先进的数据交付策略基于Multiperceived社区在社会复杂网络与物联网

文摘

随着5 g通信标准,5 g基站的数量稳步增加,移动终端的数量和物联网(物联网)设备急剧增加,而专家大量的物联网设备和形成一个复杂的网络。这些设备可以作为社区的节点在投机取巧的社交网络。然而,在传统的环境机会网络算法和大规模数据传输、信息传输只在几个源节点在社区里,这通常会导致传输延迟,过度的能源消耗,和源节点死亡。因此,我们提出一个有效的数据交付基于multiperceived域算法,重组社区基于节点的关联度,和新社区帮助源节点传输信息在解决这些问题。对比实验和经典的机会网络算法表明,该方法具有出色的性能在降低数据传输的资源消耗,提高信息传递的效率。

1。介绍

在近年来快速发展的手机行业,网络基础设施有足够的网络带宽,以满足通信网络连接的设备。从基本的传感器极其复杂的云服务器,这些设备构成了物联网(1- - - - - -3]。此外,个人移动设备的快速扩散创造了丰富的机会,为移动网络传输数据。深入研究已经开始移动网络,这是一种投机取巧的网络,不需要建立一个完整的端到端源节点和目标节点之间的通信路径(4,5]。它是一种复杂的动态网络,选择相邻的移动设备作为邻居节点构建基于“Storage-Carrying-Forwarding”机制的通信路径(6]。

随着5 g的通信时代的到来,越来越多的互联网服务迁移到移动基础设施或设备,如手机,平板电脑,智能手表,无人机(无人机)[7),IoV(互联网连接的车辆)8)和智能车辆设备(9- - - - - -11]。这些设备由人随机运动的特点和特定的人类社会。它可以被视为一种社会节点,可以通过建立社区相关的节点(12]。在社会网络中,节点具有高相关性与他人可以传输大量的数据(13]。随着物联网的兴起(物联网),提出了一个社会物联网(SIoT),将社交网络的概念融入物联网的解决方案(14]。通信网络的负担可以减轻邻近设备传输信息在《社交网络》(15,16]。

人携带的移动设备和物联网设备安装在各个角落可以实现快速、大容量数据传输需求5 g通信标准以下,因此导致日益增长的需求快速、大容量数据传输(17- - - - - -19]。对传统算法,许多社区提供信息取决于社会复杂网络中的一个或两个源节点。这些节点不仅传输大容量的数据,还需要计算一些任务,它需要更多的能源消耗(12,20.- - - - - -23]。在传统的机会网络协议,如果没有足够的源节点缓存或开销,这可能导致数据传输在社区(需要等待很长时间24]。更糟糕的是,这些节点将消耗大量的资源,信息传输技术和基于洪水丢失数据由于源节点的死亡。

解决上述问题,本文提出了一种基于multiperceived社区有效的数据传输方案。根据程度的社区重建源节点和邻近的节点之间的联系。源节点的数据传输任务的一些是由新社区的节点。它可以减少源节点的消费和延长源节点的生命周期。

这个研究的贡献如下:(1)社区的重建,源节点需要进行重建根据节点的关联程度,信息传播也需要选择合适的社区。(2)本文提供的算法可以有效地传递信息,减少消费的源节点数据传输的过程。(3)实验表明,该方法具有良好的性能在减少能源消耗和改善数据交付效率。

论文的其余部分安排如下:第二部分介绍了机会网络的研究。在此基础上,我们提出了模型的社区和数据传输在第三部分。然后,在第四节中,通过仿真实验验证了模型的性能。在文章的最后,总结了全文。

2。相关工作

到目前为止,机会网络的研究大多集中在路由算法。各种路由算法提出了在过去的十年中,和几个用于机会网络路由协议描述如下。

Vahdat和贝克尔25]提出了流行路由算法,和流行的核心思想是使用两个遇到节点传输信息。这些节点提供的信息复制到下一个节点。数据交付流行路由算法达到100%,但采用洪水技术来传递信息,这大大增加了网络开销。陆et al。26)提出了一个节能n-epidemic路由协议理论,可以减少节点转发数据包到邻近节点的概率,从而提高数据传输的性能基本流行路由协议的四倍多。关和吴27州流行算法存储转发机制,可以提供信息,并且可以保证最短的通过增加带宽和缓冲内存空间。

伯吉斯et al。28)提出了MaxProp路由协议。它的核心思想是优先安排交付和减少数据包在一个有限的存储和带宽。MaxProp路由算法避免了每个消息传输使用驱技术在整个网络,减少路由开销。Das et al。29日建议time - to - live (TTL) MaxProp路由算法的基础上,基于跳数和TTL值优先考虑数据传输的数据包的调度。与MaxProp算法相比,该算法可以大大提高传输的信息量,减少开销率和延迟在同样的网络资源消耗。

Spyropoulos et al。30.)提供了喷雾和等待路由算法,它是基于洪水两跳中继技术。算法包含两部分,即源节点喷洒一定数量的数据复制到网络在喷阶段,直接传递信息和节点到目标节点在等待阶段。王等人。31日)提出了一个动态喷雾和路由算法等,使的副本数量以动态的方式发送信息,从而提高传输效率和传输概率和减少开销和延迟。关等。32)提出了一种基于自适应多个喷雾和社会关系等路由算法。它能增强数据交货率和减少缓存中的信息停留时间,有效提高了缓冲。

林格伦et al。33设计一个概率路由协议为间歇性连接的网络称为先知,就是能传输更多的数据和更低的路由开销。雪et al。34先知)建议一个先进的路由算法,它使用平均交付预测能力传输信息,避免路由恐慌。汉et al。35先知)提出了一种改进的路由算法在延迟容忍网络(DTN)。它适当地选择阈值的转发计数器和啤酒花计数器能够提高传输概率,平均延迟和开销比例。

Musolesi和Mascolo36)设计上下文感知的自适应路由(汽车)协议。汽车路由算法采用卡尔曼滤波器用于选择下一跳,每个消息只生成一个复制,保存缓存和网络资源。妞妞et al。37]建议预测和传播(总统)路由协议,采用节点移动性的马尔可夫链模型来实现节点的社会特征。尽管总统算法具有良好的性能的交付率和交付延迟了,因为它没有考虑节点之间的通信不同的场馆,节点只提供信息相同的主要场所。

根据上面的方法和问题,我们可以找到一个更有效的方法来解决问题提高数据传输效率,降低能源消耗的复杂的社会网络。

3所示。模型设计

3.1。社区模型设计

在大型数据传输环境中,源节点的死亡率显著在一些经典的传播策略。例如,通信领域可能包含大量的节点,但只包括一个或两个源节点,和源节点需要将消息发送到每个通信域节点运动,这是一个复杂的工作。这通信网络变成了一个复杂的系统。无效的信息传输引起的巨大消费源节点和源节点死亡,和数据由源节点丢失。

避免过度消费节点的资源和减少节点死亡,我们需要寻找一些合适的相邻节点帮助源节点传递数据的一部分。因此,我们设计一种改进的社区模型基于通信域信息传输的过程。

图1说明通信域传输信息的大规模数据传输环境中,源节点和邻近的节点包括在内。我们定义的源节点年代n相邻节点t时刻, 。N是当前网络的节点的数量。

为了减少源节点的资源消耗,避免节点死亡,我们需要寻找一个节点与源节点和高度相关的名字作为一个可用的节点。因此,节点可以依赖的定义源节点的关联度和邻节点 ,它必须满足的条件 。 代表了源节点和相邻节点之间的相关性 , 是一个系数,是源节点和节点之间的权重的邻节点 ,和是阈值。

如图2,一些相邻节点匹配条件 ,他们把可用的节点。这些可用的节点也可以与源节点通信时接收来自源节点的信息。与此同时,他们还可以传输信息到其他节点,减少源节点的消费。

机会网络中,节点通常是移动设备,采用一种“store-carry-forward”相互通信。它有随机性和流动特性。我们需要分析节点之间的关系,并考虑建立一个有效的移动社区模型。此外,我们打算证明社区的变化的过程中,源节点的运动。推导和证明如下。

根据加权网络在复杂网络(38),我们可以定义的社区结构X是 在哪里是社区的结构程度X,在通信网络中,总重量是社区的总重量吗X,源节点的总度S社区,体重的变化,是源节点之间的边权重和邻节点 ,和边缘重量是在源节点在社区X。

扣除1。的过程中,源节点运动,如果它满足条件 ,源节点年代将分开节点的社区 。

证据1。这里的假设是,社区X分为两个:和 :源节点在社区X1和节点在社区X2,网络的总重量减少。然后, 总重量减少,上述公式可以如下所示: 因此,社区X分为两个:和 ,满足条件的 。

扣除2。在源节点年代运动的过程中,源节点的边缘连接节点的边缘是唯一的边缘节点 。如果节点和节点之间的权重下降,节点不会分离的社区。

证据2。类似于扣除1,假设减少源节点和节点之间的边的重量是 , 。如果社区X已经分开,必须满足条件如下: 然后, 也就是说, 它可以解释为 因为 我们可以得到, 是一个错误的命题。
因此,只有边缘的节点连接源节点和它的重量下降,和节点不会分离的社区。

扣除3。源节点在社区X,其边缘的重量和体重的社区Y增加,满足条件 ;源节点可以加入社区Y。

证据3。边缘的社区X和Y上升,社区的结构程度是 当源节点年代离开社区X,加入社区Y程度的社区结构 证明程度的社区结构Y将会增加如果源节点年代加盟,那么它需要证明吗 。也就是说, 通过以上推导,我们证明了几个社区的变化在源节点的运动。在下一节中,我们将使用程度的节点划分社区协会和重组多个社区来传输数据。

3.2。数据交付模型设计

机会网络的数据传输过程中,信息传递到目的节点需要多跳传输。此外,当传统的传播策略将完整的数据发送给每个节点在社区里,通常是在一种叠加的方式完成的。这将导致更重要的路由开销和能量消耗。此外,有许多假的社交网络中的节点或蜜罐节点。假节点或蜜罐节点可以在数据传输过程中泄露信息,它是一个潜在的安全问题。

减少信息泄漏的风险并保存源节点路由开销和能量消耗,我们设计一个数据交付基于multiperceived域(DDMPD)计划来解决这些问题。

在图3可用,源节点与节点,和可用的节点已收到并存储数据从源节点年代的一部分,变成了一个中继节点。其他节点中继节点可以广泛传播信息。当源节点移动时,它从邻近的节点和搜索可用的节点发送一条消息将一些适当的可用节点转化为中继节点。中继节点后重组的通信领域已经发生了变化,它重建社区分成几个新老社区。的压力源节点传输数据和传播更多的信息可以通过这些新社区松了一口气,并确保数据传输。

清晰地描述信息交付过程,DDMPD方案的工作流程如下:

步骤1。我们表示整个数据由源节点年代 ,和源节点发送一个“你好”消息搜索可用的节点的相邻节点的一个社区。

步骤2。当适当的可用节点收到消息“HELLO”在社区里,节点将响应与源节点建立链接,将它转换成一个中继节点。

步骤3。源节点开始与中继节点和通信传输数据中继节点multiperception社区的一半。当源节点是数据传输,社区1的中继节点接收来自源节点的信息年代,完成第一个数据传输(图4)。
然后,信息由社区1如下: 未寄出的盈余数据的源节点年代后第一次传输

步骤4。源节点继续,它发送一个“你好”消息和搜索可用的节点的社区。

第5步。当源节点建立沟通与multiperception社区2,源节点发送一半未寄出的盈余数据节点的社区2。此外,还有社区之间的数据传输,和社区1的节点广播一半的信息从源节点(图5)。
社区2收到以下信息: 未寄出的盈余信息的源节点年代后第二次传播如下: 我们知道社区2包含所有数据的数据来自社区1,这是 。因此,源节点的未寄出的盈余信息年代后第二次传播如下: 源节点标志着未寄出的盈余信息和继续。

步骤6。假设可以之间通信社区社区3可以接收来自社区1和2的消息,当源节点遇到感知社区3和信息传输。社区3收到的信息如下: 源节点标志着盈余信息和继续。未寄出的盈余信息的源节点年代第三次传输后如下:

步骤7。重复上述过程。

步骤8。当源节点搜索目标节点的社区n的信息传输 是社区的目标节点的源节点的信息,和社区之间的数据接收的通信 ;整个传输过程是显示在图6。
因此,以下信息是收到目标节点的社区: 由上述方程,由于更多的传输目标节点接收到,更多的数据接近完整的信息是由源节点。
我们可以看到,只有一小部分的信息是等待,而且大部分的信息传递给社区和目标节点图6。未寄出的信息来源 当 ,所传播的信息数量DDMPD计划等于流行和喷雾和等待路由算法。信息传输的时间越长,更完整的信息由目的节点接收。从上面,我们可以建立一个算法来解释这个方案(算法1)。
根据上述DDMPD算法,目的节点需要源节点发送n时代的信息搜索,n−1社区也需要参与数据传输。源节点和社区采用并行传输方法来传输信息。因此,DDMPDs时间复杂度 。相比经典的流行和喷雾和等待机会网络路由算法,时间复杂度的流行和喷雾等O(n2)和O(n),分别。一般来说,DDMPD具有相同的时间复杂度作为喷雾等,但其时间复杂度低于流行病。
DDMPD方案,源节点 第一次传输数据到另一个社区,它传递 在第二次数据到另一个社区。后n−1和n传播,源节点的数据传输 和 ,分别。因此,我们可以计算总DDMPD的路由开销 。完整的数据需要源节点传输到其他社区。后n数据传输的时候,和流行的路由开销和喷雾和等待。通过上面的分析,我们可以找出这些算法的比例如下: 根据公式(21),DDMPD的路由开销明显低于流行和喷雾等。当 ,DDMPD为零而流行的路由开销和喷雾和等待的路由开销。
因此,当DDMPD具有相同的时间复杂度,它可以降低路由开销。在接下来的部分中,我们使用一个仿真实验来验证它。

4所示。模拟

为了评估DDMPD的性能,我们使用仿真工具称为一个(机会网络环境)39和比较三种基线的方法:SECM(状态估计和缓存管理算法)13),ICMT(信息缓存管理算法和数据传输)5),和喷雾和等待路由算法(30.]。这些算法的基本原理如下:(1)SECM:基于节点,该算法可以识别周围的邻居节点之间的转移概率评估,因此缓存数据分布调整。它还确保节点传输信息的高概率,从而实现缓存调整的目的。同时,你的邻居节点合作共享的缓存任务节点,有效地分配数据13]。(2)ICMT:在项目的评估节点的概率的算法基于节点可以识别的邻居,因此评估节点的邻居并保证项目的高概率优先获得信息,从而实现缓存的目的调整(5]。(3)喷雾等:算法喷洒大量复制到网络,然后等待,直到其中一个节点满足目的地(30.]。算法的数据副本的数量会影响性能,所以我们选择副本的数量是10和20,分别模拟。

度量参数用于评估这些机会网络路由算法如下:(1)交货率:即,在传输过程中选择中继节点的概率。(2)平均开销:这个参数显示两个节点之间的平均开销信息传播。(3)能源消耗:它主要记录在传输过程中节点的能量消耗。(4)平均端到端延迟:指示两点之间传递信息的平均延迟。

仿真参数设置在我们的实验中总结提出了如下。模拟的时间是六个小时,网络面积4500米3400米。采用广播传输模式。它涉及到400个节点。所有节点随机移动的速度和随机移动0.5∼1.5 m / s。每个节点的缓存存储信息高达5 Mb。节点的传输模式是社会模式,每个节点的最大传输域是10米²,发送数据包的时间间隔是25 - 35 s和250 KB / s的传输速度。同时,每个节点初始能量是100焦耳,它发送一个数据包需要1 J能量消耗。

根据收集的数据从仿真报告,时间和四个测量参数之间的相关性如图7- - - - - -10在下面。

交货率之间的关系,仿真时间如图7。其中,传播率最低的是喷雾和等待路由算法(复制= 30)和SECM,分别是0.33 - -0.38和0.37 - -0.41。因为这两个算法提供信息节点,社区利用洪水方法导致质量信息丢失。尤其是对喷雾和等待路由算法(复制= 30),较低的传输速率是由复制大量的重复信息。而喷雾和等待路由算法(复制= 10)降低信息副本的数量,交货率增加-0.47至0.42。ICMT DDMPD算法的交货率高于50%。ICMT算法控制交货时间间隔的信息,提高了有效的传播和接收信息,和它的交货率达到0.54 - -0.58,高于170%的SECM算法。由于采用DDMPD算法结合multisensing社区和移动节点传输,传输速度的算法是在所有算法,有效地改善,是最高达到0.55 - -0.67。

图8显示了路由开销和刺激时间之间的联系。在图8的路由开销DDMPD算法之间保持115年到118年,这是受时间影响。随着时间的增加,节点的数量和社区参与信息传播也将增加。路由开销可以保持稳定,因为增加数量的共享信息传输节点。因为ICMT算法控制交付的频率信息,和它的最大路由开销出现在2小时,达到158,然后开始下降,我们可以绘制算法的延迟降低比其他算法。然而,喷雾和等待路由算法的路由开销(复制= 30)最高,表明算法具有贫困社区的可用性模型。喷雾和等待路由算法(复制= 10)和SECM算法都有相对较近的路由开销从140年到220年不等。这表明这两个算法是稳定的,但有一个地方洪水泛滥的现象。

能源消费和刺激时间的关系如图9。随着时间的推移,这些算法的能量消耗增加。然而,喷雾和等待路由算法的能量消耗是最高的,因为每个节点需要通过喷雾来传输信息。特别是,能源消耗超过550年的6个小时。SECM算法使用遇到传播和复制的方法通过单一重复的信息,它比喷雾和等待能源优化的路由算法。在信息传输的过程中,一些社区承担能源消耗和延长节点的信息传输时间,从而减少源节点的信息传输的次数。DDMPD算法的能量消耗比其他算法。SECM算法的65%,只有45%的喷雾和等待路由算法的。

图10显示平均传输延迟和时间之间的关系。SECM算法采用遇到交付质量的方法复制信息传播在社区和引起高传输延迟SECM算法的平均延迟时间超过260年。虽然信息传输的时间间隔由ICMT控制算法,仍有较高的传输延迟,达到210。结果表明,SECM算法延迟高算法在社区模型,并对信息传输有重要影响。因为社区占用大量网络资源之间的信息传递,导致延误,因此,DDMPD算法的延迟是高于喷雾和等待路由算法(复制= 10),平均达到195。因为喷的传输延迟和等待路由算法低,它可以表明他们的信息扩散能力强。

综上所述,我们可以得出结论,DDMPD算法优于其他算法在传输速率方面,路由开销,和能源消耗,但其延时高于喷雾和等待路由算法的。在实际环境中,DDMPD比其他算法在长期的信息传输。

在社会网络中,节点缓存是一个重要的指标,和算法的传输效率将直接影响。因此,我们把缓存与四个指标参数,下面是具体的实验结果(数据11- - - - - -14)。

交货率和缓存之间的相关性如图11。最高的数字表明该算法交付率DDMPD算法,达到0.58 - -0.83。因为DDMPD算法相结合的方法,使用多个感知社区和节点移动交付条件的增加节点缓存算法的交货率是重要的。因为喷雾和等待路由算法(复制= 30)使用洪水在社区节点传输信息,大量的信息丢失和透射率是最低的,只有0.32 - -0.47。ICMT算法和喷雾和等待路由算法(复制= 10)提高信息传输的条件,增加了算法的交货率,超过50%。

路由开销和缓存之间的关系如图12。在图12,四个算法增加缓存路由开销大大降低。DDMPD算法的路由开销从210下降23;喷雾和等待路由算法的路由开销(复制= 10)下降到50 280;喷雾和等待路由算法的路由开销(复制= 10)从330年到80年下降。上面的三个算法的下降是显著的,它显示了一个更大的节点缓存节点开销较低。与其他三种算法相比,喷雾和等待路由算法(复制= 30)和SECM算法有非常低的利率下降。上述结果表明,增加节点的路由开销在社区可以通过增加节点缓存。

图13显示了能源消耗和缓存之间的关系。增加缓存时,算法的能量消耗急剧增长,除了DDMPD算法的能量始终保持在43。DDMPD算法使用的方法所提供的信息交付社区会大大降低能源消耗。喷雾和等待路由算法消耗最多的能源。每个节点使用喷雾传输信息到所有邻居在社区里,因此消耗大量的能量。特别是在复制= 30,当缓存达到40 Mb,能源消耗超过280。SECM算法采用遇到传输模式,通过单复制复制信息。与喷雾和等待路由算法相比,其能源优化效果更好。

图14显示之间的相关性平均交付延迟和缓存。与增加缓存节点交付延迟下降和平均延迟SECM算法从200年到90年下降;ICMT算法控制信息传输的时间间隔,和其平均推迟衰退从175 - 56。DDMPD与类似的传输延迟和喷雾和等待路由算法(复制= 30)从100下降到不到40。结果表明,增加网络传输延迟可以增加节点缓存。

除了要考虑以上四个测量参数,可能会有各种各样的信息传递方法在实际的环境。因此,在仿真环境中使用不同的移动方法也需要考虑。我们选择三个移动模型来证实DDMPD的表现,他们是SPMBM(最短路径地图运动),随机路点(RWP)和随机漫步(RM)模型39]。

DDMPD交货率的算法在不同的移动模型如图15。图DDMPD交货率最高的是SPMBM模型,在4小时达到0.59。RWP的交货率模型可以在4小时达到峰值0.62,而RM的交货率模型可以达到的峰值0.62 6小时。整体性能和最大输出流量是SPBM模型,和交付RWP模型的率高于RM模型。

图16显示了DDMPD算法的路由开销在三种移动模型。如图16,DDMPD算法的路由开销几乎没有影响,和路由开销的三种模式是在110年和120年之间。这是由于节点运动和信息传递的过程中,和社区形式的任务共享信息与质量节点基于信息传递的过程和节点重建。

图17显示了DDMPD的能源消耗在不同移动模型。几乎没有区别在能源消耗的三个模型。结果表明,DDMPD算法具有稳定的节点信息传输性能和大量的能源模型改变时不会被消耗。

图18显示的平均延迟DDMPD 3移动模型。185年和220年之间的所有模型,模型的延迟,最大延迟,和最小延迟RM和SPBM,分别。结果表明,SPMBM模型非常有效地传输信息。

5。结论

本文设计的一个有效的数据传输方案解决问题的能源消耗过度的源节点和比较,分析古典机会网络算法的性能。实验结果表明,该算法具有良好的传输能力,和它有一个良好的性能在三个不同的移动模型,表明该算法在不同环境中稳定。在投机取巧的社交网络,这个方案可以减少节点的能量消耗,延长网络生命周期,大大提高数据传输效率。

5 g终端有更严重的能源消耗问题比上一代通信标准,这将成为影响用户体验的重要原因之一,5 g网络。因此,减少源节点和中继节点的能耗将是未来工作的重点。为了减少源节点的能耗,有必要提高大容量节点之间数据传输的效率。

数据可用性

使用的数据来支持本研究的发现正在禁运,而研究成果商业化。请求数据,本文的发表之后的12个月内,将被相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作得到了国家自然科学基金(61672540)和湖南省自然科学基金(2018 jj3299和2018 jj3682)。

引用

1. m . Ammar, g·罗素,b . Crispo”物联网:物联网的安全框架,调查”《信息安全与应用程序卷,38 8-27,2018页。视图:出版商的网站|谷歌学术搜索
2. j .吴m z . Chen和m .赵”社区重组和重复节点遍历的算法在投机取巧的社交网络,”对等网络和应用程序,1 - 8,2020页。视图:出版商的网站|谷歌学术搜索
3. 周x, y元,z s . Li l . Qi和d . Puthal”入侵检测和预防在云、雾和物联网,”安全性和通信网络卷,2019篇文章ID 4529757, 4页,2019。视图:出版商的网站|谷歌学术搜索
4. R.-C。马林,不。Ciobanu, c . Dobre c x Mavromoustakis, g . Mastorakis”智能手机的上下文感知协作模型能源效率/ 5 g的无线网络,”计算机网络卷,129年,第362 - 352页,2017年。视图:出版商的网站|谷歌学术搜索
5. j·吴、陈z和m .赵”信息缓存管理和数据传输算法在投机取巧的社交网络,”无线网络,25卷,不。6,2977 - 2988年,2019页。视图:出版商的网站|谷歌学术搜索
6. j·吴、陈z和m .赵”一个高效的数据包迭代和传播算法在投机取巧的社交网络,”环境智能和人性化计算杂志》上,1卷,2019页。视图:出版商的网站|谷歌学术搜索
7. l·古普塔,r . Jain和g . Vaszkun”调查无人机通信网络的重要问题IEEE通信调查和教程,18卷,不。2、1123 - 1152年,2015页。视图:出版商的网站|谷歌学术搜索
8. x, y雪,l . Qi et al .,“优势computing-enabled计算卸载方法与隐私保护互联网连接的车辆,“未来一代计算机系统卷,96年,第100 - 89页,2019年。视图:出版商的网站|谷歌学术搜索
9. w·龚、l . Qi和y,“Privacy-aware多维移动服务质量预测和推荐雾在分布式环境中,“无线通信和移动计算卷,2018篇文章ID 3075849、8页,2018。视图:出版商的网站|谷歌学术搜索
10. w .窦,w . Tang s, s . Yu和K.-K。雷蒙德Choo,“启发式恶意出租车司机的驾驶方法披露隐私在GPS大数据,”信息科学卷,483年,第261 - 247页,2019年。视图:出版商的网站|谷歌学术搜索
11. 陈j .吴邦国委员长和z,“传感器通信区域和节点扩展在机会网络路由算法,”对等网络和应用程序,11卷,不。1,第100 - 90页,2018。视图:出版商的网站|谷歌学术搜索
12. g . j . Wu Yu, p .关,“兴趣特征概率预测方法在社会机会网络,”IEEE访问7卷,第59012 - 59002页,2019年。视图:出版商的网站|谷歌学术搜索
13. j·吴、陈z和m .赵”SECM:状态估计和缓存管理算法在机会网络中,“《华尔街日报》的超级计算,卷75,不。5,2629 - 2647年,2019页。视图:出版商的网站|谷歌学术搜索
14. l . Atzori a Iera、经纪人莫拉比托g和m . Nitti”社会物联网(SIoT)——社交网络满足物联网:概念、体系结构和网络特性,”计算机网络卷,56号16,3594 - 3608年,2012页。视图:出版商的网站|谷歌学术搜索
15. x x局域网,问:陈,唐,l .蔡”的实现率区域buffer-aided双向能量收获中继网络,”IEEE车辆技术,卷67,不。11日,第11142 - 11127页,2018年。视图:出版商的网站|谷歌学术搜索
16. l .气y, y元,s .傅张x, x徐,“QoS-aware虚拟机节能调度方法在基于云的cyber-physical系统中,“万维网,1,2019页。视图:出版商的网站|谷歌学术搜索
17. l .七张x, w .窦,c, c·杨和j·陈,“两阶段locality-sensitive基于哈希的方法保护隐私移动服务推荐在跨平台的优势环境,”未来一代计算机系统卷,88年,第643 - 636页,2018年。视图:出版商的网站|谷歌学术搜索
18. y, l .气、w .窦和j . Yu”保护隐私和可伸缩的服务推荐基于simhash在分布式云环境,”复杂性卷,2017篇文章ID 3437854、9页,2017。视图:出版商的网站|谷歌学术搜索
19. x张j . Jang-Jaccard l .气m z下榻的饭店和c·刘,“隐私问题在大数据挖掘基础设施、平台和应用程序,”安全性和通信网络卷,2018篇文章ID 6238607, 3页,2018。视图:出版商的网站|谷歌学术搜索
20. h . h . Liu口,c .严,l .气”链接预测纸引文网络构建关联图,“EURASIP无线通讯和网络》杂志上,卷2019,不。1、1 - 12,2019页。视图:出版商的网站|谷歌学术搜索
21. w .窦,x,美国孟et al .,“服务qos增强节能意识的虚拟机调度方法在云大数据,”并发性和计算:实践和经验卷,29号14日文章ID e3909, 2017。视图:出版商的网站|谷歌学术搜索
22. y元,Y.-S。Ong a·古普塔,p . s . Tan和h .徐”进化多任务permutation-based组合优化问题:实现与TSP, QAP,垂下的,和JSP,”学报2016年IEEE 10地区会议(TENCON)IEEE,页3157 - 3164年,新加坡,2016年11月。视图:出版商的网站|谷歌学术搜索
23. y元,Y.-S。Ong a·古普塔和h .徐”目标减少许多客观优化:进化多目标方法和综合分析,“IEEE进化计算,22卷,不。2、189 - 210年,2017页。视图:出版商的网站|谷歌学术搜索
24. j·吴、陈z和m .赵“重量分布和社区重建基于社区通信在社会机会网络,”对等网络和应用程序,12卷,不。1,第166 - 158页,2019。视图:出版商的网站|谷歌学术搜索
25. 答:Vahdat d·贝克尔,“流行路由部分连接Ad Hoc网络。”手册的系统性自身免疫性疾病爱思唯尔,荷兰阿姆斯特丹,2000年。视图:谷歌学术搜索
26. x Lu和p .回族“节能n-epidemic延迟容忍网络路由协议,”学报2010年IEEE第五国际会议上网络、体系结构和存储IEEE,页341 - 347年,澳门,中国,2010年7月。视图:出版商的网站|谷歌学术搜索
27. p .关和j·吴”,有效的数据通信是基于社会社区在社会机会网络,”IEEE访问,7卷,不。1,第12414 - 12405页,2019。视图:出版商的网站|谷歌学术搜索
28. j·伯吉斯,b . Gallagher d·d·詹森和b . n . Levine“Maxprop:场基于车辆发动的容错网络路由,”IEEE INFOCOM学报》2006:25日IEEE计算机通信国际会议》第六卷,巴塞罗那,西班牙,2006年4月。视图:出版商的网站|谷歌学术搜索
29. m . Das s Sarkar和s·m·a·伊克巴尔,“基于TTL maxprop路由协议,”学报》2016年19计算机和信息技术国际会议(ICCIT)研讨会论文集光碟,IEEE,达卡,孟加拉国,2016年12月。视图:出版商的网站|谷歌学术搜索
30. t . Spyropoulos k Psounis, c . s . Raghavendra”喷雾等:一个有效的路由方案间歇性连接移动网络,”《全新2005 ACM SIGCOMM车间实现容忍延迟网络ACM,页252 - 259年,费城,宾夕法尼亚州,美国,2005年8月。视图:出版商的网站|谷歌学术搜索
31. b . g . Wang Wang和y高,“动态喷雾和等待路由算法和节点在延迟容忍网络质量,”学报2010通信和移动计算国际会议,3卷,第456 - 452页,IEEE,深圳,中国,2010年4月。视图:出版商的网站|谷歌学术搜索
32. j .关问:楚,即,“基于社会关系的适应性multi-spray-and-wait容错网络路由算法,”移动信息系统ID 1819495条,卷。2017年,13页,2017。视图:出版商的网站|谷歌学术搜索
33. a·林格伦a多利亚,o . Schelen“概率路由在间歇性地连接网络,”国际研讨会的诉讼服务保证与部分和间歇性资源施普林格,页239 - 254年,福塔雷萨,巴西,2004年8月。视图:谷歌学术搜索
34. 曹y . j .雪j . Li, j .方“先进的路由延迟容忍网络中,先知”《2009年国际会议上通信软件和网络IEEE,页411 - 413年,澳门,中国,2009年2月。视图:出版商的网站|谷歌学术搜索
35. s·d·汉和y . w .钟”,一种改进的先知在延迟容忍网络中,路由协议”科学世界日报ID 623090条,卷。2015年,7页,2015。视图:出版商的网站|谷歌学术搜索
36. m . Musolesi和c . Mascolo”全新车:上下文感知的自适应路由实现容忍延迟移动网络,”IEEE移动计算,8卷,不。2、246 - 260年,2008页。视图:出版商的网站|谷歌学术搜索
37. j .妞妞j .郭Cai, n . Sadeh表示和s .郭”预测和传播:一个有效的针对机会网络的路由算法,”学报2011年IEEE无线通信和网络会议IEEE,页498 - 503年,2011年3月墨西哥坎昆。视图:出版商的网站|谷歌学术搜索
38. m·e·j·纽曼,“加权网络,分析”物理评论E,卷70,不。5、文章ID 056131, 2004。视图:出版商的网站|谷歌学术搜索
39. 答:Keranen,“机会网络环境模拟器”,科技代表、赫尔辛基理工大学,通信与网络、埃斯波,芬兰,2008年,特殊作业报告。视图:谷歌学术搜索

版权

版权©2020(罗等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。