论文部分内容阅读
摘要:移动自组织网络(MANETs)是由一组带有无线收发装置的移动节点组成的无须固定设施支持的临时性的通信网络。本文根据复杂网络理论并结合几种经典的节点移动模型来对MANETs网络拓扑特征影响进行研究和分析,并提出一些可供参考的意见。
关键词:节点;移动性;网络拓扑特性;网络度;聚类系数
Abstract:A mobile ad hoc network (MANETs) is not a temporary fixed facilities to support the communication network composed of mobile nodes with wireless transceiver device is composed of a group of. Based on the complex network theory and combining the node mobile model several classic research and analysis of MANETs network topology characteristics influence, and proposed some advice for reference.
Keywords: node mobility; network; topology; network; clustering coefficient
中图分类号:TN929.5文献标识码:A文章编号:2095-2104(2013)
节点移动性对MANETs网络拓扑特性的重要性
移动自组网络主要是指节点具有移动性的Ad hoc网络,它是多跳的临时性自治系统,主要由一组带有无线收发装置的移动端组成。而且在MANETs中,所有节点的地位都是平等的,不需要另外设置所谓的中控制节点,而且所有的节点都可以自由的移动。如果出现了两个通信节点由于功率或其他问题而造成的二者之间无法实现链路直接链接的情况,網络中其他的节点可以起到辅助作用,从而帮助终极信号,进而确保网络中各个节点之间的相互通信,进而形成一种无线多跳的移动网络,正因如此,网络内各个阶段都应该具有路由转发和移动终端这两个主要功能。考虑到MANETs网络的控制及组织并不需要依赖网络中较为重要的节点,所以节点发生故障、加入网络或者离开网络都是能够得到MANETs网络允许的。不仅如此,由于MANETs具有较高的技术优势,在民用领域得到了广泛运用,甚至一度在军事上却的了良好的成绩。
其次,影响MANETs网络性能的大部分因素中网络拓扑结构的动态变化应该是最为重要的一个环节,从某种程度上来说,导致MANETs网络拓扑变化一个最为重要的原因就是节点的移动特性,而且节点的移动特性也是MANETs同其他无线网络所区别的一个重要标志。通常情况下无线移动网络当中,节点的移动可以为无线移动网络提供更多的信息交互机会、扩大感知范围和网络服务的优化及应用,但是不可忽视的是,MANETs网络拓扑特性中的节点移动也给无线移动网络带来了诸多问题。无线移动网络当中经常会出现由于节点移动而导致的无线MANETs拓扑结构的反复变化情况,因为网络拓扑结构的频繁改变会直接影响着网络性能的好坏,比如会出现网络容量的变化、网络能耗的增加、网络路由的性能下降等问题,具体来看,节点移动导致的无线移动网络会造成数据吞吐量下降和数据包丢失的问题,甚至导致网络分割的现象。因此,做好节点移动性对MANETs网络拓扑特性的影响方面的研究非常重要,这对于网络优化、提高网络稳定性和推动我国网络技术发展具有重要的意义。
复杂网络结构的统计特征
一般来说,复杂网络拓扑结构的研究工作当中,必须要重视以下三个方面,分别是网络度、聚类系数和平均路径长度这三个网络拓扑性质,下面就这三个方面做简要介绍。
网络度
众所周知,定点的重要特征就是度,从某种程度上所有复杂网络的测度基本上都是把度作为基础的。以网络度作为基点,可以定义出大量的图论特征,而且这些特征都是比较重要的。一个节点的网络度实际上所反映的就是与这一节点所连接的节点个数。通俗来讲就是,如果一个节点的网络度较大,那么这一节点也就更加重要,也可以反映出与这个节点相邻的节点数量较多,而网络平均度主要就是网络中所有节点网络度的平均值。
聚类系数
聚类系数通常是用来对网络节点的聚集情况加以反应,也就是反应网络的紧密程度。这一特性和我们的日常生活中的一些情况有所相像,例如我朋友的朋友也有可能是朋友关系,因此网络中这一类属性也可以称作为聚类属性。一般情况下,如果网络中的某一个节点i有ki条边与其网络中其他的节点相连接,那么ki节点就可以称之为节点i的邻居。因此这个节点之间最多可以有多少条边也可以计算出来。
平均最短路径长度
平均最短路径长度实际上就是反应的网络中任意两节点之间的距离,也可以称为两节点之间最短路径的边数。其中,两节点间最大的距离就是网络的直径,一般情况下在无向图中,网络的平均最短路径长度就是两个节点之间距离的平均值,但是对于非连通图而言,在图中很可能会难以表达出来。
仿真实验
参数设置
通过仿真实验,设计节点的移动模型可以很好的对节点移动轨迹加以表示,其中节点的位置、速度和加速度都可以得到很好的体现,一般表现为随着时间的变化而变化,而且不同的节点移动模型都会对网络性能、容量和成本产生较大的影响。比如随机路点模型、高斯马尔可夫移动模型、参考点组移动模型等都被运用于分析无线移动网络的性能、路由当中,并通过一系列算法对网络能耗和容量加以设计和优化。所以,通过具有代表性的几种节点移动模型来对节点的移动性加以刻画,从而能够有效的研究节点移动性对于MANTEs网络拓扑结构的影响。mobisim 软件来根据不同节点移动场景产生三种移动模型的trace文件,然后利用Matlab软件来对这一文件加以处理很细,从而可以得出各个场景下网络的平均速度/聚类系数和最短路径长度。移动模型仿真参数设计为下表所示:
结果分析
通过对上表分析可以知道节点数为200的移动模型下MANTEs网络拓扑结构的统计特性。根据上表分析得出,随着网络信号辐射半径的逐渐扩大,网络的聚类系数和网络平均度都会不同程度的增加。而且随着网络节点辐射半径的加大,网络中调和平均最短路径长度也会呈现出增加的趋势,也就是网络平均路径长度得到减小。其次,分析表中数据也可以得出,节点的移动速度对网络平均度、聚类系数和平均路径长度并没有太大的影响,而且当网络信号辐射半径固定时,节点在单位面积内的节点数越多,网络的聚类系数和凭据度也越来越大。
结语
总而言之,复杂网络的基本统计特性参数可以对不同的网络结构特性的加以反应和区别,并能够为不同复杂网络的特性衡量工作提供测量依据。研究节点的移动性对于MANETs网络拓扑特征的影响必须要对节点的信号辐射半径、节点的移动速度和密度等参数进行分析,进而得出节点移动性对于MANETs网络度、聚类系数和最短路径长度影响,最后综合分析可以得出,MANETs网络拓扑特征的往往是随着节点移动的变化而变化的,但是还有很多问题仍没有得到妥善解决,因此节点移动性对于MANETs网络拓扑特征的影响这一研究必须要加以完善,这对于推动我国网络技术的发展具有重要意义。
参考文献:
[1]童超,龙翔,高小鹏《基于随机路径点模型的Ad hoc 网络复杂统计特性》[J]. 北京航空航天大学学报, 2008, 34(10): 1236-1242.
[2]汪晓帆,李翔,陈关荣《复杂网络理论及其应用》[J].北京:清华大学出版社,2006.
[3]刘智洋,刘鲁,Wiki《网复杂网络特性分析》[J].计算机工程, 2011,36(21): 112-114.
关键词:节点;移动性;网络拓扑特性;网络度;聚类系数
Abstract:A mobile ad hoc network (MANETs) is not a temporary fixed facilities to support the communication network composed of mobile nodes with wireless transceiver device is composed of a group of. Based on the complex network theory and combining the node mobile model several classic research and analysis of MANETs network topology characteristics influence, and proposed some advice for reference.
Keywords: node mobility; network; topology; network; clustering coefficient
中图分类号:TN929.5文献标识码:A文章编号:2095-2104(2013)
节点移动性对MANETs网络拓扑特性的重要性
移动自组网络主要是指节点具有移动性的Ad hoc网络,它是多跳的临时性自治系统,主要由一组带有无线收发装置的移动端组成。而且在MANETs中,所有节点的地位都是平等的,不需要另外设置所谓的中控制节点,而且所有的节点都可以自由的移动。如果出现了两个通信节点由于功率或其他问题而造成的二者之间无法实现链路直接链接的情况,網络中其他的节点可以起到辅助作用,从而帮助终极信号,进而确保网络中各个节点之间的相互通信,进而形成一种无线多跳的移动网络,正因如此,网络内各个阶段都应该具有路由转发和移动终端这两个主要功能。考虑到MANETs网络的控制及组织并不需要依赖网络中较为重要的节点,所以节点发生故障、加入网络或者离开网络都是能够得到MANETs网络允许的。不仅如此,由于MANETs具有较高的技术优势,在民用领域得到了广泛运用,甚至一度在军事上却的了良好的成绩。
其次,影响MANETs网络性能的大部分因素中网络拓扑结构的动态变化应该是最为重要的一个环节,从某种程度上来说,导致MANETs网络拓扑变化一个最为重要的原因就是节点的移动特性,而且节点的移动特性也是MANETs同其他无线网络所区别的一个重要标志。通常情况下无线移动网络当中,节点的移动可以为无线移动网络提供更多的信息交互机会、扩大感知范围和网络服务的优化及应用,但是不可忽视的是,MANETs网络拓扑特性中的节点移动也给无线移动网络带来了诸多问题。无线移动网络当中经常会出现由于节点移动而导致的无线MANETs拓扑结构的反复变化情况,因为网络拓扑结构的频繁改变会直接影响着网络性能的好坏,比如会出现网络容量的变化、网络能耗的增加、网络路由的性能下降等问题,具体来看,节点移动导致的无线移动网络会造成数据吞吐量下降和数据包丢失的问题,甚至导致网络分割的现象。因此,做好节点移动性对MANETs网络拓扑特性的影响方面的研究非常重要,这对于网络优化、提高网络稳定性和推动我国网络技术发展具有重要的意义。
复杂网络结构的统计特征
一般来说,复杂网络拓扑结构的研究工作当中,必须要重视以下三个方面,分别是网络度、聚类系数和平均路径长度这三个网络拓扑性质,下面就这三个方面做简要介绍。
网络度
众所周知,定点的重要特征就是度,从某种程度上所有复杂网络的测度基本上都是把度作为基础的。以网络度作为基点,可以定义出大量的图论特征,而且这些特征都是比较重要的。一个节点的网络度实际上所反映的就是与这一节点所连接的节点个数。通俗来讲就是,如果一个节点的网络度较大,那么这一节点也就更加重要,也可以反映出与这个节点相邻的节点数量较多,而网络平均度主要就是网络中所有节点网络度的平均值。
聚类系数
聚类系数通常是用来对网络节点的聚集情况加以反应,也就是反应网络的紧密程度。这一特性和我们的日常生活中的一些情况有所相像,例如我朋友的朋友也有可能是朋友关系,因此网络中这一类属性也可以称作为聚类属性。一般情况下,如果网络中的某一个节点i有ki条边与其网络中其他的节点相连接,那么ki节点就可以称之为节点i的邻居。因此这个节点之间最多可以有多少条边也可以计算出来。
平均最短路径长度
平均最短路径长度实际上就是反应的网络中任意两节点之间的距离,也可以称为两节点之间最短路径的边数。其中,两节点间最大的距离就是网络的直径,一般情况下在无向图中,网络的平均最短路径长度就是两个节点之间距离的平均值,但是对于非连通图而言,在图中很可能会难以表达出来。
仿真实验
参数设置
通过仿真实验,设计节点的移动模型可以很好的对节点移动轨迹加以表示,其中节点的位置、速度和加速度都可以得到很好的体现,一般表现为随着时间的变化而变化,而且不同的节点移动模型都会对网络性能、容量和成本产生较大的影响。比如随机路点模型、高斯马尔可夫移动模型、参考点组移动模型等都被运用于分析无线移动网络的性能、路由当中,并通过一系列算法对网络能耗和容量加以设计和优化。所以,通过具有代表性的几种节点移动模型来对节点的移动性加以刻画,从而能够有效的研究节点移动性对于MANTEs网络拓扑结构的影响。mobisim 软件来根据不同节点移动场景产生三种移动模型的trace文件,然后利用Matlab软件来对这一文件加以处理很细,从而可以得出各个场景下网络的平均速度/聚类系数和最短路径长度。移动模型仿真参数设计为下表所示:
结果分析
通过对上表分析可以知道节点数为200的移动模型下MANTEs网络拓扑结构的统计特性。根据上表分析得出,随着网络信号辐射半径的逐渐扩大,网络的聚类系数和网络平均度都会不同程度的增加。而且随着网络节点辐射半径的加大,网络中调和平均最短路径长度也会呈现出增加的趋势,也就是网络平均路径长度得到减小。其次,分析表中数据也可以得出,节点的移动速度对网络平均度、聚类系数和平均路径长度并没有太大的影响,而且当网络信号辐射半径固定时,节点在单位面积内的节点数越多,网络的聚类系数和凭据度也越来越大。
结语
总而言之,复杂网络的基本统计特性参数可以对不同的网络结构特性的加以反应和区别,并能够为不同复杂网络的特性衡量工作提供测量依据。研究节点的移动性对于MANETs网络拓扑特征的影响必须要对节点的信号辐射半径、节点的移动速度和密度等参数进行分析,进而得出节点移动性对于MANETs网络度、聚类系数和最短路径长度影响,最后综合分析可以得出,MANETs网络拓扑特征的往往是随着节点移动的变化而变化的,但是还有很多问题仍没有得到妥善解决,因此节点移动性对于MANETs网络拓扑特征的影响这一研究必须要加以完善,这对于推动我国网络技术的发展具有重要意义。
参考文献:
[1]童超,龙翔,高小鹏《基于随机路径点模型的Ad hoc 网络复杂统计特性》[J]. 北京航空航天大学学报, 2008, 34(10): 1236-1242.
[2]汪晓帆,李翔,陈关荣《复杂网络理论及其应用》[J].北京:清华大学出版社,2006.
[3]刘智洋,刘鲁,Wiki《网复杂网络特性分析》[J].计算机工程, 2011,36(21): 112-114.