移動自組織網絡具有分布式和自組織的特點,即網絡中所有節(jié)點地位對等,不存在中心控制節(jié)點,節(jié)點可以隨時加入和離開網絡。因此,區(qū)別于傳統(tǒng)的因特網,自組織網絡需要特定的路由協(xié)議支撐其組網功能。ZRP協(xié)議因為結合表驅動路由協(xié)議和按需路由協(xié)議并采取分層策略,提高了對復雜場景的適應能力。但是ZRP因為采取固定半徑的策略,導致網絡對于拓撲動態(tài)變化的反應能力較差及信道資源浪費嚴重。許多學者由此提出針對ZRP的改進方案。這些方案大多以某一性能指標作為參量,利用當前參量值和歷史參量值做比值運算,然后根據(jù)比值和門限的關系調整半徑。這樣做又帶來了新的問題:(1)忽視了參量本身對網絡的影響。(2)門限值由人工設定限制了協(xié)議的應用場景。因此,如何根據(jù)網絡的各種參數(shù),設計有效的算法,提高協(xié)議對網絡場景的適應能力就成為ZRP協(xié)議改進算法的關鍵問題。針對ZRP協(xié)議及改進方案對于拓撲變化反應能力較差的問題,本文提出一種基于節(jié)點相對移動速度的ZRP改進算法RVBAZRP。該算法將區(qū)域半徑調節(jié)任務轉化為機器學習中的分類任務,即增大半徑、保持不變和減小半徑三類,利用多分類邏輯回歸模型進行預測,根據(jù)分類結果調節(jié)半徑。該算法主要具備...

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

圖2.6路由開銷自相關圖

西安電子科技大學碩士學位論文18圖2.6路由開銷自相關圖從圖2.5中可以看到，路由開銷在140pps左右附近波動，基本屬于平穩(wěn)序列，但是波動范圍較大，結合自相關圖2.6，該相關系數(shù)圍繞零軸上下小范圍波動，取值不足0.2，因此這是隨機性很強的平穩(wěn)序列[24]。在文獻[....

圖4.1回歸模型訓練和測試準確度示意圖

越遠則影響越小，這與第二章提到的路由開銷數(shù)據(jù)進行時間序列平穩(wěn)性結果一致，驗證了本設計的正確性。圖4.1回歸模型訓練和測試準確度示意圖4.2協(xié)議仿真本文在三種場景下，對ZRP、RVBAZRP、ZRP-DV分別進行仿真比較.場景一是驗證不同移動速度下算法對網絡性能的影響[32....

圖4.2分組投遞率隨移動速度變化

西安電子科技大學碩士學位論文40圖4.2分組投遞率隨移動速度變化參考圖4.2，隨著節(jié)點移動速度增加，拓撲變化加快，ZRP-DV、RVBAZRP、ZRP三種路由協(xié)議分組投遞率均下降。從低速移動變?yōu)橹械人俣葧r，三種協(xié)議下降明顯，從中等移動速度變?yōu)楦咚僖苿訒r，分組投遞率下降速度減慢....

圖4.3端到端時延隨移動速度變化

第四章計算機仿真和結果分析41圖4.3端到端時延隨移動速度變化12345678910111213141516171819202122232425圖4.4初始化時網絡拓撲12345678910111213141516171819202....

本文編號：3934212