基于马尔可夫相遇时间间隔预测的拥塞控制策略
杨永健, 王恩, 杜占玮
吉林大学 计算机科学与技术学院,长春 130012

杨永健(1960),男,教授,博士生导师.研究方向:无线通信与网络智能.E-mail:yyj@jlu.edu.cn

摘要

提出的基于马尔可夫相遇时间间隔预测的拥塞控制策略(Congestion control strategy based on Markov meeting time span prediction model,CCSMP,主要是通过规定节点缓存的排队方式和丢弃机制,将预测得到的较早与目的节点相遇的报文排于队首,尽可能丢弃效用值较低的报文,进而解决由于节点缓存有限而带来的拥塞问题。通过在ONE环境下进行仿真,与Drop-Front(DF) 和Drop-Oldest(DO)两种拥塞控制策略对比表明:文中提出的拥塞控制策略提高了报文投递率,减小了平均网络时延,并且在一定程度上减少了网络负载比率和丢包率。

关键词: 计算机应用; 拥塞; 马尔可夫相遇时间间隔; 排队方式; 丢弃机制
中图分类号:TP393 文献标志码:A 文章编号:1671-5497(2014)01-0149-09
Congestion control strategy based on Markov meeting time span prediction model
YANG Yong-jian, WANG En, DU Zhan-wei
College of Computer Science and Technology,Jilin University ,Changchun 130012,China
Abstract

In order to solve the problem of the low delivery ratio caused by the limited resources in Delay-Tolerant Networking (DTN), the routing mechanism based on multiple copies is usually used to improve the delivery ratio. However, it may lead to the problem of the overload of node buffer caused by the excessive numbers of copies, then network congestion happens. This paper proposes the congestion control strategy based on Markov meeting time span prediction model CCSMP. It mainly specifies the line method and discarding mechanism of nodes buffer. The predicted messages meeting earlier with destination node are lined in the first, and the messages with lower utility values are discarded as far as possible. Then the congestion problem caused by the limited node buffer is solved. Simulation in ONE environment is carried out to compare the proposed strategy with the two congestion control strategies, Drop-Front( DF) and Drop-Oldest( DO). Simulation results show that the congestion control strategy proposed by this paper improves the message delivery ratio, reduces the average network delay, and to a certain extend reduces the overhead ratio and packet dropped rate.

Keyword: computer application; congestion; Markov meeting time span; line method; discarding mechanism
0 引言

容迟网络[ 1, 2]泛指由于网络拓扑结构不断变化,导致端到端之间没有稳定链路甚至大部分时间处于中断状态的一类网络。2003年,Fall[ 3]在国际会议SIGCOMM上提出了这一概念。传统的无线网络传输模式要求源节点和目的节点之间存在可靠的传输路径,然而容迟网络中由于节点的移动性和连接的间歇性导致传统的路由算法不再适合该网络环境,因此DTN中加入了新的协议层次捆绑层(bundle layer),在该层中引入了“存储—携带—转发[ 4]”的思想和逐跳传输模式来实现节点间的通信,为应对容迟网络高延迟、易中断等带来的传输可靠性下降问题,引入了保管传递(CT)机制[ 5],即除非TTL到期,否则一条保管传输的消息在没找到下一跳可靠传输节点前不能被删除,但是这样很可能会导致网络中存在大量报文副本进而造成拥塞现象。

本文提出了基于马尔可夫[ 6, 7]相遇时间间隔预测的拥塞控制策略,该策略应用马尔可夫模型对携带报文的源节点和该报文的目的节点之间的相遇时间间隔序列进行预测,在预测出缓存的报文中哪一个最有可能最早遇到其目的节点之后,通过模型将这种可能性量化,进而通过量化值结合报文剩余TTL对其进行缓存排序,提出一种新的拥塞控制方法中的排队策略。根据报文在网络中已经复制或者传递的次数确定该报文已经交付到目的节点的可能性,根据剩余TTL值确定该报文未来可能交付到目的节点的可能性,再根据马尔可夫模型预测到的时间间隔即可确定报文下几跳到达目的节点的可能性,结合这三种可能性确定报文在缓存中的丢弃策略[ 8],最后将排队策略和丢弃策略结合应用到节点缓存的管理中,即得到本文所述的基于马尔可夫相遇时间间隔预测的拥塞控制策略。

1 相关工作

目前在容迟网络的研究领域中,更多的研究人员将重点放在路由算法的创新和改进上,很多研究者都会做出节点资源无限性的假设[ 9, 10],而没有考虑实际中所发生的节点缓存拥塞现象。

现有的节点级拥塞控制方法主要有:①Drop Front(DF)[ 11]:首先丢弃缓存空间中排队时间最长的报文;②Drop Last(DL):首先丢弃缓存空间中最新被接收到的报文;③Drop Oldest(DO)[ 12]:首先丢弃缓存空间中剩余生命期(TTL)最小的报文;④Drop Youngest(DY):首先丢弃缓存空间中剩余生命期最大的报文。其中在一些特定场景中DF和DO表现出比较好的性能,这是由于其主要思想是丢弃已经在网络中存活比较久的报文,这些报文的剩余生命周期一般较短,投递到目的节点的可能性较小,因而可以将其丢弃而达到合理化利用资源的目的。

王贵竹等[ 13]提出了容迟网络中基于报文质量的拥塞控制策略,主要是通过剩余TTL和报文已经复制的次数来计算报文质量,当节点缓存发生拥塞时优先丢弃质量较差的报文。John B等[ 14]提出了Maxprop路由策略,将每个节点报文依据跳数多少分为两组,当节点缓存满而又要接收并存储新的报文时,就对这些报文按照其被递交的可能性逐个丢弃。刘期烈等[ 15]在DTN中提出基于复制率的拥塞控制算法,把报文在网络中的复制次数与报文的生成时间做比值,得到复制率,通过丢弃缓存中复制率较低的报文达到缓存优化的效果。

以上对于容迟网络中拥塞控制的研究[ 16, 17]都是考虑报文本身的一些性质,比如剩余TTL、复制的次数等,而没有考虑所携带报文的节点与报文上标有的目的节点相遇的可能情况,本文考虑执行路由算法时有可能存在以下两种情况:

(1)携带报文的节点很快就与该报文的目标节点相遇,但是该报文被排到了队尾,而导致没有将其发送成功。

(2)很快将要与目的节点相遇的报文虽然没有排到队尾,但是由于节点缓存发生拥塞,而导致将该报文丢弃。

这样的两种情况在实际的缓存拥塞控制策略中都是不可以接受的,为了改变这种现状,本文提出了基于马尔可夫相遇时间间隔预测的DTN拥塞控制策略,通过马尔可夫模型预测携带报文的节点与目的节点的相遇时间间隔,将预测得到的下一个时间间隔看成报文效用权值,并通过权值来确定缓存中的排队策略和丢弃策略。

2 模型预测排队和丢弃策略
2.1 基于马尔可夫相遇时间间隔预测模型

在某些含有兴趣节点的场景中,比如校园网络中学生经常出现在教学楼,食堂和宿舍,这些节点间的相遇并不是偶然的,或者说节点之间相遇的时间间隔存在着一种内在规律,因此他们可以通过马尔可夫模型统计以往的时间间隔序列来预测下一个时间间隔的大致范围,这样就能够尽可能准确地找到缓存中有可能最早交付的报文。

文中为了将节点间的相遇时间间隔量化,以便用于马尔可夫模型中进行预测,在本文的实验环境中测试了所有节点之间相遇时间间隔的分布(见图1)。

图1 相遇时间间隔分布Fig.1 Distribution of meeting time span

图1中数据可以看出节点间的时间间隔主要分布在0~2000 s,而文中需要根据时间间隔来预测节点间未来的相遇能力,较长的间隔时间对预测不会带来很大的帮助,基于上述考虑主要对1000 s以内的时间间隔做预测,故在马尔可夫模型中将两个节点相遇的时间间隔记为随机变量X,且序列Xi满足一种时间离散状态离散的马尔可夫链[ 14],取网络中的两个节点,全程记录两个节点的时间间隔序列Xi,并且将按照给定范围不失一般性地划分为10种状态。当0i≤100时记为状态10,当100i≤200时记为状态9,当200i≤300时记为状态8,当300i≤400时记为状态7,当400i≤500时记为状态6,当500i≤600时记为状态5,当600i≤700时记为状态4,当700i≤800时记为状态3,当800i≤900时记为状态2,当900i时记为状态1,故任意两个节点的相遇情况都可以通过一个由1~10组成的状态序列ai表示。

本文所提出的基于马尔可夫相遇时间间隔预测模型可以表示为(S,P,K),其中S是系统所有可能的状态所组成的非空的状态集,本文即为Xi划分出的10种状态(1~10)。 P为状态转移矩阵,其表达式为

(1)

式中: P ij =num ij /num i,表示两个节点最近一次相遇时间间隔为 i,并且下一次相遇时间间隔为 j的概率,其中 num ij表示前一次相遇时间间隔为 i、下一次相遇时间间隔为 j的次数, num i表示相遇时间间隔 i一共出现的次数。

K为当前状态矩阵(1行 N列),其表达式为

K =(0 0 1 … 0 0 0 0) (2)

如果当前的相遇时间间隔为 k,则 K中第 k列的数值为1,其他列的数值为0。

本文认为一些节点之间的相遇时间间隔并不是随机选取的,下一次的相遇时间间隔与最近一次的相遇时间间隔有关,而与之前的相遇情况无关,故根据马尔可夫链的性质:

P( X n =a n |X n-1 =a n-1,…, X1 =a1) = P( X n =a n |X n-1 =a n-1) (3)

X i =T i+1 -T i( i≥1) (4)

式中: T i为第 i次相遇的时间; X i为第 i次与第 i+1次相遇间隔时间; a i为相遇时间间隔所在的状态,区间为[1,10]。

X i由每个节点统计,并且以 a i的形式存储于本地数组中。则源节点 A与任意节点 B i相遇时,首先更新彼此的相遇时间间隔序列,然后查看 B i与目的节点的相遇间隔的历史序列,通过历史序列建立状态转移矩阵 P,通过历史序列的最后一个状态确定当前状态矩阵 K(1 ×N),用状态矩阵 K乘以状态转移矩阵 P,即得预测的下一个相遇时间间隔状态矩阵 K p(1×N)(5)。

K p = K × P (5)

K p中最大的数值所对应的列,即为预测得到的下一个时间间隔的权值。

转移矩阵中 P ij表示由状态 i转移到状态 j的概率,由于当进入状态 i之后,或者保留在状态 i,或者进入另外一个状态,故有:

(6)

假设某点和目的节点的相遇时间间隔序列为2,1,3,2,4,5,4,1,3,2,6,7,9,8,5,10,7,则状态转移矩阵如式(7)所示:

(7)

在式(2)中当前状态为7,则对应的 K =(0 0 0 0 0 0 1 0 0 0),通过式(5)得到 K p= K × P =(0 0 0 0 0 0 0 0 1 0),故预测下一个时间间隔的权值为9。

2 .2 排队策略

排队策略的制定主要从以下两方面来考虑:

(1)一些具有以下特性的报文应该排在缓冲区的队首:携带该报文的节点有可能很快与该报文的目的节点相遇,因为这样的报文有可能直接投递成功。

(2)具有较大的剩余 TTL值的报文应该排在队首,因为这样的报文一般复制次数比较少,网络传染程度比较小,所以应该优先投递,而剩余 TTL较少的报文投递成功的可能性较小,因此排在队尾附近。综上所述,提出了基于效用权值进行排队的控制策略,而效用权值 W的计算式为

(8)

式中: TTL l是指报文的剩余 TTL; TTL a是指报文初始化的 TTL值,而 K p则是基于马尔可夫相遇时间间隔预测模型中携带该报文的节点与报文标识的目的节点相遇时间间隔的状态值,如式(5)。 P值越大证明预测的相遇时间间隔越小,该报文越应该排于队首, TTL l /TTL a值越大证明该报文复制的比率越小,这样的报文也应该优先传送。综上所述 W值越大说明该报文的效用值越高,所以根据 W值的大小进行排队即为我们的排队策略。

2 .3 丢弃策略

制定拥塞控制丢弃策略的原则:

(1)已经成功交付到目的节点的报文应该优先从缓存中丢弃,本文讨论的路由协议不包含目的节点接受到报文后的 ACK确认机制,所以携带报文的节点不知道该报文是否已经成功投递到目的节点。

(2)虽然报文没有交付到目的节点,但是因为报文剩余的 TTL较少,导致报文成功投递的可能性非常小,这样的报文也应该从缓存中丢弃掉。

(3)虽然报文剩余的 TTL较小,但是通过基于马尔可夫相遇时间间隔预测模型预测得到的携带该报文的节点与该报文中标识的目的节点的下一个相遇时间间隔很小,这样的报文可以暂时留下,有可能在很小的 TTL内成功交付到目的节点。

本文认为路由协议中报文在容迟网络中被传递或复制的总次数最能反映报文已经成功交付到目的节点的可能性,报文传播到的节点的个数越多,说明报文蔓延范围越广,接触到目的节点的可能性也就越大。本文在报文的尾部加入一个字段 N,用来准确地统计报文总共感染到的节点的个数,统计策略如下:每当节点之间相遇的时候,所有传递出去的报文在发送节点和接收节点上的 N字段都加1,如果相遇的两个节点有相同的报文,但是报文在 N字段上的数值不一样,就用数值大的报文替换掉数值小的报文,这样一段时间以后网络中多数报文的 N字段可以反映报文感染到的节点的个数,记为 M,统计流程如图2所示。

图2 N的统计过程图Fig.2 Statistical process figure of N

报文的剩余TTL值记为T。报文基于马尔可夫相遇时间间隔预测模型预测得到的状态值记为P。则衡量报文是否应该丢弃的报文权值D可表示为

D=-M×C1+T×C2+P×C3 (9)

M值越小说明投递到目的节点的可能性越小,该报文越应该保留;剩余TTL值越大,T值越大说明该报文越应该保留;P值越大说明预测其与目的节点很快就能相遇,这样的报文也应该保留,所以优先丢弃掉D值小的报文是合理的。其中C1、C2和C3是通过实验确定的比例因子,通过实验分析分别设为0.5,0.3和0.2。

2.4 拥塞控制策略步骤

2.4.1 拥塞检测

CCSMP的拥塞检测主要是进行以下两个简单的判断,其中ML为要接收的报文大小,L为接收节点的本地缓存剩余容量,A为接收节点本地缓存大小:

(1)ML

(2)ML>A则直接丢弃该报文。

(3)A>ML≥L则发生了拥塞,进入到拥塞避免机制,进行报文的选择性丢弃。

2.4.2 拥塞避免

(1)本地维护一张丢弃过的报文记录,当节点接收到传输过来的报文时,优先对比报文记录,如果在其中或者节点缓存中已经有这条报文,则直接丢弃新到报文,否则转到步骤(2)。

(2)执行2.3节中的丢弃策略,对比缓存中已有的报文和新到的报文,计算每个报文的丢弃权值D,找出其中D值最小的报文,将其丢弃,如果丢弃这个报文之后缓存区仍然溢出,则找到D值其次小的进行丢弃,直到缓存区不再发生拥塞,转到步骤(3)。

(3)将丢弃掉的报文放入丢弃报文记录中,并将剩余报文执行2.2节中的排队策略。

3 仿真结果与分析

本文使用THE ONE模拟器对提出的基于马尔可夫相遇时间间隔预测的拥塞控制策略CCSMP进行仿真和性能评估。仿真的环境是THE ONE中默认的赫尔辛基城市地图,网络中共存在100个节点,分为3组,共同模拟移动的车辆,移动速度为3~7 m/s,第一组车辆移动模型采用随机行走模型[ 18],模拟一些没有明确目的的车辆,比例占总节点数的40%;第二组车辆的移动模型中加入了兴趣节点,设置的兴趣参数为0.8,使这组节点中的车辆有0.8的概率向特定地点移动,用来模拟那些有特定习惯的车辆,比例占总节点数的30%;第三组车辆的移动模型采用固定路径,移动模型为ONE模拟器中自带的MapRouteMovement,这组节点用来模拟公交线路上的公交车,比例占总节点数的30%。节点之间的通信接口采用蓝牙通信协议。具体的参数配置详见表1

表1 仿真参数列表 Table 1 List of simulation parameters

同时为了说明CCSMP的适用性,在Epidemic,Spray and wait两种路由协议中分别应用CCSMP,与DO和DF两种拥塞控制对比产生实验数据,相同场景下,分别更改缓存大小,传输速率(网络带宽),从以下4方面评估协议的性能:

(1)投递概率=成功投递到目的节点的报文数量/网络中产生的报文总数;

(2)平均时延=消息到达目的节点的平均时间;

(3)负载比率(开销比)=(利用连接成功传递包的次数-传递到目的节点的包的个数)/传递到目的节点的包的个数;

(4)丢包率=TTL(过期或者Buffer满了被丢弃的报文数/产生的报文总数)。

表1所设的环境参数下,所有节点执行Epidemic路由方法,将缓存大小依次改为5、10、15、20、25、30 MB,分别测得本文提出的CCSMP,传统的DO以及DF三种拥塞控制策略下的投递成功率(见图3),网络平均时延(见图4),负载比率(见图5)以及丢包率(见图6)。其中负载比率能反映连接的使用效率,负载比率高说明更多的连接用来传递的数据包都没能成功传递到目的节点,连接的使用效用较低。负载比率低反而说明连接的有效使用率高。其中DO策略没有排队机制,采用的是丢弃策略,首先丢弃缓存空间中剩余生命期( TTL)最小的报文。DF同样没有排队机制,采用的丢弃策略是首先丢弃缓存空间中排队时间最长的报文。

图3 不同缓存下的投递成功率Fig.3 Delivery ratio of different cache

图4 不同缓存下的平均时延Fig.4 Delay of different cache

图5 不同缓存下的负载比率Fig.5 Overhead of different cache

图6 不同缓存下的丢包率Fig.6 Drop rate of different cache

图3中数据得出随着缓存大小的不断增加,本文提出的基于马尔可夫相遇时间间隔预测的拥塞控制策略CCSMP的投递概率始终大于DO和DF两种控制策略下的投递成功率,这说明经过了CCSMP拥塞控制显著提高了Epidemic路由算法的投递成功率。图4中CCSMP的网络平均时延比另外两种控制策略低200 s左右的时间,并且随着缓存大小的增加呈现一种稳定趋势,这说明CCSMP拥塞控制策略在增加投递成功率的同时也减小了网络时延。对比图5中3种拥塞控制策略的负载比率,负载比率高说明成功投递的报文占报文成功传递总次数的比率低,进一步说明无用的数据传输比较多,CCSMP的负载比率明显小于DO和DF,说明本文提出的拥塞控制策略从一定程度上也减少了网络开销。从图6中数据可以看出:随着缓存大小的增加,丢包率显著降低,但是CCSMP的丢包率一直小于另外两种拥塞控制策略,平均小10%左右。

为了分析不同的传输速率是否会对文中提出的拥塞控制策略产生影响,实验采用120、250、380、510、640、770 kbit/s 6种传输速度作仿真,在相同的场景下对比CCSMP、DO、DF三种拥塞控制策略的投递成功率(见图7)、平均时延(见图8)以及负载比率(见图9)和丢包率(见图10)。

图7 不同传输速率下的投递成功率Fig.7 Delivery ratio of different transmit speed

图8 不同传输速率下的平均时延Fig.8 Delay of different transmit speed

图9 不同传输速率下的负载比率Fig.9 Overhead of different transmit speed

图10 不同传输速率下的丢包率Fig.10 Drop rate of different transmit speed

图7可知,随着传输速率的增加DF和DO两种策略的投递成功率趋于稳定,没有大幅度抖动,而CCSMP的投递成功率有些许上升,并且持续处于比较高的状态。图8中传输速率的变化同样没有严重影响拥塞控制策略下的网络时延,CCSMP的平均时延始终比其他两种控制策略小200 s左右,说明该拥塞控制协议的平均时延受传输速率影响不大。从图9中可见当传输速率较小时,网络的负载比率与拥塞控制协议关系不大,但是随着传输速率的增长,CCSMP的负载比率明显小于DF和DO,说明文中提出的拥塞控制协议能够一定程度上减小网络负载,最后从图10中数据可以看出丢包率随着传输速率的增加明显增大,但是CCSMP相比于DF和DO两种拥塞控制策略丢包率较小。

为了说明CCSMP并不局限于Epidemic路由策略,本文在完全相同的实验环境下,对Spray and wait路由协议下的3种拥塞控制策略同样进行了测试,考虑到Sspray and wait对报文的副本数做了控制,从一定程度上预防了拥塞的发生,所以针对Spray and wait路由算法的缓存大小设置为2、5、8、10 M,报文初始副本数定义为6,测得投递成功率(见图11),网络平均时延(见图12),负载比率(见图13)和丢包率(见图14)。

图11 不同缓存下的投递成功率Fig.11 Delivery ratio of different cache

图12 不同缓存下的平均时延Fig.12 Delay of different cache

图13 不同缓存下的负载比率Fig.13 Overhead of different cache

图14 不同缓存下的丢包率Fig.14 Drop rate of different cache

图11中数据可以看出,当缓存较小的时候CCSMP拥塞控制策略相比于DF和DO能够增加投递成功率,但当缓存增大到一定程度就不会再有明显的差别,这主要是因为这种情况下缓存大小足够承受初始报文为6的网络报文量,拥塞发生的较少。从图12中数据可以看出在缓存较少的情况下CCSMP有着更小的网络时延。分析图13和14可知CCSMP与其他两种拥塞控制策略相比能在一定程度上减少负载比率和丢包率。

为了在Spray and wait路由算法下分析不同的传输速率对文中提出的拥塞控制策略产生的影响,将缓存大小设置为5 MB,实验采用120、250、380、510、640、770 kbit/s 6种传输速度作仿真,得到投递成功率(见图15)、平均时延(见图16)以及负载比率(见图17)和丢包率(见图18)。

图15 不同传输速率下的投递成功率Fig.15 Delivery ratio of different transmit speed

图16 不同传输速率下的平均时延Fig.16 Delay of different transmit speed

图17 不同传输速率下的负载比率Fig.17 Overhead of different transmit speed

图18 不同传输速率下的丢包率Fig.18 Drop rate of different transmit speed

根据图15中的数据,在节点本地只有5 MB缓存的情况下CCSMP表现出了更好的投递成功率,并且随着传输速率的提升投递成功率呈稳步上升趋势。在图16中CCSMP的平均时延远小于DF和DO两种拥塞控制策略。从图17的数据可以看出CCSMP的负载比率随着传输速度的变化没有大幅度波动,并且处于较低的状态,同样在图18中可以看出CCSMP在不同的传输速率下有着更小的丢包率。

4 结束语

提出了一种基于马尔可夫相遇时间间隔预测的拥塞控制策略CCSMP,该策略包括排队机制和丢弃机制两部分,并将马尔可夫模型应用到节点的相遇时间间隔的预测上,通过预测值结合报文复制或者传递的次数和剩余 TTL值来计算报文的效用权值,通过这个权值可以决定缓存中的排队顺序和丢弃方式。为了验证工作的有效性,在THE ONE平台上对Epidemic和Spray and wait两种路由协议进行仿真,将CCSMP与DF和DO两种拥塞控制策略进行对比,仿真结果表明CCSMP能够明显地增加投递成功率,减小平均网络时延,并且在一定程度上减小了网络负载和丢包率。

The authors have declared that no competing interests exist.

参考文献
[1] Burleigh S, Hooke A, Torgerson L, et al. Delay tolerant networking: An approach to interplanetary internet[J]. IEEE Communications Magazine, 2003, 41(6): 128-136. [本文引用:1] [JCR: 3.661]
[2] Akyildiz I, Su W, Sankarasubramaniam Y, et al. A survey on sensor networks[J]. IEEE Communications Magazine , 2002, 40(8): 102-114. [本文引用:1] [JCR: 3.661]
[3] Fall K. A delay-tolerant network architecture for challenged Internets[C]∥Proc Conf Appl Technol Architecture Protocols For Computer Commun, Karlsruhe, Germany, 2003: 27-34. [本文引用:1]
[4] Cao Jian-nong, Zhang Yang, Xie Li. Consistency of cooperative caching in mobile peer-to-peer systems over MANET[J]. International Journal of Parallel, Emergent and Distributed Systems, 2006, 21(3): 151-168. [本文引用:1]
[5] Fall K, Hong W, Madden S. Custody transfer for reliable delivery in delay tolerant networks[EB/OL]. [2010-03-28]. http://www.dtnrg.org/papers/custody-xfer-tr.pdf. [本文引用:1]
[6] 张文柱, 孙勇发, 王炫. 基于马尔科夫决策的容迟网络路由算法[J]. 西安电子科技大学学报, 2011, 38(2): 18-22.
Zhang Wen-zhu, Sun Yong-fa, Wang Xuan. Study of the DTN routing algorithm based on the Markov decision[J]. Journal of Xidian University, 2011, 38(2): 18-22. [本文引用:1] [CJCR: 0.444]
[7] 邓甦, 李晓毅. 马尔科夫链在呼吸道传染病预测中的应用[J]. 中国卫生统计, 2011(6): 615-616.
Deng Su, Li Xiao-yi. Markov chain in the prediction of respiratory infectious diseases[J]. Chinese Journal of Health Statistics, 2011 (6): 615-616. [本文引用:1] [CJCR: 0.791]
[8] Krifa A, Baraka C, Spyropoulos T. Optimal buffer management policies for delay tolerant networks[C]∥The 5th Annual IEEE Communications Society Conference on Sensor, Mesh and Ad Hoc Communications and Networks, IEEE, 2008: 260-268. [本文引用:1]
[9] 熊永平, 孙利民, 牛建伟. 机会网络[J]. 软件学报, 2009, 20(1): 127-134.
Xiong Yong-ping, Sun Li-min, Niu Jian-wei. Opportunistic networks[J]. Journal of Software, 2009, 20(1): 127-134. [本文引用:1] [CJCR: 2.181]
[10] Ramanathan R, Hansen R, Basu P, et al. Prioritized epidemic routing for opportunistic networks[C]∥International Conference on Mobile Systems, Applications and Services, Proceedings of the 1st International MobiSys Workshop on Mobile Opportunistic Networking, 2007, 11(11): 62-66. [本文引用:1]
[11] Pawelczak P, Venkatesha Prasad R, Xia L, et al. Cognitive radio emergency networks -requirements and design[C]∥New Frontiers in Dynamic Spectrum Access Networks, IEEE, 2005: 601-606. [本文引用:1]
[12] Lindgren A, Phanse K S. Evaluation of queueing policies and forwarding strategies for routing in intermittently connected networks[C]∥Communication System Software and Middleware, 2006: 1-10. [本文引用:1]
[13] 王贵竹, 徐正欢, 李晓峰. DTN中依据报文质量的拥塞控制策略[J]. 计算机工程与应用, 2012, 48(9): 74-77.
Wang Gui-zhu, Xu Zheng-huan, Li Xiao-feng. Congestion control strategy based on quality of message in DTN[J]. Computer Engineering and Applications, 2012, 48(9): 74-77. [本文引用:1] [CJCR: 0.457]
[14] John B, Brian G, David J. Maxprop: Routing for vehicle-based disruption-tolerant networks[C]∥INFOCOM, 2006: 1-11. [本文引用:2]
[15] 刘期烈, 潘英俊. 延迟容忍网络中基于复制率的拥塞控制算法[J]. 北京邮电大学学报 , 2010, 33(4): 88-92.
Liu Qi-lie, Pan Ying-jun. Congestion control strategy based on copy rate in DTN[J]. Journal of Beijing University of Post and Telecommunications, 2010, 33(4): 88-92. [本文引用:1]
[16] 陶勇, 龚正虎. DTN 拥塞控制研究进展[J]. 计算机应用研究, 2010, 27(10): 3605-3611.
Tao Yong, Gong Zheng-hu. Survey on congestion control for DTN[J]. Application Research of Computers , 2010, 27(10): 3605-3611. [本文引用:1] [CJCR: 0.601]
[17] 刘席开, 刘桂开. 机会网络拥塞控制的研究[J]. 中南林业科技大学学报, 2012, 32(8): 159-165.
Liu Xi-kai, Liu Gui-kai. Study on congestion control for opportunistic network[J]. Journal of Central South University of Forestry & Technology, 2012, 32(8): 159-165. [本文引用:1]
[18] Broch J, Maltz D A, Johnson D B, et al. A performance comparison of multi-hop wireless ad hoc network routing protocols[C]∥Proceedings of the 4th Annual ACM/IEEE International Conference on Mobile Computing and Networking, ACM, 1998: 85-97. [本文引用:1]