基于信号强度的Ad Hoc网络分群算法研究

来源 :青岛理工大学 | 被引量 : 0次 | 上传用户:passtestall
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
Ad Hoc网络具有无中心、自组织、多跳路由等特点,这使得它很好的适用于一些特殊的地理环境,像地震,台风过后的地区。也正是这些特点使得Ad Hoc网络的分群变得很独特。分群的第一个问题就是要解决分群数目多少为最佳。分群数目过多会造成系统开销大,数据传送延迟大;分群过少会造成群首的过度繁忙,信息的过度等待。好的分群算法应使Ad Hoc网络分群的数目适中,拓扑结构合理。因此,选择一种合适的分群算法对于Ad Hoc网络来说就显得格外重要。目前,对Ad Hoc网络分群算法的研究积累了不少的经验。各种算法从不同的角度考虑,采用不同的思想,得出了不同的分群方法。最小ID算法思想是尽量减少系统开销。最大连接度算法思想是尽量减少分群数目。最小移动速度算法思想是尽量保持网络稳定性。自适应按需加权算法(AOW)综合了各种分群算法的方法,并为每种方法的重要性进行一个合理的分配。针对这种加权思想,本文提出了一种新的自适应按需加权算法——信号强度自适应按需加权算法(SAOW)。该算法在分群过程中应用了信号强度这一元素,并将信号强度权值之和Sn和稳定性权值Cn作为群首选举的两个重要因素。SAOW算法采用了信号强度权值之和Sn、稳定性权值Cn、信息量权值Fn和电池电量Dn四个因素对节点进行加权,同时应用信号强度完善分群之后的群。AOW算法不能对相对运动和绝对运动进行很好的分辨,本文主要是解决AOW算法对移动性表现差,计算复杂等问题。对于群首选择的因素做了较大的改动,但改动之后的因素与原来的因素有着密切的关联。而后从四个阶段论述了Ad Hoc网络划分的全过程,以及在各个阶段遇到的问题与解决办法。最后,利用NS2的仿真环境对SAOW算法进行了性能测试。与AOW算法相比,改进后的自适应按需加权算法在Ad Hoc网络的稳定性上有一定的优化效果。
其他文献
随着互联网技术的飞速迅猛发展,互联网用户可以更加容易地从网络上获取日常关心的热点话题。网络新闻已然成为人们获取新闻信息的主要媒介之一,相比传统新闻媒体,网络新闻在
查询选择率的估计是查询处理和优化的重要问题之一。在大多数数据库系统中,查询优化的任务是选择一个有效的执行计划,最优计划的选取需要对每个可选计划的代价给出精确的估计
关联规则挖掘是数据挖掘领域一个重要的研究课题,传统的关联规则挖掘中只考虑项目在事务中出现与否。然而,在一条事务中,顾客可能购买同一种商品多个,而每件商品的利润也不尽相同
组织特异性基因(TS基因)被认为是在不同的组织内表达水平差异较大、从事细胞特异性活动或者进化过程中变化较快的基因。为了分析基因表达组织特异性的因素,研究人员对基因序
布料运动仿真是近年来计算机图形学研究的一个热点,因为它在游戏、电影和服装设计方面都有很广泛的应用。不过,之前人们大多研究的对象是机织布料的运动仿真,由于针织布料自
随着信息技术的发展,尤其是Internet在全世界的普及和应用,网络信息成为人们取之不尽的信息来源,人们所面临的要问题不再是信息匮乏,而是如何提高信息获取和信息访问的速率。
随着社会的发展,各个方面对快速有效的自动身份鉴定的要求日益迫切。尤其是911事件之后,在安全领域,人们更是不遗余力地研究技术更先进可靠性更高的身份鉴定方法。由于生物特
随着网络技术的飞速发展及虚拟现实软件技术的日益成熟,人们已经不满足二维空间的交互方式,而希望体验一个可交互的立体空间。交互性是一种能提供更自然的体验方式,包括临场
数据挖掘是从数据库中抽取隐含的、以前未知的、具有潜在应用价值的模型或规则等有用知识的一个复杂过程。分类挖掘是数据挖掘的重要任务之一,它在很多领域得到了广泛的应用,
随着计算机技术的高速发展,计算机自动判卷系统在各种考试中有了广泛的应用,人们应用计算机后台判卷系统来实现对选择题和填空题等客观试题进行判卷,但是针对问答题或叙述题等主
学位