杨鹏等：能量均衡的间断连接无线网络数据转发策略 ·969· 220 120 200 EEDFS EEDFS ●-CBEAR 100 ·-CBEAR 180 ▲一BUBBLE ▲BUBBLE 160 140 100 80 60 0 20 30 40 50 72001440021600288003600043200 数据生成间隔/ 仿真时间s 图5不同数据生成时间间隔下的网络负载率 图7网络节点死亡数对比 Fig.5 Network overhead rates for different data generation time inter- Fig.7 Network node deaths for different data generation time inter- vals vals 消耗，进而表现一定自私性，因此，此时3种策略的投 由图8可知，3种策略的数据成功投递率随着节 递时延都较大.而EEDS策略，能够针对节点的活跃 点缓存大小的增加均呈上升趋势.尤其，随着缓存的 度和剩余能量资源，有效得处理节点的自私性，投递时 进一步增加，EEDFS策略性能明显优于其他两种策 延相比其他两种算法均有所降低. 略.投递率分别比CBEAR和BUBBLE提高了12.6% 2.4 和20%.主要原因是随着缓存大小的增加，缓存空间 ■一EEDFS 逐渐充足，网络数据受节点缓存大小的影响减小，数据 2.2 ◆-CBEAR -BUBBLE 在网络中的生存时间增大，但是数据数量的增加，使得 2.0 数据对受限的能量资源的需求加大.所提出的EEDS 策略，充分考虑并解决了节点的自私性和“热点”问 1.6 题，因此，整体性能优于其他两者.但在节点缓存空间 受限时，EEDFS策略的数据成功投递率性能会受到一 1.4 定限制，表现不及CBEAR策略 1.2 0.85 10 20 30 40 50 消息生成间隔 0.80 图6不同数据生成时间间隔下的数据平均投递时延 0.75 Fig.6 Average data delivery delay for different data generation time intervals 0.70 0.65 在资源受限的ICWN中，节点转发数据要消耗自 M一EEDF3 ◆-CBEAR 身有限的能量资源，若能量耗尽，将使得节点死亡并退 .60 ▲一BUBBI.E 出网络，严重影响网络的性能.因此，引入网络节点死 055 10121416 1820 22 亡数来验证3种策略的能量管理性能，网络中节点总 缓存大小WMB 数目为126，图7结果表明，随着系统的运行，3种策 图8不同缓存大小下的数据成功投递率 略的网络节点死亡节点数均呈上升趋势.而本文所提 Fig.8 Data delivery rates under different cache sizes EEDFS策略综合考虑节点剩余能量和活跃度，节点死 亡速度较慢，与CBEAR和BUBBLE相比节点死亡速 由图9可知，3种策略的网络负载率随着缓存大 度明显降低. 小的增加呈下降趋势，原因是随着缓存增大数据在节 3.2不同缓存下的网络性能分析 点缓存空间中存储的时间变长，数据转发次数和成功 为了验证缓存大小对数据转发策略的性能影响， 转发次数均下降，而前者下降较快，使得网络负载率呈 本文分别对EEDFS、CBEAR、BUBBLE三种策略的网络 下降趋势.EEDFS由于采用了帕累托最优匹配理论， 性能进行仿真分析. 选取最佳下一跳中继节点，因此，网络负载率明显优于杨 鹏等: 能量均衡的间断连接无线网络数据转发策略 图 5 不同数据生成时间间隔下的网络负载率 Fig. 5 Network overhead rates for different data generation time inter鄄 vals 消耗,进而表现一定自私性,因此,此时 3 种策略的投 递时延都较大. 而 EEDFS 策略,能够针对节点的活跃 度和剩余能量资源,有效得处理节点的自私性,投递时 延相比其他两种算法均有所降低. 图 6 不同数据生成时间间隔下的数据平均投递时延 Fig. 6 Average data delivery delay for different data generation time intervals 在资源受限的 ICWN 中,节点转发数据要消耗自 身有限的能量资源,若能量耗尽,将使得节点死亡并退 出网络,严重影响网络的性能. 因此,引入网络节点死 亡数来验证 3 种策略的能量管理性能,网络中节点总 数目为 126, 图 7 结果表明,随着系统的运行,3 种策 略的网络节点死亡节点数均呈上升趋势. 而本文所提 EEDFS 策略综合考虑节点剩余能量和活跃度,节点死 亡速度较慢,与 CBEAR 和 BUBBLE 相比节点死亡速 度明显降低. 3郾 2 不同缓存下的网络性能分析 为了验证缓存大小对数据转发策略的性能影响, 本文分别对 EEDFS、CBEAR、BUBBLE 三种策略的网络 性能进行仿真分析. 图 7 网络节点死亡数对比 Fig. 7 Network node deaths for different data generation time inter鄄 vals 由图 8 可知,3 种策略的数据成功投递率随着节 点缓存大小的增加均呈上升趋势. 尤其,随着缓存的 进一步增加,EEDFS 策略性能明显优于其他两种策 略. 投递率分别比 CBEAR 和 BUBBLE 提高了 12郾 6% 和 20% . 主要原因是随着缓存大小的增加,缓存空间 逐渐充足,网络数据受节点缓存大小的影响减小,数据 在网络中的生存时间增大,但是数据数量的增加,使得 数据对受限的能量资源的需求加大. 所提出的 EEDFS 策略,充分考虑并解决了节点的自私性和“热点冶 问 题,因此,整体性能优于其他两者. 但在节点缓存空间 受限时,EEDFS 策略的数据成功投递率性能会受到一 定限制,表现不及 CBEAR 策略. 图 8 不同缓存大小下的数据成功投递率 Fig. 8 Data delivery rates under different cache sizes 由图 9 可知,3 种策略的网络负载率随着缓存大 小的增加呈下降趋势,原因是随着缓存增大数据在节 点缓存空间中存储的时间变长,数据转发次数和成功 转发次数均下降,而前者下降较快,使得网络负载率呈 下降趋势. EEDFS 由于采用了帕累托最优匹配理论, 选取最佳下一跳中继节点,因此,网络负载率明显优于 ·969·