物联网中的网络优化综述

工程科学与技术，国际期刊22（2019）1审查物联网中的网络优化：综述N.N. Srinidhi S.M.Dilip Kumar，K.R.Venugopal部印度班加罗尔Visvesvaraya大学工程学院CSE阿提奇莱因福奥文章历史记录：接收日期：2018年2018年9月7日修订2018年9月9日接受2018年9月22日在线提供保留字：拥塞节能网络优化QoS可靠性A B S T R A C T互联网最初用于在用户和具有特定IP地址的数据源之间传输数据包由于进步，互联网正被用于在数十亿连接的不同小型资源受限设备之间共享数据，以构成物联网（IoT）。来自这些设备的大量因此，需要为IoT中的各种网络相关问题提供解决方案，包括路由、节能、拥塞、异构性、可扩展性、可靠性、服务质量（QoS）和安全性，以最佳地利用可用网络。本文对物联网中的网络优化进行了全面的调查。本文介绍了物联网的背景及其与其他技术的区别，讨论了物联网中的网络优化和算法分类。最后，结合物联网网络优化的最新研究成果，讨论了物联网网络优化的最新技术，并总结了物联网网络优化面临的问题和挑战。本文不仅回顾、比较和整合了最近的相关工作，而且赞赏作者的发现、解决方案，并讨论了其对物联网网络优化的有用性。本文的独特之处在于对物联网中的网络优化问题和挑战进行了回顾©2018 Karabuk University. Elsevier B.V.的出版服务。这是CCBY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。内容1.介绍21.1.动机21.2.本次调查的贡献1.3.文件组织32.IoT 3的背景2.1.物联网演进32.2.M2M、IoT和IoE 33.网络优化43.1.网络优化和IoT 43.2.算法分类53.2.1.基于粒子群优化（PSO）的算法53.2.2.遗传算法（GA）53.2.3.非支配排序遗传算法II（NSGA-II）53.2.4.启发式算法53.2.5.生物启发式算法63.2.6.进化算法（EA）63.2.7.基于模糊逻辑的算法63.2.8.随机算法63.2.9.Memetic algorithms（MA）73.2.10.其他算法73.3.不同算法类型支持的通用网络参数7*通讯作者。电子邮件地址：srinidhinagesh@gmail.com（N.N.Srinidhi）。由Karabuk大学负责进行同行审查。https://doi.org/10.1016/j.jestch.2018.09.0032215-0986/©2018 Karabuk University.出版社：Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表工程科学与技术国际期刊杂志主页：www.elsevier.com/locate/jestch2N.N. Srinidhi等人/工程科学与技术，国际期刊22（2019）14.最先进的物联网网络优化解决方案74.1.网络路由74.2.节能84.3.拥塞控制104.4.杂环104.5.可扩展性。..............................................................................................................................................................................................................................................124.6.可靠性124.7.服务质量（QoS）124.8.Security 145.IoT 14中网络优化的开放问题和挑战6.结论18鸣谢. 19参考文献191. 介绍随着无线通信的出现，互联网和无处不在的计算已经产生了称为物联网（IoT）的新范例，通过物联网，数十亿的大量物理设备连接到互联网。这些设备通过不同的技术连接到互联网，例如蜂窝技术，如2G/3G/4G/LTE/5G，具有各种无线电选项的机器对机器（M2M）技术，如蓝牙（IEEE 802.15.1），Wi-Fi（IEEE 802.11），ZigBee（IEEE 802.15.4）。这些设备依赖于各种关键特性来为IoT环境提供可靠的通信，该IoT环境包括高效的网络优化、架构、协议、安全方面以及与离散应用类型相关联的各种服务物联网的当前趋势被认为是未来的互联网，并且包含数十亿个异质互连的事物或设备，这些事物或设备通过用虚拟和物理事物扩展世界的边界来利用当代技术[1]。物联网在其萌芽阶段已经对目前的新兴市场产生了重大影响，其使用和应用预测为未来几年。据估计，到2020年将有大约500亿件物品和设备连接到互联网，这将为物联网领域越来越多的研究和开发工作提供可能性[2]。物联网使物理设备或传感器能够量化，执行定义的任务，利用云存储，并在紧急情况下自动激活警报系统，并以互联网为基础技术。因此，物联网通过使用各种收集技术，如普适计算、人工智能、嵌入式设备、不同的通信标准和技术、各种应用服务和不同的互联网标准，将现有的传统设备改造成更智能物联网旨在通过各种事物和对象的互连提供更智能的服务为了在智能家居应用程序、SAP未来零售服务、智能城市、智能交通监控系统等应用程序中提供smar-ter服务，需要从不同的地方、区域和不同类型的异构设备收集数据这些数据根据需要或主动地发送给最终用户或订户然而，将这些数据发送到订户注入了不同类型的网络挑战。由于物联网中使用的大多数设备都是内存有限和能量受限的，因此数据应该在推或拉策略中有效地路由[3]。为了有效地传递数据，应该考虑网络中的拥塞和可扩展性，否则发送的数据分组不能有效地到达目的地，因为数据必须经过许多跳，新设备可以以不可预测的方式随时加入网络在物联网中，对于流量管理系统等应用程序，流量应该以分散的方式进行管理，其中各个节点交换有关其流量的信息，有助于根据每个源的数据速率调度流量，以避免流量拥塞[4]。许多物联网应用程序都是用于监控的例如在火灾探测、烟雾探测、建筑物健康监视、入侵探测应用中的关键情况，其中网络中的延迟或抖动是不理想的。在这些应用中，网络应该足够健壮，以便在定义的时间内将数据传递到预期的系统，并且这些数据的路由应该以优化的方式完成。由于在多跳路由策略中，为了节省能量，大多数节点都处于睡眠状态，并且靠近汇聚节点的节点必须唤醒以收集数据并将数据传递到汇聚节点，而没有任何延迟，并且不会损害能量效率[5]。通过选择线性规划模型[6]，在可用的多条路径中选择单个最优路径，可以提高网络寿命。除上述因素外，患者健康监测和其他医疗应用等应用在物联网网络中传输数据上述这些因素对物联网应用有效地使用和管理频谱资源提出了挑战，因为物联网被认为是未来互联网的一部分，涵盖了所有类型的领域和工业应用。如果这些网络挑战得不到解决，那么频谱资源的短缺将成为物联网进一步发展的瓶颈。与此相反，应当给予高优先级以优化未来连接到互联网的数十亿新无线设备的网络资源利用，以促进有效的频谱利用。因此，需要有效的网络优化技术来管理和交付网络中的物联网数据，这在本文中已经讨论过。1.1. 动机据我们所知，这是第一个描述物联网网络优化的调查工作物联网中的网络优化正受到越来越多的关注，因为物联网设备在未来几年将产生大量的流量，这些设备预计将连接到数十亿的全球网络。因此，物联网网络需要优化，以减少这种流量对使用蜂窝和其他网络类型的其他服务如果网络挑战得不到解决，那么频谱资源的短缺将成为物联网进一步发展的障碍。这一目标促使我们提出这项调查工作，考虑各种参数与最先进的解决方案，为读者提供在物联网网络优化的视野中发表的不同工作的描述，这有助于将这些技术应用于解决未来的网络问题，并且通过问题和挑战来规定仍然需要解决的问题。这有助于研究人员在未来几天深入研究解决方案。1.2. 本次调查到目前为止，已经发布了与物联网不同方面相关的各种调查工作例如，Li et al.[1]覆盖各种物联网N.N. Srinidhi等人/工程科学与技术，国际期刊22（2019）13定义、基础技术、架构和不同的物联网应用。在[2]中，作者讨论了主要的通信使能技术、有线和无线以及致动器网络和升级的通信协议。作者在[7]中提供了以云为中心的物联网愿景，并讨论了推动未来物联网研究的技术和应用领域Granjal等人[8]研究了现有的协议和方法来保护物联网通信，以及该领域进一步研究的研究挑战。当前IETF标准和各种物联网挑战的总结已在[9]中讨论。[10]中的作者提供了物联网和云集成的属性、调查、功能和底层技术Fuqaha等人[11]，提供了协议，技术，物联网服务的横向集成和用例的概述，详细说明了不同的协议如何适合提供适当的物联网服务。本文相对于该领域最近文献的总体贡献概述如下：- 这是同类论文中第一篇提供物联网网络优化需求的论文。- 提供不同的算法类型，以物联网中的网络优化为目标- 提供了一个概述和总结最近的研究工作，以及新的方法发表在该地区的不同的网络参数，如网络路由，节能，拥塞控制，异构性，网络的可扩展性，可靠性，服务质量和网络安全。- 详细介绍了近期发表的相关网络参数论文的优点和局限性。- 与物联网领域的其他调查论文相比，该调查对大多数网络参数问题和挑战进行了全面审查，这与大多数现有调查工作不同。1.3. 论文组织本文的其余部分组织如下。在第二节中，我们介绍了物联网的背景在本节中，我们简要介绍了物联网的历史和演变然后我们解释M2M、IoT和万物互联（IoE）之间的在第三节中，我们基于物联网中的网络优化进行了主要讨论，其中我们提出了物联网中网络优化的需求，然后是物联网中网络优化的不同算法类型。第四节讨论了物联网网络优化的最新解决方案最后，第五节讨论了未决问题和挑战，第六节提出了结论 为了更加清楚，在图中描绘了纸的组织。1.一、2. IoT的背景2.1. IoT Evolution物联网这个术语最早是由Kevin Ashton于1999年创造的，以吸引PG的管理层，在那里他正在使用RFID进行供应链优化他希望利用互联网和RFID技术，在没有人工干预的情况下，对企业供应链中使用的货物进行跟踪和计数。为了实现这一目标，他说服了P G管理层，并提出了一个名为物联网的新概念。毕竟，物联网但是，物联网在2010年年中重新流行起来。谷歌开始存储大量关于用户Wi-Fi网络的数据，这导致了关于谷歌索引物理世界和互联网的新战略的争论除此之外，中国宣布物联网为五年的优先主题Fig. 1.文件的组织计划在同一年。2011年，Gartner研究和咨询公司将物联网作为新兴技术纳入其新兴技术趋势的炒作周期。2012年，欧洲最大的互联网会议LeWeb国际数据公司（IDC），市场研究，分析和咨询公司估计，到2020年，物联网市场将达到8.9万亿美元思科预测到2020年将有大约500亿件东西连接到互联网上。Google搜索趋势的图2显示了随着时间的推移的兴趣，完全基于对M2M，IoT和IoE的搜索次数。2.2. M2M、IoT和IoE之间的区别M2M在过去的十年中一直处于应用中，并且在电信领域中是众所周知的。最初，M2M通信用于将一个设备链接到另一个设备，但是现在它被用于在相同类型的多个设备之间传输数据，而无需人的干预，同时设备通过有线或无线通信彼此通信。M2M是传感器和遥测数据的分布式系统的集合。M2M通信的一些应用是遥测、Wi-Fi恒温器、炼油厂中的传感器网络、数字广告牌、家庭和办公室安全系统、交通控制系统、机器人等等。物联网是M2M的演进形式，或者M2M是物联网的一个子集，也就是说，如果你在更大的前景中考虑M2M，你就会得到物联网[13]。物联网将不同的M2M技术连接在一起，利用M2M实现图二.自2011年以来，Google搜索M2M、IoT和IoE的趋势。4N.N. Srinidhi等人/工程科学与技术，国际期刊22（2019）1新的应用程序，并结合现有的传统M2M系统，以解决各种业务问题。物联网的具体应用包括智能电表、联网汽车、智能城市、可穿戴设备、零售领域的智能供应链等。万物互联概念作为物联网领域的进步而出现它是物联网的超集，由思科推出，以启动一个新的营销领域。IoE包括连接领域中与现代连接用例相关的更广泛的概念在万物互联中，人员、流程、数据和事物通过网络连接，将信息转化为行动，从而创造更高的机会和更好的体验。表1提供了M2M、IoT和IoE之间的差异。除 了 上 述 三 种 主 要 技 术 ， 还 有 一 些 类 型 ， 如 工 业 物 联 网（IIoT），也称为工业互联网，将先进的分析，智能机器和人结合在一起。IIoT由相互连接的设备组成，其中系统收集、传输、分析、监控并提供有价值的见解。这些见解有助于为工业公司提供更明智、更快速的业务决策[14]。物联网传输能力使互连的计算系统和应用程序与物理世界交互，从而使物联网（WoT）提出将网络工作的事物合并到Web中，使这些资源通过标准程序在Web上可用[15]。因此，IIoT、WoT和互联网本身构成了IoE的子集，如图所示。3.第三章。IoT设备可以在任何时间以不可预测的方式大量地添加到网络中，因此网络必须足够鲁棒以提供可扩展性，并且另外，在任何时间在网络上托管若干个单独的应用，这对网络施加了额外的流量开销。每当观察到变化时，当IoT设备将数据放入网络中时，IoT设备将峰值业务无限期地引入网络中，并且如果该业务来自大型设置，则在这种情况下，网络不应拥塞，并且必须进行有效的数据路由以减少延迟并节省节点能量。因此，物联网网络优化提供了许多好处，用于改善流量管理、操作效率、能量控制、减少延迟、更高的吞吐量以及在网络中扩展或部署物联网服务和设备3. 网络优化一般来说，网络优化被定义为用于针对任何网络性能改进网络性能的技术。表1M2M、IoT和IoE之间的差异。图三. 万物互联及其子集。环境这在IT中扮演着重要的角色，因为每天都有来自各种设备和应用程序的大量数据被填充到网络中。网络优化提供了各种好处，如更快的数据速率，数据恢复，消除冗余数据，并增加应用程序和网络的响应时间。在本节中，我们将讨论物联网中网络优化的必要性，作者提出的用于在物联网中提供网络优化的不同算法类型，然后将这些算法类型与不同的网络参数进行比较，以阐明这些算法类型支持的不同网络参数3.1. 网络优化和物联网物联网中的网络优化正受到越来越多的关注，因为预计未来几年将有数十亿物联网设备连接全球网络，因此物联网事物和对象的流量将大幅增加因此，研究人员和运营商显然需要提供有效的解决方案来优化物联网网络，以减少影响网络中其他服务的物联网生成的流量，并有效地利用网络资源物联网设备产生的流量与蜂窝网络不同属性M2M IoT IoEM2M是IoT的物联网是M2M的超集。IoE是IoT的超集关键组件通信类型互联网需求集成挑战M2M包括三个关键组件，例如1. 设备，生成或接收来自其他设备的数据。2. 通信，用于在设备和网关之间高效传输数据。3. 应用，为最终用户的要求提供服务.设备之间存在点对点通信M2M通信可以在没有互联网的情况下存在。集成挑战有限，因为M2M使用相应的标准。物联网由四个关键组件组成，例如1. 感测或设备，用于生成或接收来自其他设备的数据。2. 通信，用于将数据传输到互联网或设备之间。3. 存储服务，用于将数据高效存储到数据库或云。4. 应用程序，以提供预期的服务。IP网络通过集成各种通信协议而存在于设备之间。物联网中的设备在大多数情况下都需要一个活跃的互联网。由于在其解决方案中使用不同的通信标准，因此集成挑战更高。万物互联由四个关键组件组成，例如1. 人，被认为是连接到互联网的终端节点，用于共享信息和活动。2. 事物是生成数据或从其他设备接收数据的设备3. 数据，用于分析和处理有用信息，采取智能决策和控制机制。4. 流程，允许人员，数据和事物协同工作以提供价值。万物互联是人员、流程、数据和事物的网络连接。设备及其应用需要主动的互联网。与IoT相比，集成度更高。N.N. Srinidhi等人/工程科学与技术，国际期刊22（2019）15这是由于应用和设备类型的异构性此外，需要对物联网流量进行监管，以监控物联网设备及其服务的工作。物联网应用程序生成的数据量较少，但由于控制平面消息，设备与应用程序的集成会生成因此，这种非应用业务给网络带来了显著的额外负担因此，为了克服这种负担，需要有效的机制来解决和优化来自物联网设备的控制平面消息传递。3.2. 算法分类一般来说，优化问题由输入因子、输出、约束和不同的目标函数组成物联网中的网络优化问题包括许多部分，这些部分将使用不同的组合和方法进行组合，以解决特定类型的网络问题。在一般情况下，我们发现两个重要的优化方法（1）应用已知的优化框架来解决问题。(2)根据问题的启发式方法策划新的工作。上述方法不是相互排斥的，然而，当问题太复杂或已知方法提供不适当的结果时，它们有时被组合。启发式方法包括（a）算法，其为更复杂的问题示例提供更快的近似解，凸优化（b）贪婪方法，其通过做出假设提供最优解这两种方法都为复杂问题提供了最佳因此，在下面的小节中解释了作者提出的用于解决不同网络优化问题的不同算法类型3.2.1. 基于粒子群优化（PSO）的算法粒子群优化算法是一种计算方法，它通过迭代地改进候选解来优化给定的问题。粒子群算法起源于动物、鸟类等的群体行为及其集群特性由于这些所表现出的独特结构提供了必要的信息，情报并不集中在个人身上，而是分布在群体的许多个体粒子群优化算法近年来得到了广泛的应用，许多关于不同优化方法的研究文章都是利用粒子群优化技术进行例如，在[16]中，作者提出了免疫正交学习PSO算法，该算法通过使用正交学习策略，从由于汇聚节点的移动性导致的路径故障中提供快速路由恢复，并且还提供用于有效路径修复的替代路径实验结果表明，该算法减少了通信开销，提高了网络的生存时间.作者在[17]中使用PSO来评估每个节点所需的不同级别的传输功率，而不会在传感器集群中形成仿真结果表明，该方法与仅考虑发射功率的普通节点部署相比，节省了更多的传感器能量在基于簇的毛细网络中，能量效率是一个关键问题因此，作者在[18]中提出了一种新的QPSO方案用于CH选择，与进化算法相比，该方案提高了能量效率并延长了网络的生命周期。Wen等人。[19]提出了改进的PSO（IPSO），通过实验模拟计算的权重因子来提高测量精度。实验结果表明，该算法综合考虑了权重、信源融合可靠性、信息冗余度和层次结构等因素，在不确定的融合场景中进行固化这种融合数据将通过消除噪声、干扰来最优地提取，并且该方法降低了传感器的能量消耗。作者在[20]中提出了多目标粒子群优化算法，以增加代理利润，同时减少请求的响应时间并降低云代理的能耗，存在于云计算和物联网之间。3.2.2. 遗传算法GA试图通过利用自然进化活动和适者生存原则来为问题的竞争解决方案分配合适的值遗传算法可以用于约束和无约束优化问题。Amol等人在[21]中提出了最优路由算法k-means聚类算法和GA。利用k-means聚类算法可以实现最佳簇头和簇形成，利用遗传算法可以选择最优路径遗传算法依赖于簇头的能量值和路径的长度，因此遗传算法得到的路径将具有更高的可靠性，更高的速度和生命周期。在[22]中，作者提出了基于GA的聚类优化方法，用于计算用于数据传输和CoRE接口的IETF CoRE标准的约束网络，通过在节点处的这种电池水平，可以提高传输能量和节点处理能力借助CoRE接口，可以降低能耗，因为它在通信过程中使用较少的控制消息。作者在[23]中提出了一种基于遗传算法的选择有效节点的方法，以在网络中执行传感器数据注释。该方法采用多目标准则来选择最佳候选，并选择具有最大存储空间和能量水平的传感器。3.2.3. 非支配排序遗传算法II（NSGA-II）NSGA-II是一种基于非支配排序的多目标进化算法，用于降低计算复杂度、非精英方法和指定共享参数的需求[24]。许多研究者都选择NSGA II来解决各种多目标优化公式对应的各种问题。为了节省能量，已经提出了基于单目标优化的不同路由算法，但作者在[25]中提出了多目标进化优化算法，该算法通过优化传感器的分布来降低网络的能量消耗。 Song 等人 [26] 将量子粒子群优化（QPSO ）与NSGA-II结合起来，以提高工业应用的运行效率该算法在保证QoS和降低能耗之间取得了较好的平衡，提高了网络性能。为了解决能量优化作为一个多目标问题，而不是单目标评估作者在[27]中，提出了基于NSGA-II的MOR 4 WSN选择卓越的传感器分布，以最大限度地提高网络寿命，以及优化结果的方法。3.2.4. 启发式算法启发式算法用于从多种可能性中寻找解决方案，并以更简单和更快的方式提供复杂问题的相对接近的解决方案。基于启发式算法的网络优化已有很多文献例如，在[28]中，作者提出了RPL路由协议作为鲁棒最短路径树（RSPT），其通过考虑链路质量中存在的不确定性来提高网络路由的弹性，并且为了解决由可行值而不是单值问题确定的单个弧的成本，他们扩展了基于场景的启发式（SBA）算法。作者在[29]中提出了计算智能（CI），通过将CI任务从IoT设备切换到云来节省能源和设备资源6N.N. Srinidhi等人/工程科学与技术，国际期刊22（2019）1并采用基于优势排序的优化启发式算法来节省能量。因此，使用这种方法，整个物联网设备的整体性能得到了提高。Kauzeh等人[30]提出了一种启发式和机会主义链路选择算法（HOLA），该算法最大限度地减少了整体能耗，并在整个网络中平衡了能量。HOLA通过将设备数据转移到校准到出厂设置的智能设备来[31]中的作者使用LTE技术来为各种IoT设备提供覆盖，并且为了使该技术资源约束并促进有效的通信，他们已经提出了LTE随机接入信道（RACH）机制。该机制使设备能够接入信道并降低传输功率，作者提出了延迟功率斜坡算法（DPRA），这是一种基于启发式的方法。3.2.5. 生物启发式算法生物启发算法是一种广泛应用于优化和计算智能的算法。最近，许多研究工作，实现物联网中的网络优化已经出版，以解决许多问题。例如，作者在[32]中提出了使用生物启发的人工蜂群（ABC）路由协议的6LoWPAN本地修复，以在发现到目的地的路由的同时减少网络上的开销，因为用于6LoWPAN网状网络的LOAD、MLOAD和AODV在使用路由请求（RLOAD）广播消息发现网络的同时使网络过载。作者在文献[33]中提出了一种基于混沌蚁群的多目标优化算法. CAS算法利用蚂蚁个体的混沌行为和蚁群的自组织特性来定义邻域选择规则，并使算法收敛，以减小错误率、遗传距离和间隔。Maciej等人[34]提出了使用DIA- MoND方法进行网络入侵预警的蜂巢监督，以减少网络入侵检测的延迟。该方法利用蜜蜂的协同决策方法和局部信息提取算法，发现并利用周围的关键资源，增强网络入侵检测能力。作者在[35]中，提出了方法增强宏/纳米物联网之间的通信，因为它们的中间节点拒绝与其他节点通信以节省能量并减少通信开销。网络。为此，作者提出了一种仿生分布式模型，该模型采用基于Voronoi的协作策略和信任策略来增强纳米节点之间的协作。3.2.6. 进化算法进化算法采用基于种群的Meta启发式算法.由于进化算法在求解问题时不作任何假设，因此它能为几乎所有的问题提供近似解基于EA的 一 些 工 作 是 [36] ， 其 中 作 者 提 出 了 最 佳 安 全 能 量 感 知 协 议（OSEAP）和改进的细菌觅食优化（IBFO）算法，用于安全数据传输，并在选择簇头进行源和目的地之间的数据传输时与以前的方法相比，该方法在吞吐量，能量和延迟方面表现出色作者在[37]中解决了由于缺乏能量而导致的主机设备故障。他们提出了一种方法，该方法通过使用基于进化博弈的服务选择方法来平衡室外部署设备的能耗。该方法通过在并发应用的情况下进行全局交互以进行服务选择来限制设备的作者在[38]中提出了解决物联网网络异构性的方法他们从各个方面比较了Biying等人[39]，提出了用进化算法对数据进行分类识别和管理来自物联网的大量数据。该算法通过灵敏度分析寻找最优解，并帮助神经网络进行重构，克服了繁琐的输入问题。3.2.7. 模糊逻辑模糊逻辑用于确定真值介于复杂真值和假值之间的部分真值它使用隶属函数和干涉规则引导的语言变量来获得真值。为了检测IoT流量中的异常，作者在[40]中提出了应用于IoT网络的稳态泊松或自相似流量的模糊逻辑干扰。他们提出了改进的滑动窗口和改进的随机近似来检测流量中的异常作者在[41]中提出了使用模糊逻辑的可变分类聚类算法（VCCA），用于物联网本地网络，以选择具有最高网络性能的CH为了实现这一VCCA使用模糊推理系统（FIS），它利用基于规则的变量来选择CH的复杂性较低，并具有较高的可扩展性集群变量。根据作者的说法，该算法在节能、延迟、吞吐量和网络生命周期等方面的网络性能优于其他算法。作者在[42]中提出了将模糊逻辑方法应用于车载自组织网络，以构建智能汽车物联网应用。作者认为，所提出的算法在接入点和设备之间的切换方面以两位数优化了V2V网络的网络性能Yijun等人[43]，提出了一种基于模糊身份的加密方案，以确保传输过程中的数据该方案在整个模型中没有任何随机预言机，具有较好的安全性和较短的公开参数。该方案非常适合于物联网环境下的数据安全在能源密集型工业设备的情况下，自动化能源消耗因此，为了实现这些目标，作者在[44]中提出了模糊综合评价方法，该方法监测并帮助优化能源密集型设备在工业应用中所需的能量3.2.8. 随机算法用于优化目标的随机算法是利用随机变量（包括随机约束或随机函数）来解决随机问题。一些文献的基础上，这些方法在这里解释。例如，在[45]中，作者提出了在无线通信介质中提供可靠物联网数据传输的模型。为了实现这一目标，他们提出了改进的分布式随机路由算法，该算法通过将马尔可夫链概念应用于所提出的模型来减少交付物联网数据的延迟，同时提高数据包交付率。为了在BS和IoT设备之间建立连接以支持蜂窝网络中的大规模IoT网络，作者在[46]中提出了随机接入信道（RACH）模型。该模型利用新的流量感知时空模型来分析提出的RACH模型在大规模物联网网络中的效果。该模型有助于在不同时间集成和分析不同类型的物联网设备，以实现优化的网络目标。 由于物联网网络的复杂性较高，无法直接应用传统的安全措施。为了实现这一目标，作者在[47]中提出了随机博弈网（SGN）模型，以提供物联网的安全性。与传统方法相比，该模型提高了机密性、完整性和可用性。为了在 蜂 窝 网 络 中 为 物 联 网 生 成 的 数 据 提 供 可 靠 有 效 的 无 线 访 问 ，Mohammad等人[48]提出了基于几何和排队理论的模型。该模型解决了物联网给蜂窝网络带来的可扩展性问题，为数据传输提供了一种有效的途径。N.N. Srinidhi等人/工程科学与技术，国际期刊22（2019）173.2.9. Memetic Algorithms（MA）MA使用进化或基于种群的策略来改进问题搜索。本小节讨论了在物联网中提供网络优化的一些MA。例如，在[49]中，作者提出了基于身份验证的新型智能交通框架。该框架是用于减少实时交通，等待时间，处理时间的收费广场问题的运输，利用移动代理。在这个框架中，MA发挥了重要作用，计算优化的单点决策，利用收集的数据从对象，代理和一些第三方服务。作者在[50]中提出了局部和全局优化相结合的MA求解反问题。该算法有助于为结构健康监测这一对计算量、抗时延、响应速度要求较高的应用提供更好的解决方案。3.2.10. 其他算法除了上述常见类型的算法外，本节还将讨论许多其他有助于优化物联网网络的算法。例如，在[51]中，作者提出了贝叶斯网络模型，用于识别物联网网络中的入侵。该模型能够利用历史数据动态识别主节点，从而提供更好的安全特性。作者在[52]中提出了基于人工智能的算法来形成簇，选择最优路由并执行多路径路由以实现更好的QoS。在[53]中，马尔可夫链模型使用能量收集来提高物联网设备的寿命。该模型定义了一组策略来管理电池电量，并提高了物联网设备的感知速率。在[54]中提出了基于博弈论的路由协议，该协议负责选择转发数据包的最佳跳机会主义物联网该协议在跳数减少、消息丢弃和开销方面都有较好的性能。[55]中的作者使用字典优化方法来在选择IoT服务时提供能量效率和QoS3.3. 不同算法类型支持的网络参数在本小节中，我们比较了上述算法类型与不同网络参数，以提供这些算法类型支持的不同网络参数。1. 负载均衡：在数据路由期间，网络中的负载均衡多路径度量的考虑，而路由将有助于在prov-viding可靠的数据通信与网络中的节点故障的机会较少2. 网络寿命最大化：节点的负载平衡参数和故障管理以及节能路由有助于网络寿命最大化。由于电池寿命或节点能量是有限的，该机制应限制或平衡各种网络参数，以最大限度地提高网络寿命。该算法的大部分都有助于网络寿命最大化.3. 故障管理：由于网络中节点的故障而发生链路故障，导致信号降级并减少网络寿命。因此，机制应尽量减少链路故障，以提供可靠的通信。4. 链路质量：此参数为通信提供QoS。在多径的情况下，检查路径并且在有效路径中转发数据以减少有效载荷重传和预测延迟。这个参数部分有助于网络寿命最大化，因为它减少了数据包的重传.5. 能源效率：算法应该提供一种节能机制，以最大限度地减少节点的能源消耗，这是物联网的关键部分节能可以从路由、占空比降低、拥塞控制等多个方面考虑。大多数算法都提供了能量节约策略，以最大化网络寿命。6. 异构：物联网是各种类型的设备和服务的组合，来自这些设备的数据具有异构形式。异构性是根据多种因素考虑的，如不同的制造商，不同的硬件和软件类型，不同的协议等，算法应该支持异构环境，并有助于不同协议之间的互操作性。但大多数算法表2总结了不同算法类型支持的各种重要网络参数。4. 最先进的物联网网络优化有很多网络优化方案已经提出了物联网网络的优化运行。 图4提供了针对与IoT相关的网络优化技术的每个方面所做的相关工作的分类。这种新兴技术的结果是产生了前所未有的数据量。数据存储、路由、数据包重传、节点的移动性、异构节点间的互操作性以及为数据提供安全性成为关键问题。今天，互联网消耗了5%的发电量，根据这些预测，物联网设备必须节能，以提供可靠的通信。为了应对这些挑战，本节提供了详细的调查简报目标，与不同参数（如网络路由、节能、拥塞、异构性、可扩展性、可靠性、QoS和安全性）相关的各种工作的优势和限制在下文中以网络优化为目标进行4.1. 网络路由路由是选择通过单个或多个网络发送数据的路径的过程。这些数据由M2M或机器到对象通信生成这些生成的数据应该被路由为采用最短路径或最佳路径到达目的地。维护有关传递数据的路由的信息的过程分为三种类型，1. 反应式：该协议仅在源端希望将数据发送到目的端时才创建路由，因此也称为按需路由协议。2. 主动：该协议维护一个路由表，该路由表根据新的目的地列表定期更新，因此被称为表驱动协议。3. 混合：此协议是反应式路由协议和主动式路由协议的组合。使用不同的方法将数据从源传递到目的地，例如在[56]中，作者提出了一种轻量级转发算法，以促进LLN中的多播，用于智能对象中的服务发现。该协议使用本地洪泛技术，用于使用LLN和RPL的占空比设备，帮助受限制的设备使用多播。该方法借助布隆过滤器来识别重复数据包并防止循环，从而避免了for-ward循环。8N.N. Srinidhi等人/工程科学与技术，国际期刊22（2019）1表2不同算法类型支持的基本参数。其中Y =是，N =否，P =部分。参考文献负载平衡网络寿命最大化故障管理节能链路质量异质性Hu等人[16个]YYYYYN达席尔瓦等人[17]NYNYYNSong等人[18]NYNYNNSung等人[19个]NNNNYNKumrai等人[20]NYNYNNDhuman等人[21日]YPYNYNMartins等人[22日]NYYNYN伊姆兰等人[23]NYNYYNKalyanmoy等人[24日]NNNNNNRodriguez等人[25日]NYNYNNLiumeng等人[26]PNNYYNRodriguez等人[27日]NYNYNNCarvalho等人[28]YYNYYNVerma等人[29日]NYNYNNDhondge等人[30个]YYYYPYShailendra等人[31]NPNYNNIsmail等人[32]YPNYPNHuang等人[33个]NNPNYNKorczynski等人[34个]PNNNNNRaz等人[35]第三十五届YNNNPNPraveen等人[36]PYNYYN军等人[37个]PYNYNNHamza等人[38]NYNYNNZhang等人[39]NNNNNNSergey等人[40]NPNNPNKwon等人[41]NYNYPNChoi等人[四十二]PNPNNNMao等人[四十三]NNNNNNLi等人[第四十四届]NNNYNNAli等[45个]PNYNYNJiang等人[46个]YNYNPNKaur等人[47个]NPNNNNGharbieh等人[四十八]PNNNPNKuppusamy等人[四十九]NNNNNNKus等人[50]NNNNNNRPL，具有向后兼容性和生产力。该方法在移动场景下有效地降低了丢包率和时延，提高了分组投递率。Tian等人[59]提出了用于物联网的改进的ad-hoc按需多路径距离向量（AOMDV），其通过定期更新与互联网连接相关的表来动态地选择稳定的互联网路径。该协议需要额外的两个路由数据包，但降低了端到端延迟，数据包丢失和发现频率。表3总结了用于优化物联网网络的其他路由方法。4.2. 节能为了延长网络寿命，不同的节能方法和休眠技术在物联网应用中起着重要作用。以下是实现这一目标的一些通信图四、物联网网络优化目标分类作者在[57]中提出了内容中心路由（CCR），其中内容决定路由。该方法路由相关数据，以实现高速率的数据聚合，从而减少网络流量。由于该方法，可以实现网络延迟减少和冗余数据消除。最后，该方法负责优化能量消耗，减少网络延迟并为网络提供更高的可靠性。最近的物联网应用需要通过RPL/6LowPAN协议提供可靠的移动数据收集，同时减少延迟、丢包和开销。因此，为了提供这种需求，作者在[58]中提出了主动切换机制，1. IEEE 802.11ah ： 是 一 种 无 线 网 络 协 议 ， 旨 在 比 标 准 IEEE802.11节省能量[69]。由于使用900 MHz免许可信道，IEEE802.11ah的通信范围是标准IEEE 802.11的两倍[70]。为了节省能量，IEEE 802.11ah具有两个功率节省站，即TIM站和非TIM站。TIM站定期接收来自接入点（AP）的缓冲业务信息，而非TIM站使用目标唤醒时间（TWT）机制来减少信令开销。TWT是一种允许AP定义特定时间或一组时间来访问各个站点的介质的功能因此，TWT降低了网络的能量消耗，并且IEEE 802.11ah使用小信号代替确认以节省能量。表3各种网络路由协议的总结。参考文献优化目标强度使用的模拟工具使用的路由限制T. Qiu等人[第六十章]负载均衡;最大限度地减少延迟、数据包通过避免频繁选择低能量节点作为转发节点来降低能量消耗。NS2积极主动能耗在大规模网络设置中未得到验证。N. Gozuacik等人[61]损耗能量消费负载均衡;确保整个网络生成更好的负载平衡网络。库贾在跑积极主动由于传输速率的增加，由于网络拥塞，丢失率也增加。RPL控制消息，如拥塞控制降低母体负载密度。更高的父母多样性。最小化端到端延迟。降低数据包的冲突率。Contiki OS当有更多节