基于相遇節(jié)點跨層感知的機會網絡高效低時延路由算法

任智，索建偉，陳紅，徐中浩，陳前斌

(重慶郵電大學 移動通信技術重慶市重點實驗室，重慶 400065)

1 引言

機會網絡(opportunistic network)[1～4]是一種不需要在源節(jié)點和目的節(jié)點之間存在完整路徑、利用節(jié)點移動帶來的相遇機會實現(xiàn)數(shù)據(jù)傳輸?shù)臅r延和分裂可容忍的自組織網絡。由于能夠在較為苛刻的環(huán)境下進行通信，機會網絡已成為未來普適計算的重要組成部分和移動ad hoc網絡（MANET, mobile ad-hoc network）的發(fā)展方向之一。

機會網絡拓撲具有的間斷或部分連接的特點，給路由算法的設計帶來一定挑戰(zhàn)。為了在機會網絡中端到端路徑不確保存在的條件下進行路由，人們設計了多種路由算法[5～13]，其中研究與應用較為廣泛的是基于 epidemic機制[14]的路由算法，它采用“存儲—攜帶—轉發(fā)”（SCF, store-carry-forward）方式傳送數(shù)據(jù)，讓節(jié)點存儲收到的數(shù)據(jù)分組并攜帶它們運動，在運動中若與其他節(jié)點相遇，則將數(shù)據(jù)分組的副本轉發(fā)給相遇節(jié)點，直至數(shù)據(jù)分組到達目的節(jié)點。epidemic機制有助于降低分組時延和提高傳送成功率，但通過研究發(fā)現(xiàn)它在相遇節(jié)點感知耗時和數(shù)據(jù)分組交換開銷方面存在冗余；因此，在前期研究[15]的基礎上，針對這個問題提出一種基于相遇節(jié)點跨層感知的路由算法，通過采用物理層、MAC層和網絡層之間的跨層信息共享與協(xié)同等 5種新機制，減少控制開銷，降低分組時延，節(jié)約機會網絡的帶寬和節(jié)點資源，提高路由算法的效率。

2 相關工作

關于機會網絡中基于 epidemic機制的路由算法，目前已有一些研究[9～13]。epidemic機制是由DEMERS等[14]提出的，主要用于網絡中不同節(jié)點的數(shù)據(jù)庫信息的管理與維護。VAHDAT等[9]根據(jù)機會網絡拓撲間斷和部分連接的特點改進原有的epidemic機制，設計了epidemic routing(ER)路由算法，ER算法采用SCF方式和SV(summary vector)/數(shù)據(jù)分組交換機制，有利于數(shù)據(jù)在網絡中可靠傳輸，但它依靠internet MANET encapsulation protocol(IMEP)[16]實現(xiàn)相遇節(jié)點感知功能，難以及時發(fā)現(xiàn)相遇節(jié)點，而且數(shù)據(jù)交換過程也存在冗余操作。MATSUDA等[10]根據(jù)網絡狀態(tài)綜合使用 2-HOP算法[17]和epidemic機制，提出了(p,q)-epidemic routing算法，通過廣播已到達目的節(jié)點的數(shù)據(jù)分組信息（免疫信息）以刪除節(jié)點緩存中的冗余分組，節(jié)省了節(jié)點的存儲空間，但仍依靠IMEP協(xié)議感知相遇節(jié)點，數(shù)據(jù)分組交換也沿用了原有機制。TOWER等[11]提出的基于 epidemic機制的路由算法 ERHELLO使用周期性HELLO分組感知相遇節(jié)點，有利于降低相遇節(jié)點感知開銷，但是仍未解決不能及時感知相遇節(jié)點的問題。WANG等[12]提出了一種自適應隨機化的 ER算法——ARER(adaptive randomized epidemic routing)，它根據(jù)式Wij=C1Ri(Ts)+C2pij+C3TTLij確定數(shù)據(jù)分組的轉發(fā)優(yōu)先級（其中，Ri(Ts)為副本密度，pij為轉發(fā)概率，TTLij為生存時間參數(shù)，C1、C2、C3是預設常數(shù)），用HELLO分組進行相遇節(jié)點感知，但在HELLO分組中捎帶了免疫信息，可能導致節(jié)點相遇感知的通信開銷增加。在前期研究中提出的基于分組索引增量交換的機會網絡路由算法[13]同樣只使用HELLO分組感知相遇節(jié)點，并設置了節(jié)點相遇時間間隔閾值，但當時關注的焦點尚不是如何加快感知相遇節(jié)點。由上可知，現(xiàn)有基于epidemic機制的路由算法雖不斷演進，但在加快相遇節(jié)點感知和減少數(shù)據(jù)分組交換開銷方面仍存在不足：如根據(jù)實驗數(shù)據(jù)，在常見的面積1 500 m×300 m、節(jié)點數(shù)50、節(jié)點移動平均速率10 m/s的機會網絡環(huán)境中，當節(jié)點通信范圍分別為10 m、25 m、50 m、75 m、100 m時，相遇節(jié)點感知平均耗時達到了1.6 s，控制開銷在通信量中所占比重也一直在85%之上，因此，有進一步改善的需要。

3 網絡模型與問題描述

3.1 網絡模型

機會網絡的拓撲結構不同于傳統(tǒng)的多跳無線網絡，結合其特點，給出如下定義。

定義 1 （網絡模型）機會網絡的數(shù)學模型可表示為有向圖G=(V, E)；其中，節(jié)點集合V={v1,v2,…,vn}，n＞1，為網絡節(jié)點數(shù)，vn表示網絡中第n個節(jié)點；鏈路集合 E=?∪{e1,e2,…,em}，1≤m≤n(n-1)，em表示網絡中第m條鏈路。

定義2 （機會網絡路由模型）用{ei,(tsi,tei)}，1≤i≤n(n-1)表示一條鏈路，tsi、tei分別表示該鏈路的生成和終止時間，且tei＞tsi。機會網絡路由的數(shù)學模型為：在機會網絡中，尋找至少一個在邏輯上有序相連的鏈路組合∑{ei,(tsi, tei)}，使該鏈路組合的首尾節(jié)點分別是數(shù)據(jù)分組的源和目的節(jié)點，且相鄰兩條鏈路中前一條鏈路的生成時間ts必須小于后一條鏈路的終止時間te，即tsi

定義3 （SV及SV分組）SV(summary vector)即“匯總矢量”，是一種二進制的一維矢量，用于表示節(jié)點存有哪些數(shù)據(jù)分組。SV分組是一種含有匯總矢量的控制分組，節(jié)點在與其他節(jié)點相遇后，會將SV分組發(fā)送給相遇節(jié)點。

3.2 一些假設

假設 1 在足夠長的網絡運行時間內，源和目的節(jié)點之間存在端到端的有序鏈路組合。

本文假設機會網絡的路由算法工作一段足夠長的時間，在該時間內任何源和目的節(jié)點之間存在有序的鏈路組合，這樣可以保證數(shù)據(jù)分組在正常情況下能夠被送達目的節(jié)點。

假設 2 機會網絡中的節(jié)點具有足夠的數(shù)據(jù)處理、存儲和轉發(fā)能力。

本文假設機會網絡中的節(jié)點具有足夠能力處理、存儲和轉發(fā)數(shù)據(jù)，系統(tǒng)性能的瓶頸主要存在于傳輸鏈路。這樣可以將研究焦點集中于完成數(shù)據(jù)傳輸功能的機會網絡路由算法上。

以上述假設為前提，在研究中發(fā)現(xiàn)現(xiàn)有基于epidemic機制的路由算法存在以下待改進之處：

節(jié)點通過周期性發(fā)送HELLO分組來感知相遇節(jié)點，在感知時間上存在一定冗余。

節(jié)點將新產生的數(shù)據(jù)分組逐一交換給鄰居，存在通信冗余。

節(jié)點發(fā)送分組后，HELLO分組的發(fā)送計時起點沒有作相應調整，有可能發(fā)送冗余的HELLO分組。

節(jié)點緩存中存在可以刪除的數(shù)據(jù)分組。

4 基于相遇節(jié)點跨層感知的高效低時延路由算法

為解決上節(jié)所述4個問題，提出一種新的路由算法——ERCES（epidemic routing based on cross-layer encountered-node sensing），在其中為相遇節(jié)點感知和數(shù)據(jù)分組交換提出了5種已有類似算法所不具有的新機制，從而達到降低相遇節(jié)點感知時延和減少開銷的效果。

4.1 ERCES算法包含的新機制

4.1.1 跨層感知相遇節(jié)點

當節(jié)點的物理層偵聽到其他節(jié)點發(fā)出的信號載波，立即通過跨層信息共享的方式向網絡層報告（可借鑒CSMA/CA機制中物理層向MAC層報告“偵聽到載波”消息的方式，將MAC層接入算法實體換為網絡層路由算法實體來實現(xiàn)。如果同時遇到多個節(jié)點，物理層用同樣方式向網絡層跨層報告。為了降低硬件實現(xiàn)的復雜性和難度，可將MAC層作為聯(lián)系通道，在網絡層路由算法實體和 MAC層接入算法實體之間增加軟件接口，使接入算法實體能夠向路由算法實體發(fā)送中斷并且路由算法實體能夠調用接入算法的載波偵聽開關功能）。網絡層判斷節(jié)點相遇事件發(fā)生后，立即廣播一個SV分組，于是，相遇雙方進入數(shù)據(jù)分組交換流程。這種新機制擬在解決節(jié)點不能及時感知相遇節(jié)點的問題，有助于降低節(jié)點相遇感知延遲和數(shù)據(jù)分組傳輸時延。為避免對同一節(jié)點相遇事件的重復報告，物理層報告節(jié)點相遇之后網絡層就將該報告功能關閉，直到需要時再開啟。

4.1.2 節(jié)點相遇后立即廣播新產生的數(shù)據(jù)分組

一個節(jié)點如果判斷出與其他節(jié)點相遇（條件{收到物理層跨層報告∪收到相遇節(jié)點發(fā)送的HELLO分組}成立），則立即廣播它在最近兩次節(jié)點相遇之間新產生的數(shù)據(jù)分組。這種新機制能夠解決節(jié)點與鄰居逐一交換新數(shù)據(jù)分組而產生冗余開銷的問題，從而減少數(shù)據(jù)分組的交互次數(shù)，降低數(shù)據(jù)分組的轉發(fā)開銷和時延。

4.1.3 收到SV分組后優(yōu)先發(fā)送目的節(jié)點為對方的數(shù)據(jù)分組

若節(jié)點收到相遇節(jié)點的SV分組，會立即將目的節(jié)點為相遇節(jié)點的數(shù)據(jù)分組發(fā)送給對方，然后才發(fā)送Request分組。這種新機制擬在解決“先發(fā)送SV分組會影響數(shù)據(jù)分組時延和成功率”的問題，有利于降低數(shù)據(jù)分組端到端時延和提高傳送成功率，而且能夠避免在收到SV分組之前發(fā)送數(shù)據(jù)分組引起的重復發(fā)送問題。

4.1.4 動態(tài)自適應發(fā)送HELLO分組

在現(xiàn)有使用HELLO分組的路由算法中，每當計時周期T到達時節(jié)點的網絡層會清零HELLO分組發(fā)送計時器并廣播HELLO分組；而在ERCES算法中，網絡層在收到MAC層發(fā)送幀的跨層信息后也會將HELLO分組發(fā)送計時器清零。這種結合跨層信息動態(tài)調整發(fā)送計時起點的機制擬在解決發(fā)送不必要的HELLO分組的問題，從而節(jié)約無線網絡帶寬和節(jié)點資源。

4.1.5 借助SV刪除節(jié)點緩存中已到達目的節(jié)點的數(shù)據(jù)分組

節(jié)點收到相遇節(jié)點的SV后，判斷是否有數(shù)據(jù)分組滿足條件{目的節(jié)點為相遇節(jié)點∩兩節(jié)點同時存有}，如果有，則將其從本節(jié)點的網絡層緩存中刪除。這種機制擬在解決不能及時清理已達目的節(jié)點的數(shù)據(jù)分組的問題，為節(jié)點節(jié)省存儲空間，而且不產生額外的通信開銷。

4.2 算法操作

ERCES算法具體包含以下6個步驟。

1) 每個節(jié)點的網絡層在一跳范圍內周期性廣播含有節(jié)點網絡地址的HELLO分組。

2) 節(jié)點的物理層進行載波偵聽；如果偵聽到其他節(jié)點發(fā)出的載波，則立即通過跨層信息共享的方式報告網絡層，實現(xiàn)網絡層對相遇節(jié)點的跨層感知，然后關閉跨層報告功能。

3) 網絡層記錄物理層的跨層報告功能的開關狀態(tài)，并且判斷條件{跨層報告功能狀態(tài)為“關”∩HELLO分組發(fā)送計時周期T到達}是否成立；若成立，則立即向物理層發(fā)送一個“開”信息，啟動物理層的跨層報告功能，同時向下層發(fā)送一個HELLO分組。

4) 一個節(jié)點感知到相遇節(jié)點后，立即廣播新產生的數(shù)據(jù)分組。若相遇節(jié)點是通過跨層方式感知到的，則在廣播新數(shù)據(jù)分組之后，立即產生一個 SV分組并在一跳范圍內廣播（以便通知未感知到的鄰居）；同時，MAC層在每發(fā)送完一幀（數(shù)據(jù)幀或控制幀）之后，都會立即跨層通知網絡層將 HELLO分組發(fā)送計時器的值清零以重新計時。

5) 若一個節(jié)點收到鄰居節(jié)點發(fā)出的SV，則將滿足條件{目的節(jié)點為對方∩雙方共同緩存}的數(shù)據(jù)分組從自己的緩存中刪除；然后，發(fā)送目的節(jié)點為對方的數(shù)據(jù)分組；最后，通過Request分組將滿足{自己未存儲∩對方已存儲}條件的數(shù)據(jù)分組的信息發(fā)送給對方。

6) 若節(jié)點收到Request分組，則將請求發(fā)送的數(shù)據(jù)分組發(fā)送給對方；同時，將已到達目的節(jié)點的數(shù)據(jù)分組從緩存中刪除，但保存它們的索引信息以供更新其他節(jié)點的分組緩存。

4.3 相遇時間閾值計算

相遇時間閾值主要用于判斷節(jié)點相遇事件是再次相遇還是上次相遇的不間斷延續(xù)。

根據(jù)上述的分布函數(shù)可得概率密度函數(shù)f (x)為

因而可得節(jié)點B與A的平均距離，即圖2中的a為

根據(jù)圖2及余弦定理可得

圖2 節(jié)點相對運動示意

則 BB'的距離 R(θ)為

其中，θ 在[0, π]服從均勻分布（θ在[0, 2π]具有對稱性），則概率密度函數(shù)為

根據(jù)式（5）和式（6），則可得到節(jié)點 B離開節(jié)點A通信范圍的平均距離S()θ為

將式（8）代入式（7）中可得

則相遇時間閾值為

4.4 性能分析

4.4.1 相遇節(jié)點感知時間

關于 ERCES算法的相遇節(jié)點感知時間，有如下引理。

引理1 ERCES算法的相遇節(jié)點感知時間少于ER-HELLO算法。

證明 假設節(jié)點A、B發(fā)送HELLO分組的周期均為 T，發(fā)送開始時刻分別為 t1、t2，t3、t4分別表示A、B發(fā)送非HELLO分組（如數(shù)據(jù)分組）的時刻，為具有一般性，設t1=0，t2＞0，節(jié)點相遇事件的發(fā)生概率為隨機均勻分布，任取一個周期的時序如圖3所示。

圖3 HELLO分組發(fā)送時序

根據(jù)圖3，可計算ER-HELLO感知相遇節(jié)點所需時間的數(shù)學期望為

經過跨層協(xié)同設計后，節(jié)點感知相遇節(jié)點所需時間的數(shù)學期望為

對比式（11）與（12），有

即相遇節(jié)點感知時間被縮短。

證畢。

4.4.2 計算復雜度

設機會網絡的覆蓋面積為 S，節(jié)點數(shù)為 N，節(jié)點的通信半徑為r、平均運動速度為v，數(shù)據(jù)分組平均產生速率為 p，網絡運行時間為 T。以下從時間復雜度、存儲復雜度和通信復雜度 3個方面推導ERCES算法的計算復雜度。

1）時間復雜度

由條件可知節(jié)點的度D為

一個數(shù)據(jù)分組在最極端的情況下需要經過N-1次轉發(fā)才能到達目的節(jié)點，即需要與 N-1-D個節(jié)點相遇。假設節(jié)點在網絡中均勻分布，則節(jié)點間的平均距離為則節(jié)點在最極端情況下需運動的距離d為

消耗的時間t為

則時間復雜度Ct為

2) 存儲復雜度

節(jié)點在網絡運行t之后存儲的數(shù)據(jù)分組與p、T、N等參數(shù)正相關，存儲復雜度Cs為

3) 通信復雜度

由于一個數(shù)據(jù)分組在最極端的情況下需要經過N-1次轉發(fā)才能到達目的節(jié)點，因此通信復雜度Cc為

5 仿真實驗

選取經典的ER算法及其改進版ER-HELLO、ARER算法作為比較對象，在相同的仿真參數(shù)條件下，比較4種算法的歸一化控制開銷等性能。

5.1 仿真統(tǒng)計量

1) 歸一化控制開銷

歸一化控制開銷是所有節(jié)點發(fā)出的控制分組包含的比特數(shù)與所有節(jié)點發(fā)送的控制分組和到達目的節(jié)點的數(shù)據(jù)分組包含的比特數(shù)之比，計算公式為

其中，CP表示所有節(jié)點發(fā)送的控制分組包含的比特數(shù)，DP表示所有到達目的節(jié)點的數(shù)據(jù)分組的比特數(shù)。

2) 平均端到端時延

平均端到端時延是指到達目的節(jié)點的數(shù)據(jù)分組的平均耗時，計算公式為

其中，Ti表示第i個到達目的節(jié)點的數(shù)據(jù)分組的時延，D表示到達目的節(jié)點的數(shù)據(jù)分組數(shù)。

3) 節(jié)點平均緩存分組數(shù)

節(jié)點平均緩存分組數(shù)用來表明節(jié)點使用緩存的情況，計算公式為

其中，Ki表示第i個節(jié)點緩存的分組數(shù)，N為節(jié)點數(shù)。

4) 相遇節(jié)點平均感知時間

相遇節(jié)點平均感知時間用于顯示感知相遇節(jié)點的平均用時，計算公式為

其中，tall表示感知相遇節(jié)點總耗時，Cdiscovery表示感知到相遇節(jié)點的次數(shù)。

5) 數(shù)據(jù)分組傳送成功率

數(shù)據(jù)分組傳送成功率是指到達目的節(jié)點的數(shù)據(jù)分組數(shù)與所有源節(jié)點發(fā)送的數(shù)據(jù)分組數(shù)之比，計算公式為

其中，D表示已到達目的節(jié)點的數(shù)據(jù)分組數(shù)，S表示所有源節(jié)點發(fā)送的數(shù)據(jù)分組數(shù)。

5.2 仿真參數(shù)設置

本文以OPNET作為仿真軟件平臺，并根據(jù)文獻[9]設置節(jié)點的業(yè)務模型，節(jié)點移動模型選用random waypoint，主要仿真參數(shù)設置如表1所示。

表1 主要仿真參數(shù)設置

5.3 仿真結果及分析

根據(jù)節(jié)點通信范圍的不同共設有 5種仿真場景，在每種仿真場景下分別運行ERCES、ARER、ER-HELLO、ER-IMEP路由算法；每組實驗分別進行4次，實驗結果取平均值；然后比較分析4種算法的歸一化控制開銷、數(shù)據(jù)分組平均端到端時延等5方面性能。

1) 歸一化控制開銷

從圖4可看出，ERCES算法的歸一化控制開銷在每個場景中均低于 ER-IMEP算法及其改進算法ER-HELLO、ARER，而且隨著節(jié)點通信范圍的增加，從0.89下降到0.82。ERCES算法能夠減少歸一化控制開銷主要原因是通過跨層動態(tài)調整 HELLO分組發(fā)送計時起點，減少了不必要HELLO分組；而控制開銷隨節(jié)點通信范圍增大而降低的原因，則在于大的通信范圍能產生更多的通信鏈路，進一步抑制HELLO分組的發(fā)送。

圖4 歸一化控制開銷比較

2) 數(shù)據(jù)分組平均端到端時延

圖5顯示，與ARER等算法相比，ERCES算法能夠減小分組平均端到端時延11.3% (R=100 m：(46.959-41.673)/46.959≈0.113)～54%(R=25 m： (156.5-72.024)/ 156.5≈0.54)，產生這個結果的原因主要有三方面：(a) ERCES使用跨層信息共享的方式快速感知相遇節(jié)點，縮短了相遇節(jié)點感知時延；(b) 廣播新產生的數(shù)據(jù)分組，加快了數(shù)據(jù)分組的傳播過程；(c) 優(yōu)先發(fā)送目的節(jié)點為相遇節(jié)點的數(shù)據(jù)分組，對分組時延有降低作用。

圖5 分組平均端到端時延比較

3) 節(jié)點平均緩存分組數(shù)

由圖6可知，ERCES算法中節(jié)點的平均緩存分組數(shù)低于其他3種算法，其原因在于ERCES算法借用SV分組刪除了節(jié)點緩存中已到達目的節(jié)點的數(shù)據(jù)分組。ARER算法只在節(jié)點緩存空間受限的情況下才對緩存進行處理，所以與另外2種算法緩存的分組數(shù)相近。

圖6 節(jié)點平均緩存分組數(shù)比較

4) 相遇節(jié)點平均感知時間

相遇節(jié)點感知時間與選擇的HELLO分組發(fā)送周期、相遇時間間隔閾值等因素有關。如圖7所示，ERCES算法的相遇節(jié)點平均感知時間在每個場景中均低于其他3種算法，它至少減少了16.6%(R=10 m：(1.401-1.168)/1.401≈0.166）的感知時間，其主要原因是 ERCES算法采用跨層信息共享的方式使網絡層更快地對節(jié)點相遇事件做出反應，從而降低了相遇節(jié)點感知耗時。

圖7 平均相遇節(jié)點感知時間比較

5) 發(fā)送的HELLO分組數(shù)

如圖 8所示，在 ERCES算法中節(jié)點發(fā)送的HELLO分組數(shù)明顯小于其他3種算法，這主要是由于它采用了動態(tài)自適應的 HELLO分組發(fā)送機制，從而減少了不必要的HELLO分組發(fā)送，減少幅度為 13.6%(R=10 m)～44.3%(R=100 m)。

6) 數(shù)據(jù)分組傳送成功率

從表 2可以看出，ERCES算法與其他 3種算法一樣，在5個場景中的數(shù)據(jù)分組傳送成功率均達到了 100%，這說明它保持了數(shù)據(jù)傳輸?shù)母呖煽啃浴?/p>

表2 數(shù)據(jù)分組傳送成功率比較

6 結束語

本文針對現(xiàn)有基于epidemic機制的機會網絡路由算法在相遇節(jié)點感知和數(shù)據(jù)分組交換過程中存在冗余的問題，提出了采用跨層感知思路的ERCES路由算法加以解決，理論分析和仿真結果顯示ERCES算法較經典的 ER算法及其多個改進版本具有更低的控制開銷和數(shù)據(jù)分組時延，從而提高了基于epidemic機制的機會網絡路由算法的可用性和用戶體驗，有助于推動機會網絡路由相關研究和應用的深入開展。在未來研究中，將以ERCES算法為基礎，設計跨層節(jié)能的路由算法，構建綠色的機會網絡[18]。

[1] STAVROULAKI V, TSAGKARIS K, LOGOTHETIS M, et al. Opportunistic networks[J]. IEEE Vehicular Technology Magazine, 2011,6(3)：52-59.

[2] 熊永平, 孫利民, 牛建偉等. 機會網絡[J]. 軟件學報, 2009, 20(1)：124-137.XIONG Y P, SUN L M, NIU J W, et al. Opportunistic networks[J].Journal of Software, 2009, 20(1)：124-137.

[3] 葉暉, 陳志剛, 趙明. ON-CRP： 機會網絡緩存替換策略研究[J]. 通信學報, 2010, 31(5)：98-107.YE H, CHEN Z G, ZHAO M. ON-CRP： cache replacement policy for opportunistic networks[J]. Journa1 on Communications, 2010, 31(5)：98-107.

[4] 劉喬壽, 周建二, 張普寧. 機會網絡中基于消息副本數(shù)量的自適應緩存管理策略[J]. 重慶郵電大學學報(自然科學版), 2012, 23(4)：394-399.LIU Q S, ZHOU J E, ZHANG P N. Adaptive cache management method for opportunistic network based on number of message copies[J]. Journal of Chongqing University of Posts and Telecommunications (Natural Science Edition), 2012, 23(4)：394-399.

[5] BURGESS J, GALLAGHER B, JENSEN D, et al. Maxprop： routing for vehicle-based disruption-tolerant networks[A]. The 25th IEEE International Conference on Computer Communications[C]. Washington DC, USA, 2006. 1-11.

[6] BURNS B, BROCK O, LEVINE B N. Mv routing and capacity building in disruption tolerant networks[A]. The 24th Annual Joint Conference of Conference of the IEEE Computer and Communications Societies[C]. Miami, USA, 2005. 398-408.

[7] JATHAR R, GUPTA A. Probabilistic routing using contact sequencing in delay tolerant networks[A]. 2010 the Second International Conference on Communication Systems and Networks[C]. Bangalore, India,2010.1-10.

[8] KO H, OH S, KIM C. Adaptive, asynchronous rendezvous protocol for opportunistic networks[J]. Journal of Electronic Letters, 2012, 48(8)：462-464.

[9] VAHDAT A, BECKER D. Epidemic Routing for Partially Connected Ad Hoc Networks[R]. 2000.

[10] MATSUADA T, TAKINE T. (p, q)-Epidemic routing for sparsely populated mobile ad hoc networks[J]. IEEE Journal on Selected Areas in Communications, 2008, 26(5)：783-793.

[11] TOWER J P, LITTLE T D C. A proposed scheme for epidemic routing with active curing for opportunistic networks[A]. The 22nd International Conference on Advanced Information Networking and Applications Workshops[C]. Okinawa, Japan, 2008. 1696-1701.

[12] WANG X, SHU Y T, JIN Z G, et al. Adaptive randomized epidemic routing for disruption tolerant networks[A]. The 5th International Conference on Mobile Ad Hoc and Sensor Networks[C]. Wu Yi Mountain, China, 2009. 424-429.

[13] 任智, 黃勇, 陳前斌. 基于分組索引增量交換的機會網路高效低時延路由算法[J]. 計算機學報, 2010, 33(9)：1634-1642.REN Z, HUANG Y, CHEN Q B. An efficient low-delay routing algorithm for opportunistic networks based on exchange of increments in packet indexes[J]. Chinese Journal of Computers, 2010, 33(9)：1634-1642.

[14] DEMERS A, GREENE D, HAUSER C, et al. Epidemic algorithms for replicated database maintenance[A]. The 6th Symposium on Principles of Distributed Computing[C]. British Columbia, Canada, 1987.8-32.

[15] 任智, 陳前斌, 黃勇. 機會網絡中基于跨層觸發(fā)的相遇節(jié)點快速感知方法[P]. 中國發(fā)明專利, 201010042051.2, 2010.REN Z, CHEN Q B, HUNAG Y. A Fast Approach for Sensing Encountered Nodes in Opportunistic Networks Based on Cross-Layer Triggering[P]. China Invention Patent, 201010042051.2, 2010.

[16] CORSON M S, PAPADEMETRIOU S, PAPADEMETRIOU P, et al. An internet MANET encapsulation protocol (IMEP) specification[EB/OL].http：//tools.ietf.org/html/draft-ietf-manet-imep-spec-00, 2011.

[17] GROSSGLAUSER M, TSE D N C. Mobility increases the capacity of ad hoc wireless networks[J]. IEEE/ACM Transactions on Networking,2002, 10(4)：477-486.

[18] 林闖, 田源, 姚敏. 綠色網絡和綠色評價：節(jié)能機制、模型和評價[J]. 計算機學報, 2011, 34(4)：593-612.LIN C, TIAN Y, YAO M. Green network and green evaluation： mechanism, modeling and evaluation[J]. Chinese Journal of Computers, 2011,34(4)：593-612.