融合社會(huì)關(guān)系的機(jī)會(huì)網(wǎng)絡(luò)有效數(shù)據(jù)轉(zhuǎn)發(fā)策略*

嚴(yán)曄晴，陳志剛+，吳 嘉，王磊磊

1.中南大學(xué) 軟件學(xué)院，長(zhǎng)沙 410075

2.“移動(dòng)醫(yī)療”教育部-中國(guó)移動(dòng)聯(lián)合實(shí)驗(yàn)室，長(zhǎng)沙 410083

1 概述

機(jī)會(huì)網(wǎng)絡(luò)是一種基于移動(dòng)自組網(wǎng)[1]的延遲容忍網(wǎng)絡(luò)。在機(jī)會(huì)網(wǎng)絡(luò)中，由于節(jié)點(diǎn)的移動(dòng)具有隨機(jī)性，節(jié)點(diǎn)之間不存在端到端的穩(wěn)定鏈路。在信息傳遞和數(shù)據(jù)轉(zhuǎn)發(fā)時(shí)，節(jié)點(diǎn)將需要被發(fā)送的信息存儲(chǔ)在自身緩存，再將信息轉(zhuǎn)發(fā)給相遇節(jié)點(diǎn)。信息通過(guò)節(jié)點(diǎn)的運(yùn)動(dòng)不斷地進(jìn)行轉(zhuǎn)發(fā)，直到目的節(jié)點(diǎn)接收到數(shù)據(jù)信息時(shí)轉(zhuǎn)發(fā)過(guò)程結(jié)束。這種數(shù)據(jù)傳輸方式被稱(chēng)作“存儲(chǔ)-攜帶-轉(zhuǎn)發(fā)”機(jī)制，是機(jī)會(huì)網(wǎng)絡(luò)中數(shù)據(jù)傳遞和路由選擇的基本原則[2-3]。由于通信路徑的不穩(wěn)定性，傳統(tǒng)的端到端的數(shù)據(jù)轉(zhuǎn)發(fā)機(jī)制在機(jī)會(huì)網(wǎng)絡(luò)中不再適用，怎樣在機(jī)會(huì)網(wǎng)絡(luò)中使用高效的路由算法成了目前面臨的最大挑戰(zhàn)[4]。

現(xiàn)今機(jī)會(huì)網(wǎng)絡(luò)的應(yīng)用場(chǎng)景越來(lái)越多，主要適用于沒(méi)有固定基礎(chǔ)設(shè)施的惡劣環(huán)境下的網(wǎng)絡(luò)通信。由于貧富差距的存在，在偏遠(yuǎn)地區(qū)經(jīng)常存在因網(wǎng)絡(luò)基礎(chǔ)設(shè)施不完善而不能接入互聯(lián)網(wǎng)的情形，而使用機(jī)會(huì)網(wǎng)絡(luò)技術(shù)能夠提供非即時(shí)，但價(jià)格低廉、相對(duì)可用的網(wǎng)絡(luò)服務(wù)。在不能覆蓋無(wú)線信號(hào)的大范圍區(qū)域內(nèi)進(jìn)行的野生動(dòng)物追蹤研究也是機(jī)會(huì)網(wǎng)絡(luò)應(yīng)用的一個(gè)重要領(lǐng)域。在現(xiàn)代社會(huì)使用車(chē)輛出行是一種普遍現(xiàn)象，隨著配置無(wú)線智能設(shè)備的車(chē)輛不斷增多，行駛在道路上的車(chē)輛也可以進(jìn)行無(wú)線短距離通信，從而可以構(gòu)成動(dòng)態(tài)的、密度不均勻的、節(jié)點(diǎn)不定速移動(dòng)的車(chē)載無(wú)線網(wǎng)絡(luò)，這種車(chē)載無(wú)線網(wǎng)絡(luò)也是機(jī)會(huì)網(wǎng)絡(luò)的一個(gè)重要應(yīng)用場(chǎng)景。

機(jī)會(huì)網(wǎng)絡(luò)展示的是一種在不穩(wěn)定狀態(tài)下，通過(guò)節(jié)點(diǎn)移動(dòng)帶來(lái)的接觸機(jī)會(huì)進(jìn)行數(shù)據(jù)傳輸?shù)囊苿?dòng)自組織網(wǎng)絡(luò)傳播方式[5]，也是基于“存儲(chǔ)-攜帶-轉(zhuǎn)發(fā)”策略的數(shù)據(jù)轉(zhuǎn)發(fā)模型。兩種簡(jiǎn)單的路由選擇算法在機(jī)會(huì)網(wǎng)絡(luò)中開(kāi)始普及使用。一種是Epidemic算法，是一種類(lèi)似于疾病傳播的數(shù)據(jù)轉(zhuǎn)發(fā)機(jī)制，該算法中所有的節(jié)點(diǎn)簡(jiǎn)單地將信息傳遞給所有相遇節(jié)點(diǎn)，具有較高的消息傳輸成功率，但網(wǎng)絡(luò)開(kāi)銷(xiāo)也較大。另一種是Direct Transmission算法，與Epidemic算法不同的是采用Direct Transmission算法時(shí)，節(jié)點(diǎn)只有在遇到目的節(jié)點(diǎn)時(shí)才傳遞信息，其余情況時(shí)不傳遞信息。和其他算法相比Direct Transmission算法網(wǎng)絡(luò)開(kāi)銷(xiāo)非常小，但是傳輸成功率低。

然而，隨著各種具有短距離通信功能的便攜式移動(dòng)設(shè)備的迅速普及，平板電腦、手機(jī)、車(chē)載感知設(shè)備等終端被人類(lèi)在日常生活中所攜帶,且處于不斷的運(yùn)動(dòng)之中。人們?cè)谏鐣?huì)生活中的活動(dòng)不僅符合機(jī)會(huì)網(wǎng)絡(luò)節(jié)點(diǎn)隨機(jī)移動(dòng)的特點(diǎn)[6]，而且出現(xiàn)了人類(lèi)社會(huì)的某些社會(huì)特性。研究表明，節(jié)點(diǎn)間的社會(huì)關(guān)系對(duì)節(jié)點(diǎn)之間的相遇時(shí)間和持續(xù)時(shí)間具有重要的影響，可以提高網(wǎng)絡(luò)的消息傳輸成功率，并減小路由開(kāi)銷(xiāo)[7]。然而，在這種應(yīng)用場(chǎng)景內(nèi)，普通的機(jī)會(huì)網(wǎng)絡(luò)信息傳輸與數(shù)據(jù)轉(zhuǎn)發(fā)機(jī)制不再占有優(yōu)勢(shì)，基于社區(qū)和社會(huì)性的機(jī)會(huì)網(wǎng)絡(luò)算法更為適用和穩(wěn)定。

本文研究了節(jié)點(diǎn)間的社會(huì)關(guān)系，提出了一種融合社區(qū)和社會(huì)性的機(jī)會(huì)網(wǎng)絡(luò)有效數(shù)據(jù)轉(zhuǎn)發(fā)策略（a transmission data forwarding strategy integrating social relationships in opportunistic networks，EFIS）。本文在一定時(shí)間周期內(nèi)，對(duì)機(jī)會(huì)網(wǎng)絡(luò)中的節(jié)點(diǎn)進(jìn)行社區(qū)劃分，利用網(wǎng)絡(luò)的社會(huì)性對(duì)社團(tuán)結(jié)構(gòu)中的節(jié)點(diǎn)進(jìn)行精簡(jiǎn)，縮小網(wǎng)絡(luò)規(guī)模。實(shí)驗(yàn)結(jié)果證明本文提出的這種算法可以準(zhǔn)確地減少網(wǎng)絡(luò)中的低效或者無(wú)效節(jié)點(diǎn)，提高網(wǎng)絡(luò)傳輸效率，減小資源消耗。

本文貢獻(xiàn)如下：

（1）在機(jī)會(huì)網(wǎng)絡(luò)中，提出一種融合社區(qū)和社會(huì)性的數(shù)據(jù)轉(zhuǎn)發(fā)策略。將網(wǎng)絡(luò)劃分成社團(tuán)之后，采用了一種方法來(lái)減少低效節(jié)點(diǎn)。

（2）在減少低效節(jié)點(diǎn)之后再次將社團(tuán)結(jié)構(gòu)進(jìn)行收縮，以保持社團(tuán)的緊密性和數(shù)據(jù)傳遞的高效性。

（3）在保證傳輸成功率的同時(shí)，減少了無(wú)效節(jié)點(diǎn)的耗能，降低了網(wǎng)絡(luò)路由開(kāi)銷(xiāo)。

本文的結(jié)構(gòu)劃分如下：在第2章中，描述并分析了機(jī)會(huì)網(wǎng)絡(luò)現(xiàn)有的研究成果和相關(guān)工作。在第3章中，提出了一種基于社區(qū)和社會(huì)性的數(shù)據(jù)轉(zhuǎn)發(fā)方法。仿真實(shí)驗(yàn)的結(jié)果將在第4章給出。第5章對(duì)本文做的相關(guān)工作進(jìn)行了總結(jié)。

2 相關(guān)工作

機(jī)會(huì)網(wǎng)絡(luò)路由作為實(shí)現(xiàn)間歇式通信環(huán)境下節(jié)點(diǎn)通信的理論基礎(chǔ)，具有十分重要的研究意義。基于“存儲(chǔ)-攜帶-轉(zhuǎn)發(fā)”的數(shù)據(jù)轉(zhuǎn)發(fā)模式，現(xiàn)提出的多種數(shù)據(jù)轉(zhuǎn)發(fā)方式和路由算法的目標(biāo)均致力于減小數(shù)據(jù)轉(zhuǎn)發(fā)造成的路由開(kāi)銷(xiāo)和提高數(shù)據(jù)傳輸成功率。在機(jī)會(huì)網(wǎng)絡(luò)中，按照在數(shù)據(jù)轉(zhuǎn)發(fā)時(shí)是否需要額外的輔助信息，可以將目前的機(jī)會(huì)網(wǎng)絡(luò)路由算法分為直接型和輔助型。

直接型的機(jī)會(huì)網(wǎng)絡(luò)路由算法可以分為擴(kuò)散傳播、被動(dòng)等待、多拷貝三類(lèi)。文獻(xiàn)[8]提出了一種類(lèi)似疾病傳播的算法Epidemic算法。在Epidemic算法中，當(dāng)兩個(gè)節(jié)點(diǎn)相遇時(shí)，通過(guò)交換對(duì)方所緩存數(shù)據(jù)包的ID，判斷對(duì)方節(jié)點(diǎn)具有哪些本節(jié)點(diǎn)所不具備的數(shù)據(jù)，并從對(duì)方節(jié)點(diǎn)獲得這些數(shù)據(jù)，得到兩個(gè)節(jié)點(diǎn)數(shù)據(jù)的一致。通過(guò)節(jié)點(diǎn)之間數(shù)據(jù)的兩兩交換，目的節(jié)點(diǎn)可以得到在它之前所有節(jié)點(diǎn)包含的信息。該算法在某些場(chǎng)景中具有很高的傳輸成功率，很小的傳輸延遲，但同時(shí)網(wǎng)絡(luò)負(fù)載大，算法適應(yīng)性和可擴(kuò)展性差。

文獻(xiàn)[9]提出了一種被動(dòng)等待算法Direct Transmission，該算法是一種源節(jié)點(diǎn)直接等待的數(shù)據(jù)傳播機(jī)制。在數(shù)據(jù)傳輸過(guò)程中，源節(jié)點(diǎn)在沒(méi)有遇到目的節(jié)點(diǎn)之前一直將數(shù)據(jù)信息保存至自身緩存，直到遇到目的節(jié)點(diǎn)才進(jìn)行轉(zhuǎn)發(fā)。Direct Transmission在現(xiàn)有的算法中，具有最低的網(wǎng)絡(luò)開(kāi)銷(xiāo)，但同樣具有非常低的傳輸成功率。文獻(xiàn)[10]提出了一種多拷貝的路由算法Spray and Wait算法。Spray and Wait算法將信息的轉(zhuǎn)發(fā)分成兩個(gè)步驟：在Spray過(guò)程中，源節(jié)點(diǎn)將要傳遞的數(shù)據(jù)信息拷貝N次，將這些數(shù)據(jù)副本傳遞給不同的相遇節(jié)點(diǎn)，然后進(jìn)入Wait過(guò)程。在傳輸過(guò)程中，當(dāng)前節(jié)點(diǎn)不停地將數(shù)據(jù)信息轉(zhuǎn)發(fā)至相遇節(jié)點(diǎn)，直到目的節(jié)點(diǎn)接收到信息時(shí)算法才會(huì)停止。

輔助型的路由算法又根據(jù)在數(shù)據(jù)轉(zhuǎn)發(fā)策略設(shè)計(jì)時(shí)輔助信息的來(lái)源，將現(xiàn)存的一些路由算法進(jìn)一步劃分為基于數(shù)據(jù)屬性、歷史接觸記錄、節(jié)點(diǎn)信息、節(jié)點(diǎn)社會(huì)地位四類(lèi)。文獻(xiàn)[11]提出了一種基于數(shù)據(jù)屬性的機(jī)會(huì)網(wǎng)絡(luò)路由策略。在多個(gè)數(shù)據(jù)進(jìn)行傳輸時(shí)，數(shù)據(jù)具有多種優(yōu)先級(jí)，使用優(yōu)先級(jí)執(zhí)行緩沖區(qū)管理可以改善機(jī)會(huì)網(wǎng)絡(luò)路由的性能。該算法提出可以根據(jù)數(shù)據(jù)屬性信息，給定一些數(shù)據(jù)的優(yōu)先級(jí)。在數(shù)據(jù)轉(zhuǎn)發(fā)時(shí)，節(jié)點(diǎn)比較緩存內(nèi)所存儲(chǔ)數(shù)據(jù)信息的優(yōu)先級(jí)，按優(yōu)先級(jí)高低順序依次進(jìn)行存儲(chǔ)信息的轉(zhuǎn)發(fā)。文獻(xiàn)[12]利用節(jié)點(diǎn)的歷史接觸記錄，提出了一種基于節(jié)點(diǎn)概率的路由算法PRoPHET。當(dāng)兩個(gè)節(jié)點(diǎn)相遇時(shí)，它們的接觸概率增加，否則隨著時(shí)間變長(zhǎng)，接觸概率變小。PRoPHET算法通過(guò)節(jié)點(diǎn)交互的歷史記錄計(jì)算轉(zhuǎn)發(fā)概率并提出路由轉(zhuǎn)發(fā)的可能路徑，具有和Epidemic算法相差無(wú)幾的傳輸成功率，但是具有更低的路由開(kāi)銷(xiāo)。

文獻(xiàn)[13]提出了一種基于社團(tuán)結(jié)構(gòu)進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā)的標(biāo)簽策略算法Label算法。該算法利用了節(jié)點(diǎn)歷史紀(jì)錄中所屬社團(tuán)結(jié)構(gòu)的信息為每個(gè)節(jié)點(diǎn)打上標(biāo)簽，表明其所在社區(qū)的信息。節(jié)點(diǎn)在數(shù)據(jù)轉(zhuǎn)發(fā)過(guò)程中，只將消息傳遞給目的節(jié)點(diǎn)或者與目的節(jié)點(diǎn)相同標(biāo)簽的其他節(jié)點(diǎn)。該算法操作簡(jiǎn)便，但是傳輸時(shí)延大。文獻(xiàn)[14]提出了一種基于社區(qū)的轉(zhuǎn)發(fā)算法Bubble Rap。根據(jù)節(jié)點(diǎn)間交互信息的歷史紀(jì)錄可以得到節(jié)點(diǎn)的活躍度，該算法將所有節(jié)點(diǎn)按照活躍度進(jìn)行排名，得到全局排名和在社區(qū)中的局部排名。在數(shù)據(jù)轉(zhuǎn)發(fā)時(shí)，節(jié)點(diǎn)按照全局排名依次將數(shù)據(jù)轉(zhuǎn)發(fā)給排名較高的節(jié)點(diǎn)，直到轉(zhuǎn)發(fā)給與目的節(jié)點(diǎn)處于同一社區(qū)的節(jié)點(diǎn)；再按照局部排名，在社區(qū)中進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā)，直至目的節(jié)點(diǎn)收到數(shù)據(jù)信息。Bubble Rap算法采用單拷貝的策略，傳輸成功率較低，轉(zhuǎn)發(fā)延遲高。

文獻(xiàn)[15]提出了一種基于節(jié)點(diǎn)速度的移動(dòng)機(jī)會(huì)網(wǎng)絡(luò)路由算法。這種算法在保證平均速度的同時(shí)研究速度多樣性對(duì)移動(dòng)機(jī)會(huì)網(wǎng)絡(luò)的影響。節(jié)點(diǎn)速度多樣性意味著較長(zhǎng)的平均通信時(shí)間，以及在持續(xù)的總通信時(shí)間內(nèi)通信的數(shù)量較少。這種算法通過(guò)調(diào)整節(jié)點(diǎn)速度多樣性可以提高網(wǎng)絡(luò)節(jié)點(diǎn)對(duì)資源的利用率，減少網(wǎng)絡(luò)開(kāi)銷(xiāo)。文獻(xiàn)[16]提出了一種利用網(wǎng)絡(luò)編碼的數(shù)據(jù)轉(zhuǎn)發(fā)策略。這種算法利用一些能發(fā)現(xiàn)節(jié)點(diǎn)相遇可能性、包工具和編碼的機(jī)制，提高網(wǎng)絡(luò)的吞吐量。該算法的主要目標(biāo)是在資源有限的條件下增加發(fā)現(xiàn)最佳路徑的可能性，通過(guò)精確的建模和評(píng)估方法提高路由算法的有效性。

本文提出了一種融合人社區(qū)和社會(huì)性的高效數(shù)據(jù)轉(zhuǎn)發(fā)策略，將機(jī)會(huì)網(wǎng)絡(luò)中的節(jié)點(diǎn)劃分成若干個(gè)社區(qū)結(jié)構(gòu)。社區(qū)劃分之后根據(jù)社區(qū)結(jié)構(gòu)中節(jié)點(diǎn)的特征刪除一部分低效節(jié)點(diǎn)，并進(jìn)行社團(tuán)結(jié)構(gòu)的再收縮。這種數(shù)據(jù)轉(zhuǎn)發(fā)方式將社區(qū)結(jié)構(gòu)進(jìn)行了精簡(jiǎn)，利用了社區(qū)內(nèi)部傳輸速度較快的特點(diǎn)，使數(shù)據(jù)轉(zhuǎn)發(fā)過(guò)程快速和高效，且相對(duì)穩(wěn)定和安全。

3 系統(tǒng)模型

3.1 社區(qū)劃分策略

機(jī)會(huì)網(wǎng)絡(luò)中，在一定時(shí)間范圍內(nèi)，網(wǎng)絡(luò)中節(jié)點(diǎn)的分布具有社會(huì)性，可以被劃分為不同的社區(qū)。本文周期性地對(duì)節(jié)點(diǎn)的連接狀態(tài)進(jìn)行統(tǒng)計(jì)，按一定的時(shí)間間隔動(dòng)態(tài)地劃分網(wǎng)絡(luò)的結(jié)構(gòu)。在實(shí)際網(wǎng)絡(luò)中并不存在絕對(duì)的彼此獨(dú)立的社團(tuán)結(jié)構(gòu)，網(wǎng)絡(luò)由許多彼此重疊互相關(guān)聯(lián)的社團(tuán)構(gòu)成[17]，并不能劃分為若干個(gè)相互分離的社區(qū)。若可以在一個(gè)網(wǎng)絡(luò)中縮減節(jié)點(diǎn)數(shù)量，減小網(wǎng)絡(luò)規(guī)模，就能得到連接更為緊密的網(wǎng)絡(luò)結(jié)構(gòu)。

一個(gè)社團(tuán)可以看作由多個(gè)相互連通的“小的全耦合網(wǎng)絡(luò)”的集合，這些“全耦合網(wǎng)絡(luò)”稱(chēng)為“派系”。在利用派系過(guò)濾算法進(jìn)行社團(tuán)劃分的時(shí)候，只要找到網(wǎng)絡(luò)中各部分最大的全耦合子圖，就可以利用該子圖來(lái)尋找派系的連通子圖，從而根據(jù)派系劃分將網(wǎng)絡(luò)劃分成許多個(gè)不重疊的社區(qū)。

定義1（全耦合網(wǎng)絡(luò)可能的初始大小N）網(wǎng)絡(luò)中可能存在的最大全耦合網(wǎng)絡(luò)的大小N。

定義2（全耦合網(wǎng)絡(luò)）若在一個(gè)網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)到其他任意節(jié)點(diǎn)都存在路徑，則稱(chēng)這個(gè)網(wǎng)絡(luò)為全耦合網(wǎng)絡(luò)。

定義3（重疊矩陣）類(lèi)似于鄰接矩陣的結(jié)構(gòu)，矩陣的每一列對(duì)應(yīng)一個(gè)派系，對(duì)角線上的值對(duì)應(yīng)相應(yīng)派系的規(guī)模，非對(duì)角線上元素代表兩個(gè)派系公共節(jié)點(diǎn)數(shù)。

已知網(wǎng)絡(luò)G=(V,E)，其中V={V1,V2,…,Vn}為節(jié)點(diǎn)集，表示n個(gè)節(jié)點(diǎn)的集合；設(shè)置一個(gè)可能的全耦合網(wǎng)絡(luò)的大小N。從某個(gè)節(jié)點(diǎn)Vi出發(fā)，找到所有包含節(jié)點(diǎn)Vi且大小為N的社團(tuán)結(jié)構(gòu)后，刪除節(jié)點(diǎn)Vi及連接該節(jié)點(diǎn)的所有的邊。在找到所有大小為N的派系后，令N=N-1，不斷迭代直到N為2。至此，就找到了社團(tuán)中所有的社團(tuán)結(jié)構(gòu)。本文使用10個(gè)節(jié)點(diǎn)圖示說(shuō)明基于派系過(guò)濾算法的社區(qū)劃分，這里設(shè)置N值為4。

使用派系過(guò)濾算法時(shí)，通常采用從大到小、迭代回歸的算法來(lái)尋找網(wǎng)絡(luò)中的派系。若一個(gè)頂點(diǎn)v和派系K所有的頂點(diǎn)都鄰接，則稱(chēng)頂點(diǎn)v為派系K的鄰接頂點(diǎn)。若是派系的鄰接頂點(diǎn)與此派系的其他鄰接點(diǎn)不再鄰接，則稱(chēng)此鄰接節(jié)點(diǎn)為第一類(lèi)鄰接點(diǎn)；若是派系的鄰接頂點(diǎn)與派系的其他鄰接頂點(diǎn)有連接，則稱(chēng)此鄰接頂點(diǎn)為第二類(lèi)鄰接頂點(diǎn)。

對(duì)于一個(gè)初始節(jié)點(diǎn)Vi，設(shè)置一個(gè)包含所有兩兩相連的節(jié)點(diǎn)的集合A和一個(gè)與A中所有節(jié)點(diǎn)都相連的節(jié)點(diǎn)的集合B。集合B包含第一類(lèi)鄰接節(jié)點(diǎn)和第二類(lèi)鄰接節(jié)點(diǎn)。對(duì)節(jié)點(diǎn)Vi進(jìn)行遍歷，初始集合A={Vi}，B=Neighbor[Vi]，從集合B中移出一個(gè)節(jié)點(diǎn)放置到集合A。檢查B中現(xiàn)存的所有元素是否仍然與A中所有節(jié)點(diǎn)相連，并刪除B中不再與A中所有節(jié)點(diǎn)均相連的節(jié)點(diǎn)。根據(jù)這種方式不斷地進(jìn)行節(jié)點(diǎn)移動(dòng)與刪除，以尋找網(wǎng)絡(luò)中的所有派系。在這個(gè)過(guò)程中，若A的大小未達(dá)到N之前B已經(jīng)為空，或A、B為一個(gè)之前遍歷時(shí)就已經(jīng)存在的派系的子集，則停止計(jì)算返回遞歸第一步，再尋找下一個(gè)初始節(jié)點(diǎn)進(jìn)行迭代遍歷。反之，就得到一個(gè)新的派系，記錄該派系，然后返回遞歸第一步繼續(xù)尋找新的派系。本文采用如圖1所示的10節(jié)點(diǎn)網(wǎng)絡(luò)，圖示說(shuō)明派系劃分的過(guò)程。

Fig.1 10-node network圖1 某10節(jié)點(diǎn)網(wǎng)絡(luò)結(jié)構(gòu)

在這個(gè)10節(jié)點(diǎn)的網(wǎng)絡(luò)結(jié)構(gòu)中，目標(biāo)是將網(wǎng)絡(luò)劃分為派系為4的社團(tuán)結(jié)構(gòu)。則假設(shè)初始節(jié)點(diǎn)V1，此時(shí)的集合B=Neighbor[V1]={V2,V3,V5,V6,V7}；若將節(jié)點(diǎn)V2移入集合A，集合B={V3,V5,V6,V7}，此時(shí)V3、V5、V6、V7與V1、V2均相連，不刪除任何節(jié)點(diǎn)；再將節(jié)點(diǎn)V3移入集合A，集合B中仍然與A中節(jié)點(diǎn)均連接的節(jié)點(diǎn)只剩下V5、V6。因?yàn)榧螦的大小未達(dá)到N且集合B不為空，故仍然可以進(jìn)行遍歷迭代。在遍歷節(jié)點(diǎn)V2時(shí)，存在一個(gè)與遍歷V1時(shí)相同的派系或派系的子集，此時(shí)該派系不保存。

找到了所有大小為設(shè)定全耦合網(wǎng)絡(luò)大小4的派系后，將設(shè)定的初始派系大小N減1，再次進(jìn)行派系的迭代尋找，直至N為2時(shí)停止。這樣就得到了網(wǎng)絡(luò)中的所有全耦合網(wǎng)絡(luò)。

利用迭代回歸的思想，對(duì)網(wǎng)絡(luò)中所有節(jié)點(diǎn)進(jìn)行遍歷，得到該網(wǎng)絡(luò)的6個(gè)派系如圖2所示。

Fig.2 Result of clique partition圖2 派系劃分結(jié)果

在找到網(wǎng)絡(luò)中這些所有的派系后，可以得到這些派系的重疊矩陣。其中，矩陣的每一列對(duì)應(yīng)一個(gè)派系，對(duì)角線上的值對(duì)應(yīng)相應(yīng)派系大小，非對(duì)角線上元素代表兩個(gè)派系的公共節(jié)點(diǎn)數(shù)，如式（1）所示。

將派系重疊矩陣中對(duì)角線上小于N，而非對(duì)角線上小于N-1的元素置為0，其他元素置為1，就可以得到N派系社團(tuán)結(jié)構(gòu)的鄰接矩陣式（2）。在這個(gè)矩陣中，各個(gè)連通部分代表各個(gè)N派系的社團(tuán)。

根據(jù)式（2）的連通性分析，得到該網(wǎng)絡(luò)的兩個(gè)派系社團(tuán)結(jié)構(gòu)如圖3所示。

Fig.3 Result of community partition圖3 網(wǎng)絡(luò)中的社團(tuán)劃分結(jié)果

在網(wǎng)絡(luò)結(jié)構(gòu)中，采用如上的社區(qū)劃分策略可以將網(wǎng)絡(luò)劃分為若干個(gè)社團(tuán)結(jié)構(gòu)。

3.2 社團(tuán)結(jié)構(gòu)收縮策略

機(jī)會(huì)網(wǎng)絡(luò)是一種不存在端到端連接路徑的間歇性通信網(wǎng)絡(luò)，但由于節(jié)點(diǎn)的移動(dòng)，可以帶來(lái)一定時(shí)間內(nèi)相對(duì)穩(wěn)定的通信機(jī)會(huì)。機(jī)會(huì)路由算法在進(jìn)行信息傳輸與數(shù)據(jù)轉(zhuǎn)發(fā)時(shí)，最重要的原則是尋找到能夠?qū)⒛繕?biāo)信息傳達(dá)到目標(biāo)節(jié)點(diǎn)的最佳路徑。在能夠保證最佳傳輸效率時(shí)，機(jī)會(huì)網(wǎng)絡(luò)作為一種特殊延遲容忍網(wǎng)絡(luò)，可以容忍適當(dāng)?shù)膫鬏敃r(shí)延和消息丟棄。

由于機(jī)會(huì)網(wǎng)絡(luò)的信息傳播依賴于節(jié)點(diǎn)的運(yùn)動(dòng)，不同重要程度的節(jié)點(diǎn)對(duì)網(wǎng)絡(luò)中信息流的影響大不相同，因此衡量節(jié)點(diǎn)的重要程度顯得尤為重要[18]。若不對(duì)節(jié)點(diǎn)重要程度進(jìn)行衡量，因?yàn)楣?jié)點(diǎn)數(shù)目過(guò)多可能造成網(wǎng)絡(luò)擁塞，將大大降低傳輸成功率且造成無(wú)法容忍的時(shí)延。

在將網(wǎng)絡(luò)劃分為若干個(gè)社團(tuán)之后，機(jī)會(huì)網(wǎng)絡(luò)中的節(jié)點(diǎn)從分散的節(jié)點(diǎn)結(jié)合成一個(gè)個(gè)的社團(tuán)結(jié)構(gòu)，但在社團(tuán)結(jié)構(gòu)中，各個(gè)節(jié)點(diǎn)的重要程度也有所差異。為了縮減社團(tuán)結(jié)構(gòu)，可以計(jì)算每個(gè)節(jié)點(diǎn)刪除后網(wǎng)絡(luò)效率的變化來(lái)衡量節(jié)點(diǎn)在社團(tuán)結(jié)構(gòu)中的重要程度。

對(duì)于具有S個(gè)節(jié)點(diǎn)的連通網(wǎng)絡(luò)，dij(i,j=1,2,…,S)表示網(wǎng)絡(luò)中節(jié)點(diǎn)Vi到節(jié)點(diǎn)Vj的最短距離，網(wǎng)絡(luò)的平均距離表示為：

但若網(wǎng)絡(luò)為非連通網(wǎng)絡(luò)，網(wǎng)絡(luò)的平均距離會(huì)成為無(wú)窮大。在這里引用網(wǎng)絡(luò)效率來(lái)衡量節(jié)點(diǎn)重要性，網(wǎng)絡(luò)的網(wǎng)絡(luò)效率表示為：

dii=0，在一個(gè)社團(tuán)結(jié)構(gòu)中，若是刪除節(jié)點(diǎn)Vi后，網(wǎng)絡(luò)效率相對(duì)之前明顯發(fā)生變化，則說(shuō)明網(wǎng)絡(luò)因?yàn)樵摴?jié)點(diǎn)產(chǎn)生了較大變化。在這里設(shè)置一個(gè)閾值衡量這個(gè)變化是否在可控范圍內(nèi)，若刪除節(jié)點(diǎn)之后網(wǎng)絡(luò)效率Kc變大且刪除節(jié)點(diǎn)Vi前后Kc值差的絕對(duì)值大于閾值T，則直接從社團(tuán)網(wǎng)絡(luò)中刪除該節(jié)點(diǎn)。

刪除重要性不高的節(jié)點(diǎn)之后，社團(tuán)結(jié)構(gòu)較之前發(fā)生變化，此時(shí)再次對(duì)社團(tuán)結(jié)構(gòu)進(jìn)行收縮以縮減網(wǎng)絡(luò)規(guī)模。節(jié)點(diǎn)的凝聚度是衡量網(wǎng)絡(luò)結(jié)構(gòu)是否可以收縮的重要指標(biāo)，表示為：

由式（5）和式（6），凝聚度φ[G]可以表示為：

其中,S≥2,D表示一個(gè)網(wǎng)絡(luò)結(jié)構(gòu)中所有節(jié)點(diǎn)的距離合積，當(dāng)網(wǎng)絡(luò)中只有一個(gè)節(jié)點(diǎn)時(shí)，φ[G]=1。G×Vi表示將節(jié)點(diǎn)Vi收縮得到的圖結(jié)構(gòu)，根據(jù)凝聚度可以算出節(jié)點(diǎn)在網(wǎng)絡(luò)中的重要程度：

由式（7）和式（8）可以得出：

其中,ki表示與節(jié)點(diǎn)Vi的鄰接節(jié)點(diǎn)的個(gè)數(shù)。計(jì)算出每個(gè)節(jié)點(diǎn)進(jìn)行收縮后的重要度IM(vi)，若是進(jìn)行收縮后的節(jié)點(diǎn)重要度IM(vi)大于控制參數(shù)ε，則用一個(gè)新的節(jié)點(diǎn)代替原本的節(jié)點(diǎn)及其所連的節(jié)點(diǎn)[19]。通過(guò)對(duì)社團(tuán)結(jié)構(gòu)中節(jié)點(diǎn)的屬性進(jìn)行分析，可以對(duì)社團(tuán)結(jié)構(gòu)的大小進(jìn)行縮減，將社團(tuán)結(jié)構(gòu)進(jìn)一步收縮，提高信息傳播和數(shù)據(jù)轉(zhuǎn)發(fā)的效率，偽代碼如下：

算法1結(jié)構(gòu)收縮策略

輸入：子圖Gn。

輸出：縮減后的子圖Gn′。

3.3 基于社會(huì)性的數(shù)據(jù)轉(zhuǎn)發(fā)策略

節(jié)點(diǎn)收縮之后，網(wǎng)絡(luò)規(guī)模減小，網(wǎng)絡(luò)結(jié)構(gòu)中的節(jié)點(diǎn)的社會(huì)性較強(qiáng)，在進(jìn)行信息傳播和數(shù)據(jù)轉(zhuǎn)發(fā)時(shí)，通過(guò)社區(qū)進(jìn)行轉(zhuǎn)發(fā)。對(duì)于網(wǎng)絡(luò)結(jié)構(gòu)中的N個(gè)社團(tuán)結(jié)構(gòu)，通過(guò)對(duì)社會(huì)性的度量決定節(jié)點(diǎn)的轉(zhuǎn)發(fā)方式。

社會(huì)性定義為節(jié)點(diǎn)通過(guò)網(wǎng)絡(luò)到達(dá)其他節(jié)點(diǎn)的難易程度。社團(tuán)結(jié)構(gòu)的社會(huì)性定義為其社團(tuán)中所有節(jié)點(diǎn)的社會(huì)性的平均值。

起始節(jié)點(diǎn)在信息傳播與數(shù)據(jù)轉(zhuǎn)發(fā)時(shí)，將所攜帶的數(shù)據(jù)復(fù)制若干份，發(fā)送給本節(jié)點(diǎn)的所有鄰接節(jié)點(diǎn)，若鄰接節(jié)點(diǎn)處于某社團(tuán)結(jié)構(gòu)，則將數(shù)據(jù)轉(zhuǎn)發(fā)至自身所在的社團(tuán)結(jié)構(gòu)，否則傳播給自己的所有鄰接節(jié)點(diǎn)。

社區(qū)之間進(jìn)行傳播時(shí)，計(jì)算每個(gè)社區(qū)的社會(huì)性，已經(jīng)得到數(shù)據(jù)副本的社團(tuán)結(jié)構(gòu)對(duì)自己能夠到達(dá)的所有社區(qū)進(jìn)行社會(huì)性的比較，將數(shù)據(jù)副本轉(zhuǎn)發(fā)至社會(huì)性比自身社會(huì)性要高的副本。目的節(jié)點(diǎn)得到數(shù)據(jù)副本時(shí)，轉(zhuǎn)發(fā)結(jié)束，發(fā)送反饋信息至起始節(jié)點(diǎn)。偽代碼如下：

算法2數(shù)據(jù)轉(zhuǎn)發(fā)機(jī)制

輸入：縮減后的子圖Gn′。

輸出：傳輸路徑。

3.4 算法優(yōu)勢(shì)及復(fù)雜度分析

當(dāng)人類(lèi)活動(dòng)對(duì)網(wǎng)絡(luò)結(jié)構(gòu)產(chǎn)生影響時(shí)，移動(dòng)節(jié)點(diǎn)的行為顯示出某些社會(huì)特性。越來(lái)越多的用戶利用具有短距離通信的便攜設(shè)備相互聯(lián)系和共享數(shù)據(jù)。在對(duì)機(jī)會(huì)網(wǎng)絡(luò)的最新研究中，上下文信息、節(jié)點(diǎn)興趣和節(jié)點(diǎn)社會(huì)屬性經(jīng)常被用作指標(biāo)來(lái)度量機(jī)會(huì)網(wǎng)絡(luò)路由的性能。在機(jī)會(huì)社會(huì)網(wǎng)絡(luò)中，最大的問(wèn)題是當(dāng)大量的信息需要被轉(zhuǎn)發(fā)時(shí)，傳輸延遲和路由開(kāi)銷(xiāo)極大。這是因?yàn)槿藗冊(cè)跀?shù)據(jù)傳輸過(guò)程中使用移動(dòng)設(shè)備，而且周?chē)鷽](méi)有合適的節(jié)點(diǎn)可以及時(shí)響應(yīng)，最終導(dǎo)致傳輸延遲。許多現(xiàn)有的算法根據(jù)單個(gè)節(jié)點(diǎn)的社會(huì)特征進(jìn)行路由選擇，并沒(méi)有考慮到機(jī)會(huì)網(wǎng)絡(luò)中的節(jié)點(diǎn)聚集現(xiàn)象與人類(lèi)生活中的社區(qū)非常相似，利用社區(qū)的概念可以減少大量的傳輸延遲和路由開(kāi)銷(xiāo)。

為了解決這些問(wèn)題，該研究提出了一種融合社區(qū)和社會(huì)性的機(jī)會(huì)網(wǎng)絡(luò)有效數(shù)據(jù)轉(zhuǎn)發(fā)策略（EFIS）。由于單個(gè)節(jié)點(diǎn)的負(fù)載能力是有限的。本文采用基于社區(qū)的信息傳輸策略，因?yàn)橥ㄟ^(guò)社區(qū)進(jìn)行的信息傳輸與數(shù)據(jù)轉(zhuǎn)發(fā)具有穩(wěn)定、高效且安全的特點(diǎn)，可以優(yōu)化機(jī)會(huì)網(wǎng)絡(luò)中的信息傳遞。

在本文算法中，采用派系的概念進(jìn)行社區(qū)的劃分，解決了真實(shí)社會(huì)場(chǎng)景中的重疊社區(qū)問(wèn)題。由于在社區(qū)劃分時(shí)單純地使用歷史社會(huì)連接屬性，會(huì)造成社區(qū)內(nèi)的節(jié)點(diǎn)重要程度差距迥異，故提出了一種社區(qū)結(jié)構(gòu)縮減的策略。對(duì)復(fù)雜網(wǎng)絡(luò)中多項(xiàng)節(jié)點(diǎn)重要程度指標(biāo)進(jìn)行了分析后，結(jié)合機(jī)會(huì)網(wǎng)絡(luò)負(fù)載能力較差，節(jié)點(diǎn)移動(dòng)帶來(lái)的信息較少及傳輸不穩(wěn)定等特征，本文采用了網(wǎng)絡(luò)效率這一指標(biāo)進(jìn)行低效節(jié)點(diǎn)的刪減，并使用節(jié)點(diǎn)凝聚度的概念對(duì)社區(qū)結(jié)構(gòu)進(jìn)行了再收縮。實(shí)驗(yàn)證明這種社團(tuán)縮減方式可以有效收縮社區(qū)結(jié)構(gòu)，使社區(qū)結(jié)構(gòu)緊密。

在這個(gè)算法中，EFIS算法的時(shí)間復(fù)雜度是O(n)。信息通過(guò)社區(qū)結(jié)構(gòu)進(jìn)行傳輸，算法具有較高的傳輸速度及較高的傳輸效率。在Spray and Wait算法中，節(jié)點(diǎn)不斷地復(fù)制數(shù)據(jù)并將數(shù)據(jù)分配給它的鄰居，時(shí)間復(fù)雜度是O(n2)，PRoPHET算法的時(shí)間復(fù)雜度也是O(n2)。SCR（effective social relationship measurement and cluster based routing in mobile opportunistic networks）算法中節(jié)點(diǎn)通過(guò)社會(huì)關(guān)系進(jìn)行選擇，形成一個(gè)本地聚類(lèi)，算法復(fù)雜度為O(n)，但是與EFIS算法相比路由開(kāi)銷(xiāo)較大。

4 仿真實(shí)驗(yàn)與結(jié)果分析

4.1 仿真場(chǎng)景及算法參數(shù)

本文使用ONE[20]仿真模擬環(huán)境模擬持有移動(dòng)通信設(shè)備的行人在真實(shí)城市步行的場(chǎng)景,實(shí)現(xiàn)EFIS算法的仿真并與Spray and Wait算法、ProPHET算法和SCR算法進(jìn)行性能比較。仿真場(chǎng)景的參數(shù)具體設(shè)置如表1所示，EFIS算法模型參數(shù)的設(shè)定如表2所示。

本文比較了相同場(chǎng)景下不同的路由算法的性能與表現(xiàn)并且分析了參數(shù)對(duì)EFIS算法的影響。在本文中，將EFIS算法與Spray and Wait算法[10]、PRoPHET算法[12]以及SCR算法[21]進(jìn)行了比較。前兩種算法是機(jī)會(huì)網(wǎng)絡(luò)路由研究中兩種經(jīng)典的算法，SCR算法是一種最新的算法，其基于社會(huì)關(guān)系進(jìn)行集群路由的選擇。選用傳輸成功率、傳輸延遲、路由開(kāi)銷(xiāo)[22]三個(gè)性能指標(biāo)對(duì)算法進(jìn)行性能分析。通過(guò)實(shí)驗(yàn)表明，當(dāng)N=14，t=0.15，ε=0.43時(shí)，EFIS算法性能綜合最優(yōu)。

Table 1 Simulation settings表1 仿真場(chǎng)景設(shè)置

Table 2 Parameter settings of algorithm表2 算法參數(shù)設(shè)置

4.2 實(shí)驗(yàn)結(jié)果分析

4.2.1 社區(qū)劃分周期對(duì)消息傳輸成功率的影響

在社會(huì)聯(lián)系較為緊密的機(jī)會(huì)網(wǎng)絡(luò)中，應(yīng)該采用融合社區(qū)和社會(huì)性的路由轉(zhuǎn)發(fā)策略，社區(qū)劃分周期對(duì)路由算法的影響十分重要。在一個(gè)周期內(nèi)，可以認(rèn)為網(wǎng)絡(luò)中的節(jié)點(diǎn)狀態(tài)和社區(qū)結(jié)構(gòu)不發(fā)生改變，可以穩(wěn)定地進(jìn)行數(shù)據(jù)傳播。如圖4所示，當(dāng)選取的社區(qū)劃分周期較小時(shí)，由于社區(qū)結(jié)構(gòu)不夠穩(wěn)定，造成社區(qū)劃分對(duì)路由算法的指導(dǎo)效果不佳，傳輸成功率較低。隨著劃分周期增大，數(shù)據(jù)傳輸效率相應(yīng)地提高。周期選取為900 s時(shí)，取得最佳傳輸成功率84%。隨著劃分周期繼續(xù)增大，傳輸成功率下降，2 700 s時(shí)，傳輸成功率是72%，算法性能較900 s時(shí)要差。這是因?yàn)樯鐓^(qū)劃分周期過(guò)長(zhǎng)時(shí)，與實(shí)際情況不符。真實(shí)的節(jié)點(diǎn)分布狀態(tài)與假定的穩(wěn)定狀態(tài)不一致，之前的社區(qū)劃分結(jié)果不能很好地表示最新的社區(qū)結(jié)構(gòu)。

Fig.4 Influence of community partition cycle on packet delivery rate圖4 社區(qū)劃分周期對(duì)消息傳輸成功率的影響

4.2.2 節(jié)點(diǎn)緩存和節(jié)點(diǎn)數(shù)目對(duì)路由算法的影響

在進(jìn)行仿真實(shí)驗(yàn)時(shí)，將EFIS算法的性能與兩種傳統(tǒng)算法及一種最新算法進(jìn)行比較。其中PRoPHET算法是基于概率的算法，Spray and Wait算法是基于多拷貝的算法，SCR是基于社會(huì)關(guān)系的聚集算法。

Spray and Wait算法、PRoPHET算法、SCR算法和EFIS算法在不同節(jié)點(diǎn)緩存大小和節(jié)點(diǎn)數(shù)目下對(duì)傳輸成功率的影響如圖5所示。在節(jié)點(diǎn)緩存較小，節(jié)點(diǎn)數(shù)目較少時(shí)，存在消息丟棄，路由算法的傳輸成功率較低。隨著節(jié)點(diǎn)緩存增大，節(jié)點(diǎn)數(shù)目增多，傳輸成功率相應(yīng)提高。EFIS算法通過(guò)網(wǎng)絡(luò)中的社會(huì)性，將網(wǎng)絡(luò)中的節(jié)點(diǎn)劃分成社團(tuán)，對(duì)社團(tuán)結(jié)構(gòu)進(jìn)行精簡(jiǎn)，去除低效節(jié)點(diǎn)后再進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā)。相對(duì)于Spray and Wait算法被動(dòng)等待的特征，PRoPHET算法利用傳輸概率選擇性復(fù)制并轉(zhuǎn)發(fā)的策略，EFIS算法的傳輸成功率要更高。SCR算法是基于社會(huì)關(guān)系的算法，但是SCR算法中的本地聚類(lèi)過(guò)程需要時(shí)間，在只能維持一段時(shí)間穩(wěn)定性的機(jī)會(huì)網(wǎng)絡(luò)中，消息傳輸成功率較EFIS算法差。

在Spray and Wait算法、PRoPHET算法、SCR算法和EFIS算法中，節(jié)點(diǎn)緩存和節(jié)點(diǎn)數(shù)目對(duì)于消息傳輸延遲的影響如圖6所示。隨著節(jié)點(diǎn)緩存增大，節(jié)點(diǎn)數(shù)目增多，算法的傳輸延遲增大。PRoPHET算法基于傳輸概率，在節(jié)點(diǎn)數(shù)目較多時(shí)需要進(jìn)行大量運(yùn)算，傳輸延遲最大。Spray and Wait算法進(jìn)行多拷貝后，被動(dòng)等待目的節(jié)點(diǎn)接收到消息，傳輸延遲也較大。SCR算法由于需要進(jìn)行聚集過(guò)程，前期時(shí)延較大，隨著節(jié)點(diǎn)緩存變大，節(jié)點(diǎn)數(shù)目增多，傳輸時(shí)延較為改善，但仍然比EFIS算法要大。綜上所述，EFIS算法較其他三種算法傳輸時(shí)延較小。

Fig.5 Packet delivery ratio圖5 消息傳輸成功率

Fig.6 Transmission delay圖6 消息傳輸時(shí)延

Fig.7 Routing overhead圖7 路由開(kāi)銷(xiāo)

在Spray and Wait算法、PRoPHET算法、SCR算法和EFIS算法中，節(jié)點(diǎn)緩存、節(jié)點(diǎn)數(shù)目對(duì)路由開(kāi)銷(xiāo)的影響如圖7所示。Spray and Wait算法基于多拷貝，被動(dòng)等待目的節(jié)點(diǎn)，路由開(kāi)銷(xiāo)相對(duì)穩(wěn)定且較小。PRoPHET和EFIS算法隨著節(jié)點(diǎn)緩存增大，節(jié)點(diǎn)數(shù)目增多，路由開(kāi)銷(xiāo)呈變小的趨勢(shì)。由于EFIS算法在社區(qū)劃分后，需要對(duì)結(jié)構(gòu)進(jìn)行收縮需要一定的路由開(kāi)銷(xiāo)，但與PROPHET算法需要不斷地計(jì)算傳輸效率相比較，路由開(kāi)銷(xiāo)相對(duì)較小。SCR算法不僅需要分析節(jié)點(diǎn)的社會(huì)屬性，而且需要進(jìn)行集聚，路由開(kāi)銷(xiāo)較EFIS算法大。因此，相對(duì)其他三種算法，EFIS算法在具有社會(huì)聯(lián)系的機(jī)會(huì)網(wǎng)絡(luò)中路由開(kāi)銷(xiāo)最小。

5 總結(jié)與展望

在機(jī)會(huì)網(wǎng)絡(luò)中，采用“存儲(chǔ)-攜帶-轉(zhuǎn)發(fā)”進(jìn)行數(shù)據(jù)信息的轉(zhuǎn)發(fā)。隨著大量具有短距離通信功能的移動(dòng)設(shè)備的出現(xiàn)，機(jī)會(huì)網(wǎng)絡(luò)呈現(xiàn)了非常強(qiáng)的社會(huì)性，節(jié)點(diǎn)間的社會(huì)關(guān)系對(duì)節(jié)點(diǎn)之間消息傳播具有重要影響，這些影響可以提高網(wǎng)絡(luò)的消息傳輸成功率，并減小路由開(kāi)銷(xiāo)。在這種應(yīng)用場(chǎng)景內(nèi)，普通的機(jī)會(huì)網(wǎng)絡(luò)信息傳輸與數(shù)據(jù)轉(zhuǎn)發(fā)機(jī)制不再占有優(yōu)勢(shì)。

本文提出了一種融合社區(qū)和社會(huì)性的機(jī)會(huì)網(wǎng)絡(luò)數(shù)據(jù)轉(zhuǎn)發(fā)策略，通過(guò)派系過(guò)濾的思想對(duì)網(wǎng)絡(luò)中的節(jié)點(diǎn)進(jìn)行社團(tuán)劃分，根據(jù)節(jié)點(diǎn)對(duì)于網(wǎng)絡(luò)的影響判斷節(jié)點(diǎn)的重要性，刪除低效節(jié)點(diǎn)，并對(duì)社團(tuán)再次進(jìn)行結(jié)構(gòu)收縮。通過(guò)社會(huì)性，EFIS算法將數(shù)據(jù)轉(zhuǎn)發(fā)至社會(huì)性較高的節(jié)點(diǎn)和社區(qū)，具有較高的傳輸成功率和較低的傳輸延遲。

在未來(lái)的工作中，將根據(jù)更多的社交行為來(lái)改進(jìn)本文的數(shù)據(jù)轉(zhuǎn)發(fā)算法，并研究機(jī)會(huì)社會(huì)路由中的安全性和隱私性。