基于團(tuán)結(jié)構(gòu)親密度的移動(dòng)社交網(wǎng)絡(luò)數(shù)據(jù)轉(zhuǎn)發(fā)算法*

夏茂晉， 王青山， 王 琦， 曹 成， 汪麗芳

(合肥工業(yè)大學(xué) 數(shù)學(xué)學(xué)院，安徽 合肥 230009)

計(jì)算與測(cè)試

基于團(tuán)結(jié)構(gòu)親密度的移動(dòng)社交網(wǎng)絡(luò)數(shù)據(jù)轉(zhuǎn)發(fā)算法*

夏茂晉， 王青山， 王 琦， 曹 成， 汪麗芳

(合肥工業(yè)大學(xué) 數(shù)學(xué)學(xué)院，安徽 合肥 230009)

由于移動(dòng)社交網(wǎng)絡(luò)中不存在穩(wěn)定的端到端連接，因此移動(dòng)社交網(wǎng)絡(luò)中的數(shù)據(jù)轉(zhuǎn)發(fā)是一個(gè)重要問(wèn)題。從節(jié)點(diǎn)的友好性角度出發(fā)，利用節(jié)點(diǎn)間的友好性，構(gòu)造了節(jié)點(diǎn)間的團(tuán)結(jié)構(gòu)并利用團(tuán)與節(jié)點(diǎn)、社區(qū)之間的親密度，提出了一種基于團(tuán)結(jié)構(gòu)親密度的數(shù)據(jù)轉(zhuǎn)發(fā)算法(DFAIG)。基本思想是，數(shù)據(jù)包攜帶節(jié)點(diǎn)只有在本社區(qū)AP或者相遇節(jié)點(diǎn)與以目的節(jié)點(diǎn)為中心的團(tuán)結(jié)構(gòu)的親密度達(dá)到一定要求時(shí)，才轉(zhuǎn)發(fā)數(shù)據(jù)包給相遇節(jié)點(diǎn)。仿真結(jié)果顯示:與著名的Epidemic, Label和SGBR相比，提出的算法在降低網(wǎng)絡(luò)開(kāi)銷(xiāo)上具有明顯優(yōu)勢(shì)，且有效地提高數(shù)據(jù)包傳遞率。

移動(dòng)社交網(wǎng)絡(luò)； 團(tuán)結(jié)構(gòu)親密度； 數(shù)據(jù)轉(zhuǎn)發(fā)； 拷貝數(shù)

0 引 言

容遲網(wǎng)絡(luò)(delay tolerant networks,DTNs)[1,2]作為一類(lèi)新型的無(wú)線(xiàn)網(wǎng)絡(luò)，廣泛應(yīng)用于社交網(wǎng)絡(luò)、車(chē)載網(wǎng)絡(luò)、戰(zhàn)場(chǎng)通信、野生動(dòng)物保護(hù)等具有挑戰(zhàn)性的領(lǐng)域。隨著近年來(lái)無(wú)線(xiàn)網(wǎng)絡(luò)和5G技術(shù)的研究，使得移動(dòng)社交網(wǎng)絡(luò)(mobile social networks)越來(lái)越成為容遲網(wǎng)絡(luò)的一個(gè)非常重要的應(yīng)用。在移動(dòng)社交網(wǎng)絡(luò)中，人們通過(guò)WiFi、4G、藍(lán)牙等間歇式的連接來(lái)相互傳遞數(shù)據(jù)，從而實(shí)現(xiàn)網(wǎng)絡(luò)設(shè)備之間的數(shù)據(jù)通信。但是由于移動(dòng)社交網(wǎng)絡(luò)中不存在穩(wěn)定的端到端連接，傳統(tǒng)的路由協(xié)議不適用于該類(lèi)網(wǎng)絡(luò)。因此，數(shù)據(jù)轉(zhuǎn)發(fā)是該類(lèi)網(wǎng)絡(luò)中一個(gè)關(guān)鍵問(wèn)題。移動(dòng)社交網(wǎng)絡(luò)中一般使用“存儲(chǔ)—攜帶—轉(zhuǎn)發(fā)”的數(shù)據(jù)轉(zhuǎn)發(fā)方式。

Epidemic[3]作為經(jīng)典的泛洪式路由方法，網(wǎng)絡(luò)中攜帶數(shù)據(jù)包的節(jié)點(diǎn)會(huì)將數(shù)據(jù)包拷貝給所有相遇且不攜帶數(shù)據(jù)包的節(jié)點(diǎn)。通過(guò)這種洪泛式的方法將數(shù)據(jù)包盡可能地傳遞給網(wǎng)絡(luò)中的所有節(jié)點(diǎn)，以達(dá)到將數(shù)據(jù)包快速傳遞到目的節(jié)點(diǎn)的目的。另一種典型的路由方法Prophet[4]是基于節(jié)點(diǎn)之間的相遇歷史信息和傳遞性來(lái)預(yù)測(cè)每個(gè)節(jié)點(diǎn)的傳遞概率，即將數(shù)據(jù)包傳遞給目的節(jié)點(diǎn)的概率。數(shù)據(jù)包的攜帶者將數(shù)據(jù)包轉(zhuǎn)發(fā)給相遇節(jié)點(diǎn)中傳遞概率更高的節(jié)點(diǎn)。然而容遲網(wǎng)絡(luò)近期的研究熱點(diǎn)是，通過(guò)節(jié)點(diǎn)的社會(huì)屬性來(lái)設(shè)計(jì)路由方法[5～10]。比如節(jié)點(diǎn)的社區(qū)性、中心性、友好性、相似性等等。在Label[5]算法中，首先將網(wǎng)絡(luò)中的節(jié)點(diǎn)按照不同的社區(qū)貼上標(biāo)簽，同一個(gè)社區(qū)的節(jié)點(diǎn)標(biāo)簽相同。這樣源節(jié)點(diǎn)就可以將數(shù)據(jù)包有目的性的傳遞到目的節(jié)點(diǎn)所在社區(qū)中的節(jié)點(diǎn)，即和目的節(jié)點(diǎn)相同標(biāo)簽的節(jié)點(diǎn)。Bulut E[7]提出了新的標(biāo)量SPM(CSPM)來(lái)衡量節(jié)點(diǎn)間的友好性，并利用節(jié)點(diǎn)間的友好性定義節(jié)點(diǎn)間是否為直接或間接的朋友，然后利用節(jié)點(diǎn)間友好性的不同來(lái)轉(zhuǎn)發(fā)數(shù)據(jù)包。Dsearching[9]是基于節(jié)點(diǎn)的社區(qū)活動(dòng)性將移動(dòng)社交網(wǎng)絡(luò)分成若干個(gè)子區(qū)域，每個(gè)子區(qū)域設(shè)立靜態(tài)地標(biāo)，用來(lái)存儲(chǔ)節(jié)點(diǎn)訪(fǎng)問(wèn)過(guò)的子區(qū)域和移動(dòng)信息，利用這些信息可以有效地發(fā)送數(shù)據(jù)包從而傳遞到目的節(jié)點(diǎn)，很大地降低了傳遞延遲。

本文從節(jié)點(diǎn)的社會(huì)屬性出發(fā)，同時(shí)考慮節(jié)點(diǎn)間友好性、節(jié)點(diǎn)與節(jié)點(diǎn)構(gòu)成的團(tuán)之間的友好性以及團(tuán)與地理社區(qū)之間的友好性，提出了基于團(tuán)結(jié)構(gòu)親密度的數(shù)據(jù)轉(zhuǎn)發(fā)算法(data forwarding algorithm based on the intimacy of groups，DFAIG)。

1 網(wǎng)絡(luò)模型

由小世界模型可以知道，人們會(huì)因?yàn)榕d趣愛(ài)好彼此之間接觸頻繁(社會(huì)中每個(gè)人都有自己的朋友圈)。假設(shè)移動(dòng)社交網(wǎng)絡(luò)中有N個(gè)地理社區(qū)，每個(gè)地里社區(qū)設(shè)置一個(gè)接入點(diǎn)(access point，AP)配置無(wú)線(xiàn)訪(fǎng)問(wèn)設(shè)備，n個(gè)攜帶無(wú)線(xiàn)訪(fǎng)問(wèn)設(shè)備的人隨意活動(dòng)在這些地理社區(qū)。人們會(huì)因?yàn)橄嗤呐d趣愛(ài)好彼此之間組成一個(gè)團(tuán)體，比如籃球隊(duì)、舞蹈團(tuán)和科研小組等，這些團(tuán)體成員都有自己的朋友節(jié)點(diǎn)，比如籃球隊(duì)成員有自己的朋友，他們之間接觸頻繁。同樣，一個(gè)人可能會(huì)因?yàn)椴煌呐d趣愛(ài)好，同時(shí)參加籃球隊(duì)和舞蹈團(tuán)。而且由于興趣不同，每個(gè)團(tuán)經(jīng)常訪(fǎng)問(wèn)的地理社區(qū)也是不一樣的，比如籃球隊(duì)經(jīng)常出沒(méi)于籃球場(chǎng)。根據(jù)節(jié)點(diǎn)i和其他節(jié)點(diǎn)j在某個(gè)時(shí)刻T內(nèi)接觸的歷史信息，定義函數(shù)gi,j(t)，gi,j(t)(gi,j(t)=0)表示在時(shí)刻t節(jié)點(diǎn)i與節(jié)點(diǎn)j的累計(jì)接觸次數(shù)，則節(jié)點(diǎn)i與節(jié)點(diǎn)j的平均接觸率φ為

(1)

則節(jié)點(diǎn)i與節(jié)點(diǎn)j的平均接觸率在節(jié)點(diǎn)i總的接觸率中所占的比例，稱(chēng)為親密度λi,j，即

(2)

定義1當(dāng)且僅當(dāng)λi,j≥λ(i≠j)時(shí)，節(jié)點(diǎn)j在以節(jié)點(diǎn)i為中心的團(tuán)Gi中，其中λ是閾值。

閾值λ根據(jù)不同的應(yīng)用場(chǎng)景來(lái)設(shè)置一個(gè)合適的值，本文在實(shí)驗(yàn)中取λ值為0.02。同時(shí)，本文定義一個(gè)自由變量

(3)

一個(gè)節(jié)點(diǎn)可以同時(shí)屬于幾個(gè)團(tuán)結(jié)構(gòu)，比如節(jié)點(diǎn)j除了屬于以節(jié)點(diǎn)i為中心的團(tuán)外可能還屬于其他的團(tuán)結(jié)構(gòu)。如果源節(jié)點(diǎn)知道以目的節(jié)點(diǎn)為中心的團(tuán)中有哪些節(jié)點(diǎn)以及該團(tuán)經(jīng)常出現(xiàn)的地理社區(qū)，就可以選擇與目的節(jié)點(diǎn)d為中心的團(tuán)Gd中節(jié)點(diǎn)接觸頻繁的節(jié)點(diǎn)或者AP點(diǎn)作為中繼節(jié)點(diǎn)。因此，本文定義親密度ρi,Gd來(lái)衡量節(jié)點(diǎn)i與以目的節(jié)點(diǎn)d為中心團(tuán)之間的接觸頻率

(4)

式中α和β(0≤α≤β≤1)為節(jié)點(diǎn)i與團(tuán)Gd中成員之間接觸重要性的參數(shù)。如果兩個(gè)節(jié)點(diǎn)與團(tuán)Gd總的累計(jì)接觸次數(shù)一樣，與目的節(jié)點(diǎn)d接觸次數(shù)越多的節(jié)點(diǎn)親密度越高。同樣地，利用式(3)可以計(jì)算地理社區(qū)AP點(diǎn)與團(tuán)Gd之間的親密度。

根據(jù)節(jié)點(diǎn)、地理社區(qū)AP點(diǎn)與團(tuán)Gd之間的親密度不同，數(shù)據(jù)包攜帶節(jié)點(diǎn)可以選擇合適的中繼節(jié)點(diǎn)來(lái)轉(zhuǎn)發(fā)數(shù)據(jù)包。如表1所示，假設(shè)數(shù)據(jù)包攜帶節(jié)點(diǎn)j與Gd親密度為0.211 1，根據(jù)表中所列節(jié)點(diǎn)1～4與Gd親密度可知，節(jié)點(diǎn)j僅僅在遇到節(jié)點(diǎn)2時(shí)才會(huì)將數(shù)據(jù)包傳遞節(jié)點(diǎn)2，而在遇到節(jié)點(diǎn)1、節(jié)點(diǎn)3和節(jié)點(diǎn)4時(shí)都不產(chǎn)生拷貝。同理可知，節(jié)點(diǎn)j在遇到編號(hào)為1的社區(qū)AP點(diǎn)時(shí)也會(huì)轉(zhuǎn)發(fā)數(shù)據(jù)包，而在遇到其他三個(gè)AP時(shí)都不產(chǎn)生拷貝。

表1 節(jié)點(diǎn)、地理社區(qū)AP與團(tuán)Gd的親密度

節(jié)點(diǎn)或者AP編號(hào)1234節(jié)點(diǎn)與Gd的親密度0．1110．3330．1110．167AP與Gd的親密度S0．3250．1250．2110．167

2 基于團(tuán)體活躍度的數(shù)據(jù)轉(zhuǎn)發(fā)算法

DFAIG之前，首先介紹如何計(jì)算節(jié)點(diǎn)的團(tuán)結(jié)構(gòu)以及團(tuán)在各個(gè)地理社區(qū)的活躍度。節(jié)點(diǎn)i與其他節(jié)點(diǎn)接觸以及訪(fǎng)問(wèn)某個(gè)地理社區(qū)時(shí)，都會(huì)記錄節(jié)點(diǎn)i與這些節(jié)點(diǎn)之間總的累積接觸次數(shù)。每個(gè)節(jié)點(diǎn)根據(jù)式(1)、式(2)和定義1可以得到以自己為中心的團(tuán)結(jié)構(gòu)，再通過(guò)兩個(gè)節(jié)點(diǎn)碰面時(shí)交換彼此的團(tuán)結(jié)構(gòu)信息。因此，網(wǎng)絡(luò)中節(jié)點(diǎn)可以知道以目的節(jié)點(diǎn)為中心的團(tuán)結(jié)構(gòu)Gd中包含的節(jié)點(diǎn)。根據(jù)式(4)可以進(jìn)一步計(jì)算其他節(jié)點(diǎn)、地理社區(qū)AP與團(tuán)Gd之間的親密度。當(dāng)然，團(tuán)結(jié)構(gòu)Gd以及節(jié)點(diǎn)與團(tuán)Gd的親密度隨著節(jié)點(diǎn)的移動(dòng)被及時(shí)更新。

其次，利用團(tuán)結(jié)構(gòu)Gd以及節(jié)點(diǎn)與團(tuán)Gd親密度等信息，數(shù)據(jù)包攜帶節(jié)點(diǎn)可以選擇更合適的節(jié)點(diǎn)作為中繼節(jié)點(diǎn)，從而快速地將數(shù)據(jù)包傳遞到團(tuán)Gd中。數(shù)據(jù)包在到達(dá)團(tuán)Gd中后選擇以洪泛的方式傳遞到目的節(jié)點(diǎn)。具體描述如下：

假設(shè)攜帶數(shù)據(jù)包p的節(jié)點(diǎn)i在遇到不攜帶此數(shù)據(jù)包的節(jié)點(diǎn)j時(shí)：

1)如果節(jié)點(diǎn)i屬于團(tuán)Gd

①節(jié)點(diǎn)j也是屬于團(tuán)Gd時(shí)，節(jié)點(diǎn)i拷貝數(shù)據(jù)包給節(jié)點(diǎn)j；

②否則不產(chǎn)生拷貝；

2)如果節(jié)點(diǎn)i不屬于團(tuán)Gd(包括節(jié)點(diǎn)i，j是地理社區(qū)AP點(diǎn)時(shí)情形)

③節(jié)點(diǎn)j是以目的節(jié)點(diǎn)為中心的團(tuán)Gd中的節(jié)點(diǎn)或者目的節(jié)點(diǎn)，則轉(zhuǎn)發(fā)數(shù)據(jù)包給節(jié)點(diǎn)j；

④如果節(jié)點(diǎn)j不屬于團(tuán)Gd且ρj,Gd≥ρi,Gd，則轉(zhuǎn)發(fā)數(shù)據(jù)包給節(jié)點(diǎn)j；

3)結(jié)束。

在上述步驟④中，條件表達(dá)式ρj,Gd≥ρi,Gd表示當(dāng)節(jié)點(diǎn)j和團(tuán)Gd的親密度大于節(jié)點(diǎn)i和團(tuán)Gd的親密度時(shí)，節(jié)點(diǎn)i就可以轉(zhuǎn)發(fā)數(shù)據(jù)包給節(jié)點(diǎn)j。從上面算法可以看出存在①,②和③三種情況，節(jié)點(diǎn)i將拷貝或者轉(zhuǎn)發(fā)數(shù)據(jù)包給節(jié)點(diǎn)j。

3 性能評(píng)價(jià)

本文使用Infocom 06的真實(shí)跟蹤數(shù)據(jù)在C++編寫(xiě)的仿真軟件上進(jìn)行模擬實(shí)驗(yàn)。該數(shù)據(jù)是由2006年在西班牙巴塞羅那召開(kāi)的Infocom 會(huì)議上78個(gè)學(xué)生通過(guò)攜帶Imote設(shè)備采集得到的。會(huì)場(chǎng)布置20個(gè)固定的Imote設(shè)備作為AP點(diǎn)，分布在不同區(qū)域。本文將提出的算法DFAIG與著名的Epidemic[3]，Label[5]和SGBR[10]算法進(jìn)行比較。在Epidemic算法中，攜帶數(shù)據(jù)包的節(jié)點(diǎn)會(huì)將數(shù)據(jù)包在網(wǎng)絡(luò)中進(jìn)行洪泛式的傳播給其他沒(méi)有存儲(chǔ)數(shù)據(jù)包的節(jié)點(diǎn)。Label算法中攜帶數(shù)據(jù)包的節(jié)點(diǎn)為了在節(jié)約網(wǎng)絡(luò)資源消耗下，將數(shù)據(jù)包傳遞給目的節(jié)點(diǎn)所在社區(qū)，只會(huì)將數(shù)據(jù)包傳遞給和目的節(jié)點(diǎn)標(biāo)簽一樣的節(jié)點(diǎn)。SGBR則是提出了一種基于社會(huì)團(tuán)體的路由算法，該算法在提高傳遞率同時(shí)，又節(jié)約了網(wǎng)絡(luò)資源消耗。本文用以下三個(gè)參數(shù)來(lái)衡量不同轉(zhuǎn)發(fā)策略的性能：1)傳遞率：網(wǎng)絡(luò)中被成功傳遞到目的節(jié)點(diǎn)的數(shù)據(jù)包占所有發(fā)送數(shù)據(jù)包的比率。2)平均延遲：數(shù)據(jù)包從源節(jié)點(diǎn)到達(dá)目的節(jié)點(diǎn)所經(jīng)歷的時(shí)間。3)拷貝數(shù)：采用一個(gè)數(shù)據(jù)包被成功傳遞時(shí)在網(wǎng)絡(luò)中產(chǎn)生的拷貝數(shù)目。源節(jié)點(diǎn)和目的節(jié)點(diǎn)從移動(dòng)節(jié)點(diǎn)中隨機(jī)選取，為了突出與目的節(jié)點(diǎn)接觸的重要性，在實(shí)驗(yàn)中，令α=0.8，β=1。

3.1 源節(jié)點(diǎn)數(shù)據(jù)包數(shù)目對(duì)算法性能的影響

首先通過(guò)將DFAIG算法中源節(jié)點(diǎn)初始數(shù)據(jù)包數(shù)量的值從500變化到5 000來(lái)比較四種算法性能，實(shí)驗(yàn)結(jié)果如圖2所示。由圖2(a)所示，四種算法的拷貝數(shù)變化不是很明顯，本文提出的DFAIG算法最低，比Epidemic，Label，SGBR分別最多低77 %,63 %，34 %。如圖2(b)所示，隨著數(shù)據(jù)包數(shù)量L的增加，DFAIG算法僅僅比Epidemic低，比其他兩種算法都高，其中Epidemic算法由于使用洪泛策略而達(dá)到傳遞率的上界。如圖2(c)所示，DFAIG算法在傳遞率、拷貝數(shù)都優(yōu)于Label和SGBR算法，僅平均延遲比其他方法略高。

圖2 數(shù)據(jù)包數(shù)目對(duì)算法性能的影響

3.2 數(shù)據(jù)包生存時(shí)間對(duì)算法性能的影響

在社交網(wǎng)絡(luò)中，由于端到端連接的不穩(wěn)定性，如果過(guò)低，路由算法很可能無(wú)法完成數(shù)據(jù)轉(zhuǎn)發(fā)。因此，將數(shù)據(jù)包生存時(shí)間(time-to-live,TTL)從8 h增加到16 h，來(lái)評(píng)價(jià)DFAIG，Epidemic，Label，SGBR四種算法性能，其中λ=0.02。實(shí)驗(yàn)結(jié)果如圖3所示。由圖3(a)可知，DFAIG拷貝數(shù)明顯比其他三種算法都低，其中，比Epidemic,Label和SGBR分別最多低79 %,64 %和35 %。由圖3(b)可知，對(duì)不同的TTL值，DFAIG傳遞率比Epidemic要低(由于Epidemic采用洪泛的方式，因此它的傳遞率是最高的)，比Label和SGBR都稍高。在圖3(c)中可以看出，DFAIG平均延遲比SGBR要低10 %左右，比Label要高8 %，比Epidemic高14 %。

3.3 閾值λ對(duì)DFAIG算法性能的影響

為了研究閾值λ對(duì)算法DFAIG的影響，將λ從0.01增加到0.035，其中TTL=12 h，實(shí)驗(yàn)結(jié)果如圖4所示。由圖4(a)可知，拷貝數(shù)隨著λ的增大快速減少，實(shí)驗(yàn)結(jié)果進(jìn)一步驗(yàn)證了結(jié)論：網(wǎng)絡(luò)中的拷貝數(shù)是與閾值λ負(fù)相關(guān)；而由圖4(b)可知，可以發(fā)現(xiàn)DFAIG的傳遞率隨著λ的增大逐漸減??；由圖4(c)可以發(fā)現(xiàn)，DFAIG的平均延遲時(shí)間隨著λ的增大而逐漸增加。

4 結(jié) 論

仿真實(shí)驗(yàn)結(jié)果表明:本文提出的DFAIG算法與Epide-mic,Label和SGBR等算法相比，大幅度降低網(wǎng)絡(luò)中拷貝數(shù)目從而節(jié)約網(wǎng)絡(luò)資源，同時(shí)傳遞率僅僅比采用洪泛策略的Epidemic算法低。未來(lái)將進(jìn)一步研究團(tuán)結(jié)構(gòu)親密度在動(dòng)態(tài)社區(qū)數(shù)據(jù)轉(zhuǎn)發(fā)算法中的應(yīng)用。

[1] Balasubramanian A,Levine B N,Venkataramani A.DTN routing as a resource allocation problem[C]∥Proceedings of SIGCOMM 2007，Kyoto,2007:373-384.

圖3 TTL對(duì)算法性能的影響

圖4 λ值對(duì)DFAIG算法性能的影響

[2] 劉艷萍，王青山，王 琦.移動(dòng)社交網(wǎng)絡(luò)中基于影響力的數(shù)據(jù)轉(zhuǎn)發(fā)算法 [J].合肥工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2014，53(3):295-300.

[3] Vahdat A,Becker D.Epidemic routing for partially connected Ad Hoc networks[R].San Diego:University of California,2000.

[4] Lindgren A,Doria A,Schelén O.Probabilistic routing in intermittently connected networks[C]∥ACM International Symposium on Mobilde Ad Hoc Networking and Computing,MobiHoc 2003,Annapolis,MD America:ACM,2003：19-20.

[5] Pan Hui,Crowcroft J.How small labels create big improvement-s[C]∥The Fifth Annual IEEE International Conference，White Plains:IEEE,2007:65-70.

[6] Pan Hui,Crowcroft J,Yoeki E.Bubble rap:Social-based forwarding in delay tolerant networks[J].IEEE Transactions on Mobile Computing,2010,10(11):1576-1589.

[7] Bulut E,Szymanski B K.Friendship-based routing in delay tole-rant mobile social networks[C]∥IEEE Global Telecommunications Conference,Miami,America:IEEE,2010,1-5.

[8] Dang F,Yang X,Long K P.Spray and forward:Efficient routing based on the Markov location prediction model for DTNs[J].Science China Information Sciences,2012,5(2):433-440.

[9] Chen K,Shen H D.Searching:Distributed searching of mobile nodes in DTNs with floating mobility information[C]∥2014 IEEE Conference on Computer Communications,Toronto，Canada,IEEE,2014:2283-2291.

[10] Abdelkader T,Naik K.SGBR:A routing protocol for delay tole-rant networks using social grouping[J].IEEE Transactions on Parallel and Distributed Systems,2013,24(12):2472-2481.

Data forwarding algorithm based on intimacy of group in mobile social networks*

XIA Mao-jin, WANG Qing-shan, WANG Qi, CAO Cheng, WANG Li-fang

(School of Mathematics,Hefei University of Technology,Hefei 230009,China)

As intermittent and uncertain network connectivity in mobile social networks,data forwarding becomes an important problem.Based on the friendship of nodes,first constructs groups of nodes and then utilizing the intimacy of groups with nodes and communications,propose a data forwarding algorithm based on intimacy of group (DFAIG).The idea of DFAIG is that data packet carrier only forward data to encounter node its communication AP or the encounter node whose intimacy of group which takes destination node as center meets a certain requirement.Simulation results show that the algorithm has obvious superiority on reducing network overhead and also can significantly increase delivery ratio compared with Epidemic algorithm,Label and SGBR algorithm.

mobile social networks; intimacy of groups; data forwarding; copy numbers

10.13873/J.1000—9787(2017)02—0127—04

TP 301.6

A

1000—9787(2017)02—0127—04

夏茂晉(1992-)，男，碩士研究生，主要研究方向?yàn)橐苿?dòng)社交網(wǎng)絡(luò)路由算法設(shè)計(jì)。

王青山(1975-)，男，博士，副教授，研究生導(dǎo)師，從事移動(dòng)社交網(wǎng)絡(luò)路由設(shè)計(jì)研究工作。