[发明专利]一种基于模糊推理的路由方法

说明书

技术领域：

本发明属于无线传感器网络技术领域，具体是利用模糊推理实现移动社会网络的自组织路由。

背景技术

随着大量智能手机、平板电脑、上网本等便携式移动设备的广泛使用，移动社会网络(MSN)的研究和应用得到了迅速地发展。MSN通过网络节点间的各类无线通信接口，能够互联并形成一个自组织网络，以完成彼此间的数据传输和信息共享。移动社会网络网络和传统意义的延迟容忍网络中最大的区别在于移动社会网络的节点是由人携带的移动设备构成的，具有人的社会活动特征。为了更好地描述人的社会活动特征，很多学者采用了社会网络分析技术对人与人之间的关系和人的移动规律性进行了研究，给移动社会网络的应用提供了帮助。

近年来人的移动性研究取得了很大进展，Hsu等通过对无线移动网络用户的跟踪数据建模，总结出两个移动特征：对特定地点的访问偏好和对同一地点的周期性重复访问。Gonzalez等研究了十万个匿名手机用户的跟踪数据，发现人的活动具有高度的时间和空间规律：个人具有定态特征标度和高概率返回某些日常场所的特性。这一系列的研究充分说明了人的移动是非随机的，有一定的时间和空间规律。此外，一项名为Mobidrive的研究对个人六周内的移动做了记录，发现人类在2到4个主要地点之间的移动占据全部移动的百分之七十以上。我们可以看出，人类的运动在空间上可以归纳为有限地点集合之间的规律性移动。移动社会网络中节点具有人类活动的规律性，通过对人的活动规律的研究，合理地利用节点的移动性特征，设计出满足应用需求的路由技术，从而提高路由效率，具有重要的理论和现实意义的。

从目前的移动社会网络路由协议的设计来看，主要是根据对人的移动规律、社会关系的研究，提取出对路由有帮助的一些经验性数据，引入到路由算法、协议的设计，从而提高网络性能。由于这些经验性数据较难量化，难以直接用于提高网络路由效率。如某节点离汇聚点越近，消息由它转送可以有效地提高传输成功率；如某节点消息存储队列较满，消息由它转发至汇聚点的可能性较小。考虑到这类经验数据较难用量化指标描述，我们提出了基于模糊推理的路由算法(Fuzzy inference Routing algorithm，FIRA)。FIRA中引入了模糊集来描述一些有助于消息路由的经验性数据，运用模糊推理理论帮助预测节点的下一步运动目的地，从而有效地提高了网络的传输效率。

发明内容：

本发明是采用如下的技术方案实现的，一种基于模糊推理的路由方法，包括以下步骤：

1目标节点预测

假定每个移动节点中都有一个置信率(Conference Level)，表示该节点能够与汇聚点相互通信的可能性。当两个移动节点相遇时，消息将被转发给具有置信率较高的节点。通过这种消息传递方式，消息更可能会被汇聚点接收。

用一个树结构来存储节点与汇聚点的通信情况，帮助分析节点运动状态，从而提高消息的传输性能。通过历史行程树，我们可以分析出该节点移动规律，并对节点的下一步移动进行预测。

除了历史行程树中提供的节点通信的空间数据，我们也可以通过历史行程记录得到一系列时间数据。假定当前时刻是T，移动传感器节点在未来时间内会遇到的汇聚点S_T可以通过统计该节点在时间区域内的通信记录得到。我们再将汇聚点S_T添加到候选预测节点集中。

候选预测汇聚节点主要通过以上两种方式选择预测汇聚点，一种是通过行程规律选择预测汇聚点，另一种是通过历史通信数据选择预测汇聚点。在候选预测汇聚节点中，离移动传感器节点A最近的汇聚点S将被选择为节点A的预测汇聚点，并用模糊理论推理出A与汇聚点S通信的置信度，从而帮助完成消息传输中继节点的预测。

2模糊推理

将模糊推理引入到路由协议的设计中，用模糊推理算法来评估每个节点的能够与汇聚点通信的置信度。经验性数据的边界很难划分，因此，我们引入了模糊推理以进一步描述和使用不完整或者不能明确经验数据，从而帮助更有效地转发消息，提高路由效率。

模糊推理输入变量为由2个模糊集构成，移动传感器与预测汇聚点距离远近的模糊集和它的消息存储队列容量满空的模糊集。该节点能够在近期与汇聚点相遇的大小的置信度作为模糊推理的输出结果。移动传感器节点与预测汇聚点距离的模糊集D[近、一般、远]，模糊集D可以的成员函数为。节点消息存储容量模糊集为C[空，一般，满]，其成员函数为。置信度模糊集我们用L[不可能、可能性小、可能、可能性大、确定]表示，其成员函数为。所有模糊集的成员函数如图2所示。

其中:

NP:不可能.