無線mesh網絡中可信協同信道資源分配策略

李明明，樂光學，代紹慶，馬柏林

?

無線mesh網絡中可信協同信道資源分配策略

李明明1，樂光學2，代紹慶1，馬柏林2

（1.嘉興職業技術學院，浙江嘉興 314001；2.嘉興學院，浙江嘉興314001）

為了有效提升無線mesh網絡信道資源的利用率和網絡服務質量，提出基于可信協同的信道資源分配策略。針對節點自適應特點，引入博弈理論、建立節點的信譽機制以實現節點可信協同并優化信道分配結果。仿真實驗分別對節點服務等級、網絡收益結果作相應評價。實驗結果發現節點服務等級對節點網絡收益有直接影響，當協同服務等級達到3時，網絡收益狀況最佳，此時節點跳數與服務等級呈協同關系；對比經典協同算法，在相同網絡拓撲環境下，可信協同信道資源分配策略分別是UACRR算法、DMP-MBA算法的1.04倍、1.069倍，明顯占優。

無線mesh網絡；信譽機制；協同服務

1 引言

隨著移動互聯技術的深入和邊緣業務對帶寬需求量的增加，在異構無線網絡中通過部署基礎設施，如基站、無線網絡接入點等方式以緩解帶寬需求[1,2]。然而，傳統無線網絡可用信道數量有限，用戶接入數量的增加會導致通信鏈路負荷加重，信道資源分配成為異構無線網絡的研究關鍵[3]。無線mesh網絡作為一種接入式異構網絡，其網絡節點特性決定了終端節點可自組織分配信道以緩解節點接入壓力。但具有自適應能力的mesh節點之間存在惡意競爭、搶奪資源等問題，導致通信域內節點接收信道資源的可信度下降，降低了網絡服務質量[4]。如何設計一種新的信道分配策略，有效提升網絡服務質量并充分利用無線mesh網絡的可信信道資源，是當前無線mesh網絡信道分配技術中急需解決的問題之一。

可信服務的關鍵技術之一是對mesh網絡的信道資源實現自適應有效分配。通過可信服務機制，穩定提升服務質量、保證節點自適應性，實現信道資源的有效分配[5]。Ye Q等人[6]提出了多用戶協作模式，旨在降低信道資源分配的能耗，以提升網絡服務質量。從認知協同技術層面出發，異構網絡節點之間的資源協同管理對減小跨層干擾、提升網絡性能有較好的效果[7,8]。因此，尋找可信協同式作業的節點應用于信道資源分配，提升網絡性能、保證負載均衡，是無線mesh網絡可信協同信道資源分配的研究關鍵。

為了進一步完善無線mesh終端節點的協同服務，建立節點信譽機制[4]。剔除非合作節點，保留具有協同服務能力的節點，根據節點信任度，展開信道資源的重新分發和使用[9]。信道資源主要指同時滿足主干網絡上mesh路由和終端節點通信鏈路上數據流正常通信的一類信道資源[10]。Pedro B等人[11]提出了基于可協調轉發—固定接收的信道分配策略，策略指出給接收端（mesh終端節點）所服務的信道是固定且可信的。無線mesh網絡節點的自適應一方面使得節點自由轉發、接收信道資源，另一方面也導致了惡意節點、競爭節點非法占有資源、浪費資源，因而很難確定信道資源在終端節點上是否能夠充分被利用[12]。如何通過信道資源分配以保證服務質量[13,14]、網絡穩定性和連通性，是無線mesh網絡整體性能提升的關鍵研究點。

基于已有研究結果，建立無線mesh網絡節點的信譽機制，根據信譽機制產生的節點服務等級，將具有協同作業能力的服務節點用于轉發信道資源。聯合博弈理論建立節點可信協同服務機制，分析并計算這些信道資源的網絡收益狀況，以評價這一協同服務機制的有效性和可行性；對比已有經典的協同服務機制和信道資源分配機制，通過網絡仿真實驗平臺對比驗證。

2 相關工作

網絡服務質量作為無線mesh網絡的核心經濟目標之一，對可信協同信道資源的分配，其關鍵在于提升網絡服務質量。由于參與服務的數量有限，無線mesh網絡信道作為一種可用資源被網絡節點服務于不同的通信域。參考文獻[15]從可靠信道資源有限和動態節點服務易中斷等問題出發，展開動態無線網絡的資源評估與調度研究，目標在于提升網絡服務質量（quality of service，QoS）和穩定網絡收益，提出了基于自適應節點的信道資源收益與風險均衡博弈模型，由于模型依賴于傳統的單鏈路通信，節點通信時易增加信道資源冗余。

將鏈路通信與節點分簇模式相結合，展開可信信道資源分配，已廣泛應用于無線網絡的資源分配研究中[16]。參考文獻[17]針對Ad Hoc網絡中因節點數量增加導致的節點性能下降問題，采用了0-1規劃的信道資源分配和網絡優化模型，提出了基于分簇的TBCA&LS（tree based channel assignment & link scheduling）資源分配算法。該算法的優勢是將信道分配和鏈路調度相結合，降低相鄰鏈路沖突、增加并行傳輸量，實現了網絡吞吐量的提升和信道資源優化分配。算法的不足為：采用集中式信道資源分配和調度，產生的網絡開銷和算法時間復雜度較大，雖然提升了節點的網絡性能，未分簇的節點上服務質量沒有較大提升。參考文獻[18]針對傳統蜂窩網中的信道分配和鏈路通信問題，提出了基于D2D鏈路整合的資源分配機制，該方案優勢體現在：采用啟發式算法實現信道資源分配，較單一資源優化方案在性能和復雜度方面明顯占優；但尚未體現節點的協同服務能力。將信道資源分配方案應用于宏蜂窩網（macrocell）研究中，參考文獻[19]基于用戶速率公平原則和凸優化機制，展開了分布式信道資源分配設計。算法的優勢在于針對不同簇的用戶展開基于功率的子信道分配，算法有效緩解節點跨層干擾、提升節點通信的平均速率、讓節點獲取更高的滿意度。但尚未提出節點的性能和網絡服務質量方面的優化情況和研究結果。參考文獻[20]的算法重點以保證用戶性能為主要研究目標，基于聯合的斯坦克爾伯格博弈思想，作為宏用戶的資源分配接入策略，對于傳統的信道資源分配有一定優化效果。為了體現終端用戶的協作服務能力，參考文獻[21,22]針對云虛擬機提出了灰色波形預測算法的資源分配機制，重點在于實現節點的隨機服務請求能力，提高用戶綜合服務質量。但算法尚未體現節點之間的協同作業能力和節點的可信度。綜合而言，僅通過資源調度的方式來實現信道資源優化分配，難以有效提升網絡服務質量。

將協同通信應用于可信信道資源分配，是當前協同服務研究的熱點。參考文獻[23]定義了網絡協同服務，指出所有節點之間共同協調，并協作以優化的方式完成使網絡終端互聯通信的任務。對于異構無線網絡環境，首要考慮的是無線信道資源的可靠性。如果終端節點上的可用信道資源存在冗余或空閑狀態、惡意競爭節點已占用信道資源，通信鏈路上將無法提供協同服務節點。參考文獻[24]聯合研究節點協同通信和可信信道資源分配，提出了基于信道資源分配的認知無線mesh網絡跨層優化設計方案，其研究側重點在通過跨層設計優化信道分配結果以提升網絡服務質量。但該算法在資源優化中尚未指出網絡中的信道資源是否可信、可靠，因而需要根據節點可信度來評價無線mesh網絡節點是否具有可信信道資源。參考文獻[4]提出了基于節點信譽機制的路由安全協議方法，該方法雖然側重于處理多跳無線網絡中的路由協議設計，但是以評估節點之間的信任關系為基礎。參考文獻[5]設計了一種基于FOAF（friend of a friend）演化博弈的網絡資源可信度判斷方法，重點在于計算節點的可信度，即當可信節點轉發信道資源時，直接以節點上的網絡吞吐量的收益為主要評價指標。為了獲取更多網絡收益，參考文獻[25]提出了效用驅動下的網絡資源協同預留算法UACRR（utility-driven-based algorithm for co-allocation resource reservation），其側重點為通過量化資源競爭力、收益、市場價格三者的協同服務，使網絡資源的獲取途徑以網絡收益為主要手段。但是，算法尚未提出如何協同以上3種資源以及調度競爭、貪婪節點竊取信道資源的方法，且該協同預留機制以網格計算為主。

為了進一步實現節點的協同服務和優化信道分配結果。將具有協同服務能力的節點進行分簇，分簇方式為不同服務等級的節點分工協作。因此，協同服務成為無線mesh網絡節點轉發信道資源的主要工作方式。參考文獻[26]提出基于參數優化的網絡范圍擴展技術，通過協同調度技術減小上下行鏈路干擾，但是節點之間的博弈問題容易導致多信道沖突。將博弈理論應用于節點行為分析，是近年來無線網絡節點行為分析的熱點[27]。為了緩解服務節點自適應性，參考文獻[28]設立了一種基于頑健性的離線資源分配方法，假設動態網絡中的節點分配資源屬于非合作博弈過程，最終實現資源的帕累托最優。參考文獻[29]提出了基于SPA（second price auction，第二競價拍賣機制）機制的博弈理論應用于網格計算中，其方法為通過重復拍賣機制以獲取網格節點的最優網絡收益。參考文獻[30]將這種博弈方法應用于處理對等網絡的多播研究中，通過多拍賣博弈緩解節點之間的惡意競爭和節點自私行為，提出了基于多拍賣機制的分布式多播協議DMP-MBA（distributed multicast protocol based multi-bids auction mechanism），但該模型的主要應用環境為P2P網絡。為了有效評價認知無線網絡的信道可靠性，參考文獻[31]引入了基于價格預測最優的用戶競價拍賣機制，聯合高斯回歸過程，完成節點博弈過程。然而，上述基于博弈思想的節點行為分析不完全適用于無線mesh網絡環境中，針對存在的惡意節點和具有協同服務能力的節點需做深入的博弈分析。

結合已有研究結果，根據節點行為分析結果，無線mesh網絡節點之間存在的惡意競爭等問題嚴重影響信道資源的分配。基于已有的DMP-MBA協同調度算法和UACRR資源預留算法，針對無線mesh網絡中的信道資源，其協同可信信道資源分配需要考慮以下幾點。

?? 如何獲取可靠的信道資源：針對無線mesh網絡中的可靠信道資源，展開基于網絡效用驅動的信道分配策略，優化信道分配結果，并將信道分配結果服務于可以參與服務的節點群集。

?? 如何處理節點之間的競爭和惡意爭奪資源問題：針對節點的自適應性問題，通過節點的可信度判斷并剔除節點群集中無法服務的節點。

?? 如何實現協同服務：將以獲取到可靠信道資源的節點群集進行緩存，引入基于網絡效用與節點服務等級均衡的博弈關系思想，將可靠信道資源應用于具有協作能力的mesh終端節點上，以提升網絡整體服務能力。

3 可信信道資源分配建模與分析

為了有效提升網絡服務質量，將無線mesh終端節點群集中無法完成協同作業的節點剔除，保留具有服務能力的節點。根據節點的不同服務等級，將不同服務等級的節點進行聚類完成協同服務。針對無線mesh網絡中參與信道資源獲取的所有節點，做如下假設：

?? 所有節點均具有獲取信道資源和服務主干網絡的能力；

?? 所有節點上具有2個射頻接口；

?? 所有節點均具有參與節點群集的博弈資格；

?? 所有節點的服務過程均在給定周期內完成。

在無線mesh網絡節點之間，針對可信資源建立節點服務機制，以選取適合協同作業的節點。協同過程通過信譽機制來判斷節點之間是否正常通信和數據轉發，繼而完成博弈評價。

3.1 問題描述

用戶要獲取網絡節點上可靠的信道資源，需要考慮節點是否愿意服務。這時在終端節點上存在以下幾種情況：愿意服務的節點和不愿意服務的節點。其中愿意服務的節點分布狀況如下：服務能力較差的節點，其網絡效用也會受到影響；服務能力較好但是在服務期間搶占資源但不轉發的節點，嚴重影響節點的服務能力[32]。問題模型示例如圖1所示，假設在兩個通信域內，分別采用4條通信信道進行數據轉發，其中A、B、C節點屬于通信域1，其他節點屬于通信域2。現在，A、B節點均通過要信道1轉發數據，C、D的接口相連存在信道沖突問題，這時可能產生信道資源的占用或者搶占。E、F、G節點具有一定服務能力，但是無法獲取信道資源，H節點占有信道4但是其不愿意服務。

對于類似這樣的網絡節點狀況：沒有信道資源（如E、F、G節點）、搶奪信道資源（如C、D節點）、不參與服務（如H節點）、沒有協作能力（如A、B節點），急需提出新的信道分配策略以緩解問題。

定義1 在無線mesh網絡的主干網絡上，在第一次用戶資源轉發時只考慮兩種網絡終端節點：服務節點和不參與服務的節點，機制剔除不參與節點，對于在過程中再參與服務的節點不考慮加入機制內，對于服務節點，根據節點與信道通信情況展開節點信譽機制，根據信道資源在節點上的信任度計算節點的服務等級。

定義2 在無線mesh網絡中，可靠信道資源，即滿足所有節點之間通信時均能保證節點正常通信的信道資源。由于無線mesh網絡中信道分配是NP問題，信道分配由參與服務的節點群集網絡收益決定。

根據定義1、定義2，無線mesh網絡信道資源分配策略出發點為根據服務節點群集的網絡收益。如果可服務節點與可靠信道資源成功通信，則有其資源分配的優化方案：。其中表示任務節點通過信道資源與其鄰居內的目標節點完成一次通信，表示節點與節點通信。

3.2 服務節點信譽機制

為了實現節點通信時的信道資源是優化分配的，對于無線mesh網絡拓撲存在的不穩定性，其信道分配結果取決于節點通信過程中是否使用了可靠信道資源，因此給定其信道分配方案為：

（2）

在無線mesh網絡中，任務節點利用可靠信道資源與目標節點通信，目標節點的信譽度未知，需要計算每一個節點的信譽度，以實現信道資源的優化分配。根據經濟學概論中對于信譽度的定義：“評定年份累計到期貸款歸還額與評定年份累計到期貸款總額的商即企業信譽度評價指標”[17]。因此，任務節點與目標節點通信時某一次的信道分配方案與這兩個節點通信總次數內的商，即評價目標節點的信譽度結果，如式（3）所示：

3.3 協同信道資源分配建模與分析

為了獲得最優信道分配結果，參考文獻[15,16]均提出以網絡收益作為信道分配策略的主要評價指標。參考文獻[17]指出節點群集性服務的收益與風險并存。使表示通信時間內將數據從節點通過信道資源與其鄰居節點完成轉發所獲得的所有網絡收益。

（5）

根據不完全信息的非合作博弈思想，得到參與協同服務的節點群集的網絡效益期望結果為：

式（6）表示節點網絡吞吐量隨著節點對其鄰域節點的服務能力和節點的支付能力而變化，節點的服務等級越高，節點支付量越大，節點的服務成本同時增大。

綜合式（1）~式（6）得到協同服務節點的網絡效益博弈模型：

根據演化博弈理論，簡化式（8），得到：

根據納什均衡穩定求解的唯一性，協同服務節點群集旨在最大化網絡收益，因此，當且僅當式（9）滿足最大化而網絡支付函數低于網絡效益平均值。因此，博弈模型改進模型為：

（10）

式（11）表示節點的服務等級受節點上信道資源通信的平均帶寬值與評定的帶寬值之商影響，當達到穩定均衡時，其網絡服務等級的值小于或等于服務節點的有效帶寬利用率。

4 實驗與分析

為了有效評價可信協同服務機制的有效性和可行性，展開節點服務等級評價和節點網絡收益狀況評價。兩組實驗中，節點服務等級評價主要基于5組隨機節點的聚類過程，通過聚類過程完成博弈，在博弈結果中評價節點服務等級對節點網絡吞吐量的影響；節點網絡收益狀況評價則側重于對比已有經典信道分配策略如參考文獻[25]中的UACRR算法、參考文獻[29]中的DMP-MBA算法與協同服務機制資源分配模型，通過對比參數、結果綜合分析基于可信協同信道資源分配（dependable-cooperative channel resource allocation，DCCRA）策略的有效性。

實驗基于MATLAB仿真平臺模擬實際網絡拓撲，通過數據擬合，給定5×5網絡拓撲環境的mesh網絡，網絡初始帶寬范圍為50~100 Mbit/s。一方面分析無線mesh網絡節點為其鄰域內其他節點服務時，產生的網絡效益受服務等級影響的具體等級數量；另一方面針對不同信道分配策略和協同服務機制，分析在協同服務下網絡節點用于能量消耗后的網絡收益狀況。

4.1 節點服務等級評價

為了有效驗證節點服務等級協同資源分配的影響，在無線mesh網絡中隨機分布5組實驗節點，每組網絡拓撲中包括25個節點，通信范圍在100 m×100 m。圖2結果即所有節點的初始狀態，此時節點的通信域中節點狀態較分散。圖3結果為5組節點在節點服務等級分別為1~5時的網絡有效吞吐量結果，其中網絡帶寬的初始值范圍為54~100 Mbit/s。

在實驗過程中，不同服務等級的節點上的有效網絡吞吐量變化結果如圖3所示。根據式（11）所示，根據節點帶寬比值情況分析不同節點的服務等級，其中網絡吞吐量數據情況結果見表1。

表1 各組節點上平均網絡帶寬值數據結果

圖3結果表明：

?? 所有節點在服務等級為3時，網絡有效帶寬值變化較其他服務等級更為平緩，而在此服務等級上得到的平均網絡帶寬值、各組網絡節點均收益高于其他服務等級情況；

?? 在服務等級<3時，有效網絡吞吐量的振動幅度較其他幾種服務等級大，同時，5組網絡節點的平均網絡帶寬值沒有發生較大改變；

?? 在服務等級>3時，各組網絡節點的有效網絡吞吐量振動幅度明顯提升，同時，5組網絡節點的平均網絡帶寬值均呈現下降趨勢。

從表1數據結果看，在每個隊列中，從初始化狀態到穩定狀態，網絡上的有效帶寬值由頻繁抖動趨于穩定繼而再次頻繁。有效吞吐量結果中隊列1~隊列5均從由服務等級1開始上升，到服務等級3時結果穩定，到服務等級5時逐漸頻繁。

初始狀態時，節點不斷聚類，將非協同節點剔除，完成協同信道資源的轉發，隨著服務等級的不斷升高，有效網絡吞吐量逐漸提升；當服務等級為3時，達到了最佳穩定狀態，所有隊列中的網絡平均帶寬值均最優；當服務等級繼續提升時，隨著網絡節點出現的疲勞或者倦怠、節點轉發資源的開銷增加，導致平均網絡帶寬值的不斷下降，因而網絡吞吐量出現抖動。

服務等級為3時組各節點的穩定狀態如圖4所示。

圖4結果表明，當服務等級為3時，各組節點的有效網絡吞吐量均達到最優狀態，此時隊列3、隊列5中的節點聚集度最高，對應的協同信道資源分配效果優于其他幾組網絡節點，當前的網絡處于穩定均衡狀態。

無線mesh網絡節點的自適應性不僅體現在網絡節點的不同服務等級上，網絡節點轉發數據產生的節點跳數，對于協同信道資源的轉發也產生了較大影響。參考文獻[6]認為當協同服務的節點完成3跳時，其獲得的網絡有效聚合吞吐量達到最大。為了有效驗證本模型中節點的跳數對網絡有效聚合吞吐量的影響，根據節點的跳數和節點的服務等級相關度公式，進行仿真實驗。給予參數作為帶寬調節因子，滿足：

（13）

根據圖5結果，可以發現：

?? 當5組節點的服務等級從1到5變化時，在所有節點的跳數趨于3時，函數明顯平緩，而隨著跳數和服務等級的增加，函數結果發生較大抖動，如圖5(a)所示；

?? 當5組節點的跳數隨著節點的服務等級變化時，節點服務等級為3的函數結果明顯平緩，而隨著節點服務等級的增加、節點轉發的可信信道資源量增加，接口變化越來越快，節點的跳數變化抖動增加，如圖5(b)所示。

根據以上仿真結果，得出結論：為了成功轉發可信協同資源并有效降低節點轉發開銷，節點最優跳數和節點的服務等級均為3時，博弈效果最優。

4.2 節點網絡收益評價

為了進一步分析信道分配策略有效性，通過相同網絡參數對比分析UACRR算法、DMP-MBA算法和DCCRA策略的有效性。由于UACRR算法、DMP-MBA算法均采用有限信道數量進行仿真實驗。實驗參數設置為：初始狀態下給定12個信道資源，演化過程中參與服務的節點數量允許最大值為10 000個，仿真結果如圖6所示。

對于UACRR算法，當節點服務等級為3時，節點群集的網絡資源收益達到峰值為6.56×105，但是節點能量歸一化結果變化不明顯；對應的多條通信信道中，服務等級越高的節點，其網絡收益不一定越高，在收斂過程中節點的網絡收益情況成離散狀態；協同服務節點數量與協同服務等級成正比，但是協同服務等級高于3時，其網絡收益逐漸下降；穩定狀態時，其網絡收益曲線彎曲率在3種算法種最大，即能量損失最大。

對于DMP-MBA算法，當節點的服務等級在3~4時節點群集的網絡資源收益達到峰值為4.96×105，其能連歸一化數據收斂穩定、連續，較UACRR算法有較小占優。

對于DCCRA策略，當節點的服務等級在3時，其網絡效益數據達到峰值為6.53×105；網絡歸一化結果與DMP-MBA算法相同，持續穩定收斂；得到的網絡收益最大化網絡收益結果為100 Mbit/s，穩定狀態下的網絡收益曲線彎曲率在3個算法中最小，即能量損耗最小；對比圖6(a)、圖6(b)的結果，DCCRA算法增加了博弈理論分析節點的穩定均衡狀態，因而，當節點網絡收益最優時，每一個節點的網絡負載和收益是穩定連續的；節點的網絡收益符合博弈模型中的穩定均衡環境下，節點的網絡收益保持最優狀態，有效提升了網絡服務質量。

其中圖6對應的網絡仿真數據見表2。

綜合本組實驗結果，發現：3種無線資源分配策略中，當節點的服務等級為3時，其網絡收益均能達到峰值，此時網絡UACRR算法的網絡收益最高，原因是該算法重點在于預留資源；但是從能量歸一化結果， DMP-MBA算法、DCCRA算法具有的能量損失較UACRR算法小，是因為該算法預留資源需要產生大量開銷。

綜合分析網絡拓撲中實際最大的任務數量和網絡收益結果，3種無線資源分配策略的節點平均網絡收益分別為：65.6、63.59、67.96，DCCRA算法收益是UACRR算法的1.04倍，是DMP-MBA算法的1.069倍，其具有的網絡收益分別較其他兩種算法的網絡收益更為穩定和占優。

表2 3種服務機制網絡收益數據結果

5 結束語

基于無線mesh網絡節點自適應特點分析信道資源分配策略的關鍵，建立服務節點的信譽機制和協同信道資源的網絡博弈模型，以實現可信資源分配。通過仿真實驗驗證節點的服務等級與網絡收益情況，實驗結果表明可信協同信道資源分配的服務等級與節點轉發資源的跳數呈比例關系，且節點的服務等級在3時得到的網絡收益效果最優；對比已有的經典資源分配算法，DCCRA策略的網絡收益效果明顯占優。數據結果均為實驗數據，在實際應用與不同網絡環境中可能存在偏差。

[1] 匡為君, 張靜, 陳迎春, 等. 認知無線mesh網絡跨層設計研究[J]. 電信科學, 2011, 27(2): 62-67.

KUANG W J, ZHANG J, CHEN Y C, et al. Research on cross-layer design for cognitive wireless mesh networks[J]. Telecommunications Science, 2011, 27(2): 62-67.

[2] 張平, 李建武, 馮志勇, 等. 認知無線網絡基礎理論與關鍵技術研究[J]. 電信科學, 2014, 30(2): 1-13.

ZHANG P, LI J W, FENG Z Y, et al. Research on basic theory and key technology of cognitive radio network [J]. Telecommunications Science, 2014, 30(2): 1-13.

[3] XIE K, WANG X, LIU X L, et al. Interference-aware cooperative communication in multi-radio multi-channel wireless networks[J]. IEEE Transactions on Computers, 2016, 65(5): 1528-1542.

[4] XIE K, CAO J N, WANG X, et al. optimal resource allocation for reliable and energy efficient cooperative communications[J]. IEEE Transactions on Wireless Communications, 2013, 12(10): 4994-5007.

[5] 林暉, 馬建峰, 許力. MWNs中基于跨層動態信譽機制的安全路由協議[J]. 計算機研究與發展, 2014, 51(7): 1486-1496.

LIN H, MA J F, XU L. The research on cross-layer reputation mechanism based secure routing protocol in MWNs[J]. Journal of Computer Research and Development, 2014, 51(7): 1486-1496.

[6] 張云璐, 劉詠寧, 謝銘, 等. 基于FOAF演化博弈的網絡資源可信度判別[J]. 計算機研究與發展, 2011, 48(s3): 334-342.

ZHANG Y L, LIU Y N, XIE M, et al. Next generation network resource trust distinguish based on foaf evolutionary game theory[J]. Journal of Computer Research and Development, 2011, 48(s3): 334-342.

[7] YE Q, RONG B, CHEN Y, et al. User association for load heterogeneous cellular networks[J]. IEEE Transactions on Wireless Communications, 2013, 12(6): 2706-2715.

[8] XIE K, WANG X, WEN J G, et al. Cooperative routing with relay assignment in multi-radio multi-hop wireless networks[J]. IEEE/ACM Transactions on Networking, 2016, 24(2): 859-872.

[9] 韓冰青, 張宏, 劉鳳玉, 等. 無線Ad Hoc網絡中QoS感知的跨層資源分配算法[J], 2010, 21(12): 3138-3150.

HAN B Q, ZHANG H, LIU F Y, et al. QoS-aware cross layer resource allocation algorithm in wireless Ad Hoc networks[J]. Journal of Software, 2011, 21(12): 3138-3150.

[10] SHOJAFAR M, POORANIAN Z. LLLA: new efficient channel assignment method in wireless mesh networks[M]//Advances inIntelligent Systems and Computing. Heidelberg: Springer, 2014(237): 143-152.

[11] FUARTE P B F, ZUBAIR M D, FADLULLAH A, et al. Channel assignment on wireless mesh network backbone with potential game approach [J]. Social Informatics and Telecommunications Engineering, 2012: 43-56.

[12] LI K Q. Analysis of cost and quality of service of time-based dynamic mobility management in wireless networks [J]. Wireless Networks, 2014(20): 261-288.

[13] FU Q, CHEN Z G, JIANG Y X, et al. A cross-layer QOS scheme based on EDCA in multi-hop wireless mesh networks [J]. Journal of Computational Information Systems, 2014, 10(2): 817-825.

[14] ACELAS P, ARCE P, GUERRI J C, et al. Evaluation of the MDC and FEC over the quality of service and quality of experience for video distribution in ad hoc networks [J]. Multimedia Tools and Applications, 2014, 68(3): 969-989.

[15] 胡周君, 胡志剛, 丁長松, 等. 基于博弈論健壯性增強的資源分配模型[J]. 系統工程理論與實踐, 2009, 29(8): 102-110.

HU Z J, HU Z G, DING C S, et al. Game-theory-based robust-enhanced model for resource allocation in computational grids[J]. Systems Engineering-Theory &Practice, 2009, 29(8): 102-110.

[16] 丁長松, 胡志剛, 胡周君. 基于收益與風險均衡的網格資源預留策略[J]. 華南理工大學學報(自然科學版), 2011, 39(2): 88-94.

DING C S, HU Z G, HU Z J. Grid resource reservation strategy based on balance between benefits and risks[J]. Journal of South China University of Technology(Natural Science Edition), 2011, 39(2): 88-94.

[17] 劉蔚, 趙宇, 陳銳. 無線Ad Hoc網絡中基于0-1優化的兩步驟資源分配算法[J]. 計算機科學, 2017, 44(1): 103-108.

LIU W, ZHAO Y, CHEN R. Zero-One integer programming based optimization model and two-phase resource optimization algorithm for wireless Ad Hoc networks[J]. Computer Science, 2017, 44(1): 103-108.

[18] 朱正倉, 趙季紅, 唐睿, 等. LTE-A上行終端直通中面向能效的資源分配方案[J]. 通信學報, 2017, 38(2):158-164.

ZHU Z C, ZHAO J H, TANG R, et al. Energy-efficient resource allocation scheme for device-to-device communication underlaying LTE-A uplink[J]. Journal of Communications, 2017, 38(2): 158-164.

[19] 張海波, 鄒劍, 劉開健, 等. Femtocell網絡中基于分簇的資源分配機制[J]. 通信學報, 2017, 38(1): 16-25.

ZHANG H B, ZOU J, LIU K J, et al. Cluster-based resource allocation mechanism for Femtocell network[J]. Journal on Communications, 2017, 38(1): 16-25.

[20] 王學婷, 朱琦. 分層異構網絡中基于斯坦克爾伯格博弈的資源分配算法[J]. 信號處理, 2017, 33(2): 168-177.

WANG X T, ZHU Q. An algorithm of resource allocation based on stacklberg game in heterogeneous[J]. Journal of Signal Processing, 2017, 33(2): 168-177.

[21] ZHANG L M, LIU J, YANG K. Quality of service modeling of virtualized wireless networks: a network calculus approach [J]. Mobile Network Applications, 2014(3): 1-11.

[22] 曹潔, 曾國蓀, 匡桂娟, 等. 支持隨機服務請求的云虛擬機按需物理資源分配方法[J]. 軟件學報, 2017, 28(2): 457-472.

CAO J, ZENG G S, KUANG G J, et al. On-demand physical resource allocation method for cloud virtual machine to support random service requests[J]. Journal of Software, 2017, 28(2): 457-472.

[23] 江甲沫. 分層異構無線網絡中高能效協同通信技術研究[D]. 北京: 北京郵電大學, 2014.

JIANG J M. Research on high efficiency cooperative communication technology in hierarchical heterogeneous wireless networks[D]. Beijing: Beijing University of Posts and Telecommunications, 2014.

[24] AHMED M H U, HONG C S, LEE S. Energy efficient smart-relay-based cooperative MAC for wireless networks[J]. Computing, 2014(96): 133-161.

[25] 丁長松, 王志英, 胡志剛. 基于效用驅動的網格資源協同預留策略[J]. 通信學報, 2016, 35(5): 101-107.

DING C S,WANG Z Y, HU Z G, et al. Utility-driven based co-allocation resource reservation strategy in computational grid[J]. Journal on Communications, 2016, 35(5): 101-107.

[26] 朱赟, 潘成康, 徐友云, 等. 一種無線mesh網絡中基于協同通信的多包接收方法[J]. 電子與信息學報. 2010, 32(5): 1200-1204.

ZHU Y, PAN C K, XU Y Y, et al. A multi-packet reception method based on cooperative communication for wireless mesh networks [J]. Journal of Electronics & Information Technology, 2010, 32(5): 1200-1204.

[27] SHEN S G, MA X, JIANG H, et al. Evolutionary game theory based trust strategy model and dynamics analysis in wireless sensor networks[J]. Control and Decision, 2012, 27(8):1133-1138.

[28] YONG X, DASILVA L A. Dynamic pricing coalitional game for cognitive radio networks [J].International Federation for Information Processing, 2012: 19-26.

[29] 王浩云, 張順頤, 龍華, 等. 基于多競價拍賣機制的對等網絡分布式組播協議研究[J]. 電子學報, 2009, 37(11): 2373-2379.

WANG H Y, ZHANG S Y, LONG H, et al. Distributed multicast protocol based multi-bids auction mechanism in P2P networks[J]. Acta Electronica Sinica, 2009, 37(11): 2373-2379.

[30] 劉軍, 謝秀峰. 基于排隊時延及博弈分析的認知無線網絡信道分配算法[J]. 通信學報, 2012, 33(6): 73-81.

LIU J, XIE X F. Cognitive network channel allocation method based on the queuing delay and game analysis [J]. Journal on Communications, 2012, 33(6): 73-81.

[31] 劉覺夫, 楊將, 王建旭, 等. 基于拍賣理論和高斯過程回歸學習的頻譜分配算法[J]. 計算機工程與科學, 2016, 38(5): 914-920.

LIU J F, YANG J, WANG J X, et al. A spectrum allocation algorithm based on auction theory and Gaussian process regression[J]. Computer Engineering and Science, 2016, 38(5): 914-920.

[32] 馮劍, 王平陽, 王琳, 等. 基于能量獲取的無線通信系統研究[J]. 電信科學,2015, 31(2): 124-131.

FENG J, WANG P Y, WANG L, et al. Research on energy harvesting communication system [J]. Telecommunications Science, 2015, 31(2): 124-131.

Dependable-cooperative channel resource allocation scheme in wireless mesh network

LI Mingming1, YUE Guangxue2, DAI Shaoqing1, MA Bolin2

1．Jiaxing Vocational Technology College, Jiaxing 314001, China 2. Jiaxing University, Jiaxing 314001, China

For improving utilization of channel resources and service quality effectively in wireless mesh network, a dependable-cooperative channel resource allocation scheme was proposed. According to the adaptive features of mesh node, engaging game theory and establishing reputation mechanism to achieve dependable-cooperative of nodes, and channel resource allocation result was utilized. The comparison of this experiment proves the situation of service level and network utility of cooperative service. The result of it shows that networks benefit will be optimal when the cooperative service level is 3 and node hops synergies with the service level. Comparing with classic synergetic algorithm, with the same context of network topology, dependable-cooperative channel allocation strategy is clearly dominated with 1.04 on UACRR and 1.069.

wireless mesh network, reputation mechanism, cooperative service

TP393

A

10.11959/j.issn.1000?0801.2017128

2016?12?30；

2017?04?03

樂光學，guangxueyue_111@163.com

浙江省教育廳科技項目基金資助項目（No.Y201636319）；浙江省自然科學基金資助項目（No. LY12F02019）；中央財政支持地方高校發展專項“無線mesh網絡若干關鍵技術研究”

Zhejiang Provincial Science and Technology Fund of China (No.Y201636319), Zhejiang Provincial Natural Science Foundation of China (No. LY12F02019), Central Government Support for Local Development Project “Research on Some Critical Technologies of Wireless Mesh Networks”

李明明（1988?），女，嘉興職業技術學院助教，主要研究方向為計算機網絡、無線mesh網絡等。

樂光學（1963?），男，博士，嘉興學院教授、碩士生導師，主要研究方向為計算機網絡、無線mesh網絡等。

代紹慶（1972?），男，嘉興職業技術學院副教授，主要研究方向為數據挖掘、分布式計算等。

馬柏林（1961?），男，博士，嘉興學院教授，主要研究方向為數據分析與處理、計算機網絡和智能計算。