用于互联网的多路径负载平衡路由

抽象的

在新一代技术物联网(IoT)中，数以亿计的智能物体将相互通信，使人类的生活更加方便。物联网基于无线传感器网络(WSN)， Zigbee是目前最流行的无线传感器网络协议之一。成熟的物联网环境中，WSN数据传输量大，存在瓶颈问题。然而，Zigbee的AODV路由堆栈没有处理突发流量的负载平衡机制。因此，我们开发了多路径负载均衡(Multipath Load Balancing, MLB)路由来替代Zigbee的AODV路由。我们提出的MLB包括两个主要设计:LAYER_DESIGN和LOAD_BALANCE。LAYER_DESIGN根据节点到物联网网关的距离将节点划分为不同的层。节点可以有多个下一跳来传递物联网数据。所有相邻层节点交换包含当前负载的流信息，LOAD_BALANCE使用该信息来估计下一跳的未来负载。通过MLB，节点可以选择负载最小的邻居作为下一跳，从而实现负载均衡，避免瓶颈。 Compared with Zigbee’s AODV and multipath version AODV (AOMDV), experiment results demonstrate that MLB achieves better load balance, lower packet loss rate, and better routing connectivity ratio in both grid and random uniform topologies. MLB provides a more convincing routing solution for IoT applications.

1.介绍

最近，物联网的要求（IOT）[1] 持续增长。在开始，无线传感器网络（WSN）[2使无处不在的传感技术成为可能。随着无线传感器网络技术的发展，这些传感设备的扩散和应用创造了物联网(IoT)。物联网是下一场革命，智能对象之间的互联创造了一个智能环境。预计到2020年，物联网设备将达到240亿台[1]。随着越来越多的IOT设备已连接和传送，IOT应用程序会生成巨大的IOT流量。由于IOT流量用于对象之间的通信，因此传输可靠性至关重要，特别是在与有线网络相比的相对不稳定的WSN中。作为图1表演，物联网技术适用于许多领域，包括环境监测，运输，汽车车辆，行业[3.，医疗技术[4]，医疗保健，智能家庭[5]和智能城市[6]。

WSN是IOT最重要的组件，其中包括WSN的所有内容以及安装在计算设备和云上的厚软件层。换句话说，IOT是基于WSN开发的，其中ZigBee是最受欢迎的WSN协议之一。在IOT中，低端传感器依赖于WSN，其中使用多轴时尚从传感器（物品网关）从传感器（物品）发送数据。可以部署更多静态和移动宿，以从传感器收集数据。多个传感器网络通过互联网连接在一起。因此，执行数据管理很重要。IOT研究需要找到更高效和有效的数据管理方式，例如收集，建模，推理和分配。我们专注于事物和物联网网关之间的数据传输可靠性。

我们专注于ZigBee而不是WiFi，因为Zigbee更健康。由于IOT使人类包围无线连接的物体，因此使所有具有低无线电传输电源的智能物体都很重要，以使环境更加健康。Zigbee is with low transmission power, 1 mW, and is an appropriate option for IoT.ZigBee Stack [7]采用Ad Hoc按需距离矢量(AODV) [8]，在需要路由时自动构建AD hoc网络。AODV优化路由路径为最短路径，但不支持多路径路由。多路径路由对于负载均衡非常重要，当网络流量较大时，可以选择不太繁忙的通道作为下一跳。此外，一旦出现流量瓶颈，发送失败将触发AODV路由错误(RERR)消息，这可能会产生更多的REER消息，从而阻塞网络。在最坏的情况下，过多的AODV RERR消息会导致网络瘫痪，特别是Zigbee接收器附近的链接。因此，我们打算通过使用我们提出的路由协议，Multipath Load Balancing, MLB, routing，取代AODV来增强Zigbee路由。

为了为数据密集型物联网应用提供可靠的路由服务，我们提出了多路径负载均衡(MLB)路由。MLB采用分布式架构，避免了集群头成为瓶颈的情况。MLB以流量负载为代价函数，自适应地更新邻居的负载信息，计算出最不繁忙的路由。MLB为下一跳选项提供了多条路径，在均匀分配流量的同时提高了可靠性。MLB的主要比较目标是Ad Hoc On-Demand Multipath Distance Vector (AOMDV) [9]，它是通过给IOT网关的等效路径给出同一跳数的等效路径是AODV的多路径版本。AOMDV的缺点是其等效路径必须彻底脱节，不能在其不同的路径上共享节点。这限制了可用替代品的数量。选择发送路径时，AOMDV不会考虑流量负载，因为它只是用于多条路径而不考虑负载平衡问题。为了成为负载平衡的更好的多径解决方案，而不是AomDV支持数据密集型物联网服务，MLB具有可靠的分层体系结构，并利用流量负载作为成本函数。分层架构允许在本地邻居之间进行路由计算，并以交通负载占据，因为成本求出比AOMDD更直接的负载。因此，MLB可以通过提供多个下一跳并保证所选择的最短路径来增强网络可靠性。

MLB由两个主要部分组成:tallay_design.和LOAD_BALANCE．在tillay_design中，IoT网关是顶级，我们定义该节点更紧密的到了IoT网关内层和节点更远的来自IoT网关的外层。与其邻居相比，每个传感器节点可以根据与IoT网关的相对距离播放外层和内层节点的角色。每个外层节点只需要了解当地的直接内层下一跳节点到物联网网关的信息，逐跳构建物联网网关从源节点到物联网网关的路径。这种结构化和归纳的两层关系建立了可靠的路由服务。此外，LOAD_BALANCE允许每个外层节点计算哪个内层节点的流量负载最小。因此，选择流量较小的内层节点作为物联网网关的下一跳。通过LAYER_DESIGN和LOAD_BALANCE的协作，实现了负载均衡优化。在MLB路由表中，会记录多条路径，当某些下一跳出现故障时，会有更多的容错能力。MLB允许在任何节点无法正常运行的情况下，外部节点向物联网网关重新计算其最佳内层节点，而不广播路由错误消息。因此，MLB能够快速适应传感器节点对动态流量变化和故障链路的适应。

MLB的主要贡献是具有负载均衡、鲁棒性和可靠性的多路径路由。首先，通过选择流量负载最小的最佳内层节点来实现负载均衡。其次，由于LAYER_DESIGN和LOAD_BALANCE的协同为每个外部节点提供了多个到物联网网关的内层下一跳，并且ROUTE_RECOVERY可以检测到链路故障，实现快速链路切换，实现了鲁棒性。由于MLB通过负载均衡设计消除了瓶颈，并提供了多路径路由，MLB提供了比目前Zigbee AODV相关解决方案更可靠的路由服务。

为了评估负载均衡性能和可靠性，仿真结果基于负载均衡度(load Balance Degree, LBD)、丢包率(packet loss rate, PLR)和连通性比(connectivity ratio, CR)三个评估指标进行验证。LBD说明了路由拓扑中每一层的负载均衡性能，表明MLB比AODV和AOMDV更有效地平衡网络流量，特别是在第一层。PLR直接反映了数据传输的可靠性，CR反映了整个路由拓扑的可靠性。由于负载均衡的有效性，MLB的PLR大大低于AODV的PLR，略低于AOMDV的PLR。CR表明MLB中的路由业务非常稳定，具有良好的连通性，且数据流量较大。另一方面，CR显示了AODV和AOMDV中的路由服务由于不平衡的流量负载而受到不同程度的断开。因此，仿真结果表明，MLB与Zigbee的AODV和AOMDV相比，能够提供更好的负载均衡和更可靠的分组传递。

本文的其余部分安排如下。部分2讨论相关工作。部分3.说明Zigbee-MLB如何协助物联网通信。部分4MLB的礼物。部分5展示了仿真结果。最后，部分6本文总结道。

2.相关工程

为避免在一些瓶颈点发生的交通拥堵，提出了许多负载平衡无线路由。纯集群解决方案[10，11]以尽可能实现均匀小型群体的建筑以实现群集负载平衡。在最小RADIUS聚类算法中[10[每个群集头部提取并将本地信息发送到宿。在从所有群集头部聚合信息后，inrume生成平衡模块以实现群集负载平衡。张和杨[11]提出了一种分布式算法，以确保每个集群内节点数量的均方差值尽可能小。

高级集群解决方案[12，13]平衡每个节点上的能量消耗，间接达到负载平衡。Liao等人。[12]提出了一种负载平衡聚类算法，DSBCA，用于无线传感器网络。为了构建更平衡的聚类结构并避免形成大型群集，DSBCA考虑节点和基站之间的连接密度和距离。在每个群集中，选择具有最高权重的节点作为簇头。重量计算包括节点，初始能量节点的剩余能量，初始能量节点和节点的时间作为簇头所选的节点。在数据传输期间，每个群集头都需要将所有数据从其群集成员聚合并发送到基站。然而，数据通过簇头发送到基站，这可能成为另一个潜在的瓶颈。吴和刘[13]提出了一种集中功率高效路由算法，EHGuc-OARP，用于能量收集无线传感器网络。基站使用EHGUC算法来形成不等尺寸的集群，并选择所有形成的簇的群集头。当应用EHGUC时，尺寸较小的簇更靠近BS。随后，基站使用OAPR构建所有簇头之间的最佳路由。

多路径能量感知AODV (ME-AODV)路由[14]利用网络拓扑结构将网络划分为一个或多个逻辑集群，并限制向集群外发送路由请求。ME-AODV采用节点剩余电池电量作为代价函数，而不是传统AODV中使用的跳数，并增加了多路径的概念。节点以轮循的方式使用所有可用路径，以便在整个网络中均匀分配能量消耗。ME-AODV的缺点是集群头和集群网关的负载较重，成为瓶颈候选。邻居感知自适应负载均衡算法[15]使用父节点和子节点的信息以及概率因子来平衡流量并延长网络生命周期。所有节点都将流量负载信息发送到网关，后者随后计算并广播整个网络所使用的确定的概率因子。

与上述解决方案不同，MLB使用交通负载作为成本函数和非聚簇结构可以防止在簇头处发生潜在的瓶颈。MLB不考虑其设计中的能量，因为我们专注于传感器包含更多能量和更高的计算能力来发送大量网络数据的IOT应用程序。因此，可靠的路由服务比节省MLB的能量更为重要。

3. MLB如何协助IOT沟通

如图所示2，WSN是IOT最重要的组成部分。IOT包括WSN加上跨计算设备和云安装厚软件层的所有内容。因此，物联网可以作为通用WSN解释。换句话说，WSN是IOT的一部分，而IOT不是SN的一部分。关于IOT通信，IOT遵循三层WSN的体系结构。使用多轴时尚从阶段i传感器（物品）从阶段I传感器（物品）发送数据。可以部署更多静态和移动宿，以从传感器收集数据。然后将WSN数据发送到阶段III计算设备以进行进一步的数据分析和IOT应用程序。多个传感器网络可以通过阶段 - IV-Internet连接在一起。

我们的工作侧重于阶段I的数据传输的可靠性，以成功的数据收集II期。例如，医院可能让患者将心电图传感器戴上实时监测患者的心脏健康。在WSN上连续传输大量的心电图数据，不能丢失，因为它涉及人类生活。只有成功的数据传输和阶段I和II的集合可以提供计算设备完成数据以进行正确的数据分析和应用。为了找到更高效和有效的数据传输方式，我们专注于事物和物联网网关之间的数据传输可靠性（传感器和汇）。

建议与大规模无线ZigBee网络合作。由于由于大量的物联网对象，交通负荷显着增加，具有更多邻居的路由器可能会遇到更重的流量负载并成为瓶颈，特别是对于靠近IoT网关的路由器。为了防止瓶颈发生，MLB引导ZigBee路由器选择具有最小流量负载的下一个跳跃。ZigBee网络中的每个MLB路由器都提供了具有相同可能性的网络流量，以防止自身成为潜在的瓶颈。

仔细看看图中的MLB3.．MLB为ZigBee网络提供了一个替代路由服务，而无需修改现有ZigBee堆栈。一旦ZigBee路由器转发IoT数据，MLB引导ZigBee网络层将选择下一跳，以对IOT网关的最小负载。此外，MLB还可以确保当前路由器的下一跳比路由器本身更接近IoT网关，以防止路由循环。因此，MLB设计可以轻松与现有的ZigBee堆栈合作。

4. MLB：多路径负载平衡路由

随着物联网应用程序迅速增长，物联网传感器可以向IOT网关提供大量和关键数据，因此可靠的物联网路由服务是非常理想的。当前解决方案，如ZigBee和相对工作1，无法避免瓶颈，如果网络流量增长，物联网网关附近出现拥塞，可能导致整个网络瘫痪。为了解决这一问题，我们提出了多路径负载均衡(MLB)路由，为物联网应用，特别是数据密集型应用提供可靠的路由服务。MLB与AODV改进后的多路径版本AOMDV相比，具有同样的多路径优势，但具有更好的流量负载分配和网络可靠性，MLB主要由LAYER_DESIGN和LOAD_BALANCE两种设计组成。下面从这三个方面来介绍MLB。

4.1。tallay_design.

当一个节点将一个数据包转发到网关时，它需要一个路由服务来生成最佳的下一跳选择来进行数据转发。如果选择的下一跳不能运行，传统的单跳路由服务需要较长的响应时间来计算新的下一跳。多路径路由服务提供了多个下一跳选择，因此在当前下一跳失败的情况下，这些服务可以快速提供新的下一跳。因此，与传统的单跳路由业务相比，多路径路由业务提供了更加灵活可靠的数据转发业务。

对于IOT应用程序，传感器需要可靠的路由服务来将传感器数据转发到IOT网关。在MLB中，Layer_Design提供具有简单分层路由设计的可靠的多径数据转发服务。在tillay_design中，图层值呈现每个节点的IOT网关的跳数。第1层节点，它们是远离物联网网关的1个跳跃，具有直接有线连接到物联网网关，以避免网关成为瓶颈。如果所有第1层节点通过ZigBee无线链路发送数据包到网关一段时间，因此由于无线链路之间的共享媒体，网关将遇到流量卡纸。此外，数据流量通常在第1层节点累积，所以需要有线链路。然后，第1层节点可以通过ZigBee无线链路从其他节点收集数据。物联网网关可以具有多层1个节点，同时收集来自ZigBee链路的数据，而不会成为瓶颈本身。

为了允许其他传感器节点加入图层服务，第1层节点将其信标消息广播到显示第1层路由服务。听到来自第1层节点的这些信标消息的其他节点可以将它们的图层编号声明为2，并通过其信标消息宣传到呈现第2层路由服务的层号。然后，第3层路由服务可以以相同的方式呈现。信标消息由其地址，层值和网络加载组成。在Load_Balance中定义了网络加载的使用。在从邻居接收信标时，每个节点会更新其邻居表，该表格记录包括地址，层值和网络加载的邻居信息。通过信标消息和邻居表，节点可以快速地向IOT网关建立其图层服务。

数字4显示呈现层服务的示例拓扑。对于第2层节点，由于第1层节点更靠近网关，因此层1成为层2的内层，并且层2变为层1的外层.1，层2可以是第3层的内层，所以节点可以播放外层和内层节点的角色在不同关系中。节点可以将其数据包转发给其相邻的内层节点作为下一个跳跃，直到数据包到达网关。

由于每个节点可以具有若干相邻的内层节点，因此它可以具有多个下一跳向转发分组。同样，这些下一跳可能具有来自其内层节点的多个转发选择，因此多径路由建立。例如，第3层节点可以具有3个相邻的层2节点，并且这些第2层节点中的每一个可以具有3个相邻的第1层节点，因此该层3节点存在9个可能的路径。如果这些路径中的一个不可用，则可以使用8个路径的其余部分。对于传统的单路径路由协议，例如AODV，节点一次可以有1个路径，并且必须生成另一个路径，以防此路径不可用。因此，Layer_Design可以提供比AODV更多的路径，并提供更可靠的路由服务。此外，AOMDV要求其多路径必须是不相交的路径。换句话说，这些路径不能共享相同的节点，因此根据网络拓扑，AOMDV可能具有比TALLAGE_DESIGN的可用路径较少。

在tillay_design中，给定节点，如果一个内部节点变得不可用，则节点仍然可以使用其他内部节点作为它的下一跳，因此LAYER_DESIGN可以在本地快速调整它的路径。如果所有内部节点都不可用，节点在邻居表中查找其他节点的层值。此时，层值最高的节点通常是节点对节点和节点使用它们作为其新内层。然后节点更新其层值(通常比旧值大1)，并立即在新的信标消息中宣布它。

4．2．LOAD_BALANCE

为了完成负载均衡，每个节点在转发数据包时，每个节点在内层中选择内层中的下一跳节点。每个节点都宣布其信标消息中的网络加载，以允许其外层节点检索其网络加载值。当节点转发数据包时，节点选择内层中相邻节点中的最低网络加载的下一跳。由于每个数据包被转发到具有最低网络加载的节点，因此Load_Balance基于Layer_Design服务完成。

如果基于短时间内的节点的当前网络加载确定网络加载，则节点经常更改其下一跳。这可以急剧触发网络负载并导致潜在的瓶颈。因此，Load_Balance基于指数加权移动平均公式确定估计的网络加载的网络加载[16]，其中较新数据对下一个估计值的重量较重，对下一个估计值的影响力较高，并且随着时间的推移对数据的影响降低。因此，估计的负载可以反映长期网络加载，因此节点切换下一跳跃。

给定一个时间段，其估计的网络加载（EL）表示为，当前样本网络加载(SNL)记为．如果不是0,成为,在那里是SNL的重量，以确定当前业务负荷对长期交通估计的影响。如果是0，设为1/2为了防止以防变成0是1.健康₀最初设置为snl₀．如果很大，SNL对ENI的影响很高，以便快速变化，并且如果很小。Section实验结果5.1可以表现出影响确定Load_Balance的最佳实践。通过使用load_balance在layer_design时，流量通过动态具有最低长期流量负载的节点。因此，MLB通过可靠的多径分层路由完成负载平衡。

5.MLB评价的实验结果

部分5给出了基于LBD、PLR和CR三个评价指标评价MLB与AOMDV和AODV的实验结果，这些指标将在以下小节中介绍。实验平台为ns2，参数如下:仿真时间为300秒，MAC层为802.15.4，场大小为250米250米，传输距离50米。数据流量类型为固定比特率，数据包大小为100字节，发送数据的时间间隔为1秒。为了展示不同类型网络拓扑下的数据流量模式，实验分别在85个节点的网格拓扑和100个节点随机均匀分布的拓扑中进行。1层节点与物联网网关有直接的有线链路。为了演示压力测试中的极端情况，本实验从两个拓扑中的一半节点启动数据流量。发送数据节点的层数大于其他节点的层数，只转发数据流量。每种拓扑分别使用MLB、AOMDV和AODV来评估它们在LBD、PLR和CR方面的性能。

5.1。负载平衡程度

在实验中，第1层中的节点可以直接访问IOT网关，并且来自其他层的节点通过ZigBee连接到第1层中的节点发送数据。因此，在第1层累积的数据流量远大于其他层，因此第1层中的负载平衡至关重要。

为了评估负载余额的性能，我们呈现LBD，该LBD通过层次的所有节点中的交通负荷和负载平均值（LA）计算的LBD： 在哪里和,，表示层中LBD、SD、LA．

如果是0，它显示了图层中的所有节点具有相同的流量负载。在这种情况下，负载平衡性能是最好的是100%。如果显示的是0%吗等于．换句话说，层中交通负荷的偏差等于平均负载，所以这一层的负载均衡很差。如果是否定的，该层中的负载平衡甚至更差，因为它表示一些节点的交通负荷甚至大于平均值加上标准偏差。

数字5使用AODV、AOMDV和MLB两种不同拓扑显示LBD（，，， 和）。由于第1层中的负载平衡是关键的，因此LBD₁是关键的观察点。在网格拓扑和随机拓扑中，MLB具有提供了最好的LBD，特别是内层，层1，层2和层3。

在网格拓扑中，LBD₁在MLB情况下是100%，所以MLB可以提供最好的负载平衡性能在最关键的层，层1，这通常积累所有的数据流量。此外，MLB与另一方面，通过层1至3保持这种最佳负载平衡性能。另一方面，AOMDV案例中的LBD约为40％，比MLB更差。AODV案例中的LBD甚至会迅速下降到负值。

在随机拓扑中，与网格拓扑相比，节点分布不均匀，负载均衡任务难度较大。网格拓扑的连接数是固定的，流量更容易预测和优化。一般情况下，随机拓扑中的LBD值比网格拓扑中的LBD值差。LBD在MLB案例仍然是最好的及其歌曲₁约为75％，这比AOMDV和AODV的案例好得多。因此，MLB显示了比AomDV和AODV都能更好的负载平衡性能。AOMDV为数据流量提供多条路径，因此其LBD远优于AODV，它在ZigBee堆栈中使用。MLB甚至可以提供比AOMDV更好的负载平衡性能。在网格拓扑中，MLB甚至可以在内层中提供最佳负载平衡性能。在最外层的情况下，两个拓扑的所有MLB病例的LBD值为100％。它显示MLB可以作为数据流量启动执行最佳负载平衡性能。当数据流量聚合并到达第1层时，MLB仍可执行很大的负载平衡性能。

5.2。数据包丢失率

PLR直接反映了IOT应用程序的网络性能。随着数据流量源的增加，整个网络的网络加载增加。由于数据流量通常在第1层累积，因此在负载平衡性能差的情况下，层1的网络负载可以显着增加。因此PLR可以直接揭示负载平衡性能对IOT应用程序的影响。

数字6显示MLB，AOMDV和AODV的PLR与不同数量的数据流量源。由于ADV的负载平衡性能差，因此随着数据流量源的增加，PDR增加了显着增加。由于随机拓扑中的数据传送比网格拓扑由于节点部署策略而言更具挑战性，因此PLR在随机拓扑中增加更多，这实际上是比网格更逼真的拓扑。从图中6， AODV的PLR急剧增加，因此AODV不是物联网应用的可扩展选择。在网格拓扑中，AOMDV和MLB均具有较低的PLR，但在随机拓扑中只有MLB仍能保持较低的PLR。AOMDV的PLR在随机拓扑下可以达到60%，而MLB的PLR为40%。在具有挑战性的随机拓扑中，MLB与AOMDV相比是一种可扩展的解决方案。因此，根据图中的结果6，MLB是一个比AOMDV和AODV更可靠和可扩展的路由解决方案，用于IOT应用程序。

5.3。连接率

CR是在所有传感器节点上具有向IOT网关的路线的节点的比率。CR实时说明节点和网关之间的路由连接，从而显示了IOT应用程序的路由协议的路由可靠性。随着网络流量的增加，交通拥堵可能触发路由错误。如果路由协议无法立即修复错误，则这些路由错误可以传播并触发更多路由错误消息，这导致更多无法连接网关的节点。CR跟踪无法连接到网关的这些节点的比率，并在实时监视路由错误的影响。

数字7在300秒内显示MLB，AOMDV和AODV的CR。一开始，MLB需要缩短时间来从节点到网关的路线而不是AOMDV和AODV。与AODV和AOMDV不同，MLB中的节点只需要通过泛洪路由消息来连接上层节点而不建立通向网关的路径，因此路由建立时间比AOMDV和AODV更短。在路由拓扑稳定后，由于节点的一半发送数据流量并且节点的数量高达100，两个拓扑中的MLB中的CR为100％。这显示MLB在高交通状况下具有很大的路由可靠性。

另一方面，AOMDV中的CR约为80％，这可能是由AOMDV Multipath路由的调节导致：AOMDV中的路由必须具有不相交的节点。此规则可能会限制AOMDV中的路由恢复功能，并导致路由漏洞。由于高流量量引起的路由错误，AODV中的CR甚至更糟糕。由于AODV仅支持每个路由的一个下一跳，因此路由恢复功能是最糟糕的，因此路由可靠性是最糟糕的。因此，CR的结果表明，MLB是三个路由协议中最可靠的路由协议。

六，结论

随着物联网应用程序的发展，非常希望可靠的路由非常希望通过精确地通过多跳传输传感器传感器传递数据包到物联网网关。为了防止ZigBee的AODV路由服务中的瓶颈问题，提出了MLB，为IOT应用程序提供负载平衡，强大可靠的路由服务。为了实现这些目标，MLB由Layer_Design和Load_Balance组成。Layer_Design为IoT网关提供了一个多路径层路由服务，用于IOT应用程序，Load_Balance估计数据发件人的加载信息，用于选择与最少网络加载最少的内层跳跃的内部层。Layer_Design和Load_Balance的协同作用消除了瓶颈，从而提供了负载平衡和可靠的路由服务。实验结果表明，根据LBD值，MLB比ADV和AOMDV更好地实现了更好的负载平衡。基于PLR和CR，MLB提供比AODV和AOMDV更可靠的路由。总之，基于负载平衡设计，与当前着名的In-Usifuting Solutions，ZigBee'AODV及其改进的多径版，AOMDV提供了对IOT应用程序的最可靠的路由服务。

利益争夺

作者声明没有相互竞争的利益。

参考

1. M. A. Feki, F. Kawsar, M. Boussard，和L. Trappeniers，《物联网:下一个技术革命》，电脑第46卷，第46期2, pp. 24-25, 2013。查看在：出版商的网站|谷歌学者
2. J. Yick，B. Mukherjee和D. Ghosal，“无线传感器网络调查”计算机网络号，第52卷。12, pp. 2292-2330, 2008。查看在：出版商的网站|谷歌学者
3. 徐立东，何伟，李士生，“工业中的物联网:一项调查”，工业信息学的IEEE交易，卷。10，没有。4，pp。2233-2243,2014。查看在：出版商的网站|谷歌学者
4. Y.-W。王,H.-L。“物联网技术在医疗信息中的应用”IEEE消费电子、通信和网络国际会议论文集，pp.430-433，2011年4月。查看在：谷歌学者
5. “基于物联网的智能家居系统的研究与实现”国际电子，通信和控制会议的诉讼程序（ICECC'11）， pp. 2944-2947, IEEE，中国，2011年9月。查看在：出版商的网站|谷歌学者
6. P.Vlacheas，R.Giaffreda，V. Stavroulaki等，“通过认知的管理框架实现智能城市，为事物互联网，”IEEE通讯杂志，卷。51，不。6，pp。102-111,2013。查看在：出版商的网站|谷歌学者
7. ZigBee联盟，ZigBee规范版本1.0，2004年，http://www.zigbee.org．
8. C. Perkins，E. Belding-Royer和S. R. DAS，“Ad-Demand距离向量（AODV）路由”，IEEE RFC.3561年,2003年。查看在：谷歌学者
9. M. K. Marina和S. R. Das，“Ad hoc按需多路径距离矢量路由”，无线通信和移动计算，第6卷，第2期7，第969-988页，2006。查看在：出版商的网站|谷歌学者
10. M. Hammoudeh，O.Aldabbas，S. Mount，S. Abuzor，M. Alfawair和S. Alratrout，“无线传感器网络中的最佳和负载平衡群集的算法建设”第7届国际多议会关于系统信号和设备的诉讼程序（SSD '10），第1-5页，IEEE，安曼，约旦，2003。查看在：谷歌学者
11. J. Zhang and T. Yang，“基于节点局部密度负荷平衡的集群模型”第四届新兴智能数据和网络技术会议的诉讼程序（EIDWT'13）， pp. 273-276，中国西安，2013年9月。查看在：出版商的网站|谷歌学者
12. 李伟，“基于分布式自组织的无线传感器网络负载均衡聚类算法”，IEEE传感器杂志，卷。13，不。5，pp。1498-1506,2013。查看在：出版商的网站|谷歌学者
13. 刘伟，“基于遗传算法的无线传感器网络路由协议研究”，无线传感器系统，第3卷，第2期。2, pp. 112-118, 2013。查看在：出版商的网站|谷歌学者
14. A. Bhatia和P. Kaushik，“使用ZigBee的多路径路由的基于集群的最低电池成本AODV路由IEEE第16届网络国际会议的诉讼程序（图标'08），PP。2008年12月，印度新德里1-7。查看在：出版商的网站|谷歌学者
15. K. Kim, K. Cho，和S. Bahk，“密集无线传感器网络的邻居感知自适应负载平衡算法”IEEE VTS亚太无线通信研讨会论文集(APWCS '09), 2009年。查看在：谷歌学者
16. J. M. Lucas和M. S. Saccucci，《指数加权移动平均控制方案:性能和增强》，Technometrics.，第32卷，第2期1，页1 - 12,1990。查看在：出版商的网站|谷歌学者

版权

版权所有©2016金阳曾亨利。这是一篇发布在知识共享署名许可协议如果正确引用了原始工作，则允许在任何媒体中的不受限制使用，分发和再现。