机会网络关键节点的测量方法技术

一种机会网络关键节点的测量方法，包括：将预设时间段内的机会网络按照预设的时间窗口进行划分，得到多个机会网络单元，并针对每个所述机会网络单元建立对应的拓扑凝聚图；计算每个所述拓扑凝聚图中各个节点的评估指标参数，并根据所述评估指标参数确定所述机会网络中的一关键节点，所述评估指标参数包括二阶节点度、连接强度以及关键域重要度。本发明专利技术实施例中考虑到机会网络的动态特征，采用时间切片的方法将动态的机会网络转换为静态网络，其不仅考虑到机会网络的动态特征，且在静态网络的基础上确定机会网络的关键节点，其准确度更高，且适用性广。

【技术实现步骤摘要】
机会网络关键节点的测量方法
本专利技术涉及机会网络领域，特别是涉及一种机会网络关键节点的测量方法。
技术介绍
机会网络是一种不需要源节点与目的节点之间存在稳定链路，利用节点移动带来的相遇机会实现通信的自组织网络，它比传统的移动自组织网络更具有实用性。传统的WSN要求源节点与目的节点之间至少存在一条完整的通信路径，但在机会网络中则不需要，因为它是通过“存储-携带-转发”的方式进行数据传输的。关键节点是机会网络最为重要的节点，它的失效可能会导致整个网络运行不正常，甚至瘫痪。在实际应用中，如能获知或预测到网络的关键节点，网络部署人员便可以根据关键节点的相关信息对网络进行优化，尽可能的优化关键节点，以增强网络的健壮性；或是在网络维护中，维护人员可以通过重点监视网络关键节点的状态，及时维护关键节点，以确保网络正常运行。如果网络出现瘫痪，网络维护人员还可以第一时间排查关键节点是否正常，这样可以大大减少网络维护的时间和成本。由此可见，关键节点的预测对机会网络的实际应用有着重要的意义。目前国内外针对机会网络的关键节点研究上主要集中在静态无线传感器网络中，其关键节点的确定方法是建立在节点能够确定自身位置信息的基础上，这使得该方法的应用具有很大的局限性。纵观现有的机会网络关键节点的测量方法都没有结合机会网络的动态性特点进行考虑，在诸如此类动态网络下无法对关键节点进行准确评估与预测。
技术实现思路
鉴于上述状况，有必要针对现有技术中机会网络的关键节点的测量方法没有考虑到机会网络的动态特征，导致关键节点测量不准确的问题，提供一种机会网络关键节点的测量方法。一种机会网络关键节点的测量方法，包括：将预设时间段内的机会网络按照预设的时间窗口进行划分，得到多个机会网络单元，并针对每个所述机会网络单元建立对应的拓扑凝聚图；计算每个所述拓扑凝聚图中各个节点的评估指标参数，并根据所述评估指标参数确定所述机会网络中的一关键节点，所述评估指标参数包括二阶节点度、连接强度以及关键域重要度。进一步的，上述机会网络关键节点的测量方法，其中，所述根据所述评估指标参数确定所述机会网络中的一关键节点的步骤包括：根据每个所述拓扑凝聚图中各个节点的评估指标，确定每个所述拓扑凝聚图中的疑似关键节点；统计所述预设时间段内所述机会网络中各个节点被确定为疑似关键节点的次数，将所述次数最大的节点确定为所述机会网络的关键节点。进一步的，上述机会网络关键节点的测量方法，其中，所述根据每个所述拓扑凝聚图中各个节点的评估指标，确定每个所述拓扑凝聚图中的疑似关键节点的步骤包括：根据当前拓扑凝聚图中每个节点的评估指标参数，计算当前拓扑凝聚图中每个节点对应的欧式距离；确定所述欧式距离最大的一节点为所述当前拓扑凝聚图中的疑似关键节点。进一步的，上述机会网络关键节点的测量方法，其中，所述欧式距离计算公式为：其中，da表示节点a的二阶节点度、Qa表示连接强度、Ia表示关键域重要度。进一步的，上述机会网络关键节点的测量方法，其中，所述二阶节点度的计算公式为：其中，ai＝{b|(a,b)∈E}，ai表示与节点a邻接的节点集合，b是a的邻接节点，Kb表示节点b的节点度。进一步的，上述机会网络关键节点的测量方法，其中，所述连接强度的计算公式为：其中，ai表示与节点a邻接的节点集合，ωab为节点a和邻接的节点b间边的权值。进一步的，上述机会网络关键节点的测量方法，其中，所述关键域重要度的计算公式为：其中，Fi表示关键域，且Fi＝{s|s∈(ah∩aj)∪ai,s≠a}，其中ai表示a的邻域，ah、aj分别表示ai中任意两个节点h、j的邻域，Bi表示Fi中任意节点对之间不经过节点a的最短路径数，si表示Fi中任意节点对之间经过a的最短路径数，d(a,b)表示关键域Fi中节点a到节点b的长度，(a≠b)。进一步的，上述机会网络关键节点的测量方法，其中，所述针对每个所述机会网络单元建立对应的拓扑凝聚图的步骤包括：分别将每个所述机会网络单元中发生过连接的节点和边绘制到一张图中，以形成多个拓扑凝聚图。本专利技术实施例提出了拓扑凝聚图的概念，通过设置的时间窗口将动态的机会网络转化成各个静态网络，每张拓扑凝聚图都由时间窗口内的动态网络凝聚而成。根据拓扑凝聚图定义能反映节点重要性的评估指标参数：二阶节点度、连接强度、关键域重要度，并根据该评估指标参数确定该机会网络中的关键节点。本专利技术实施例中考虑到机会网络的动态特征，采用时间切片的方法将动态的机会网络转换为静态网络，其不仅考虑到机会网络的动态特征，且在静态网络的基础上确定机会网络的关键节点，其准确度更高，且适用性广。附图说明图1为本专利技术第一实施例中机会网络关键节点的测量方法的流程图；图2为本专利技术第二实施例中机会网络关键节点的测量方法的流程图；图3a～3c分别为机会网络t1～t3时刻的场景示意图；图4为t0～tn时间窗口内机会网络节点的拓扑凝聚图示意图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。参照下面的描述和附图，将清楚本专利技术的实施例的这些和其他方面。在这些描述和附图中，具体公开了本专利技术的实施例中的一些特定实施方式，来表示实施本专利技术的实施例的原理的一些方式，但是应当理解，本专利技术的实施例的范围不受此限制。相反，本专利技术的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。请参阅图1，为本专利技术第一实施例中的机会网络关键节点的测量方法，包括步骤S11～S12。步骤S11，将预设时间段内的机会网络按照预设的时间窗口进行划分，得到多个机会网络单元，并针每个所述机会网络单元建立对应的拓扑凝聚图。本专利技术实施例提出了拓扑凝聚图的概念，通过时间切片的方法将一段时间内的动态的机会网络转化成静态网络，每张拓扑凝聚图都由时间窗口内的动态网络凝聚而成。该预设时间段内的时间窗口的大小可根据机会网络数据集进行初步分析确定，具体的，首先选取2～3组机会网络数据集，分析节点对之间的连接时长分布情况，根据分布结果选择多个不同大小的时间窗口；再用选择的不同时间窗口分别进行实验，以进一步分析数据集在每个时间窗口内的拓扑连接情况；结合各个节点的评估指标参数和时间窗口内的拓扑连接情况确定最合适的时间窗口。将预设段时间段T内的机会网络按照设置的时间窗口Δt进行划分，得到多个机会网络单元，将每个机会网络单元中发生过连接的节点和边都对应绘制到一张图中，以分别形成每个机会网络单元对应的拓扑凝聚图，从而将动态的机会网络转换为静态网络。一系列关于时间窗口(t0,t1],(t1,t2],...,(tτ-1,tτ]的有序图集形成拓扑凝聚图集合G＝{G0,G1,G2,...,Gn}，其中，(t0,tτ]＝T，(t0,t1]＝(t1,t2]＝...＝(tτ-1,tτ]＝Δt。任意一时间窗口对应的拓扑凝聚图即为Gi＝(Vi,Ei,ωi)，其表示的是在时间窗口(ti,ti+1]内的拓扑图，即第i个时间窗口内节点间边的凝聚结果，Ei为该时间窗口内发生连接的节点间边的集合，Vi为该时间窗口内所有节点构成的集合，ωi为边集Ei各本文档来自技高网...

【技术保护点】
1.一种机会网络关键节点的测量方法，其特征在于，包括：将预设时间段内的机会网络按照预设的时间窗口进行划分，得到多个机会网络单元，并针对每个所述机会网络单元建立对应的拓扑凝聚图；计算每个所述拓扑凝聚图中各个节点的评估指标参数，并根据所述评估指标参数确定所述机会网络中的一关键节点，所述评估指标参数包括二阶节点度、连接强度以及关键域重要度。

【技术特征摘要】
1.一种机会网络关键节点的测量方法，其特征在于，包括：将预设时间段内的机会网络按照预设的时间窗口进行划分，得到多个机会网络单元，并针对每个所述机会网络单元建立对应的拓扑凝聚图；计算每个所述拓扑凝聚图中各个节点的评估指标参数，并根据所述评估指标参数确定所述机会网络中的一关键节点，所述评估指标参数包括二阶节点度、连接强度以及关键域重要度。2.如权利要求1所述的机会网络关键节点的测量方法，其特征在于，所述根据所述评估指标参数确定所述机会网络中的一关键节点的步骤包括：根据每个所述拓扑凝聚图中各个节点的评估指标，确定每个所述拓扑凝聚图中的疑似关键节点；统计所述预设时间段内所述机会网络中各个节点被确定为疑似关键节点的次数，将所述次数最大的节点确定为所述机会网络的关键节点。3.如权利要求2所述的机会网络关键节点的测量方法，其特征在于，所述根据每个所述拓扑凝聚图中各个节点的评估指标，确定每个所述拓扑凝聚图中的疑似关键节点的步骤包括：根据当前拓扑凝聚图中每个节点的评估指标参数，计算当前拓扑凝聚图中每个节点对应的欧式距离；确定所述欧式距离最大的一节点为所述当前拓扑凝聚图中的疑似关键节点。4.如权利要求2所述的机会网络关键节点的测量方法，其特征在于，所述欧式距离计...

【专利技术属性】
技术研发人员：舒坚，江文良，刘琳岚，
申请(专利权)人：南昌航空大学，
类型：发明
国别省市：江西,36