社交网络中基于节点影响力和累积效应的数据转发算法

任丽丽; 张旭

河北北方学院学报（自然科学版） ›› 2018, Vol. 34 ›› Issue (3) : 36 -39+50.

任丽丽, 张旭

作者信息 +

Author information +

文章历史 +

摘要

目的社交网络是DTNs网络的一种,该网络是一种特殊的无线自组织网络,缺乏端到端的持续连接,具有较高的丢包率和传输延迟。研究目的是克服上述缺点,实现数据的高效转发。方法针对社交网络中节点与社区以及节点与目的节点的关系进行研究分析,提出一种基于节点影响力和累积效应的数据转发算法:DFNS算法。结合C++软件进行实验模拟,与DTNs网络中的Epidemic算法和Label算法进行对比分析。结果随着网络中发包数目的增加,DFNS算法的传递率略低于Epidemic算法,高于Label算法,其平均延迟却高于其他2种算法。拷贝数目方面,DFNS算法比Epidemic算法最高减少44.38%,相比于Label算法最高减少39.47%。随着网络中数据包的存在时间的改变,3种算法的传递率先迅速增长,之后基本不发生改变,且3种算法平均延迟的变化趋势基本相同。在拷贝数目方面,DFNS算法比Epidemic算法平均少了45.16%,比Label算法平均少了40.25%。结论 DFNS算法在传递率方面优于Label算法,略低于Epidemic算法,相比其它2种算法能明显降低网络中数据包的拷贝数目,减少资源的能量消耗。在提高网络性能,降低网络成本方面优于其它两种算法。