文摘

马奈(移动自组网)是一种无线自组网的移动设备使用p2p路由提供网络访问,而不是使用一个现有的网络基础设施。尽管网络基础设施的简单,它面临着多变的连接能力等问题,动态拓扑、节点电池能量耗尽,物理安全不足。广播是一个标准的MANET的方法发送消息从源节点到其他节点的网络。洪水是一个频繁的方法(RREQ)广播路由请求包,容易产生广播风暴。标准的洪水造成的高传输速率技术,导致媒体拥堵和数据包的碰撞,这可以大大减少吞吐量和网络性能。移动自组网、高效广播关注选择转发节点集紧凑而保证广播报道。我们的目标是找到一个有限数量的转发节点,将提供完整的报道。在本文中,我们提出一个优化和节能路由协议马奈(移动自组网)基于动态转发概率一般和AODV(临时按需距离矢量)特别是在路由请求包随机控制提高网络生命周期,减少包丢失而导致的洪水算法。我们测试的结果和评估解决方案使用各种网络实现和集成到NS-2后性能因素。根据仿真结果,我们提出了技术有效减少路由请求传播消息(RREQ)。 The suggested technique is more efficient, has a longer network lifetime, and uniformly utilizes node residual energy, enhancing network throughput and minimizing routing overhead when compared to regular and modified AODV protocols.

1。介绍

无线网络可以分类主要分为两组,如轨道和infrastructure-less网络。在轨道网络中,所有的节点都由一个集中的访问点或基站控制;然而,节点相互通信通过多个链接没有任何在infrastructure-less网络集中监控系统(即。特设网络)。通过无线通讯和经济的发展,便携式计算设备使移动计算成为可能(1]。

马奈(移动自组网)由一组移动节点(主机)所连接的无线链接。网络拓扑(通信网络的物理连接)在这样一个随机网络可能会不断改变。路由协议发现一条路径是紧随其后的是数据包从源节点到目的节点用于传统有线网络不能直接应用于MANET由于其高度动态的拓扑中,缺乏集中管理(即建立基础设施。基站或接入点)、带宽受限的无线链接,和资源(即。、能源)约束的节点2]。

在MANET路由数据包存在一些问题和障碍。路由协议的职责包括交换路由信息;确定一个可行的路径到达目的地基于标准如跳长度,最小功率要求,和无线连接生活时间;收集信息对路径的休息时间;和修补破碎的路径用最少的处理能力和带宽;和利用最少的带宽2,3]。在MANET路由一直是一个具有挑战性的和艰巨的任务,由于动态拓扑和容易出错的无线频道。有很多问题,如缺乏集中控制和不断移动节点路由时必须考虑的一个数据包从源到目的地的特设网络。路由的数据包与移动节点的增加变得更加困难。除了路由,MANET中有一些问题需要解决。的主要挑战之一是处理无线介质有限的通信带宽。另一个重要的约束不断排水的能量是由于网络中节点的移动性(3]。

AODV路由发现,使用一个简单的洪水方法源节点传送到所有节点附近。每个节点检查是否已收到此消息。如果有,那么消息将会下降,如果不是那么消息重新发送到所有相邻节点。这一过程持续进行直到所有节点得到消息。因为无线电信号可能会重叠与他人在一个地理区域,一个简单的广播由洪水通常非常昂贵(主机,接收广播消息第一次有义务重播消息。显然,这种成本n传输网络中的主机),将导致严重的冗余,争用,和碰撞,我们称之为广播风暴问题。因此,这种方法提高了网络流量和电池能量耗尽4,5]。本研究工作的目的是提高性能(即。,energy consumption, routing overhead and throughput) in the AODV (ad hoc on-demand distance vector) routing protocol by modifying the RREQ forwarding probability. The AODV routing protocol uses an on-demand approach for finding routes, that is, a route is established only when it is required by a source node for transmitting data packets. It employs destination sequence numbers to identify the most recent path. In an on-demand routing protocol, the source node floods the route request packet in the network when a route is not available for the desired destination. It may obtain multiple routes to different destinations from a single route request. The major difference between AODV and other on-demand routing protocols is that it uses a destination sequence number (DestSeqNum) to determine an up-to-date path to the destination. A node updates its path information only if the DestSeqNum of the current packet received is greater than the last DestSeqNum stored at the node. The main advantage of this protocol is that routes are established on demand and destination sequence numbers are used to find the latest route to the destination. The connection setup delay is less [1]。

这段引言部分结束。相关作品,涵盖从之前的相关工作,在部分检查2。我们检查的方法3该算法和AODV的成本分析。我们探索的模拟和结果分析部分4。未来扩展的前景的报告总结说这项工作讨论了后发现提供的部分5。

在文献[6)解决广播风暴问题,作者研究了现有的广播在MANET路由发现策略,以及他们未来的工作包括结合现有广播方法减少转播和提高包交货率。

在文献[7),作者提出,提高AODV性能使用动态density-driven请求转发和路由优化的广播在路由发现(AODV RREQ的修改)。好包的可达性,但这种方法的缺点是,它仍然是贫困的减少冗余数据包重播。的作者文献[4)提出,邻居coverage-based概率减少了路由开销的重播移动ad hoc网络通过考虑AODV作为基础。一个节点可以重播RREQ包罕见邻国基于概率P。在文献[8),一种新型高效的转播协议提出了在移动ad hoc网络路由开销最小化。好交货率、能耗和控制开销。然而,这种方法的缺点是计算重播概率的复杂性。等三个参数信号噪声比,能量,和路由负载带来了延迟转播信号(RREQ packects)。在文献[5),灵敏度分析AODV协议提出了关于转发概率。他们的研究表明,重要的是使用概率转发RREQ的AODV路由协议和良好的减少能耗和提高吞吐量(9]。频谱效率也被称为带宽效率和它指的速度信息可以通过给定的传输带宽,和本文研究基站天线天线下倾角之间的关系和下行网络容量(ASE)。有一个理想的天线下倾获得每个基站的最大覆盖概率密度,根据覆盖概率的分析结果和ASE (10]。在这项研究中,我们考虑一个典型的全新场景的实现容忍延迟应用程序,其中的一个子集vehicles-referred车辆兴趣的下载请求。看到文件的分布是借助于其他车辆没有下载请求每个VoI从互联网上下载一个独特的大文件。使用V2I和V2V通信、车辆移动性,以及基础设施和车辆之间的合作都是探索合作交流策略的一部分,旨在增加车载网络的能力(11]。作者关注的问题碰撞的一个革命性的方法,解决了映射关联ID的RFID防撞。通过映射关联ID搜索multitrees可以成为更有效的通过增加标签之间的联系,使标签来传达自己的ID特定触发条件下。方法可以显著减少的次数读者读和写一个标签的ID时没有很多标签用临时身份证代替真正的ID。通过使用二进制脉冲的位置来确定空槽的位置在动态ALOHA-type应用程序中,读者可以避免阅读的效率损失,结果空槽阅读时槽(12]。本研究提出了一个forward-aware因素检测路由方法(FAF-EBRM)。选择下一跳节点FAF-EBRM考虑连接的体重和能量密度。自发机制重建当地的拓扑也发达。FAF-EBRM比LEACH和EEUC实验浸出和EEUC相比,另一个因为它平衡能源消耗,延长生命周期函数,并确保高QoS WSN (13]。在这个工作中,一个全新的体系结构称为ApproxECIoT(近似计算物联网,ApproxECIoT)提出为解决物联网的实时数据流处理。处理实时数据流,它使用一个自动调节的分层抽样技术。试验研究的结果,包括合成和真实的数据集,证明ApproxECIoT仍然可以产生高度准确的计算结果,即使使用内存资源基本随机抽样。当合成数据流的抽样比率是10%,精度损失ApproxECIoT SRS和CalculIoT相比下降了99.8%和89.6%相比,CalculIoT [14]。作者研究无线传感器网络(WSN)的移动教育为了保持更好的和更低的能耗,减少洞的能量,延长网络生命周期。我们提供一个独特的不平等集群路由协议(UCNPD,代表不平等的基于网络的聚类分区和距离)轮为基于网络分区,利用能量平衡和距离并创建集群通过设置各种不平等竞争半径。仿真结果表明,该协议成功地延迟节点老化,提高网络寿命和均匀分布在所有节点能耗(15]。PMC算法是基于多次反射的概念聚类算法确保集群的覆盖率和稳定性,研究侧重于小说被动种聚类算法(PMC),提出了解决这些问题。一种基于优先级的neighbor-following技术建议选择理想的邻居节点加入相同的集群在簇头选择阶段。他们进行大量的深入使用N-HOP的算法比较实验,VMaSC, DMCNF在NS2环境下验证PMC算法的性能(16]。网络拓扑变化频繁,和通信链接是不可预测的,这使得VANET(车载ad hoc网络)的一个特例马奈(移动ad hoc网络)。车辆运动的原因是这两个特点,有效地预测网络的稳定性和车辆之间创建一个可靠路由服务协议,以满足不同的QoS的应用需求。服务基于启发式算法,研究表明一个可靠的自适应路由算法(RSAR)。VANET的RSAR表现良好结合的可靠性参数和修改启发式函数(17]。本文提出了一种全新的OLSR协议MANET称为QG-OLSR。OLSR协议利用的MPR(多点继电器)技术(最优链路状态路由)。它可以有效地减少网络拓扑控制的消费,提高数据包的交货率,减少端到端的包传输的延时节点之间通过集成新的增强q学习算法,结合MPR的OLSR算法来优化选择集。

的研究文献[18)集中在深度上优于方法个性化的抗癌治疗建议称为暹罗的反应深度分解机(SRDFM)网络,直接排药物和提供最有效的药物。药物之间的相对位置(RP)为每个细胞株计算使用暹罗网络(SN),一种深入学习网络由相同的子网,共享相同的架构,参数和权值。SRDFM的有效性已被实验结果表明单一药物和药物协同作用的数据集。的研究文献[19)关注车辆的互联网如何(IoV)可能从各种sensor-collected收集交通统计数据。IoV的开发和使用,然而,一直缺乏数据,严重地制约了异常数据,和其他低质量问题解决的问题缺失的数据在一个广泛的道路网络。新方法使用张量估计失踪的数据异构集成学习基于模糊神经网络,称为FNNTEL,提出了这项研究。大量的实验测试表明,新方法优于其他广泛使用的技术和各种模型生成缺失的数据。的研究文献[10全新)考虑一个典型的实现容忍延迟与下载请求应用程序场景的一个子集感兴趣的车辆被称为车辆(看到)的研究。看到文件的分布是借助于其他车辆没有下载请求每个VoI从互联网上下载一个独特的大文件。使用V2I和V2V通信、车辆移动性,以及基础设施和车辆之间的合作都是探索合作交流策略的一部分,旨在增加车载网络的能力。数值结果表明,特别是当看到很小的比例,提出协同通信技术极大地提高了车辆网络的能力。在文献[20.),作者展示了一个LLECP-AOMDV或链接一生和能源消费prediction-based,特别需多路径移动边缘距离向量路由协议(AOMDV)计算。结果表明,拟议中的LLECP-AOMDV优于其他三个协议在大多数网络性能指标和参数,提高网络的生命周期,降低节点能量消耗,降低平均端到端延迟。为移动计算边缘,协议是非常有用的。

研究文献[21),作者提出一种新颖的基于边缘的AODV聚类算法计算。车辆节点的能量和速度优化时考虑AODV路由协议,分割沟通到车辆的车辆(V2V)和车辆道路(V2R)模式。该算法提高了高速移动的路由效率。实验中已被证明是实用的方法,降低端到端延迟、网络拓扑管理开销和提高数据包交付率相比,替代方法在各种设置。的研究文献[22)关注互联网的任务卸载系统的车辆(IoV)。建模时,考虑几个MEC服务器的存在并提出一个动态任务卸载系统基于强化学习。防止维灾难的q学习算法,它能增强传统的q学习算法和混合深度学习与强化学习。根据模拟的结果,提出不同的工作负载和无线信道带宽下算法性能更好的延迟,能源使用,整个系统的开销。

的研究文献[23]表明细粒度卸载一个革命性的多用户调度为物联网。为了优化子任务的执行位置和调度顺序,我们把计算任务作为一个有向无环图(DAG)。解决CMOP,提出一个改进NSGA-II算法。建议的方法是实现本地和边缘的并行处理能力,大大降低了延迟和能源使用。拟议中的algorithm-m可以减少能源消耗10 - 50% no-segmentation和相关的分割方法。此外,提出的算法能够在真实的场景中做出最佳选择。

3所示。方法

3.1。混合广播方法

这个术语是指将两个或多个现有的广播系统。我们使用邻居的结合知识和概率方法在我们的场景中。因为,根据文献[6),它表明概率技术,性能在密集和稀疏区域网络是好的,在邻居的知识方法,它很好。概率的技术,包转播适中,在邻居的知识方法,它很低。我们检查这些策略的好处在我们的研究中。我们使用邻居知识和概率统计方法来创建洪水自清除和概率。

3.2。发现节点的计算

源节点发送路由请求消息(RREQ)中间节点在这个阶段的计算。假设年代是源节点,发送RREQ包节点我。RREQ包可以使用s节点我一个中间节点,计算有多少邻国被RREQ数据包从暴露年代。根据节点我,发现邻居集合你我计算(4]: 在哪里N(我),N(年代)是邻居节点集我分别和s。

图1显示了源节点1广播一个RREQ包所有邻国的节点2,3,4,5。我们假设节点5,中间层节点到源节点1,收到RREQ包,并使用RREQ的邻居列表计算发现邻国。因此,节点4股共享边界5和源节点1和节点。我们获得节点6和7作为节点的邻居节点发现5无视这种常见的节点和源节点1节点邻居列表的5。


图1
场景发现邻居。
3.3。该算法描述

标准的AODV路由过程所有节点广播路由请求。在该方案中,只有选中的节点广播RREQ。当消息传播,只有在每个邻居节点的一个子集允许传输。我们的方案被称为一个优化和节能AODV路由协议基于动态转发概率(AODVI)。在这种方案,一些参数定义(使用7)表1。

表1
该算法参数描述。
3.4。该算法

我们使用混合广播技术通过合并两个算法(作为板凳标记算法的参考7和增加它发现的邻居节点4])。所以,我们的算法定义如下:

任何节点n我,我= 1、2、3、…n收到RREQ消息处理分组如下:

来自RREQ的消息年代将节点D这是收到的节点n我过程,如果n我≠年代和n我≠D(例如,n我是一个中间节点)如下:

我们计算了邻居集(U{n_i})

节点n我解决其附近密度β我

如果发现邻居设置为零,打消了中间节点电源其邻居节点广播数据包。

如果U{n_i} 然后

提出了RREQ包

其他的

计算消息转发概率P我在节点n我。

如果 否则RREQ的消息转发。

忽略和删除RREQ消息。

图2显示,当源节点(S)想要将消息发送给目标节点,年代搜索通往目的节点的路由表。如果没有路线,年代发起一个RREQ消息与下列组件:(我)年代和目标节点的IP地址。(2)当前序号(S)和最后一个已知的目的节点序列号。(3)广播ID从美国广播ID是增加每次发送一个RREQ消息。(iv)S的邻居列表(不出现在原AODV RREQ格式)。


图2
该算法的流程图。

中间节点接收到RREQ从年代和计算发现邻居节点(节点未被发送方节点)。之后,中间节点决定重播RREQ包或不是基于以下标准:如果中间节点邻居列表的数量低于最低要求(D),然后重播RREQ包的邻居,如果中间节点大于最低要求数量的邻居列表,那么它将重播RREQ包基于转发概率(P我)和生成的随机数(R)。如果R是小于P我,然后中间节点转发RREQ邻国否则滴RREQ。

3.5。成本分析的AODV和AODV的其他变体

原AODV路由协议工作如下:

图中所示3,我们假设所有节点是活动的,如果节点1(源节点)希望将数据发送给节点6(目标节点)和节点5有一个新的路线节点6:节点1检查其路由表是否有路由节点6。如果节点1的路线,然后发送数据。否则,节点1生成RREQ包和洪水(即整个邻居节点。,2,3,和4)。 Then, each node receives the RREQ packet and checks their routing table whether they have a route to node 6 or not.节点2检查其路由表,如果没有一个路由节点6,然后重播收到RREQ包它的所有邻居节点1和3,但节点1和3滴收到RREQ包,因为他们以前RREQ数据包广播相同的id和序列号。节点3检查其路由表,如果没有一个路由节点6,然后重播收到RREQ包它的所有邻居节点1,4,5。节点5有路由节点6但其他节点将收到RREQ包,因为他们以前RREQ数据包广播相同的id和序列号。节点4检查其路由表,如果没有一个路由节点6,然后重播收到RREQ包整个邻居节点1和3。节点1和3把收到RREQ包,因为他们已经收到RREQ包之前播放相同的id和序列号。最后,节点5有一个新的路线节点6;因此,形成的反向路径节点6节点1创建然后转发路径的形成从节点1到节点6将被创建。因此,节点1和6之间的沟通开始。因为整个活跃节点(中间节点)预计将重播RREQ收到数据包,直到它到达目的地节点6。从上述的场景中,我们可以理解,在原AODV,数据包减少数量的增加,因为多余的转播RREQ包。结果,这导致增加能耗和减少吞吐量的AODV路由协议通常退化马奈的性能。


图3
AODV RREQ机制。

如图3,我们假设所有节点是活动的,如果节点1(源节点)希望将数据发送给节点6(目标节点):(我)如果节点1有一个路由节点6;与原AODV的过程都是一样的。否则,节点1发起RREQ包和广播其邻居节点2,3和4;与原AODV的过程都是一样的。节点2,3,4接收RREQ包和检查他们的路由表是否有路由节点6与原AODV是相同的,但除此之外他们重播RREQ收到数据包的概率取决于(p)。p取决于邻居(Bi)的数量,最小数量的邻居(d)、控制因素(C)和随机数(R)。结果,只有节点的一个子集重播收到RREQ包或不会重播节点收到RREQ包整个活跃节点如原AODV路由协议。AODVE原AODV相比减少了冗余RREQ包的数量。这表明比AODV性能好。一个优化和节能AODV路由协议基于动态转发概率(AODVI):如图4,我们假设所有节点是活动的,如果节点1(源节点)希望将数据发送给节点6(目标节点):(2)与原AODV和AODVE过程是一样的。不同的是节点2,3,4计算发现邻居节点1(源节点)在决定重播RREQ包之前基于公式(1)发现了邻居节点1和2之间是null或0,1和3是5,1和4是零。(3)节点2检查其路由表,如果没有一个路由节点,节点2重播RREQ收到数据包的罕见的邻居节点1和2之间是零。因此,节点2不会重播收到RREQ包其所有邻居节点(1和3)。(iv)节点3检查其路由表,如果没有一个路由节点,节点3重播RREQ收到数据包的罕见的邻居节点1和3之间节点5。因此,节点3重播收到RREQ包节点从节点1到5的概率p与AODVE(相同的程序7]。(v)节点4检查其路由表,如果没有一个路由节点,节点4重播RREQ收到数据包的罕见的邻居节点1和3之间是零。因此,节点4不会重播收到RREQ包其所有邻居节点(即。1和3)。(vi)最后,节点5有新鲜的路由节点6,然后形成反向路径节点6节点1将被创建并转发路径的形成从节点1到节点6也将创建。因此,节点1和6之间的沟通开始。但AODVI比较原AODV和AODVE,它减少了数量的转播RREQ数据包由于RREQ避免数据包的共同邻居。该算法不同于原AODV和AODVE因为以下的原因。(七)首先,它计算常见的邻居节点之前决定重播RREQ包(即。,节点未被发送方节点)。在那之后,与AODVE过程是一样的。

4所示。仿真和分析结果

实现后的系统,它必须测试它的性能。然后,结果得到了相应的跟踪文件和操作来计算所需的参数。仿真的算法完成2网络仿真器(NS2),由于NS2是一个开源的(容易)。

4.1。仿真参数设置

我们必须要求设置仿真参数进行仿真和结果分析。表2描述了聚合模拟参数。


图4
AODVI RREQ机制。
表2
仿真参数。
4.2。绩效评价指标

路由协议的性能,评估各种量化指标是练习24]。三个独立的量化指标是用于我们的研究检查路由协议的性能对节点移动性、交通负载条件下,移动节点的大小。下面是三个关键性能参数,考虑在评估各种路由协议(24]:(一)吞吐量:网络的吞吐量是衡量包可以发送的速度有多快。 (b)能源:因为能源扮演这样一个至关重要的部分在通信技术中,无线网络路由系统必须节能。能量模型的初始值定义在一个节点的能量节点的模拟。变量在模拟“能源”反映了能量的节点在任何给定的时间。(c)路由开销:路由数据包的数量每发送的数据包发送到目的地。路由开销被定义为所有数据包在网络层传输或转发。这也是路由数据包的数量需要通过网络进行通信。

4.3。仿真结果:流动性的影响

停止时间不一从0秒(高迁移率)到100秒(低流动性)检查移动(低迁移率)的影响。最大连接数设置为20和节点的数量设置为40。图表的数据5- - - - - -7表明流动性的影响在三个性能指标对AODV AODVE, AODVI协议(吞吐量、能源和路由开销)。


图5
暂停时间和吞吐量。

图6
暂停时间和剩余能量。

图7
暂停时间和路由开销。
4.3.1。吞吐量

如图5的吞吐量AODVI擅长暂停时间(0,15、30、50、80、100秒),所以AODVI协议的性能改善流动性增加,吞吐量是暂停时间0提高29.42%和6.8%,28.6%和7.2%的暂停时间30日暂停时间50 34.9%和2.4%,30.8%和7.4%,100年暂停时间,分别相比,AODV和AODVE暂停期延长,吞吐量持续上升。因此,AODVI有更高的吞吐量在高和低的流动性。因为建议算法允许源节点传输数据到目标节点,实现这一结果。在决定重播RREQ包之前其邻居节点和转播RREQ的概率p,中间节点计算或计算其不同寻常的邻居节点。它减少RREQ数据包的数量提供给节点不需要接收并没有将重播RREQ数据包在这种情况下。只有一小部分的网络的节点将重播RREQ包失败。一般来说,它减少了数量的冗余重播RREQ包和数据包的数量下降。

4.3.2。能源

图6表明AODVI功耗更小(权力用于发射和接收)和剩余的能量增加了暂停时间0 8.97%和2.58%,6.27%和2.63%的暂停时间30日暂停时间50 8.05%和2.44%,和100年暂停时间6.33%和2.63%,分别比AODV和AODVE协议。然而,我们没有添加权力被闲置在我们的模拟。因为该算法只将消息转发到一个特定的分数n邻居依赖于其邻国的密度,获得这个结果(只有一个子集的节点从n网络中的节点是RREQ数据包发送和接收或发射和接收的能源消耗是降低)。这保存电池和双网络的生命周期。

4.3.3。路由开销

如图7,提出AODVI减少路由开销(在高和低流动性)比AODV和AODVE暂停时间减少58.2%和22.4% 0,暂停时间30 47.4%和15.8%,34.3%和10.1%的暂停时间50和100年暂停时间58.9%和23.5%,分别。因为只有部分网络节点进行发送和接收的控制包,建议技术是有限的。这导致下降的数量控制或路由数据包生成的路由协议,以及减少数据包的数量交付或在网络层转发。它RREQ数据包广播的数量减少,增加了网络的路由的压力。

4.4。仿真结果:交通负荷的影响

的连接数是5、10、15、20、25和30连接,节点的数量是40来评估网络上的交通负荷的影响。网络模拟0秒的停顿时间高迁移率的场景。数据8- - - - - -10描述交通负荷对吞吐量的影响,能源,和路由开销AODV的性能参数,AODVE, AODVI协议。


图8
最大连接和吞吐量。

图9
最大连接和剩余能量。

图10
最大连接和路由开销。
4.1.1。吞吐量

如图8随着交通负荷,提出AODVI性能更好和吞吐量增加(提高)最大连接了25.0%和4.0%,分别。相比于AODV和AODVE 10 18.6%和2.4%最大连接15,最大连接20 21.7%和2.3%,19.7%和9.9%最大连接30。因此,当网络的流量负载的增加,AODVI吞吐量优于竞争对手。因为邻居知识信息用于路由发现阶段在我们建议的方法(而不是洪水RREQ路线发现在整个网络中节点消耗网络资源)。

10/24/11。能源

AODV和AODV相比,该AODVI消耗更少的能源,其余(残余)能源(改善)增加了7.3%和3.1%最大连接10,最大连接15 4.2%,降低了0.2%,7.3%和3.1%最大连接20,最大连接30 7.3%和3.1%,7.3%和3.1%最大连接30,最大连接30 7.3%和3.1%。因此,AODVI相比能耗较低的交通负荷。由于我们的建议方法,参与网络中的中间节点的数量减少。这就意味着更少的节点在网络消费电力传输和接收数据。

4.4.3。路由开销

在图中可以看到10AODVI少路由开销(在高和低流量负载)和最大连接10下降了40.3%和11.3%,49.6%和12.6%最大连接15日最大连接20 56.5%和17.2%,43.3%和16.2%,最大连接30比AODV和AODVE,分别。自该算法减少了RREQ数据包广播路由网络中负载增加。

4.5。仿真结果:移动节点的大小的影响

移动节点的数量修改为20、40、60、80和100年评估网络上的网络规模的影响,设置了最大连接在20。网络模拟0秒的停顿时间高迁移率的场景。数据11- - - - - -13显示的效果增加网络中移动节点的数量在吞吐量,能量,和路由开销AODV的性能参数,AODVE, AODVI协议。


图11
移动节点和吞吐量。

图12
移动节点的数量和剩余能量。

图13
移动节点和路由开销。
4.5.1。吞吐量

如图11,移动节点的规模增长,AODVI性能更好和吞吐量增加(提高)15.3%和8.2%大小的移动节点20日为移动节点的大小40 21.7%和7.2%,30.8%和0.5% 80年移动节点的大小,大小的移动节点80,30.2%和8.9%,23.6%和4.1 100年移动节点的大小,分别比AODV。随着移动节点的大小增加,AODVI吞吐量优于他人。

4.5.2。能源

如图12AODVI功耗更小,增加(提高)剩下的(残余)能源26.2%和13.5%大小的移动节点20日为移动节点的大小40 7.3%和3.1%,4.2%和2.3%大小的移动节点的60岁大小的移动节点80 9.5%和3.9%,3.6%和1.4%,100年移动节点大小,分别AODV相比,因此,AODVI能耗较低相比,移动节点的大小。

4.5.3。路由开销

如图13,AODVI比AODV和AODVE降低路由开销,减少了3.0%和2.0%的大小20日移动节点的移动节点的大小40 46.7%和28.2%,45.5%和8%大小的移动节点的60岁大小的移动节点80 41.3%和16.6%,47.6%和18.9%,100年移动节点大小,分别。AODVI路由开销低于竞争对手。然而,根据我们的建议方法,当一个源数据发送到目的地,它广播一个RREQ及其邻居列表,目的地。使用前的路线ID,中间节点接收RREQ检查他们已经收到相同的请求。没有目的地,没有目的地电流路径;因此,它重播RREQ节点不发送方和接收方节点的邻居。因此,网络的路由开销却降低了。

5。讨论

一般来说,我们模拟和评估性能的原AODV, AODVE,和AODVI路由协议使用移动节点大小等不同情况下,流量负载,在这工作和停止时间。我们使用仿真参数表中提供2以及性能评价参数指标如吞吐量、使用权力,和路由开销,来模拟。的吞吐量、路由开销,和使用能力,仿真结果表明,提出的方法优于原,提高AODV。路由发现,原AODV使用一个基本的洪水机制在源节点广播到网络中的所有节点。这个策略,另一方面,增加网络流量和电池能量耗尽。然而,我们建议的解决方案有效地解决了性能问题引起的AODV路由协议通过转换概率信息转发方案(转发方案,使用概率选择节点转发消息)的数量,减少了功耗开销,因此AODV路由消息。这可以通过消除任何多余的广播使用动态概率,从节点的转发概率是这个系统中最重要的方面。结果,建议系统令人称羡的吞吐量、路由开销和功耗。然而,由于利用邻居节点信息,路由开销和消耗功率问题仍然存在,和这些节点选择中继路由请求可能不会有足够的精力去这样做。

广播在manet是基本操作特别是在AODV路由协议。在原AODV,当源节点想与目的节点通信洪水RREQ所有邻居直到目的地的路线。这将导致冗余RREQ的包。因为有几个文件(6,8,10,12,14,17,25- - - - - -28),广播到洪水通常是非常昂贵的,将导致严重的冗余,争用,碰撞,等等。洪水是一种常用的广播路由请求的方法(RREQ)包是容易产生广播风暴的问题,这可能提供数据包太多节点(在最坏的情况下,可以从所有节点发送者可能会收到包)。因此,需要一种有效的路由策略来构建一个可靠的路线可以忽视高信号强度的变化,碰撞和手机电池耗尽的6,28]。本研究工作的目的是提高性能(即。,energy consumption, routing overhead, and throughput) in the AODV routing protocol by modifying the RREQ forwarding probability. The significance of this work is to minimize the number of broadcastings RREQ in modifying the route control mechanism (AODV routing protocol). Thus, the sender node broadcasts the RREQ packets transmit with probability rate on the wireless Ad Hoc network environment. Consequently, the sender node can benefit from bandwidth utilization and energy conservation, increasing the throughput of the network. Generally, the significance of this study is to optimize the resources and to communicate with an efficient way.

6。结论和未来的工作

6.1。结论

广播对manet的研究是一个热门话题。最具挑战性的问题之一是减少重播数据包的数量,同时保持足够的重传和包可达性。本文提供了一种新的manet路由发现过程,提高路由性能。它把邻居知识以及概率的方法。因此,我们的技术可以消除冗余重播数据包的数量相比,现有的动态密度驱动路由请求转发算法。我们调查了AODV协议版本和他们的表现在三个结果的措施以及在移动场景中使用NS2模拟生成。传输路由请求消息,AODV已经更新采用动态转发概率技术。AODVI的名字是修改后的版本。实现和模拟和基准算法提出后,我们发现的吞吐量,能源消耗,和AODV的路由开销,AODVE, AODVI路由协议和各种场景明显不同(不同的停顿时间、最大连接和大小的移动节点)。我们建议的方法有效地减少了重复的数量(多余的)重播AODV路由协议的数据包在manet中,证明了仿真结果。 For pause time (0, 30, 50, and 100 seconds) in a 40 nodes scenario, the throughput, remaining energy, and routing overhead improved by 30.68%, 7.405%, 49.7%, and 5.95%, 2.57%, 17.95%, for maximum connection (10, 15, 20, and 30) in a 40 nodes scenario, the throughput, remaining energy, and routing overhead improved by 21.257%, 6.25%, 47.425, and 4.65%, 2.275%, 14. This implies that the routing protocol’s throughput, energy consumption, and routing overhead have all improved.

6.2。未来的工作

我们更新了AODV路由协议在NS-2本文。实现,我们使用一个动态的转发概率(P),依赖于控制因素(C),最低的邻居(d),和随机数(R)。然而,在整个模拟,我们利用C= 0.65是一个常数,C变量依赖于应用程序,它被认为是未来的工作。模拟,我们改变了暂停时间、最大连接,和大小的移动节点,以及吞吐量、能源、性能评估参数和路由开销。其他特征(如包交货率和延迟)在未来可以被测试。其他MANET路由协议,如动态源路由协议(域),可以用这种建议的方法进行测试。

数据可用性

在生成的数据集和/或分析在当前研究可从相应的作者以合理的要求。

附加分

这项研究的目的是分析原AODV的性能,AODVE, AODVI路由协议;测试AODV、AODVE AODVI路由协议;并减少重播的数据包的数量。

的利益冲突

作者宣称没有利益冲突。