基于轻量学习链路预测的混合UASN消息传播方法

《ACM Transactions on Internet Technology》：Message Dissemination Method with Lightweight Learning Based Link Prediction for Hybrid UASN

　　

摘要 AI摘要

要查看此由AI生成的摘要，您必须具有高级访问权限。

了解更多 登录

摘要

摘要

水下声学传感器网络（UASN）包含两种类型的节点：固定节点和浮动节点。由于浮动节点的运动复杂以及固定节点的分布稀疏，混合UASN中的消息传播是通过利用节点（固定节点和浮动节点）之间的间歇性通信链路来构成到汇聚节点的机会主义通信路径来实现的。在这项工作中，记录并利用历史通信链路来预测未来的通信链路，这可以帮助消息持有者选择适当的中继节点。在提出的基于轻量学习的混合UASN链接预测的消息传播方法（MD-LLLP）中，分别在浮动节点和固定节点上部署了两种学习模型来进行本地链接预测。特别是，为浮动节点专门设计了一种计算复杂度较低的轻量学习模型。此外，MD-LLLP采用了分布式消息传播方式，从而通过避免节点本地记录的历史通信链路的全局交换显著减少了通信开销。最后，使用Python进行的广泛模拟证明了MD-LLLP的优越性能。具体来说，与基线方法相比，MD-LLLP使消息传递率平均提高了19%，平均传递延迟减少了6.1秒，并将消息副本数量减少了16%。通过MD-LLLP，数据消息可以快速传播到汇聚节点，从而提高了数据消息的传递率并缩短了传递延迟。

AI摘要

AI生成摘要（实验性）

此摘要是使用自动化工具生成的，未经文章作者的撰写或审核。它旨在帮助发现、帮助读者评估相关性，并协助读者了解相关研究领域的工作。它旨在补充作者提供的摘要，后者仍是论文的官方摘要。全文仍为权威版本。点击此处了解更多关于ACM AI摘要的信息。

点击此处对摘要的准确性、清晰度和有用性进行评论。这样做将有助于改进和未来的重新生成版本。

要查看此由AI生成的通俗语言摘要，您必须具有高级访问权限。