预测与扩展（PreS）：一种场地感知的延迟容忍网络消息路由策略

"延迟容忍网络的场地感知消息路由方案" 在当今的移动通信环境中，随着智能设备的普及和功能增强，延迟容忍网络（DTN）逐渐成为研究热点。DTN是一种特殊的网络架构，它能利用设备的移动性来创建临时的通信路径，即使在网络连接不连续的情况下也能传输数据。这种网络特别适用于移动设备，尤其是当用户移动时可能会产生通信机会的场景，例如灾难救援、远程地区或社交场合。 传统的DTN路由算法往往基于简化的移动性模型，例如随机游走模型，这些模型未能充分考虑到真实世界中移动设备用户的社会行为和交互。然而，移动设备用户的实际移动轨迹往往受到其社交活动和日常行为模式的影响。因此，设计一种能够考虑这些社会特性的DTN路由策略变得至关重要。 本文提出了一种名为“预测和扩展”(PreS)的消息路由算法，专门针对DTN中的社会网络特性。PreS算法运用了适应性马尔可夫链（Adaptive Markov Chain）来建模节点的移动模式，这有助于捕捉和预测节点的运动行为以及它们在社交网络中的互动。马尔可夫链是一种统计模型，能有效地描述状态之间的转移概率，非常适合用来模拟具有时间序列特性的移动模式。 PreS算法的核心在于结合了节点的移动性和社会关系，以提高消息传递的效率和成功率。通过分析节点间的交互历史，算法可以预估未来相遇的可能性，从而优化消息的转发策略。实验结果显示，PreS算法在消息传递比率和传递延迟上表现出优于现有最新算法的性能，并且在资源消耗方面与流行的DTN路由算法相当，这意味着它能够在保持高效性能的同时，降低对设备资源的需求。 在无线通信和移动计算领域，这类研究对于提升DTN的性能和适应性具有重要意义。通过更好地理解用户的行为和社会关系，路由算法可以更有效地利用有限的通信机会，确保信息在复杂网络环境中的有效传播。这对于构建更加健壮和实用的延迟容忍网络具有深远影响，尤其是在那些常规网络基础设施不可靠或不存在的环境中。