可靠性。為了更直觀地展示現(xiàn)有算法在低緩存環(huán)境下的局限性，我們可以通過實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分析。在不同緩存大小的實(shí)驗(yàn)場景中，采用SPMBM移動(dòng)模型對Epidemic、Prophet等算法進(jìn)行仿真，結(jié)果顯示隨著緩存大小的減小，Epidemic算法的緩存溢出率急劇上升，當(dāng)緩存大小為10MB時(shí)，緩存溢出率達(dá)到了80%，報(bào)文丟失率也隨之增加，導(dǎo)致消息投遞率大幅下降，僅為30%；Prophet算法的傳輸延遲則顯著增加，當(dāng)緩存大小從50MB減小到20MB時(shí)，傳輸延遲從100ms增加到了500ms，網(wǎng)絡(luò)開銷也明顯增大。這些實(shí)驗(yàn)數(shù)據(jù)充分說明了現(xiàn)有算法在低緩存環(huán)境下的性能瓶頸，進(jìn)一步強(qiáng)調(diào)了改進(jìn)算法的必要性。三、相遇概率與多線性親密度原理及模型構(gòu)建3.1相遇概率在路由決策中的作用機(jī)制在低緩存容遲網(wǎng)絡(luò)中，相遇概率作為路由決策的關(guān)鍵因素，發(fā)揮著至關(guān)重要的作用，其核心在于幫助節(jié)點(diǎn)精準(zhǔn)地選擇下一跳節(jié)點(diǎn)，從而極大地提高消息投遞的準(zhǔn)確性。在傳統(tǒng)網(wǎng)絡(luò)中，節(jié)點(diǎn)間的連接通常是穩(wěn)定且可預(yù)測的，路由決策可以基于固定的拓?fù)浣Y(jié)構(gòu)和鏈路狀態(tài)進(jìn)行。而在低緩存容遲網(wǎng)絡(luò)里，由于節(jié)點(diǎn)的移動(dòng)、信號干擾等因素，網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)呈現(xiàn)出高度的動(dòng)態(tài)變化，鏈路連接不穩(wěn)定，這使得傳統(tǒng)的路由決策方式難以適用。在移動(dòng)車載網(wǎng)絡(luò)中，車輛的行駛路線和速度不斷變化，導(dǎo)致節(jié)點(diǎn)間的連接隨時(shí)可能中斷或建立新的連接，使得基于穩(wěn)定鏈路的路由算法無法準(zhǔn)確地選擇下一跳節(jié)點(diǎn)。此時(shí)，相遇概率成為了一種有效的決策依據(jù)。相遇概率通過對節(jié)點(diǎn)的移動(dòng)模式、歷史相遇信息以及網(wǎng)絡(luò)環(huán)境等多方面因素的綜合分析，來預(yù)測兩個(gè)節(jié)點(diǎn)在未來某個(gè)時(shí)刻相遇的可能性。當(dāng)一個(gè)節(jié)點(diǎn)需要轉(zhuǎn)發(fā)消息時(shí)，它會(huì)根據(jù)計(jì)算得到的與其他節(jié)點(diǎn)的相遇概率，選擇相遇概率較高的節(jié)點(diǎn)作為下一跳節(jié)點(diǎn)。在一個(gè)包含多個(gè)移動(dòng)節(jié)點(diǎn)的低緩存容遲網(wǎng)絡(luò)中，節(jié)點(diǎn)A需要將消息轉(zhuǎn)發(fā)給目標(biāo)節(jié)點(diǎn)D。通過分析節(jié)點(diǎn)的移動(dòng)軌跡和歷史相遇記錄，發(fā)現(xiàn)節(jié)點(diǎn)B和節(jié)點(diǎn)C與節(jié)點(diǎn)A的相遇概率相對較高，且節(jié)點(diǎn)B與目標(biāo)節(jié)點(diǎn)D的相遇概率也較高。此時(shí)，節(jié)點(diǎn)A就會(huì)優(yōu)先選擇將消息轉(zhuǎn)發(fā)給節(jié)點(diǎn)B，因?yàn)楣?jié)點(diǎn)B更有可能在未來的某個(gè)時(shí)刻與目標(biāo)節(jié)點(diǎn)D相遇，從而將消息成功傳遞給目標(biāo)節(jié)點(diǎn)。這種基于相遇概率的轉(zhuǎn)發(fā)決策方式，能夠使消息更有針對性地朝著目標(biāo)節(jié)點(diǎn)的方向傳遞，避免了盲目轉(zhuǎn)發(fā)，提高了消息投遞的準(zhǔn)確性。相遇概率還可以幫助節(jié)點(diǎn)在緩存資源有限的情況下，合理地管理緩存中的消息。節(jié)點(diǎn)可以根據(jù)與不同目標(biāo)節(jié)點(diǎn)的相遇概率，對緩存中的消息進(jìn)行優(yōu)先級排序。對于與相遇概率較高的目標(biāo)節(jié)點(diǎn)相關(guān)的消息，給予較高的優(yōu)先級，優(yōu)先保留在緩存中；而對于與相遇概率較低的目標(biāo)節(jié)點(diǎn)相關(guān)的消息，則可以在緩存空間不足時(shí)，優(yōu)先考慮丟棄。這樣可以確保緩存空間被更有效地利用，提高消息的傳輸效率。在一個(gè)節(jié)點(diǎn)緩存空間只能容納10條消息的低緩存容遲網(wǎng)絡(luò)中，節(jié)點(diǎn)緩存了與不同目標(biāo)節(jié)點(diǎn)相關(guān)的消息。通過計(jì)算相遇概率，發(fā)現(xiàn)與目標(biāo)節(jié)點(diǎn)E相關(guān)的消息相遇概率較高，而與目標(biāo)節(jié)點(diǎn)F相關(guān)的消息相遇概率較低。當(dāng)緩存空間不足時(shí)，節(jié)點(diǎn)就會(huì)優(yōu)先丟棄與目標(biāo)節(jié)點(diǎn)F相關(guān)的消息，保留與目標(biāo)節(jié)點(diǎn)E相關(guān)的消息，以提高消息成功投遞的概率。為了更直觀地說明相遇概率在路由決策中的作用，我們可以通過具體的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分析。在不同網(wǎng)絡(luò)場景下，采用不同的相遇概率計(jì)算方法，對比基于相遇概率選擇下一跳節(jié)點(diǎn)和隨機(jī)選擇下一跳節(jié)點(diǎn)的消息投遞率。實(shí)驗(yàn)結(jié)果顯示，在相同的網(wǎng)絡(luò)條件下，基于相遇概率選擇下一跳節(jié)點(diǎn)的消息投遞率明顯高于隨機(jī)選擇下一跳節(jié)點(diǎn)的消息投遞率。在節(jié)點(diǎn)移動(dòng)速度較快的場景中，基于相遇概率的路由算法的消息投遞率達(dá)到了80%，而隨機(jī)選擇下一跳節(jié)點(diǎn)的消息投遞率僅為50%。這充分表明，相遇概率在路由決策中能夠有效地提高消息投遞的準(zhǔn)確性，為低緩存容遲網(wǎng)絡(luò)的高效運(yùn)行提供了有力支持。3.2多線性親密度概念解析與數(shù)學(xué)表達(dá)多線性親密度作為本算法中的關(guān)鍵概念，為深入理解節(jié)點(diǎn)間的復(fù)雜關(guān)系提供了全新視角，在低緩存容遲網(wǎng)絡(luò)的路由決策中發(fā)揮著不可替代的作用。它從多個(gè)維度綜合考量節(jié)點(diǎn)間的相似性和關(guān)聯(lián)程度，相較于傳統(tǒng)的單一維度衡量方式，能夠更全面、準(zhǔn)確地反映節(jié)點(diǎn)間的緊密程度。多線性親密度的核心在于通過對節(jié)點(diǎn)的多種屬性和行為特征進(jìn)行分析，構(gòu)建一個(gè)多維的親密度模型。這些屬性和特征涵蓋了節(jié)點(diǎn)的移動(dòng)軌跡、通信頻率、歷史相遇模式以及在網(wǎng)絡(luò)中的角色和位置等多個(gè)方面。在移動(dòng)車載網(wǎng)絡(luò)中，節(jié)點(diǎn)的移動(dòng)軌跡反映了其行駛路徑和活動(dòng)范圍，通信頻率體現(xiàn)了節(jié)點(diǎn)與其他節(jié)點(diǎn)之間的信息交互活躍度，歷史相遇模式展示了節(jié)點(diǎn)之間過去相遇的時(shí)間、地點(diǎn)和頻率等信息，而節(jié)點(diǎn)在網(wǎng)絡(luò)中的角色和位置則決定了其在數(shù)據(jù)傳輸中的重要性和影響力。通過綜合分析這些因素，可以更全面地了解節(jié)點(diǎn)間的關(guān)系，從而為路由決策提供更準(zhǔn)確的依據(jù)。從數(shù)學(xué)角度來看，多線性親密度的計(jì)算可以通過以下方式實(shí)現(xiàn)。假設(shè)網(wǎng)絡(luò)中有節(jié)點(diǎn)A和節(jié)點(diǎn)B，我們定義多個(gè)維度的特征向量\vec{x}_{A}=(x_{A1},x_{A2},\cdots,x_{An})和\vec{x}_{B}=(x_{B1},x_{B2},\cdots,x_{Bn})，分別表示節(jié)點(diǎn)A和節(jié)點(diǎn)B在n個(gè)維度上的特征值。通過特定的數(shù)學(xué)公式來計(jì)算它們之間的多線性親密度P(A,B)，例如可以采用向量夾角余弦公式的擴(kuò)展形式：P(A,B)=\frac{\sum_{i=1}^{n}x_{Ai}x_{Bi}}{\sqrt{\sum_{i=1}^{n}x_{Ai}^{2}}\sqrt{\sum_{i=1}^{n}x_{Bi}^{2}}}在這個(gè)公式中，分子部分\sum_{i=1}^{n}x_{Ai}x_{Bi}表示兩個(gè)節(jié)點(diǎn)在各個(gè)維度上特征值的乘積之和，它反映了節(jié)點(diǎn)在各個(gè)維度上的相似程度；分母部分\sqrt{\sum_{i=1}^{n}x_{Ai}^{2}}\sqrt{\sum_{i=1}^{n}x_{Bi}^{2}}則用于對分子進(jìn)行歸一化處理，使得多線性親密度的值在[0,1]之間，便于比較和分析。當(dāng)P(A,B)的值越接近1時(shí)，表示節(jié)點(diǎn)A和節(jié)點(diǎn)B在多個(gè)維度上的特征越相似，它們之間的多線性親密度越高，關(guān)系越緊密；反之，當(dāng)P(A,B)的值越接近0時(shí)，表示節(jié)點(diǎn)A和節(jié)點(diǎn)B之間的多線性親密度越低，關(guān)系越疏遠(yuǎn)。多線性親密度在衡量節(jié)點(diǎn)關(guān)系中具有重要作用。在路由決策過程中，當(dāng)一個(gè)節(jié)點(diǎn)需要選擇中繼節(jié)點(diǎn)來轉(zhuǎn)發(fā)消息時(shí)，多線性親密度可以作為一個(gè)重要的參考指標(biāo)。如果一個(gè)節(jié)點(diǎn)與多個(gè)候選中繼節(jié)點(diǎn)相遇，通過計(jì)算與這些候選節(jié)點(diǎn)的多線性親密度，可以優(yōu)先選擇與自身多線性親密度較高的節(jié)點(diǎn)作為中繼節(jié)點(diǎn)。這是因?yàn)槎嗑€性親密度高的節(jié)點(diǎn)在多個(gè)維度上與當(dāng)前節(jié)點(diǎn)具有相似性，它們在網(wǎng)絡(luò)中的行為模式和移動(dòng)軌跡可能更為接近，從而更有可能將消息成功傳遞到目的節(jié)點(diǎn)。在一個(gè)包含多個(gè)移動(dòng)節(jié)點(diǎn)的低緩存容遲網(wǎng)絡(luò)中，節(jié)點(diǎn)C需要將消息轉(zhuǎn)發(fā)給目標(biāo)節(jié)點(diǎn)E，此時(shí)節(jié)點(diǎn)C與節(jié)點(diǎn)D和節(jié)點(diǎn)F相遇。通過計(jì)算多線性親密度，發(fā)現(xiàn)節(jié)點(diǎn)C與節(jié)點(diǎn)D的多線性親密度為0.8，而與節(jié)點(diǎn)F的多線性親密度為0.3。由于節(jié)點(diǎn)C與節(jié)點(diǎn)D的多線性親密度較高，說明它們在移動(dòng)軌跡、通信頻率等方面具有更多的相似性，因此節(jié)點(diǎn)C更傾向于將消息轉(zhuǎn)發(fā)給節(jié)點(diǎn)D，以提高消息傳遞的成功率。3.3基于兩者融合的路由模型初步構(gòu)建基于相遇概率和多線性親密度的優(yōu)勢，本研究構(gòu)建了一種創(chuàng)新的路由模型，旨在充分發(fā)揮兩者的協(xié)同作用，提升低緩存容遲網(wǎng)絡(luò)的路由性能。該路由模型主要由三個(gè)核心模塊組成，分別是相遇概率計(jì)算模塊、多線性親密度計(jì)算模塊以及路由決策模塊。相遇概率計(jì)算模塊負(fù)責(zé)依據(jù)節(jié)點(diǎn)的移動(dòng)模式、歷史相遇信息以及網(wǎng)絡(luò)環(huán)境的動(dòng)態(tài)變化，運(yùn)用精確的數(shù)學(xué)模型和算法來計(jì)算節(jié)點(diǎn)之間的相遇概率。在計(jì)算過程中，考慮到節(jié)點(diǎn)的移動(dòng)速度、方向、停留時(shí)間等因素，通過對歷史相遇數(shù)據(jù)的分析和統(tǒng)計(jì)，預(yù)測節(jié)點(diǎn)未來相遇的可能性。多線性親密度計(jì)算模塊則從多個(gè)維度對節(jié)點(diǎn)間的相似性和關(guān)聯(lián)程度進(jìn)行綜合考量，通過構(gòu)建多維的親密度模型，計(jì)算節(jié)點(diǎn)之間的多線性親密度。這些維度包括節(jié)點(diǎn)的移動(dòng)軌跡、通信頻率、歷史相遇模式以及在網(wǎng)絡(luò)中的角色和位置等，通過對這些維度的分析和計(jì)算，得出節(jié)點(diǎn)之間的多線性親密度值。路由決策模塊則整合相遇概率和多線性親密度的計(jì)算結(jié)果，根據(jù)一定的決策規(guī)則選擇最優(yōu)的中繼節(jié)點(diǎn)，實(shí)現(xiàn)消息的高效轉(zhuǎn)發(fā)。當(dāng)一個(gè)節(jié)點(diǎn)需要轉(zhuǎn)發(fā)消息時(shí)，首先，相遇概率計(jì)算模塊會(huì)根據(jù)節(jié)點(diǎn)的當(dāng)前狀態(tài)和歷史信息，計(jì)算出該節(jié)點(diǎn)與其他節(jié)點(diǎn)在未來某個(gè)時(shí)間段內(nèi)的相遇概率。假設(shè)節(jié)點(diǎn)A要轉(zhuǎn)發(fā)消息，它會(huì)收集自身以及周圍節(jié)點(diǎn)的移動(dòng)軌跡、速度、方向等信息，通過預(yù)先設(shè)定的相遇概率計(jì)算模型，計(jì)算出與節(jié)點(diǎn)B、C、D等其他節(jié)點(diǎn)的相遇概率，分別為P_{AB}、P_{AC}、P_{AD}。多線性親密度計(jì)算模塊會(huì)從多個(gè)維度分析節(jié)點(diǎn)A與其他節(jié)點(diǎn)之間的關(guān)系，計(jì)算出多線性親密度。從移動(dòng)軌跡維度，分析節(jié)點(diǎn)A與其他節(jié)點(diǎn)的軌跡相似性；從通信頻率維度，統(tǒng)計(jì)節(jié)點(diǎn)A與其他節(jié)點(diǎn)的通信次數(shù)和頻率；從歷史相遇模式維度，研究節(jié)點(diǎn)A與其他節(jié)點(diǎn)過去相遇的時(shí)間、地點(diǎn)和頻率等。通過這些維度的綜合分析，計(jì)算出節(jié)點(diǎn)A與節(jié)點(diǎn)B、C、D等其他節(jié)點(diǎn)的多線性親密度，分別為Q_{AB}、Q_{AC}、Q_{AD}。路由決策模塊會(huì)綜合考慮相遇概率和多線性親密度的結(jié)果。它會(huì)設(shè)定一個(gè)權(quán)重系數(shù)\alpha和\beta（\alpha+\beta=1），通過公式R=\alphaP+\betaQ（其中R表示綜合評估值，P表示相遇概率，Q表示多線性親密度）計(jì)算出每個(gè)候選中繼節(jié)點(diǎn)的綜合評估值。對于節(jié)點(diǎn)B，其綜合評估值R_{AB}=\alphaP_{AB}+\betaQ_{AB}；對于節(jié)點(diǎn)C，其綜合評估值R_{AC}=\alphaP_{AC}+\betaQ_{AC}；對于節(jié)點(diǎn)D，其綜合評估值R_{AD}=\alphaP_{AD}+\betaQ_{AD}。路由決策模塊會(huì)選擇綜合評估值最高的節(jié)點(diǎn)作為中繼節(jié)點(diǎn)，將消息轉(zhuǎn)發(fā)給該節(jié)點(diǎn)。如果R_{AB}最大，那么節(jié)點(diǎn)A就會(huì)將消息轉(zhuǎn)發(fā)給節(jié)點(diǎn)B，以期望消息能夠更高效地傳遞到目的節(jié)點(diǎn)。在整個(gè)路由過程中，各模塊之間相互協(xié)作，形成一個(gè)有機(jī)的整體。相遇概率計(jì)算模塊和多線性親密度計(jì)算模塊為路由決策模塊提供了關(guān)鍵的決策依據(jù)，路由決策模塊則根據(jù)這些依據(jù)做出合理的轉(zhuǎn)發(fā)決策，從而實(shí)現(xiàn)消息在低緩存容遲網(wǎng)絡(luò)中的高效傳輸。四、基于相遇概率的多線性親密度路由算法設(shè)計(jì)4.1算法核心思想與設(shè)計(jì)思路基于相遇概率的多線性親密度路由算法旨在通過綜合考慮節(jié)點(diǎn)間的相遇概率和多線性親密度，解決低緩存容遲網(wǎng)絡(luò)中消息轉(zhuǎn)發(fā)的優(yōu)化問題，提升網(wǎng)絡(luò)性能。其核心思想是利用相遇概率和多線性親密度構(gòu)建一種高效的路由決策機(jī)制，使消息能夠在有限的緩存條件下，更準(zhǔn)確、高效地傳輸?shù)侥繕?biāo)節(jié)點(diǎn)。在低緩存容遲網(wǎng)絡(luò)中，節(jié)點(diǎn)的移動(dòng)性和網(wǎng)絡(luò)拓?fù)涞膭?dòng)態(tài)變化導(dǎo)致傳統(tǒng)路由算法難以有效工作?；谙嘤龈怕实亩嗑€性親密度路由算法打破了傳統(tǒng)算法的局限性，不再依賴于穩(wěn)定的鏈路和固定的拓?fù)浣Y(jié)構(gòu)，而是通過對節(jié)點(diǎn)相遇概率和多線性親密度的實(shí)時(shí)計(jì)算和分析，來決定消息的轉(zhuǎn)發(fā)路徑。相遇概率反映了兩個(gè)節(jié)點(diǎn)在未來某個(gè)時(shí)刻相遇的可能性，它是基于節(jié)點(diǎn)的移動(dòng)模式、歷史相遇信息以及網(wǎng)絡(luò)環(huán)境等因素進(jìn)行計(jì)算的。通過對這些因素的深入分析，可以預(yù)測節(jié)點(diǎn)之間的相遇情況，從而為消息轉(zhuǎn)發(fā)提供重要的參考依據(jù)。在移動(dòng)車載網(wǎng)絡(luò)中，通過分析車輛的行駛路線、速度以及交通狀況等信息，可以計(jì)算出不同車輛節(jié)點(diǎn)之間的相遇概率。如果一輛車經(jīng)常行駛在某條固定路線上，且與另一輛車在該路線上有多次相遇記錄，那么這兩輛車在未來相遇的概率就相對較高。多線性親密度則從多個(gè)維度綜合考量節(jié)點(diǎn)間的相似性和關(guān)聯(lián)程度，包括節(jié)點(diǎn)的移動(dòng)軌跡、通信頻率、歷史相遇模式以及在網(wǎng)絡(luò)中的角色和位置等。通過計(jì)算多線性親密度，可以更全面地了解節(jié)點(diǎn)間的關(guān)系，判斷哪些節(jié)點(diǎn)更有可能將消息成功傳遞到目標(biāo)節(jié)點(diǎn)。在一個(gè)包含多個(gè)移動(dòng)節(jié)點(diǎn)的低緩存容遲網(wǎng)絡(luò)中，節(jié)點(diǎn)A和節(jié)點(diǎn)B在移動(dòng)軌跡上有較高的重合度，通信頻率也較高，歷史相遇模式較為頻繁，且在網(wǎng)絡(luò)中的角色和位置相近，那么它們之間的多線性親密度就較高，在消息轉(zhuǎn)發(fā)過程中，節(jié)點(diǎn)A更傾向于將消息轉(zhuǎn)發(fā)給節(jié)點(diǎn)B?；谏鲜龊诵乃枷?，本算法的設(shè)計(jì)思路主要包括以下幾個(gè)關(guān)鍵步驟：相遇概率計(jì)算模塊：該模塊負(fù)責(zé)收集節(jié)點(diǎn)的移動(dòng)模式、歷史相遇信息以及網(wǎng)絡(luò)環(huán)境等數(shù)據(jù)，并運(yùn)用精確的數(shù)學(xué)模型和算法來計(jì)算節(jié)點(diǎn)之間的相遇概率。在計(jì)算相遇概率時(shí)，考慮到節(jié)點(diǎn)的移動(dòng)速度、方向、停留時(shí)間等因素，通過對歷史相遇數(shù)據(jù)的分析和統(tǒng)計(jì)，建立相遇概率預(yù)測模型?？梢圆捎脮r(shí)間序列分析方法，對節(jié)點(diǎn)的歷史相遇時(shí)間和位置進(jìn)行建模，預(yù)測未來相遇的時(shí)間和地點(diǎn)，從而計(jì)算出相遇概率。多線性親密度計(jì)算模塊：從多個(gè)維度對節(jié)點(diǎn)間的相似性和關(guān)聯(lián)程度進(jìn)行綜合考量，構(gòu)建多維的親密度模型。通過分析節(jié)點(diǎn)的移動(dòng)軌跡、通信頻率、歷史相遇模式以及在網(wǎng)絡(luò)中的角色和位置等維度的數(shù)據(jù)，計(jì)算節(jié)點(diǎn)之間的多線性親密度。在移動(dòng)軌跡維度，可以采用軌跡相似度算法，計(jì)算兩個(gè)節(jié)點(diǎn)移動(dòng)軌跡的相似程度；在通信頻率維度，可以統(tǒng)計(jì)節(jié)點(diǎn)之間的通信次數(shù)和頻率，作為親密度計(jì)算的一個(gè)指標(biāo)；在歷史相遇模式維度，可以分析節(jié)點(diǎn)過去相遇的時(shí)間、地點(diǎn)和頻率等信息，評估節(jié)點(diǎn)間的親密度；在網(wǎng)絡(luò)中的角色和位置維度，可以根據(jù)節(jié)點(diǎn)在網(wǎng)絡(luò)中的重要性和影響力，確定其與其他節(jié)點(diǎn)的親密度關(guān)系。通過對這些維度的綜合分析，得出節(jié)點(diǎn)之間的多線性親密度值。路由決策模塊：整合相遇概率和多線性親密度的計(jì)算結(jié)果，根據(jù)一定的決策規(guī)則選擇最優(yōu)的中繼節(jié)點(diǎn)，實(shí)現(xiàn)消息的高效轉(zhuǎn)發(fā)。該模塊會(huì)設(shè)定一個(gè)權(quán)重系數(shù)α和β（α+β=1），通過公式R=αP+βQ（其中R表示綜合評估值，P表示相遇概率，Q表示多線性親密度）計(jì)算出每個(gè)候選中繼節(jié)點(diǎn)的綜合評估值。在選擇中繼節(jié)點(diǎn)時(shí)，優(yōu)先選擇綜合評估值最高的節(jié)點(diǎn)，將消息轉(zhuǎn)發(fā)給該節(jié)點(diǎn)，以期望消息能夠更高效地傳遞到目的節(jié)點(diǎn)。在實(shí)際應(yīng)用中，可以根據(jù)網(wǎng)絡(luò)的具體需求和特點(diǎn)，動(dòng)態(tài)調(diào)整權(quán)重系數(shù)α和β的值，以適應(yīng)不同的網(wǎng)絡(luò)環(huán)境和應(yīng)用場景?；谙嘤龈怕实亩嗑€性親密度路由算法通過對相遇概率和多線性親密度的綜合運(yùn)用，實(shí)現(xiàn)了在低緩存容遲網(wǎng)絡(luò)中消息轉(zhuǎn)發(fā)路徑的優(yōu)化，提高了消息的投遞率和傳輸效率，降低了網(wǎng)絡(luò)開銷，為低緩存容遲網(wǎng)絡(luò)的高效運(yùn)行提供了有力支持。4.2算法具體步驟與流程詳解基于相遇概率的多線性親密度路由算法的具體步驟和流程緊密圍繞其核心思想展開，通過多個(gè)關(guān)鍵環(huán)節(jié)的協(xié)同工作，實(shí)現(xiàn)消息在低緩存容遲網(wǎng)絡(luò)中的高效傳輸。以下將詳細(xì)闡述該算法的各個(gè)步驟與流程，并配合流程圖（圖1）進(jìn)行直觀展示。初始化階段：在網(wǎng)絡(luò)啟動(dòng)時(shí)，每個(gè)節(jié)點(diǎn)都需要進(jìn)行一系列的初始化操作。節(jié)點(diǎn)會(huì)收集自身的基本信息，包括節(jié)點(diǎn)ID、初始位置、移動(dòng)速度、方向等，并將這些信息存儲(chǔ)在本地的節(jié)點(diǎn)信息表中。節(jié)點(diǎn)還會(huì)初始化相遇概率表和多線性親密度表，用于記錄與其他節(jié)點(diǎn)的相遇概率和多線性親密度。相遇概率表初始時(shí)，所有節(jié)點(diǎn)間的相遇概率都設(shè)置為一個(gè)較低的默認(rèn)值，隨著節(jié)點(diǎn)的移動(dòng)和相遇，這些概率值會(huì)不斷更新。多線性親密度表同樣初始化為默認(rèn)值，后續(xù)根據(jù)節(jié)點(diǎn)間的交互信息進(jìn)行調(diào)整。消息生成與注入：當(dāng)源節(jié)點(diǎn)產(chǎn)生消息時(shí)，它會(huì)為消息分配一個(gè)唯一的標(biāo)識符，并將消息的目的節(jié)點(diǎn)信息、生成時(shí)間等元數(shù)據(jù)一并記錄下來。源節(jié)點(diǎn)會(huì)檢查自身的緩存空間，如果緩存空間充足，則將消息存儲(chǔ)在本地緩存中；如果緩存空間不足，源節(jié)點(diǎn)會(huì)根據(jù)緩存管理策略，選擇丟棄一些低優(yōu)先級的消息，以騰出空間存儲(chǔ)新生成的消息。在選擇丟棄消息時(shí)，會(huì)參考消息的多線性親密度和剩余生存時(shí)間等因素，優(yōu)先丟棄多線性親密度低且剩余生存時(shí)間較短的消息。相遇檢測與信息交換：在節(jié)點(diǎn)移動(dòng)過程中，當(dāng)兩個(gè)節(jié)點(diǎn)進(jìn)入彼此的通信范圍時(shí)，它們會(huì)檢測到相遇事件。一旦檢測到相遇，兩個(gè)節(jié)點(diǎn)會(huì)立即交換各自的節(jié)點(diǎn)信息，包括節(jié)點(diǎn)ID、位置、移動(dòng)速度、方向等，以及自身緩存中消息的概要信息，如消息標(biāo)識符、目的節(jié)點(diǎn)、剩余生存時(shí)間等。通過交換這些信息，節(jié)點(diǎn)可以了解到對方的狀態(tài)和所攜帶的消息情況，為后續(xù)的相遇概率更新和消息轉(zhuǎn)發(fā)決策提供依據(jù)。相遇概率更新：在交換信息后，節(jié)點(diǎn)會(huì)根據(jù)收集到的對方節(jié)點(diǎn)信息以及歷史相遇記錄，更新與對方節(jié)點(diǎn)的相遇概率。假設(shè)節(jié)點(diǎn)A和節(jié)點(diǎn)B相遇，節(jié)點(diǎn)A會(huì)根據(jù)以下公式更新與節(jié)點(diǎn)B的相遇概率P_{AB}：P_{AB}^{new}=\alphaP_{AB}^{old}+(1-\alpha)\times\frac{1}{T_{AB}}其中，P_{AB}^{old}是更新前節(jié)點(diǎn)A與節(jié)點(diǎn)B的相遇概率，\alpha是一個(gè)權(quán)重系數(shù)（0\leq\alpha\leq1），用于平衡歷史相遇概率和當(dāng)前相遇情況對更新結(jié)果的影響，T_{AB}是節(jié)點(diǎn)A和節(jié)點(diǎn)B從上次相遇到本次相遇的時(shí)間間隔。通過這種方式，近期相遇頻繁的節(jié)點(diǎn)之間的相遇概率會(huì)逐漸增大，而長時(shí)間未相遇的節(jié)點(diǎn)之間的相遇概率會(huì)逐漸減小，從而使相遇概率更能反映節(jié)點(diǎn)間實(shí)際的相遇可能性。多線性親密度計(jì)算與更新：節(jié)點(diǎn)還會(huì)根據(jù)交換得到的信息，從多個(gè)維度計(jì)算與對方節(jié)點(diǎn)的多線性親密度。假設(shè)從移動(dòng)軌跡、通信頻率、歷史相遇模式三個(gè)維度進(jìn)行計(jì)算，分別賦予這三個(gè)維度的權(quán)重為w_1、w_2、w_3（w_1+w_2+w_3=1）。移動(dòng)軌跡維度的親密度Q_1可以通過計(jì)算兩個(gè)節(jié)點(diǎn)移動(dòng)軌跡的相似度得到，例如采用動(dòng)態(tài)時(shí)間規(guī)整（DTW）算法計(jì)算軌跡相似度；通信頻率維度的親密度Q_2可以根據(jù)節(jié)點(diǎn)間的通信次數(shù)和頻率來確定；歷史相遇模式維度的親密度Q_3可以通過分析節(jié)點(diǎn)過去相遇的時(shí)間、地點(diǎn)和頻率等信息來評估。然后，通過以下公式計(jì)算多線性親密度Q_{AB}：Q_{AB}=w_1Q_1+w_2Q_2+w_3Q_3每次相遇后，節(jié)點(diǎn)都會(huì)重新計(jì)算多線性親密度，并更新多線性親密度表，以反映節(jié)點(diǎn)間關(guān)系的動(dòng)態(tài)變化。消息轉(zhuǎn)發(fā)決策：當(dāng)節(jié)點(diǎn)需要轉(zhuǎn)發(fā)消息時(shí)，它會(huì)遍歷自身緩存中的消息，并對每個(gè)消息進(jìn)行轉(zhuǎn)發(fā)決策。對于每條消息，節(jié)點(diǎn)會(huì)計(jì)算與緩存中所有其他節(jié)點(diǎn)的綜合評估值R，公式為R=\betaP+(1-\beta)Q，其中P是相遇概率，Q是多線性親密度，\beta是一個(gè)權(quán)重系數(shù)（0\leq\beta\leq1），用于平衡相遇概率和多線性親密度對綜合評估值的影響。節(jié)點(diǎn)會(huì)選擇綜合評估值最高的節(jié)點(diǎn)作為中繼節(jié)點(diǎn)，如果該中繼節(jié)點(diǎn)與當(dāng)前節(jié)點(diǎn)相遇且其緩存空間充足，則將消息轉(zhuǎn)發(fā)給該中繼節(jié)點(diǎn)。如果中繼節(jié)點(diǎn)緩存空間不足，當(dāng)前節(jié)點(diǎn)會(huì)等待中繼節(jié)點(diǎn)釋放緩存空間或者選擇其他綜合評估值較高且緩存空間充足的節(jié)點(diǎn)進(jìn)行轉(zhuǎn)發(fā)。緩存管理：在整個(gè)算法執(zhí)行過程中，節(jié)點(diǎn)需要對緩存進(jìn)行有效的管理。當(dāng)節(jié)點(diǎn)接收到新消息或者需要轉(zhuǎn)發(fā)消息時(shí)，都會(huì)檢查緩存空間。如果緩存空間不足，節(jié)點(diǎn)會(huì)根據(jù)消息的多線性親密度和剩余生存時(shí)間等因素，對緩存中的消息進(jìn)行優(yōu)先級排序。多線性親密度高且剩余生存時(shí)間長的消息會(huì)被賦予較高的優(yōu)先級，而多線性親密度低且剩余生存時(shí)間短的消息會(huì)被賦予較低的優(yōu)先級。節(jié)點(diǎn)會(huì)優(yōu)先丟棄低優(yōu)先級的消息，以騰出空間存儲(chǔ)新消息或進(jìn)行消息轉(zhuǎn)發(fā)。節(jié)點(diǎn)還會(huì)定期清理緩存中已經(jīng)過期的消息，以釋放緩存空間，提高緩存的利用率。目的節(jié)點(diǎn)接收：當(dāng)消息到達(dá)目的節(jié)點(diǎn)時(shí)，目的節(jié)點(diǎn)會(huì)檢查消息的完整性和正確性。如果消息完整且正確，目的節(jié)點(diǎn)會(huì)向源節(jié)點(diǎn)發(fā)送確認(rèn)消息，通知源節(jié)點(diǎn)消息已成功接收。源節(jié)點(diǎn)收到確認(rèn)消息后，會(huì)從自身緩存中刪除該消息的副本，以節(jié)省緩存空間。如果目的節(jié)點(diǎn)發(fā)現(xiàn)消息存在錯(cuò)誤或不完整，它會(huì)向發(fā)送節(jié)點(diǎn)發(fā)送重傳請求，發(fā)送節(jié)點(diǎn)會(huì)根據(jù)請求重新發(fā)送消息。通過以上詳細(xì)的步驟和流程，基于相遇概率的多線性親密度路由算法能夠在低緩存容遲網(wǎng)絡(luò)中實(shí)現(xiàn)高效的消息傳輸，充分利用節(jié)點(diǎn)間的相遇機(jī)會(huì)和多線性親密度關(guān)系，提高消息投遞率，降低傳輸延遲，優(yōu)化網(wǎng)絡(luò)性能。流程圖如下所示：st=>start:開始init=>operation:初始化節(jié)點(diǎn)信息、相遇概率表、多線性親密度表generate=>operation:源節(jié)點(diǎn)生成消息并注入緩存meet=>condition:節(jié)點(diǎn)是否相遇？exchange=>operation:相遇節(jié)點(diǎn)交換信息updateP=>operation:更新相遇概率updateQ=>operation:計(jì)算并更新多線性親密度forward=>operation:消息轉(zhuǎn)發(fā)決策，選擇中繼節(jié)點(diǎn)cache=>operation:緩存管理，檢查和調(diào)整緩存receive=>condition:消息是否到達(dá)目的節(jié)點(diǎn)？ack=>operation:目的節(jié)點(diǎn)發(fā)送確認(rèn)消息，源節(jié)點(diǎn)刪除消息副本error=>operation:目的節(jié)點(diǎn)請求重傳e=>end:結(jié)束st->init->generate->meetmeet(yes)->exchange->updateP->updateQ->forward->cache->receivemeet(no)->generatereceive(yes)->ack->ereceive(no)->cachecache(緩存不足)->forwardcache(緩存充足)->receiveerror->forwardinit=>operation:初始化節(jié)點(diǎn)信息、相遇概率表、多線性親密度表generate=>operation:源節(jié)點(diǎn)生成消息并注入緩存meet=>condition:節(jié)點(diǎn)是否相遇？exchange=>operation:相遇節(jié)點(diǎn)交換信息updateP=>operation:更新相遇概率updateQ=>operation:計(jì)算并更新多線性親密度forward=>operation:消息轉(zhuǎn)發(fā)決策，選擇中繼節(jié)點(diǎn)cache=>operation:緩存管理，檢查和調(diào)整緩存receive=>condition:消息是否到達(dá)目的節(jié)點(diǎn)？ack=>operation:目的節(jié)點(diǎn)發(fā)送確認(rèn)消息，源節(jié)點(diǎn)刪除消息副本error=>operation:目的節(jié)點(diǎn)請求重傳e=>end:結(jié)束st->init->generate->meetmeet(yes)->exchange->updateP->updateQ->forward->cache->receivemeet(no)->generatereceive(yes)->ack->ereceive(no)->cachecache(緩存不足)->forwardcache(緩存充足)->receiveerror->forwardgenerate=>operation:源節(jié)點(diǎn)生成消息并注入緩存meet=>condition:節(jié)點(diǎn)是否相遇？exchange=>operation:相遇節(jié)點(diǎn)交換信息updateP=>operation:更新相遇概率updateQ=>operation:計(jì)算并更新多線性親密度forward=>operation:消息轉(zhuǎn)發(fā)決策，選擇中繼節(jié)點(diǎn)cache=>operation:緩存管理，檢查和調(diào)整緩存receive=>condition:消息是否到達(dá)目的節(jié)點(diǎn)？ack=>operation:目的節(jié)點(diǎn)發(fā)送確認(rèn)消息，源節(jié)點(diǎn)刪除消息副本error=>operation:目的節(jié)點(diǎn)請求重傳e=>end:結(jié)束st->init->generate->meetmeet(yes)->exchange->updateP->updateQ->forward->cache->receivemeet(no)->generatereceive(yes)->ack->ereceive(no)->cachecache(緩存不足)->forwardcache(緩存充足)->receiveerror->forwardmeet=>condition:節(jié)點(diǎn)是否相遇？exchange=>operation:相遇節(jié)點(diǎn)交換信息updateP=>operation:更新相遇概率updateQ=>operation:計(jì)算并更新多線性親密度forward=>operation:消息轉(zhuǎn)發(fā)決策，選擇中繼節(jié)點(diǎn)cache=>operation:緩存管理，檢查和調(diào)整緩存receive=>condition:消息是否到達(dá)目的節(jié)點(diǎn)？ack=>operation:目的節(jié)點(diǎn)發(fā)送確認(rèn)消息，源節(jié)點(diǎn)刪除消息副本error=>operation:目的節(jié)點(diǎn)請求重傳e=>end:結(jié)束st->init->generate->meetmeet(yes)->exchange->updateP->updateQ->forward->cache->receivemeet(no)->generatereceive(yes)->ack->ereceive(no)->cachecache(緩存不足)->forwardcache(緩存充足)->receiveerror->forwardexchange=>operation:相遇節(jié)點(diǎn)交換信息updateP=>operation:更新相遇概率updateQ=>operation:計(jì)算并更新多線性親密度forward=>operation:消息轉(zhuǎn)發(fā)決策，選擇中繼節(jié)點(diǎn)cache=>operation:緩存管理，檢查和調(diào)整緩存receive=>condition:消息是否到達(dá)目的節(jié)點(diǎn)？ack=>operation:目的節(jié)點(diǎn)發(fā)送確認(rèn)消息，源節(jié)點(diǎn)刪除消息副本error=>operation:目的節(jié)點(diǎn)請求重傳e=>end:結(jié)束st->init->generate->meetmeet(yes)->exchange->updateP->updateQ->forward->cache->receivemeet(no)->generatereceive(yes)->ack->ereceive(no)->cachecache(緩存不足)->forwardcache(緩存充足)->receiveerror->forwardupdateP=>operation:更新相遇概率updateQ=>operation:計(jì)算并更新多線性親密度forward=>operation:消息轉(zhuǎn)發(fā)決策，選擇中繼節(jié)點(diǎn)cache=>operation:緩存管理，檢查和調(diào)整緩存receive=>condition:消息是否到達(dá)目的節(jié)點(diǎn)？ack=>operation:目的節(jié)點(diǎn)發(fā)送確認(rèn)消息，源節(jié)點(diǎn)刪除消息副本error=>operation:目的節(jié)點(diǎn)請求重傳e=>end:結(jié)束st->init->generate->meetmeet(yes)->exchange->updateP->updateQ->forward->cache->receivemeet(no)->generatereceive(yes)->ack->ereceive(no)->cachecache(緩存不足)->forwardcache(緩存充足)->receiveerror->forwardupdateQ=>operation:計(jì)算并更新多線性親密度forward=>operation:消息轉(zhuǎn)發(fā)決策，選擇中繼節(jié)點(diǎn)cache=>operation:緩存管理，檢查和調(diào)整緩存receive=>condition:消息是否到達(dá)目的節(jié)點(diǎn)？ack=>operation:目的節(jié)點(diǎn)發(fā)送確認(rèn)消息，源節(jié)點(diǎn)刪除消息副本error=>operation:目的節(jié)點(diǎn)請求重傳e=>end:結(jié)束st->init->generate->meetmeet(yes)->exchange->updateP->updateQ->forward->cache->receivemeet(no)->generatereceive(yes)->ack->ereceive(no)->cachecache(緩存不足)->forwardcache(緩存充足)->receiveerror->forwardforward=>operation:消息轉(zhuǎn)發(fā)決策，選擇中繼節(jié)點(diǎn)cache=>operation:緩存管理，檢查和調(diào)整緩存receive=>condition:消息是否到達(dá)目的節(jié)點(diǎn)？ack=>operation:目的節(jié)點(diǎn)發(fā)送確認(rèn)消息，源節(jié)點(diǎn)刪除消息副本error=>operation:目的節(jié)點(diǎn)請求重傳e=>end:結(jié)束st->init->generate->meetmeet(yes)->exchange->updateP->updateQ->forward->cache->receivemeet(no)->generatereceive(yes)->ack->ereceive(no)->cachecache(緩存不足)->forwardcache(緩存充足)->receiveerror->forwardcache=>operation:緩存管理，檢查和調(diào)整緩存receive=>condition:消息是否到達(dá)目的節(jié)點(diǎn)？ack=>operation:目的節(jié)點(diǎn)發(fā)送確認(rèn)消息，源節(jié)點(diǎn)刪除消息副本error=>operation:目的節(jié)點(diǎn)請求重傳e=>end:結(jié)束st->init->generate->meetmeet(yes)->exchange->updateP->updateQ->forward->cache->receivemeet(no)->generatereceive(yes)->ack->ereceive(no)->cachecache(緩存不足)->forwardcache(緩存充足)->receiveerror->forwardreceive=>condition:消息是否到達(dá)目的節(jié)點(diǎn)？ack=>operation:目的節(jié)點(diǎn)發(fā)送確認(rèn)消息，源節(jié)點(diǎn)刪除消息副本error=>operation:目的節(jié)點(diǎn)請求重傳e=>end:結(jié)束st->init->generate->meetmeet(yes)->exchange->updateP->updateQ->forward->cache->receivemeet(no)->generatereceive(yes)->ack->ereceive(no)->cachecache(緩存不足)->forwardcache(緩存充足)->receiveerror->forwardack=>operation:目的節(jié)點(diǎn)發(fā)送確認(rèn)消息，源節(jié)點(diǎn)刪除消息副本error=>operation:目的節(jié)點(diǎn)請求重傳e=>end:結(jié)束st->init->generate->meetmeet(yes)->exchange->updateP->updateQ->forward->cache->receivemeet(no)->generatereceive(yes)->ack->ereceive(no)->cachecache(緩存不足)->forwardcache(緩存充足)->receiveerror->forwarderror=>operation:目的節(jié)點(diǎn)請求重傳e=>end:結(jié)束st->init->generate->meetmeet(yes)->exchange->updateP->updateQ->forward->cache->receivemeet(no)->generatereceive(yes)->ack->ereceive(no)->cachecache(緩存不足)->forwardcache(緩存充足)->receiveerror->forwarde=>end:結(jié)束st->init->generate->meetmeet(yes)->exchange->updateP->updateQ->forward->cache->receivemeet(no)->generatereceive(yes)->ack->ereceive(no)->cachecache(緩存不足)->forwardcache(緩存充足)->receiveerror->forwardst->init->generate->meetmeet(yes)->exchange->updateP->updateQ->forward->cache->receivemeet(no)->generatereceive(yes)->ack->ereceive(no)->cachecache(緩存不足)->forwardcache(緩存充足)->receiveerror->forwardmeet(yes)->exchange->updateP->updateQ->forward->cache->receivemeet(no)->generatereceive(yes)->ack->ereceive(no)->cachecache(緩存不足)->forwardcache(緩存充足)->receiveerror->forwardmeet(no)->generatereceive(yes)->ack->ereceive(no)->cachecache(緩存不足)->forwardcache(緩存充足)->receiveerror->forwardreceive(yes)->ack->ereceive(no)->cachecache(緩存不足)->forwardcache(緩存充足)->receiveerror->forwardreceive(no)->cachecache(緩存不足)->forwardcache(緩存充足)->receiveerror->forwardcache(緩存不足)->forwardcache(緩存充足)->receiveerror->forwardcache(緩存充足)->receiveerror->forwarderror->forward圖1：基于相遇概率的多線性親密度路由算法流程圖4.3算法中的關(guān)鍵技術(shù)與策略運(yùn)用4.3.1概率預(yù)測技術(shù)概率預(yù)測技術(shù)在基于相遇概率的多線性親密度路由算法中占據(jù)著核心地位，是實(shí)現(xiàn)高效路由決策的關(guān)鍵支撐。該技術(shù)通過對節(jié)點(diǎn)的移動(dòng)模式、歷史相遇信息以及網(wǎng)絡(luò)環(huán)境等多方面因素的深入分析，運(yùn)用先進(jìn)的數(shù)學(xué)模型和算法，實(shí)現(xiàn)對節(jié)點(diǎn)相遇概率的精準(zhǔn)預(yù)測。在移動(dòng)模式分析方面，算法充分考慮節(jié)點(diǎn)移動(dòng)的速度、方向、停留時(shí)間以及移動(dòng)軌跡的規(guī)律性等因素。不同類型的節(jié)點(diǎn)在不同的應(yīng)用場景中具有各異的移動(dòng)模式。在移動(dòng)車載網(wǎng)絡(luò)中，車輛的移動(dòng)通常受到道路布局、交通規(guī)則和行駛目的地的影響，其移動(dòng)軌跡具有一定的規(guī)律性；而在移動(dòng)社交網(wǎng)絡(luò)中，用戶攜帶的移動(dòng)設(shè)備的移動(dòng)則更加隨機(jī)，受用戶的活動(dòng)習(xí)慣和社交行為的影響較大。算法通過對這些移動(dòng)模式的分析和建模，能夠更準(zhǔn)確地預(yù)測節(jié)點(diǎn)在未來某個(gè)時(shí)刻的位置和移動(dòng)方向，從而為相遇概率的計(jì)算提供重要依據(jù)?？梢圆捎没隈R爾可夫鏈的模型，將節(jié)點(diǎn)的移動(dòng)狀態(tài)劃分為不同的狀態(tài)空間，通過分析節(jié)點(diǎn)在不同狀態(tài)之間的轉(zhuǎn)移概率，預(yù)測節(jié)點(diǎn)未來的移動(dòng)狀態(tài)，進(jìn)而計(jì)算出與其他節(jié)點(diǎn)的相遇概率。歷史相遇信息是概率預(yù)測的另一個(gè)重要依據(jù)。算法會(huì)記錄節(jié)點(diǎn)之間的歷史相遇時(shí)間、地點(diǎn)和頻率等信息，并利用這些信息來分析節(jié)點(diǎn)之間的相遇規(guī)律。如果兩個(gè)節(jié)點(diǎn)在過去一段時(shí)間內(nèi)頻繁相遇，且相遇的時(shí)間間隔較為穩(wěn)定，那么可以推斷它們在未來相遇的概率相對較高。通過對歷史相遇信息的統(tǒng)計(jì)分析，可以建立節(jié)點(diǎn)間相遇概率的時(shí)間序列模型，利用時(shí)間序列預(yù)測方法，如ARIMA模型，對未來的相遇概率進(jìn)行預(yù)測。網(wǎng)絡(luò)環(huán)境的動(dòng)態(tài)變化也會(huì)對節(jié)點(diǎn)相遇概率產(chǎn)生顯著影響。在低緩存容遲網(wǎng)絡(luò)中，信號干擾、節(jié)點(diǎn)故障、拓?fù)浣Y(jié)構(gòu)變化等因素都會(huì)導(dǎo)致節(jié)點(diǎn)的移動(dòng)和通信受到影響。算法需要實(shí)時(shí)感知這些網(wǎng)絡(luò)環(huán)境的變化，并相應(yīng)地調(diào)整相遇概率的計(jì)算。當(dāng)檢測到某個(gè)區(qū)域存在較強(qiáng)的信號干擾時(shí)，算法可以降低該區(qū)域內(nèi)節(jié)點(diǎn)的相遇概率，以避免消息在該區(qū)域內(nèi)的盲目轉(zhuǎn)發(fā)，提高消息傳輸?shù)目煽啃?。為了更直觀地展示概率預(yù)測技術(shù)的準(zhǔn)確性和有效性，我們可以通過實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分析。在不同的網(wǎng)絡(luò)場景下，設(shè)置不同的節(jié)點(diǎn)移動(dòng)模式和網(wǎng)絡(luò)環(huán)境參數(shù)，對比基于概率預(yù)測技術(shù)計(jì)算的相遇概率與實(shí)際相遇情況。實(shí)驗(yàn)結(jié)果顯示，在節(jié)點(diǎn)移動(dòng)速度較快且網(wǎng)絡(luò)環(huán)境復(fù)雜的場景中，基于概率預(yù)測技術(shù)計(jì)算的相遇概率與實(shí)際相遇情況的匹配度達(dá)到了85%以上，表明該技術(shù)能夠較為準(zhǔn)確地預(yù)測節(jié)點(diǎn)相遇概率，為路由決策提供可靠的依據(jù)。在實(shí)際應(yīng)用中，概率預(yù)測技術(shù)能夠幫助節(jié)點(diǎn)更準(zhǔn)確地選擇下一跳節(jié)點(diǎn)，提高消息投遞的準(zhǔn)確性和效率。在一個(gè)包含100個(gè)節(jié)點(diǎn)的低緩存容遲網(wǎng)絡(luò)中，采用基于相遇概率的多線性親密度路由算法，利用概率預(yù)測技術(shù)選擇下一跳節(jié)點(diǎn)，消息投遞率相比隨機(jī)選擇下一跳節(jié)點(diǎn)的算法提高了30%，傳輸延遲降低了25%，充分體現(xiàn)了概率預(yù)測技術(shù)在提升算法性能方面的重要作用。4.3.2親密度計(jì)算策略親密度計(jì)算策略是基于相遇概率的多線性親密度路由算法中的另一個(gè)關(guān)鍵組成部分，它從多個(gè)維度對節(jié)點(diǎn)間的相似性和關(guān)聯(lián)程度進(jìn)行綜合考量，為路由決策提供了更全面、準(zhǔn)確的參考依據(jù)。在移動(dòng)軌跡維度，算法通過計(jì)算節(jié)點(diǎn)移動(dòng)軌跡的相似度來評估親密度?？梢圆捎脛?dòng)態(tài)時(shí)間規(guī)整（DTW）算法來計(jì)算兩個(gè)節(jié)點(diǎn)移動(dòng)軌跡的相似度。DTW算法能夠在時(shí)間軸上對兩條軌跡進(jìn)行非線性的對齊，找到它們之間的最佳匹配路徑，從而計(jì)算出軌跡的相似度。在一個(gè)包含多個(gè)移動(dòng)節(jié)點(diǎn)的低緩存容遲網(wǎng)絡(luò)中，節(jié)點(diǎn)A和節(jié)點(diǎn)B的移動(dòng)軌跡在一段時(shí)間內(nèi)有較高的重合度，通過DTW算法計(jì)算得到它們的移動(dòng)軌跡相似度為0.8，表明它們在移動(dòng)軌跡維度上具有較高的親密度，在消息轉(zhuǎn)發(fā)過程中，節(jié)點(diǎn)A更傾向于將消息轉(zhuǎn)發(fā)給節(jié)點(diǎn)B。通信頻率維度也是親密度計(jì)算的重要方面。算法會(huì)統(tǒng)計(jì)節(jié)點(diǎn)之間的通信次數(shù)和頻率，通信頻率越高，說明節(jié)點(diǎn)之間的信息交互越頻繁，它們之間的親密度也就越高。在移動(dòng)社交網(wǎng)絡(luò)中，用戶之間的通信頻率反映了他們之間的社交關(guān)系強(qiáng)度。如果兩個(gè)用戶經(jīng)常進(jìn)行通信，那么他們攜帶的移動(dòng)設(shè)備節(jié)點(diǎn)之間的親密度就相對較高。通過對通信頻率的統(tǒng)計(jì)和分析，可以將通信頻率轉(zhuǎn)化為親密度指標(biāo)，為路由決策提供參考。歷史相遇模式維度同樣不容忽視。算法會(huì)分析節(jié)點(diǎn)過去相遇的時(shí)間、地點(diǎn)和頻率等信息，評估節(jié)點(diǎn)間的親密度。如果兩個(gè)節(jié)點(diǎn)在過去的一段時(shí)間內(nèi)，在相同的地點(diǎn)頻繁相遇，且相遇時(shí)間間隔較為規(guī)律，那么它們之間的歷史相遇模式親密度就較高。在一個(gè)城市交通網(wǎng)絡(luò)中，某些公交車節(jié)點(diǎn)在固定的站點(diǎn)和時(shí)間會(huì)頻繁相遇，通過分析它們的歷史相遇模式，可以發(fā)現(xiàn)這些節(jié)點(diǎn)之間具有較高的親密度，在消息轉(zhuǎn)發(fā)時(shí)，可以優(yōu)先考慮將消息轉(zhuǎn)發(fā)給這些親密度高的節(jié)點(diǎn)。為了驗(yàn)證親密度計(jì)算策略的有效性，我們可以通過實(shí)驗(yàn)進(jìn)行分析。在不同的網(wǎng)絡(luò)場景下，采用不同的親密度計(jì)算策略，對比基于親密度選擇中繼節(jié)點(diǎn)和隨機(jī)選擇中繼節(jié)點(diǎn)的消息投遞率和傳輸延遲。實(shí)驗(yàn)結(jié)果顯示，在節(jié)點(diǎn)移動(dòng)具有一定規(guī)律性的場景中，基于親密度計(jì)算策略選擇中繼節(jié)點(diǎn)的消息投遞率比隨機(jī)選擇中繼節(jié)點(diǎn)的消息投遞率提高了20%，傳輸延遲降低了20%。這充分表明，親密度計(jì)算策略能夠有效地提高算法的性能，使消息能夠更高效地傳輸?shù)侥繕?biāo)節(jié)點(diǎn)。4.3.3緩存管理策略在低緩存容遲網(wǎng)絡(luò)中，緩存資源極為有限，緩存管理策略對于算法的性能起著至關(guān)重要的作用?；谙嘤龈怕实亩嗑€性親密度路由算法采用了一種基于多線性親密度的緩存管理策略，以實(shí)現(xiàn)對緩存資源的高效利用。該策略的核心思想是根據(jù)節(jié)點(diǎn)間的多線性親密度對緩存中的消息進(jìn)行優(yōu)先級排序和管理。在消息進(jìn)入緩存時(shí)，算法會(huì)計(jì)算消息與緩存中已有消息以及其他節(jié)點(diǎn)的多線性親密度。對于與目的節(jié)點(diǎn)多線性親密度高的消息，賦予較高的優(yōu)先級，優(yōu)先保留在緩存中；而對于多線性親密度低且價(jià)值不大的消息，則在緩存空間不足時(shí)，優(yōu)先考慮丟棄。在實(shí)際應(yīng)用中，當(dāng)節(jié)點(diǎn)接收到新消息時(shí)，會(huì)檢查緩存空間。如果緩存空間不足，節(jié)點(diǎn)會(huì)根據(jù)多線性親密度對緩存中的消息進(jìn)行評估。假設(shè)節(jié)點(diǎn)緩存中已經(jīng)存儲(chǔ)了消息M1、M2和M3，此時(shí)接收到新消息M4。通過計(jì)算多線性親密度，發(fā)現(xiàn)消息M4與目的節(jié)點(diǎn)的多線性親密度高于消息M2，且消息M2的多線性親密度相對較低，那么節(jié)點(diǎn)會(huì)優(yōu)先丟棄消息M2，以騰出空間存儲(chǔ)新消息M4。緩存管理策略還會(huì)考慮消息的剩余生存時(shí)間。對于剩余生存時(shí)間較短的消息，如果其多線性親密度也較低，那么會(huì)優(yōu)先將其從緩存中刪除，以避免占用寶貴的緩存空間。在一個(gè)節(jié)點(diǎn)緩存空間只能容納10條消息的低緩存容遲網(wǎng)絡(luò)中，緩存中存儲(chǔ)了多條消息，其中消息M5的剩余生存時(shí)間僅為5分鐘，且與目的節(jié)點(diǎn)的多線性親密度較低，而此時(shí)節(jié)點(diǎn)接收到一條重要的新消息M6。由于緩存空間不足，節(jié)點(diǎn)會(huì)根據(jù)緩存管理策略，優(yōu)先刪除消息M5，存儲(chǔ)新消息M6，以確保重要消息能夠及時(shí)傳輸。為了評估緩存管理策略的性能，我們可以通過實(shí)驗(yàn)進(jìn)行分析。在不同緩存大小的網(wǎng)絡(luò)場景下，對比采用基于多線性親密度的緩存管理策略和其他傳統(tǒng)緩存管理策略的算法性能。實(shí)驗(yàn)結(jié)果顯示，在緩存大小為20MB的場景中，采用基于多線性親密度的緩存管理策略的算法，其消息投遞率比采用先進(jìn)先出（FIFO）緩存管理策略的算法提高了15%，緩存溢出率降低了20%。這充分表明，基于多線性親密度的緩存管理策略能夠有效地提高緩存的利用率，避免緩存溢出，保障網(wǎng)絡(luò)的穩(wěn)定運(yùn)行，提升算法在低緩存容遲網(wǎng)絡(luò)中的性能。五、算法性能評估與仿真實(shí)驗(yàn)5.1評估指標(biāo)與實(shí)驗(yàn)環(huán)境設(shè)定為了全面、客觀地評估基于相遇概率的多線性親密度路由算法（以下簡稱MPMR算法）的性能，本研究選取了多個(gè)關(guān)鍵評估指標(biāo)，并精心設(shè)定了實(shí)驗(yàn)環(huán)境和參數(shù)，以確保實(shí)驗(yàn)結(jié)果的準(zhǔn)確性和可靠性。消息投遞率是衡量路由算法性能的重要指標(biāo)之一，它反映了成功到達(dá)目的節(jié)點(diǎn)的消息數(shù)量與源節(jié)點(diǎn)發(fā)送的消息總數(shù)之間的比例。較高的消息投遞率意味著算法能夠更有效地將消息傳遞到目標(biāo)節(jié)點(diǎn)，減少消息的丟失。其計(jì)算公式為：消息投遞率=（成功到達(dá)目的節(jié)點(diǎn)的消息數(shù)量/源節(jié)點(diǎn)發(fā)送的消息總數(shù)）×100%。在實(shí)際應(yīng)用中，消息投遞率直接影響到網(wǎng)絡(luò)的可用性和可靠性。在軍事通信中，高消息投遞率能夠確保指揮命令準(zhǔn)確無誤地傳達(dá)給各個(gè)作戰(zhàn)單元，對于戰(zhàn)爭的勝負(fù)起著關(guān)鍵作用；在物聯(lián)網(wǎng)數(shù)據(jù)傳輸中，高消息投遞率能夠保證傳感器采集的數(shù)據(jù)及時(shí)傳輸?shù)教幚碇行?，為?shù)據(jù)分析和決策提供可靠依據(jù)。傳輸延遲也是評估路由算法性能的關(guān)鍵指標(biāo)，它指的是消息從源節(jié)點(diǎn)發(fā)出到成功到達(dá)目的節(jié)點(diǎn)所經(jīng)歷的時(shí)間。傳輸延遲越低，說明算法能夠更快地將消息送達(dá)目標(biāo)，滿足對實(shí)時(shí)性要求較高的應(yīng)用場景。在視頻會(huì)議、實(shí)時(shí)監(jiān)控等應(yīng)用中，低傳輸延遲能夠保證視頻和音頻的流暢傳輸，提高用戶體驗(yàn)；在自動(dòng)駕駛場景中，低傳輸延遲能夠使車輛及時(shí)接收交通信息和控制指令，確保行車安全。傳輸延遲受到多種因素的影響，包括節(jié)點(diǎn)的移動(dòng)速度、網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的變化、消息轉(zhuǎn)發(fā)策略等。在節(jié)點(diǎn)移動(dòng)速度較快的情況下，消息在節(jié)點(diǎn)間的傳輸路徑可能會(huì)頻繁改變，從而增加傳輸延遲；網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的動(dòng)態(tài)變化也可能導(dǎo)致路由重新計(jì)算，進(jìn)一步延長傳輸延遲。緩存利用率是衡量算法在有限緩存資源下利用效率的指標(biāo)，它體現(xiàn)了節(jié)點(diǎn)緩存空間被有效利用的程度。緩存利用率越高，表明算法能夠更好地管理緩存資源，避免緩存溢出，保障網(wǎng)絡(luò)的穩(wěn)定運(yùn)行。在低緩存容遲網(wǎng)絡(luò)中，緩存資源極為有限，合理利用緩存空間對于提高網(wǎng)絡(luò)性能至關(guān)重要。緩存利用率的計(jì)算公式為：緩存利用率=（緩存中存儲(chǔ)的有效消息數(shù)量/緩存總?cè)萘浚?00%。在實(shí)際應(yīng)用中，緩存利用率的高低直接影響到節(jié)點(diǎn)的存儲(chǔ)能力和消息轉(zhuǎn)發(fā)效率。如果緩存利用率過低，說明緩存空間沒有得到充分利用，可能會(huì)造成資源浪費(fèi)；如果緩存利用率過高，接近或超過100%，則可能導(dǎo)致緩存溢出，使新到達(dá)的消息無法被存儲(chǔ)，從而影響消息的傳輸。網(wǎng)絡(luò)開銷是評估算法性能的另一個(gè)重要方面，它主要包括節(jié)點(diǎn)的能量消耗、帶寬占用以及產(chǎn)生的冗余消息數(shù)量等。較低的網(wǎng)絡(luò)開銷意味著算法能夠在傳輸消息的過程中，更有效地利用網(wǎng)絡(luò)資源，減少不必要的消耗。在節(jié)點(diǎn)能量有限的情況下，降低網(wǎng)絡(luò)開銷可以延長節(jié)點(diǎn)的使用壽命，提高網(wǎng)絡(luò)的穩(wěn)定性；減少帶寬占用可以為其他重要業(yè)務(wù)提供更多的帶寬資源，提高網(wǎng)絡(luò)的整體性能；減少冗余消息數(shù)量可以降低網(wǎng)絡(luò)的負(fù)載，避免網(wǎng)絡(luò)擁塞。網(wǎng)絡(luò)開銷的大小與算法的消息轉(zhuǎn)發(fā)策略、副本管理機(jī)制等密切相關(guān)。在基于洪泛的路由算法中，由于會(huì)產(chǎn)生大量的冗余消息，導(dǎo)致網(wǎng)絡(luò)開銷急劇增加；而在一些優(yōu)化的路由算法中，通過合理控制消息副本的數(shù)量和轉(zhuǎn)發(fā)策略，可以有效降低網(wǎng)絡(luò)開銷。本研究使用了廣泛應(yīng)用的ONE（OpportunisticNetworkEnvironment）仿真工具來搭建實(shí)驗(yàn)環(huán)境。該工具具有強(qiáng)大的功能，能夠模擬各種復(fù)雜的網(wǎng)絡(luò)場景，為算法的性能評估提供了有力的支持。在仿真實(shí)驗(yàn)中，我們對節(jié)點(diǎn)的移動(dòng)模型進(jìn)行了精心設(shè)置。選擇了隨機(jī)路點(diǎn)（RandomWaypoint）移動(dòng)模型，該模型能夠較好地模擬節(jié)點(diǎn)在二維平面上的隨機(jī)移動(dòng)行為。在這種模型下，節(jié)點(diǎn)會(huì)隨機(jī)選擇一個(gè)目標(biāo)位置和移動(dòng)速度，然后向目標(biāo)位置移動(dòng)，到達(dá)目標(biāo)位置后，會(huì)隨機(jī)停留一段時(shí)間，再重復(fù)上述過程。通過設(shè)置不同的移動(dòng)速度和停留時(shí)間參數(shù)，可以模擬不同的移動(dòng)場景。設(shè)置節(jié)點(diǎn)的移動(dòng)速度范圍為5-15m/s，停留時(shí)間為0-60s，以模擬節(jié)點(diǎn)在不同環(huán)境下的移動(dòng)情況。網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的設(shè)置也至關(guān)重要。我們創(chuàng)建了一個(gè)包含100個(gè)節(jié)點(diǎn)的網(wǎng)絡(luò)場景，節(jié)點(diǎn)在1000m×1000m的區(qū)域內(nèi)隨機(jī)分布。這樣的設(shè)置可以模擬出較為真實(shí)的網(wǎng)絡(luò)環(huán)境，使實(shí)驗(yàn)結(jié)果更具說服力。在實(shí)際應(yīng)用中，網(wǎng)絡(luò)中的節(jié)點(diǎn)分布往往是不均勻的，通過隨機(jī)分布節(jié)點(diǎn)，可以更全面地評估算法在不同節(jié)點(diǎn)分布情況下的性能。節(jié)點(diǎn)的緩存大小對算法性能有著顯著影響。在實(shí)驗(yàn)中，將節(jié)點(diǎn)的緩存大小設(shè)置為50MB，這是根據(jù)低緩存容遲網(wǎng)絡(luò)中節(jié)點(diǎn)緩存資源有限的特點(diǎn)進(jìn)行設(shè)置的。通過調(diào)整緩存大小，可以觀察算法在不同緩存條件下的性能變化，從而為算法的優(yōu)化提供依據(jù)。當(dāng)緩存大小為30MB時(shí)，算法的消息投遞率可能會(huì)因?yàn)榫彺娌蛔愣档?，傳輸延遲可能會(huì)增加；而當(dāng)緩存大小增加到70MB時(shí)，雖然緩存溢出的情況可能會(huì)減少，但也可能會(huì)因?yàn)榫彺婵臻g的浪費(fèi)而導(dǎo)致其他性能指標(biāo)下降。消息的生存時(shí)間也是實(shí)驗(yàn)中需要考慮的重要參數(shù)。將消息的生存時(shí)間設(shè)置為600s，這意味著消息在網(wǎng)絡(luò)中最多存活600s，如果在這個(gè)時(shí)間內(nèi)沒有到達(dá)目的節(jié)點(diǎn)，消息將被丟棄。消息的生存時(shí)間設(shè)置需要綜合考慮網(wǎng)絡(luò)的傳輸延遲、節(jié)點(diǎn)的移動(dòng)速度以及消息的重要性等因素。如果生存時(shí)間設(shè)置過短，可能會(huì)導(dǎo)致一些消息在還沒有到達(dá)目的節(jié)點(diǎn)時(shí)就被丟棄，從而降低消息投遞率；如果生存