移动机会网络路由与数据传输

目录
前言
第1章 移动机会网络概述 1
1.1 研究背景 1
1.2 网络基本特征 2
1.3 网络典型应用 5
1.4 网络研究热点 7
1.5 网络应用前景 10
1.6 本书的结构 11
参考文献 11
第2章 移动机会网络路由经典算法 21
2.1 移动机会网络路由算法分类 21
2.1.1 常见分类方法 22
2.1.2 移动机会网络路由算法分类体系 25
2.2 典型路由算法简介 26
2.2.1 传染病路由算法 26
2.2.2 直接递交路由算法 29
2.2.3 首次接触路由算法 29
2.2.4 扩散等待路由算法 30
2.2.5 扩散集中路由算法 31
2.2.6 概率路由算法 34
2.3 路由算法性能评价 36
2.4 ONE仿真平台介绍 37
2.4.1 软件体系结构和模块划分 38
2.4.2 软件安装和运行 43
2.4.3 经典路由算法仿真结果 44
参考文献 50
第3章 能量感知的路由算法 53
3.1 应用场景 53
3.2 能量消耗问题 55
3.2.1 节点能量消耗模型 55
3.2.2 能量消耗降低方法 57
3.3 能量感知的移动机会网络路由算法 59
3.3.1 能量感知的自适应n-传染病路由算法 60
3.3.2 能量感知的单支扩散路由算法 74
3.4 结论及进一步的工作 91
参考文献 92
第4章 拥塞控制算法与能量感知的数据传输算法 96
4.1 应用场景 96
4.2 拥塞控制算法 97
4.2.1 研究动机 97
4.2.2 元胞自动机和网络模型 100
4.2.3 基于DICMLA的拥塞控制策略 106
4.2.4 基于DICMLA的拥塞控制算法流程 109
4.2.5 算法实验分析 110
4.3 能量感知的数据传输算法 117
4.3.1 研究动机 117
4.3.2 算法设计 118
4.3.3 算法实验分析 120
4.4 结论及进一步的工作 123
参考文献 123
第5章 移动预测感知路由算法 128
5.1 应用场景 128
5.2 节点移动模型及位置预测 129
5.2.1 随机路点移动模型 130
5.2.2 随机游走移动模型和随机路径移动模型 130
5.2.3 参考点组移动模型 131
5.2.4 曼哈顿移动模型和基于地图*短路径的移动模型 131
5.2.5 高斯-马尔可夫移动模型 131
5.2.6 社区移动模型 132
5.2.7 马尔可夫移动模型 133
5.3 移动预测感知路由算法详解 133
5.3.1 研究动机 133
5.3.2 网络模型 133
5.3.3 算法设计 141
5.3.4 算法实验分析 142
5.4 结论及进一步的工作 152
参考文献 153
第6章 基于社会性的概率数据传输算法 157
6.1 应用场景 157
6.2 节点的社会性 158
6.2.1 中心性 158
6.2.2 群体性 160
6.2.3 相似性 162
6.3 基于社会性的概率数据传输算法详解 162
6.3.1 研究动机 162
6.3.2 网络模型 163
6.3.3 算法基本框架 166
6.3.4 算法设计 168
6.3.5 算法实验分析 173
6.4 结论及进一步的工作 187
参考文献 187
第7章 基于合作博弈的数据路由与基于隐私保护的数据收集算法 192
7.1 安全概述 192
7.2 基于合作博弈的数据路由算法 194
7.2.1 研究动机 194
7.2.2 网络模型 196
7.2.3 算法设计 198
7.2.4 算法实验分析 199
7.3 基于隐私保护的数据收集算法 204
7.3.1 研究动机 204
7.3.2 系统模型和基础知识 206
7.3.3 算法设计 209
7.3.4 理论和实验分析 213
7.4 结论及进一步的工作 216
参考文献 217