移动群体感知中基于社会关系的高效路由算法RASR

本文研究的焦点是"移动群体感知中基于社会关系的路由算法"，其主要目的是解决在移动群体感知环境中如何更高效地传输感知数据的问题。该算法名为RASR（Routing Algorithm Based on Social Relations），其核心思想是利用个体之间的接触概率，通过G-N算法对网络进行社团划分，这些社团具有较高的聚集性。社团划分是算法的基础，它有助于理解和组织网络中的个体及其交互。 算法首先根据个体间实际或预测的接触概率来构建社会联系模型，这有助于评估个体的社会影响力。接着，算法引入了中介中心性和相似性两个维度来衡量个体的社会性。中介中心性衡量一个个体在连接不同社团中的作用，而相似性则反映个体间的共同特征和关系亲密度。这两个特性在数据传输过程中起到了关键作用，它们帮助算法确定在众多相遇个体中，哪一个个体具有更高的接触概率或相对的社会效用，从而作为数据的中继进行复制和传播。 在数据传输过程中，RASR算法倾向于选择接触概率较高或者社会效用更大的个体作为中继，这样既能提高数据传输的成功率，又能减少平均传输延时。同时，通过减少不必要的数据副本，算法有效地降低了路由开销，提高了整体系统的效率和资源利用率。 论文的作者团队包括张魏斌、曾锋、伍泽全和谭紫逸，他们分别来自中南大学软件学院，涉及的研究领域包括群智感知、机会网络、无线网络技术和数据挖掘等。他们的合作研究展示了在移动群体感知中考虑社会关系对优化路由算法的重要性，并通过实验证明了RASR算法的有效性。 这篇论文为移动群体感知环境下的数据传输提供了一个创新的解决方案，其社会关系导向的路由策略有望在实际应用中提升通信效率，对于无线传感器网络、物联网等领域具有重要的理论和实践价值。