Journalof King Saud University沙特国王大学沙特国王大学学报www.ksu.edu.sawww.sciencedirect.com移动自组网中的团队组建推荐系统Waleed M.Al-Adrousya，*， Hesham A.Alib， Taher T.哈姆扎河a埃及曼苏拉大学计算机和信息系统系计算机科学系b埃及曼苏拉大学工程学院计算机工程和系统系接收日期：2014年2月15日;修订日期：2014年4月16日;接受日期：2014年2015年4月3日在线发布摘要移动社交网络是社交网络的一个新趋势，它使具有相似兴趣的用户通过移动设备联系在一起。因此，它具有社交网络的相同功能，并增加了对移动Ad-hoc网络功能的支持移动自组网（MANET）在有限的计算能力、有限的覆盖范围和间歇的连接性方面是非常困难的。社交网络最重要的特征之一是团队形成。团队组建目标集合一组具有特定任务所需的一组技能的用户。团队形成是一种特殊类型的推荐，这对于用户之间的合作非常重要。在移动自组网中，由于用户交互时间的限制，团队的组建是一个挑战。本文的主要目的是介绍一种基于区域路由协议（ZRP）的对等组形成技术。 比较了泛洪和自适应定位辅助移动自组网路由技术。建议的技术实现快速成功的建议在有限的移动资源，并减少交换的消息。该技术具有响应时间快、缓冲区小、功耗低等优点.试验结果表明，该技术的性能优于传统的注浆技术报警技术。2015作者。制作和主办由爱思唯尔B.V.代表沙特国王大学。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/）。1. 介绍了解在线社交网络的形成、演变和利用变得非常重要，因为*通讯作者。传真：+20 502223754（工作）。电子邮件地址：waleed_m_m@mans.edu.eg（W.M. Al-Adrousy）。沙特国王大学负责同行审查社交网络在人们生活方式中的兴趣和使用。社交网络是由一组社会关系连接的一组组织或其他社会实体。它可以被描述为一个大型图，用户表示为节点，节点通过表示关系的边连接。通常，社交网络假定很大程度的位置稳定性，并且不关注使用膝上型计算机和移动设备访问社交网络的用户的移动性。移动用户即使没有长期的合作关系，也需要多次交换资源和经验。用户的移动性引入了移动社交网络（MSN），根据Tian（2012）的说法，MSN有三种类型：http://dx.doi.org/10.1016/j.jksuci.2014.06.0141319-1578年，作者。制作和主办由爱思唯尔B.V.代表沙特国王大学。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/）。制作和主办：Elsevier关键词移动自组网（MANET）;社交网络;推荐系统;群组形成;区域路由协议（ZRP）;点对点（P2P）148W.M. Al-Adrousy等人基于web的、ad-hoc和混合网络。基于web的社交网络使用客户端服务器架构，在服务器实现上具有一些可能的变化。移动节点使用web浏览器来访问基于web的社交网络。自组织网络更类似于没有集中式服务器的对等（P2P）网络。根据Li和Khan（2009），这种类型的网络也被称为移动Ad-Hoc网络（MANET）。本研究的重点是移动ad-hoc社交网络。MANET算法设计有许多挑战，如Singh（2012）和Sridhar和Baskaran，2010中所示。移动自组网的移动特性决定了网络的基础设施较少，这导致了动态拓扑结构。由于节点的移动性和加入/离开操作，这种动态拓扑随着时间不断变化。这也会影响节点协作的组织。移动节点具有功率约束和有限的处理能力，影响它们在网络中的寿命和连通性。节点网络中移动设备的多样性移动自组织网络中节点的无线覆盖导致了著名的隐藏终端问题，这导致节点之间相互隐藏，尽管在中间节点的直接覆盖范围内。此外，网络支持多对一的通信模式，这需要巧妙的同步和冗余消除技术。无线传输介质的开放性引起了安全和隐私方面的关注。在讨论本研究的具体问题之前，应在该小节中进行快速概述，以探索推荐系统和MANET中的一般问题。社会网络研究一般需要分布式系统和数据挖掘科学的几种技术。一般来说，社交网络与许多分布式系统有一些共同的问题，如可扩展性，透明度和容错性。由于它的社会性，也存在一些特殊的问题。建立用户和关系模型是社交网络的主要问题之一。用户和关系模型必须可存储在宿主计算机媒体中。根据Brauer 和Schmidt（2012 ）以及Konstan 和Riedl（2012），该模型还必须能够搜索用户并检测用户和组的相似性。用户或组的推荐是一个性能和准确性的问题。索引和目录构建是用于实现推荐和数据检索速度的技术，如BenMokhtar等人（2010）。推荐的项目应该从用户的角度考虑是合理的，并且在计算过程中是快速有效的。对结果推荐的信任也是另一个问题，因为一些推荐可能不适合某些用户，如Golbeck（2009）所示。协同过滤（CF）过程旨在通过使用用户朋友的累积经验协同过滤必须处理一些隐私和安全攻击，以保护用户及其个人资料，并防止欺骗性推荐。一些CF攻击是已知的，并已被研究，以消除和保留原来的效率Su andKhoshgoftaar（2009）.在许多推荐系统中，已经进行了大量的研究，假设用户之间的通信的一般性质和用户在目标网络中存在的某种时间稳定性该假设在传统的基于web的社交网络中是有效的，但是在用户之间的通信间隔相对较小的基于移动自组织的社交网络中可能不是有效的。本研究的主要问题是如何在移动自组网的社会网络中形成群组.这项研究并不假设预先存在的组，但它的重点是在一个相对较短的时间间隔在移动自组织网络中建立熟练的个人群体。本研究的重点是在一个相对较短的时间间隔，而不是假设预先存在的组在移动自组网技术人员的群体。所提出的研究可以用来执行一些特设的团队合作项目，如开发一个网站，设计一个UML图，测试一个大型网站，甚至编写代码。这种网络的另一个好处是资源交换。交换的资源可以是书籍、文章、电子表格或代码工件。当代码工件被交换时，这可以实现软件组件的可重用性，以组装产品，如Ralyte'和Rolland（2001）所述。构件的可重用性是软件工程师追求的一个重要目标。主要关注的是推荐和构建组的性能，而不是推荐预先存在的组。安全和隐私问题不在本研究范围之内。此外，它侧重于具有动态拓扑结构的移动网络。研究了移动自组网中邻居共存周期短本研究的目标问题是团队组建推荐。存在与该问题类似的问题，如社区检测（Nguyen等人，2011年），使用随机游走预测社交网络中的链接（Backstrom和Leskovec，2011年），在Zhang et al. （2011）和社交网络中的数据库查询（Papapetrou等人，2012年）。然而，移动自组网的团队形成问题与其他问题有一些不同，例如：不可预测的技能要求作出反应。请求在线结果，而不是搜索结果。从同一领域中挑选优秀成员，从不同领域中挑选始终如一的拥有多种技能的成员比拥有单一技能的成员更受欢迎。动态移动自组网中节点离开的处理。需要短路由路径的功率和距离因素与移动节点的可变技能水平之间可能的冲突，这可能导致选择远距离节点。本文正是从这些因素出发，在前人研究的基础上，探讨了一个相对较新的问题。本文讨论了一种新的移动环境下的团队工作方式。本文的主要贡献如下：（i）讨论了移动社交网络中一个相对较新的问题(ii)提出了一种建议的对等搜索技术的基础上（ZRP）与一些修改，以形成移动自组织网络中的团队，（iii）限制与实际的时间和硬件的限制团队的形成过程。㈣建议a●●●●●●移动自组网中的团队组建推荐系统149不需要移动节点邻居的长时间共存并且可以处理用户的移动性的技术，以及（v）提出了一种在目标MANET中不需要幂律性质的技术，如Brauer和Schmidt（2012），Zhang等人的工作中的最佳连接搜索技术，2005和（纽曼，2001）。该建议的技术使用户、软件管理人员、设计人员、教师或任何请求者能够在一个位置搜索在同一位置共存的具有特定技能的团队。这些成员可能事先不认识彼此。建议的技术考虑到有限的硬件和时间资源。硬件限制是有限的内存、处理和电源资源。时间限制很重要，因为目标问题环境并不稳定。移动节点的共存时间相对较短。移动节点本身可以随时离开或加入网络，甚至改变位置。所建议的技术的基础是区域路由协议（ZRP），它可以减少搜索消息的开销和加快搜索响应过程。测试结果将检验团队组建过程的性能和准确性。本文的其余部分组织如下：第2节介绍了相关工作的概述，第3节介绍了建议的技术，第4节介绍了模拟，测试结果，以及结果的讨论，第5节是结论和未来的工作。2. 相关工作2.1. 互联网上的社交网络移动社交网络继承了无线通信和无线联网的传统问题;如Akyildiz等人（2002）所介绍的：容错、可扩展性、硬件约束、拓扑、生产和部署成本以及传输介质约束。此外，根据Li和Khan（2009），与传统社交网络相比，移动社交网络具有一些额外的问题/限制。这些限制可以归纳如下：（i）移动社交网络必须是分散的和负载平衡的，（ii）移动社交网络不仅依赖于真实用户的关系，但必须同时考虑用户的地理位置和邻里关系，（iii）移动电源，内存和处理的限制是许多MANET算法的巨大挑战，（iv）路由是本研究中 前 面 介 绍 的 重 要 问 题 ， 并 在 Senthilsanaran 和Sankaranarayanan （ 2013 ） 和 Khamayseh 等 人 中 讨 论 。（2011），以及（v）服务质量（QoS）和尽力而为原则的需要的平衡是Sesay等人的几乎所有MANET算法中的主要问题 。 （ 2004 ） 以 及 Rikli 和 Almogari （ 2013 ） 。 根 据Mohapatra等人（2003）的QoS度量被定义为在将分组流从源传输到其目的地时需要由网络满足的一组服务要求。QoS度量如：延迟、带宽、分组丢失概率、延迟变化（抖动）、功耗和服务覆盖区域。用户模型的内容可以从一个社会网络到另一个社会网络而变化。然而，推荐系统需要为每个用户提供一个配置文件，作为他/她的模型的一部分，如Gomah et al.（2011）所示。用户静态配置文件包含用户例如偏好和选择的朋友。通过分析用户的行为（例如每天浏览的页面类型）来推断动态配置文件。这两种配置文件类型都有几种建模技术，包括简单的数据库和用户及其相应兴趣的矢量表示，如Ghauth和Abdullah（2011）以及Hassanpour 和Zahmatkesh （2012）所示。向量空间建模（SVM）是一种新的技术，专注于语义，被命名为潜在语义分析在Ferna'nan-luna等人。（2011年）。大多数推荐系统都关注动态配置文件，因为它具有可更新的特性。然而，构建动态轮廓是一个具有挑战性的问题，以保持未来预测的准确性并允许速度计算。在本研究中，静态轮廓被用来简化主要技术测试。通常，用户的个人资料包含用户的技能向量。如果相同的技能在多个节点向量中具有不同的索引，这可能导致比较问题。 另一个类似的问题是在网络中使用不同名称的相同技能。这个问题需要有一个语义本体的术语和替代意义，以对待不同的名称为同一技能相同的概念。类似的情况可能发生在多语言环境中，其中相同的技能在不同的语言中有不同的单词。2.2. 基于MANN的虽然对社交网络和ad-hoc网络分别进行了大量的研究，但只有少数研究将两者结合起来。与上一节介绍的互联网相比，在MANET上实现社会网络时存在许多挑战Mavromoustakis（2012）提出的工作目标是资源共享问题。他考虑了概率社会互动，以便根据组合移动模型和用 户 他 提 出 在 权 重 图 上 使 用 分 数 随 机 他 在Mavromoustakis（2012）中扩展了他的工作，研究了车辆自组织网络中的社交网络。此外，Li和Khan（2009）提出了另一种基于语义分析的移动社交网络模型，以检测本体中的相似性他们提出了一个语义感知的用户轮廓模型和一个相关的概念模型用于移动节点之间的路由。Li等人等人（2011）已经提出了一种类似的技术，以基于语义分析和优化的查询评估以及通过使用生存时间（TTL）技术来限制查询的生存期来在Li等人（2012）中已经提出了使用语义区域发现协议（SZDP）和语义路径发现的类似技术Konstan和Riedl（2012）提出了一个类似的模型，用C++、C#、Windows Mobile构建一个Tian还提出了一个类似的中间件，用于社交网络的营销（Tian，2012）。在推荐系统领域，大多数研究都是假设用户之间的通信具有一般性，并且用户在目标网络中的存在具有某种时间稳定性推荐系统中最有效的技术之一是对用户进行分组。Pham等人（2011）使用分层聚类来增强150W.M. Al-Adrousy等人推荐Xu et al.（2012）使用了一种使用子组的类似技术来构建社交推荐系统。在这两项研究中，分组是在应用逻辑中进行的，并且不依赖于所使用的网络的通信协议。传统社交网络中的一些研究讨论了群体形成问题。最近的一项研究已经应用于开发人员的网络由Surian等人。（2011年）。在该研究中，建立了一个依赖图来表示在开源环境中的操作员-项目-属性（DPP）的关系。分析每个开发人员的历史，以获得开发人员工作的相关项目及其特征。这项工作的主要过程必须有一个训练过程来计算DPP图和一些预先计算的矩阵。事实上，他们的工作是伟大的，但不适合移动ad-hoc环境，这是经常变化的。他们的工作假设中心服务器节点，这可能是在移动自组网中不可用的。Brauer和Schmidt（2012）也做了类似的研究，但涉及电子学习社交网络。在该研究中，用户，组，主题和内容之间的依赖图进行了研究。小组形成策略建立在以下三个相似性因素上：共同的学习风格、知识排名高分和社交网络上的低距离。近年来，一些研究对移动社交网络进行了研究。Bulut和Szymanski（2012）提出了一种新的衡量移动节点之间友谊质量的指标。他们介绍了基于路由选择的算法。他们还考虑了每天关系的周期性基于友谊的路由依赖于找到直接和间接的关系。他们引入了一种称为社会压力度量（SPM）的度量，当两个节点的连接具有三个特征时，它们被认为是朋友：频繁，长时间和规则。SPM处理直接通信，它的另一种变体称为相对SPM（RSPM）处理间接通信。Bulut和Szymanski研究了白天周期对节点之间连接频率的影响，并根据该因素调整了算法。此外，Li and Li（ 2011 ） 研 究 了 移 动 自 组 网 中 的 信 任 模 型 ， 提 出 了MobileTrust模型，用于在移动自组网用户之间建立分散、可靠的信任关系。他们研究了一些场景，其中包括对网络有经验的用户和不熟悉环境的用户。他们的信任模型涵盖了社交网络中信任关系的一些重要因素，如用户个人资料的相似性、声誉和友谊历史。2.3. 区域路由协议（ZRP）区域路由协议（ZRP）是一种混合路由协议。本节提供了更多的细节，因为它将是我们工作的基础。根据Garg et al.（2012）和Haas andPearlman（2001），ZRP基于给定的阈值距离M将整个网络划分为区域。每个区域使用主动区域间路由协议（IARP）在其内部应用主动路由。区域之间的路由由另一个名为区域间路由协议（IERP）的协议完成。ZRP 使用名为边界投射解析协议（BRP ）的辅助协议（Pandey和Swaroop，2011）。BRP与位于区域边界的节点通信，以启动IERP反应式搜索。ZRP的另一种变体命名为多播区域路由协议（MZRP）是由Zhang和Jacob（2003）提出的。MZRP与ZRP不同，因为它使用按需组播和组播树构造，而不是单播IERP。其他名为基于共享树的多播协议的路由算法构建了一个单一的树，该树植根于被称为Renminbi Point（RP）的中央控制点（Pandey和Swaroop，2011）。3. 所提出的技术移动自组网的团队形成3.1. 所提出的技术我们建议的技术可以被归类为一个混合ZRP组播网格为基础的模型。一般来说，移动自组网中的相邻移动节点试图相互交换配置文件。一些节点可能欢迎开始交换过程，而其他节点可能忽略或拒绝。在该MANET中完成交换过程之后，进行协作填充和匹配的过程，以根据用户对特定任务所需的技能来建议合适的团队。网络根据地理位置划分为多个区域。关于这一步的更多细节将在下一节给出基于Brauer和C. Schmidt（2012），Zhang et al.（2005）and Cacciapuoti et al.（2011），在传统社交网络中寻找专家有三种主要策略：（a）呼吸优先搜索：从发起节点开始，呼吸优先搜索（BFS）或（搜索），BFS可能会找到最近的候选人，（b）随机游走：随机游走（RW）通过随机路径遍历社交网络。随机游走到起始节点的距离增加得非常快。最佳连通搜索：最佳连通搜索（BCS）在节点度分布为幂律分布的网络中表现良好。该策略是通过邻居的数量来选择节点。幂律的定义根据纽曼（2001）是：‘‘结果分布严格遵循幂律：P（ z） z-s，其中s是常数指数，（在这种情况下）值为约2.5在这种情况下，幂律的应用将连接度视为用户活跃度的度量。这不能总是应用在MANET中，因为存在对用户的逻辑连接的物理约束，其可以将用户与其他一些期望的用户分开。幂律法则需要在稳定的网络中进行大量的通信，以在用户之间建立新的逻辑关系。由于没有证明MANN在用户之间的Ad-Hoc关系中具有幂律，因此忽略了这种类型的搜索。由于随机游走可能会导致搜索中的节点或路径丢失，因此这种类型的搜索也被忽略。在这项研究中，建议的技术相比，第一种类型的搜索（洪水）。有几种选择优化路径的方法（Boukerche等人，2011年）。一个简单的路由变体是自适应位置辅助移动Ad Hoc网 络 路 由 （ ALARM ） （ Boleng 和 Camp ， 2004 ） 。ALARM使用两个节点之间的链路持续时间作为选择转发方向的度量。而不是转发移动自组网中的团队组建推荐系统151PartialMatch;ifSOnj.¼消息发送到范围内的所有邻居，ALARM算法只向链路持续时间值大于给定阈值的邻居发送消息。ALARM算法在布尔函数（Eq. （1））应用于双向连接。. Visible;Distj;K6Rk和Distj;K6Rj根据使用的寿命阈值，旧值是任意的。ALARM有一个优点，其他编程变量，它不需要全局状态可见度NotVisible;否则为ð1Þ构造算法虽然移动自组网可以有小的互动时间周期一般，团队形成问题的性质假设一个相对稳定的短期或中期的合作时间。建议的技术是没有用的在移动自组织网络中的快速离开性质的临时用户。出于这个原因，在某些网络中的短时间交互问题超出了本研究的范围。在实践中，当具有所请求技能的节点离开网络时，其他一些具有相同技能的替代节点可以存在于不同的路径中。然而，有时可能有些技能是罕见的，因此这些技能持有者的离开可能是一个问题。这同样适用于从源节点到另一目的地节点的路径上的中间节点在大多数情况下，具有替代路径可以克服这个问题对这一点的详细研究超出了本研究的范围。3.2. 建议的技术阶段建议的技术中的主要四个阶段如下：1. 配置文件生成和更新阶段：其作用是估计移动节点用户2. 基于位置的区域建立阶段：其作用是周期性地感知相邻移动节点并与它们交换位置细节以建立节点区域3. 基于技能的成员搜索和推荐阶段：其作用是听取具有特定技能的群体建设请求在此之后，在网络中开始搜索其用户简档匹配所需技能的移动节点。搜索结果可以是完全匹配、部分匹配、失败或超时。4. 群组聚合阶段：其作用是接收匹配结果并根据用户的经验级别对用户进行排名。此外，假设网络N包含n个节点，其中N ={j0，j1，. ，j n}且n> 0，则任何包含网络中一组节点的区域Z必须满足ZcN。区域地理维度可以由输入参数Dz定义，该输入参数在算法2中应用区域形成算法之后更新。Dz的定义如（方程式）所示。（2））。Dz¼最大距离（mm）; k（mm）;8 j; k2 Z（mm）每个节点j的技能集可以定义为Sj。每个区域Z都有一个联合技能集，可以定义为[jsj），其中j2Z。所有的移动节点都应该作为一个对等的其他节点。 因此，基于最重要的组件，建议的设计有两个主要模型：节点模型和消息模型。每个移动节点j的节点模型具有表1中所示的以下参数。同 步 时 间 机 制 是 一 种 简 单 的 时 间 戳 形 式 的 工 作（Lamport，1978）。当节点j从k接收到消息时，则可以使用（等式2）来计算Tj（3））。最大值Tj;TkWmaxj可以使用（等式2）计算。（4））。Wmaxj<$ Tj TTLj：140Zsj值可以如（等式2）中所示计算。（5））。有时，同一个技能在多个节点上可以有不同的名称。然而，这一语义分析问题超出了目前的研究范围。所提出的技术假设每个技能都有一个唯一的名称。Zsj¼[Sj;8j2Z：150]消息模型具有表2中所示的以下参数。匹配包含一组所需技能的请求向量On和节点j技能Sj可以被 定 义 为 如 下 的 文 字 函 数 M （ On ， Sj ） （ 等 式 2 ） 。（6））。为了简单起见，第一和第四阶段在编程和建议的技术中的实现是相同的。在本研究中，静态剖面法用于第一阶段。当然，动态轮廓比静态轮廓更好M. V;Sj8>FullMatch;如果S> 1/4开>：FailedMatch;ifSj\On^ð6Þ但这一点超出了本研究的范围。第四阶段可以实现为基于技能寻求者和技能提供者之间的地理距离的简单排序例程。这一阶段可以在以后增强，以包括其他因素。目前的研究集中在第二和第三阶段，如以下小节所述。3.2.1. 模型描述本文将简要介绍所调查的计算局部临时变量集newUn之前，更新Un的值。在每次匹配之后，Un的值由（等式10）更新。（8）），并且Mat值由（Eq. （9））。不直接修改（等式2）中的Un值的原因是：（7））是具有Un的旧值和新值两者以测试是否存在新匹配或不能够应用（等式（7））。（8））。新Un-Sj建议的技术模型。假设任何移动节点k的无线连接范围的半径为Rk，并且两个移动节点j和k之间的距离为MatMat j; newUn！ ¼Un垫;否则ð8ÞDist（j，k），则可以定义j和k对彼此的可见性联系我们¼152W.M. Al-Adrousy等人搜索;否则当Un为空时，则不需要更多的请求，并且这可以影响Mt的值，如下所示，在（Eq. （10））。. 承认，承认如果在搜索路径中的任何节点上发生完全匹配，则将其响应返回给请求者。否则，转发的消息被传送到不在路由节点向量Rt中的范围内的可用邻居。一般有三种情况会阻止在任何节点转发消息：i) 技能完全匹配（Un为空）ii) 消息路由节点向量中不存在更多邻居。iii) 过期生存时间（TTL=0）当 任何 请求者 K 具有 一 等待 消息与Wmaxk>k条件实现，则假定此消息由于超时考虑而失败。当节点k接收到匹配响应消息x，则应用算法13.2.2. 简单的介绍性示例图1中给出了一个简单的例子来演示基于ZRP的技能搜索的主要过程。该示例假设9个移动节点命名为：A、B、C、D、E、F、J和H，以及4个样本技能命名为：w、x、y和z。每个移动节点- 除了节点A -在其名称下面的两个大括号中有其技能。有4个区域，每个区域名称下面的括号中有工会技能集联合集合包含区域节点的所有技能。假设节点A正在请求技能x、y和z。让我们首先从蛮力（blueforce）技术开始执行该搜索：A将发送广播消息到算法1请求者节点处的聚合函数。图1小型简化区域团队组建示例。表1针对每个移动节点j.符号 描述节点唯一标识符（ID）在三维空间（x，y，z）中定义的地理位置Tj与其他区域时钟同步的逻辑定时值，在所有网络节点处统一Rj通信范围半径来自配置文件的技能向量TTLj为任何未来请求消息提供的默认TTL，作为其需求向量ZIDj从区域构建阶段获得的当前区域标识符。如稍后在算法2中所解释的，接收到的消息缓冲器，包含来自邻居节点的传入Resj按需请求缓冲器，包含持有者节点发送的请求，仍在等待来自某些节点最大等待时间，为整数值，以避免由于网络传输或某些路由路径中的某些中间节点消失而导致的永远等待丢失响应Zsj区域技能哈希表，包含每个技能名称作为键，以及当前区域中该技能的持有者节点列表表2建议的消息模型参数。符号 描述ID源节点ID（请求者ID）TTL消息的当前生存时间（TTL）值。它计算为在当前消息MtMessage类型，有两个可能的文字值：当消息具有有效TTL并且仍在搜索至少一个所需技能时搜索（请求），当返回请求者部分或全部成功匹配结果时确认Unsatisfied needed skill vector so far：从一个空的vector开始，当到达路径中至少包含一个未找到的技能的任何节点时，该节点被添加到vector在包含请求者节点MatMatching节点向量，它是一组与原始所需技能领域完全或部分匹配Rt路由节点向量，包含已接收当前消息实例RTS请求时间戳（RTS），是请求者开始寻求技能的逻辑开始时间。该值在请求者按需请求缓冲器中用作此消息的键Rbl返回路径列表，始终为当前路由路径的逆路径，在中间节点状态稳定的情况下优化返回请求者，而不是始终重新路由回请求者BrbBroken Return Back列表指示返回路径是否仍然有效。在返回路径中具有至少一个缺失节点的情况下，通过以下方式应用新的路由过程：使用ZRP路由。在这种情况下，Brb被设置为真以防止返回路径反向向量Ts报文发送开始百万吨ð10Þ移动自组网中的团队组建推荐系统153节点B搜索目标技能。节点B执行与技能X的匹配，并将请求广播到节点C和H。节点C将请求转发到节点D，并额外匹配到Y。节点H将请求转发到不具有匹配的节点J。节点D将请求转发到节点E，节点E将请求转发到节点G和F。节点G与技能z匹配。节点F将请求转发到节点G（复制）。在这种情况下，存在两个问题：用9个请求消息覆盖网络以获得所需的匹配，以及向节点G发送重复请求。让我们节点应用建议的基于ZRP的搜索。节点A向节点B发送与技能匹配的消息X.节点B向节点C和H询问他们的区域技能。因此，区域4将被完全忽略，只有区域2将有for-forward请求。在节点D中与技能y匹配之后，区域3被要求其并集，其指示其需要剩余技能z。如前所述，这个联合体有一个支持哈希表，其中包含区域中每个技能的持有者节点。因此，响应由区域3中的节点G具有技能z的匹配的任何节点生成。在这种情况下，只有5个请求消息，没有对同一节点的重复请求3.2.3. 基于位置的区域构建阶段对ZRP的修改旨在结合交换用户在这个建议的修改。算法2中列出了基于位置的区域构建算法的主要步骤。该算法类似于k-means算法，在我们建议的技术中，最后2个步骤的差异试图避免由于节点的移动性而更容易破坏或消失的小区域。初始化后，进行主动定期重新计算，以保持每个区域内的连接状态。每个区域将有2个技能集：平均位置集和工会集。平均位置集用于维护基于地理位置的区域成员资格。联合集用于区域间协作。如何在所有网络移动节点中进行技能索引以保持相同的排序标准反应式协议中的路由表形成技术将被使用，但经过修改。路由表的修改是建立一个技巧路由表。在该技能路由表中，将路由到目标技能而不是目标区域。为了做到这一点，每个区域都将其联合技能集分发给相邻区域。对于每个区域i，当接收到技能的相邻集合Sj 时，忽略冗余技能。区域J中不存在于区域i中的技能被放入具有下一跳值j的技能路由表中，这意味着为了获得区域i中的任何成员的技能，必须与区域j进行协作。3.2.4. 基于技能的成员搜索和推荐阶段搜索所需技能的第三阶段基于修改后的ZRP。建议的技术可以用图2中的UML活动图来概括。移动网络中的每个节点有两个主要角色：发起团队搜索过程的请求者，以及可以响应团队形成请求的任何其他邻居这两个角色将显示如图2中的两个泳道。请求者手动输入要搜索的所需技能。一个重要的建议步骤可以被命名为法拉第向前（FF）。FF的目标是在没有直接可达节点退出具有不同区域时将消息转发到当前区域中最远的节点。此步骤是对原始ZRP协议的修改。原始的ZRP使用BRP，如介绍部分所述，直接发现区域边界节点，并将它们作为网关发送消息到其他区域。建议的技术旨在通过使用FF而不是BRP来简化团队组建过程的实施。FF与BRP相比的效果超出了本研究的研究范围，因为它是一个详细的路由研究点。所建议的技术需要额外类型的消息来：（a）如算法2中那样构建区域，（b）构建区域散列表，以及（c）同步逻辑定时或同步化的节点。4. 模拟和性能结果4.1. 仿真环境由于我们无法访问真实的测试数据集，因此必须使用模拟环 境 。 有 许 多 标 准 的 网 络 环 境 ， 如 NS-21 、 NS-32 、Omnet++3、Opnet4、Jist-Swan5、DARS6和QualNet7。 其中一些是免费使用，并有基本的MANET模拟工具。我们已 经 测 试 了 许 多 这 样 的 环 境 。 我 们 选 择 了 一 个 名 为NetLogo8的模拟环境。NetLogo是免费的，适合我们现有的资源。NetLogo有一个简单的脚本语言，有一个很好的学习曲线。NetLogo 没有内置的MANET 库。因此，我们必须在NetLogo中为MANET构建一个简单的自定义。我们已经为NetLogo Community9贡献了基本的MANET和网络代码模型，然后我们在该模型的后续版本中添加了我们建议的基于ZRP的模型。屏幕截图如图3所示。模拟输入是（图中显示了一些）。（ 3）：1) 使用逻辑块（补丁）的模拟屏幕的宽度和高度。2) 移动节点计数（图中以小箭头表示） 3）。3) 请求者计数4) 请求TTL值（使用路径节点的计数作为测量单位）5) 每个节点的连接区域的最大范围，以限制启动连接半径的随机函数（图中节点周围的圆圈）。 3）。1http://www.isi.edu/nsnam/ns/。2http://www.nsnam.org/。3www.omnetpp.org/。4www.opnet.com/。5http://jist.ece.cornell.edu/。6https://sourceforge.net/projects/dars/。7http://www.ee.iitb.ac.in/~prakshep/IBMA_lit/manual/manual244。 HTML.8http://ccl.northwestern.edu/netlogo/index.shtml。9http://ccl.northwestern.edu/netlogo/models/community/Lattice-Walking%20Turtles_15和http://ccl.northwestern.edu/netl-ogo/models/community/Lattice-Walking%20Turtles_OwnAlgorithm_25_startCustome_printingColors。154W.M. Al-Adrousy等人算法2区域形成算法。图2建议的组形成系统的UML活动图6) 面片中的区域宽度和高度。为简单起见，在模拟中假设区域为正方形。区域边界在图 中 标记为灰色点。3.第三章。7) 逻辑计时速率（以Ticks/s为单位测量）。8) 在模拟过程中启用/禁用节点移动，以及移动速率。9) 应用技术（基于泛洪或ZRP）。在随机生成的网络上进行仿真，并在具有Core i3处理器和2GB RAM的台式机上进行测试。在模拟期间，每个节点周期性地尝试获取邻居节点。在范围内没有任何邻居的节点将保持默认箭头形状，并且具有至少一个邻居的节点将具有星形，如稍后的图8节点范围有一个最大值，但它们不是全部平等 简单的 随机 路点移动模型 （Divecha 和Abraham ，2007）被应用于一些简化，让每个节点周期性地选择随机方向并移动到它。4.2. 结果由于有多个模拟参数，几个实验进行了研究，改变一个参数在团队搜索中使用相同的所需技能集的请求者在洪水和ZRP为基础的团队形成技术。首先在一些小型网络上进行实验，然后在一些大型网络上进行实验。图4显示了两种技术之间的比较，其中固定了除网络大小之外的所有参数。使用可变数量的节点进行多个测试一种用于MANET 155中团队组建的推荐系统图4使用几个请求程序和小TTL消耗的时间。图3使用NetLogo开发的模拟应用程序的屏幕截图。并测量了总搜索完成时间，以比较两种技术在MANET中的性能。在所有情况下，基于ZRP的技术完成时间都优于反渗透技术。定位和选择的请求者在每次模拟开始时随机选择。这可以解释大小为40的网络与大小为45的网络中的消耗时间之间的差异。表3显示了另一个比较，该比较基于更改请求者计数，同时固定模拟的其他参数。在所有情况下，基于ZRP的技术的搜索完成时间也更好。使用15个请求器可以显著提高性能.在这种情况下的速度比是在反渗透技术中所需时间的14%。同样，在每次模拟开始时随机选择定位和所选请求者。这可以解释例如在具有7、9和11个请求者的情况下的时间差异。 表3还提供了一种不同的测试方法。该实验不是只改变单个因素，而是使用2个组合因素的变化来完成：网络大小和并发请求的计数，同时在到期前固定路径中5个节点的TTL值。基于ZRP的技术中的周期性消息与其他类型的搜索和搜索边缘消息一起被计数。有趣的结果是，在具有少量请求者（1或3）的小型网络中，基于代码的技术更有效，因为与基于ZRP的技术不同，它不需要任何用于区域形成或定时的周期性消息。但在中等规模的网络中，随着请求者数量的增加，重新加载性能比建议的基于ZRP的技术差。表3将TTL变化添加到计数中。在基于ZRP的技术的情况下，总的交换消息明显少于其相应的结果，在coooding技术。基于ZRP的消息以数十或数百（348、213和172个消息）计数，而消息的重传计数以数千或数万（51，220、4212和29，118个消息）计数。此外，表3给出了一些详细的仿真结果，研究移动节点上的负载。 技术名称缩写为在一个灰色的行中显示了基于ZRP的实验案例中的每个实验，该表中的结果证实，基于ZRP的技术在性能和网络开销方面远远优于传统技术。值得指出的是，基于ZRP的技术所需的同步消息在同步技术中是不需要的。以前的测试比较了一般形式的反渗透技术。如前所述，ALARM技术是组播的一种变体，用于减少组播路径。在实验中使用了ALARM技术，以增强与ZRP相比的反渗透技术。在以下测试中，比较了三种技术：泛洪、报警和ZRP。第一个比较是关于三种技术在相同配置的MANET模拟器上运行时的性能。比较结果如图5所示。在5到16个模拟节拍之间的范围内任意选择报警连接持续时间寿命值。为了关注这两种技术之间的空间节约，表4显示了整个网络样本中总交换消息的巨大差异。与ZRP相比，增加网络参数值会迅速增加报警和报警技术的负载。实验结果表明，每个节点的平均缓存消息分别为：25.69095238、31.88827922和0.255214286，分别为报警、洪水和ZRP为了比较每种团队形成技术的成功性，图6比较了三种技术中成功比赛的数量。显然，在大多数情况下，报警和报警技术比我们建议的基于ZRP的技术更好。这一现象将在讨论部分予以解释。针对移动自组网中节点快速移动的影响，在20-30个节点、5-7个并发请求的中型网络上进行了实验。调整节点，使其移动过于频繁，每个逻辑时间单位（滴答）移动1个补丁。一些请求者的连接范围太小，导致只有很少或根本没有邻居来提供技能。为了进
