基于联盟博弈的稀疏和稠密VANET激励机制

来源 :大连理工大学 | 被引量 : 0次 | 上传用户:aulanb
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
在VANET(车联网),尤其是稀疏的VANET中,由于不存在端到端的连接,为了使端到端消息能够传送成功,充分利用节点连接的机会来转发消息很有必要。针对稀疏VANET的特点,制定了一种基于博弈理论的激励方案SVIS(稀疏VANET激励机制),有效的激励了每个节点(VANET中的车辆)相互合作。全部节点合作转发消息有一定的局限性,在稀疏网络中,优势突出,但是不太适用于稠密网络。VANET的车辆疏密性是多变的,VANET的疏密对消息的传递有着重要的影响。VANET稀疏时,往往不存在端到端的连接,为了使端到端的消息能够传送成功,充分利用节点连接的机会来转发消息很有必要。然而因为有些节点有自私的行为,使得节点在连接的时候,不转发消息。因此,确保稀疏VANET的节点有动机转发消息非常重要。VANET稠密时,如果节点因为自私都不转发消息,消息无法成功传递。另一方面,如果激励所有节点都转发消息,网络中会出现大量冗余包,这样会增加网络负担,对消息的传递会产生很大的负面影响。针对VANET的这种特殊情况,我们对SVIS进行扩展,提出一种能适应VANET的疏密场景多变的激励机制SDVIS稀疏稠密VANET激励机制)。SDVIS能自动根据VANET的疏密对节点进行不同的激励。当VANET稀疏时,它能有效的激励了每个节点(VANET中的车辆)相互合作,充分利用节点间的连接机会转发消息,进而提高消息、传递成功率,降低传递延时。当VANET稠密时,它能减少网络中的冗余包,同时提高传递成功率。通过严密的证明表明我们的模型有解,最后仿真验证了方法的正确性和有效性。
其他文献
最近几年,深度学习越来越受到人们的普遍关注。尤其是深度学习算法之一卷积神经网络(Convolutional Neural Network,CNN)变得越来越重要。因此,图像识别和图像分类逐渐成为计算机
自第三次科技革命以来,计算机技术的迅猛发展大大促进了人类文明的现代化。伴随着计算机技术的发展,人机交互的方式也不断革新,从传统的鼠标键盘到现在流行的触摸屏,再到更先进一
  基于多幅图像序列的三维重建,是通过提取物体的二维图像信息来恢复物体在真实空间中的三维信息,其主要步骤包括:图像序列的采集、图像特征点的检测与匹配、摄像机的标定、稀
随着信息技术的普及和全球信息化趋势的加强,今天软件产业已经成为发展速度最快的产业之一,软件过程标准化的重要性被提升到前所未有的高度,CMM(软件能力成熟度模型)应运而生,如今
本文通过对教育行政办公系统的工作内容进行全面的分析,并结合软件开发的特点,主要进行了以下几方面的研究:1、对“教育行政办公系统”的建设背景进行了详细的分析,研究了该系
随着信息时代的来临,物联网早已成为信息化发展中不可或缺的一部分。为了使物联网更加智能化,将语义引入物联网中,形成语义物联网。将语义物联网与面向服务的方法相结合,可以高效
随着网络技术的飞速发展和计算机应用的普及,人们的生活方式和工作模式都在渐渐的发生着改变。网络环境为人们的交流、资源的共享和生活提供了便利的条件。但随着网络带给我
关联规则作为数据挖掘研究中最活跃的研究问题之一,通过从数据中找到事务间的内在联系,提供给用户符合用户需求和兴趣的挖掘结果。关联规则挖掘可以处理来自各行各业的数据,
与言语相关的手势作为一种可视化语言,在人们语言交流过程中能够对自然语言的表达起到增强和补充效果。语言伴随性手势动画合成是虚拟现实中可交互虚拟人研究的重点和难点,本文
入侵检测是保障家庭安全措施中不可缺少的手段之一,而传统的入侵检测系统采用“单传感器阈值判别”的方式来对入侵进行检测,不仅不可靠,误警、漏警率极高,而且误警信息的过度泛滥