基于模糊神经网络的稳定AODV协议改进方案

计算机工程与科学

• 计算机网络与信息安全 • 上一篇下一篇

基于模糊神经网络的稳定AODV协议改进方案

黄保华1，莫家威2，吕琦1

（1.广西大学计算机与电子信息学院，广西南宁 530004;2.广西科技大学鹿山学院电气与计算机工程系，广西柳州 545005）

收稿日期:2017-08-16 修回日期:2018-02-28 出版日期:2018-11-25 发布日期:2018-11-25
基金资助:
国家自然科学基金（61262072）

An improved stable AODV protocol

scheme based on fuzzy neural networks

HUANG Baohua1,MO Jiawei2,L Qi1

（1.School of Computer and Electronic Information,Guangxi University,Nanning 530004;

2.Department of Electrical and Computer Engineering,Lushan College,

Guangxi University of Science and Technology,Liuzhou 545005,China）

Received:2017-08-16 Revised:2018-02-28 Online:2018-11-25 Published:2018-11-25

摘要/Abstract

摘要：

车载自组网的重要特征之一是节点的高移动性。针对节点的自由移动导致链路频繁断裂这一问题，在路由协议中选择稳定链路进行数据传输尤为重要。提出了一种具有链路稳定性的按需距离矢量路由协议（AODV）改进方案，即GF-AODV（AODV with GASAFNN）。该方案在路由发起和选择阶段，使用模糊神经网络对节点信息进行计算，得到节点稳定度以评估链路质量，并均衡考虑链路稳定性与跳数，选出稳定且跳数较小的路径。在路由维护阶段，针对实际环境使用遗传模拟退火算法对模糊神经网络的参数进行实时优化，以确保计算出的节点稳定度符合实际情况。实验表明，GF-AODV相对于AODV在平均时延、包投递率、路由开销等方面均有所改善。

关键词: 车载自组网, 链路稳定性, 模糊神经网络, AODV协议

Abstract:

One of the important characteristics of vehicular ad hoc networks is the high mobility of nodes. It is significant to select stable links for transmitting data in routing protocols to solve the problem of frequent link breakage caused by free movement of nodes. To solve this problem, we propose an improved ondemand distance vector routing protocol (AODV) scheme with link stability, namely GFAODV (AODV with GASAFNN). The algorithm uses fuzzy neural networks to calculate the node information in the initialization and selection stages to get node stability. Then we evaluate the link quality, and select the stable link which has fewest hops based on link stability and hop count. In the routing maintenance phase, the parameters of the fuzzy neural network are optimized in real time according to the actual environment by using the genetic simulated annealing algorithm, which guarantees the consistency between calculated node stability and the actual situation. Experiments show that the GFAODV routing protocol outperforms the AODV in terms of average delay, packet delivery rate and routing overhead.

Key words: vehicular ad hoc networks, link stability, fuzzy neural network, AODV protocol

黄保华1，莫家威2，吕琦1. 基于模糊神经网络的稳定AODV协议改进方案[J]. 计算机工程与科学.

HUANG Baohua1,MO Jiawei2,L Qi1.

An improved stable AODV protocol

scheme based on fuzzy neural networks

[J]. Computer Engineering & Science.

[1]	文武1,2,3，李培强1,2，郭有庆1,2. 基于TNG特征扩展的MLFM-MN短文本分类算法[J]. 计算机工程与科学, 2019, 41(11): 2071-2078.
[2]	汪锐,曹素珍,王斐,郎晓丽,杜霞玲. 车载自组网中基于无证书的密钥隔离批量消息认证方案[J]. 计算机工程与科学, 2019, 41(09): 1588-1596.
[3]	杨小东1,2，杨平1，李燕1，刘婷婷1，王彩芬1. 基于无证书代理重签名的车载自组网消息认证方案[J]. 计算机工程与科学, 2018, 40(01): 40-44.
[4]	李雪松，叶雪梅，巩正正，蔡艳宁，范青刚. 一种基于局部连通性的增强型车载网多跳广播协议[J]. 计算机工程与科学, 2016, 38(10): 2038-2044.
[5]	李雪松，叶雪梅，蔡艳宁，范青刚. 车载自组网中最远转发机制的可靠性改进[J]. 计算机工程与科学, 2016, 38(09): 1784-1789.
[6]	李克文，张郁，马竟峰，刘洪太. 基于模糊三角数模糊神经网络的软件质量评价方法[J]. J4, 2014, 36(07): 1301-1306.
[7]	蔡菁，朱余兵. 一种基于AODV改进的城市车载自组网路由协议研究[J]. J4, 2013, 35(1): 61-66.
[8]	孙一品,胡乔林,苏金树. 车载自组网中一种支持群签名认证的分布式密钥管理方案[J]. J4, 2012, 34(7): 6-11.
[9]	刘荣，王东，李晓鸿. 移动Ad Hoc网络中基于剩余生存时间的链路稳定性路由协议[J]. J4, 2012, 34(12): 9-15.
[10]	邹凤1，仲姣菲2，伍伟丽2，堵丁柱2，Lee Junghoon3. 解决高度分割的车载自组网络连通性问题的路侧单元最优化调度方案[J]. J4, 2012, 34(1): 1-10.
[11]	罗娟，白裕栋. 一种应用于城市环境中的车载自组网广播算法[J]. J4, 2012, 34(1): 29-33.
[12]	董天喆，刘衍珩，王健，张晶. 一种基于粗糙集理论的VANET接入方法[J]. J4, 2010, 32(6): 26-29.
[13]	马莉, 张德丰, 许勇. 基于动态模糊神经网络的生物工程算法研究[J]. J4, 2010, 32(3): 137-140.
[14]	徐华, 涂亚庆, 郭斌, 许桂兵. 组移动模型中基于链路稳定性的传感器网络分簇算法[J]. J4, 2010, 32(2): 35-37.
[15]	匡雁群李孝安. 基于模糊神经网络的机器人足球团队决策研究[J]. J4, 2008, 30(4): 145-147.

基于模糊神经网络的稳定AODV协议改进方案

An improved stable AODV protocol

scheme based on fuzzy neural networks

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价