一种普适的博弈均衡的组播拓扑机制及方法与流程

本发明涉及拓扑机制，特别是一种普适的博弈均衡的组播拓扑机制及方法。
背景技术：
：组播通讯是网络通讯尤其是移动网络o2o应用中的重要研究内容，近年来，在大数据及物联网飞速发展的背景下，网络通讯技术受到了广泛的关注和重视。综合国内外的研究成果来看，很多传感器网络上的著名的组播机制已经发布：在文献1中，double-channelxymulticastwormholerouting(dcxy)用一个扩展的xy路由算法来建立路由机制(s.banerjee,b.bhattacharjee,andc.kommareddy.scalableapplicationlayermulticast.inproceedingsofacmsigcomm,pages205_217,2002.)；在文献2中，dual-pathmulticastrouting(dpm)是为二维传感器网络开发的，它为传感器网络中的每个节点分配了一个l标签，而且把群组划分成两个子组(例如gh和gl)，因而它由那些标签l大于(gh)或小于(gl)的资源组成。路由路径是由按l参数的gh升序排列和gl按降序排列的节点构造的(a.nakao,l.peterson,anda.bavier.aroutingunderlayforoverlaynetworks.inproceedingsofacmsigcomm,pages11_18,2003.)；在文献3中，can-basedmulticast是为使用thecan(content-addressablenetwork)配置的p2p应用开发的。(s.ratnasamy,m.handley,r.karp,ands.shenker,“application-levelmulticastusingcontent-addressablenetworks”,proc.ofthe3rdinternationalworkshoponnetworkgroupcommunication,pp.14-29,november7-9,2001,london,uk.)can基础的组播是可扩展的，尤其当多路资源共存时。然而，只有洪泛方式折中了组播延时和网络链数量的效率来传播组播信息。换句来说，现有的方法往往只考虑了一种因素构建主播树，而本发明综合考虑了多种因素。在文献5中，leach(d.agrawal.teen:aroutingprotocolforenhancede_ciencyinwirelesssensornetworks.proceedings15thinternationalparallelanddistributedprocessingsymposium,pages2009-2015,apr2001)随机的轮作簇核得以在传感器网格中平均的分配能量负载。在文献6中，teen(w.heinzelman,a.chandrakasan,andh.balakrishnan.anapplicationspecificprotocolarchitectureforwirelessmicrosensornetworks.ieeetransactiononwirelessnetworking,1(4):660-670,2002.)是一个基于簇的路由协议，这一点相似与leach。teen对传感器网络有更强的适应性，因为它根据簇头广播重要参数减少了数据传输。本发明是引用传统的能量算法leach和teen做为本发明的能量因素算法，进行分析比对的，并且根据更好的持续工作时间来定义能量权。下面本发明根据节点数据量直接定义数据权。但在现实的网络环境中，它往往更加复杂。这里的数据权就是一个值，但在实际应用中往往是一个函数，在不同的情景有不同的意义。首先，可以根据节点数据量直接定义数据权，因为总的来说，更多的数据量意味者更多的数据处理和查询。而且，可以用查询热度作为数据权值。在小的传感器数据库中，不同的表或数据项，即使有着同样的数据量，有着不同的查询量。如果选择更高的查询热度作为簇核或接近树根，这将会提高，查询效率，减少查询信息的复制，自然的讲减少衰退和阴影。进而，今天的小传感器数据库使用语义缓存技术。总的来讲，语义缓存存储查询结果和查询语义，用来响应将来的查询。语义缓存值模型greedydual-sizefrequency(gdsf)算法替替换了对象具有最小语义缓存参数。这些参数是由专门的语义缓存参数函数计算而来的。总的来说，节点的语义缓存值越大，意味着更多的数据交互，查询和复制。技术实现要素：本发明所要解决的技术问题是：提供一种普适的博弈均衡的组播拓扑机制及方法，其将彼此独立而又相互关联、彼此博弈而又均衡的位置、能量和数据这三个因素组合成完整的线性组合，以实现在各种网络通讯o2o应用中满足组播通讯的需求。本发明解决其技术问题采用以下的技术方案：本发明提供的普适的博弈均衡的组播拓扑机制,具体是：通过分析位置权向量、能量权向量和数据权向量间的关系而提出了三个参数博弈均衡的应用，应用时，其利用协方差系数在向量间找到博弈均衡点,列出博弈均衡矩阵,确定博弈置信区间边界，所建立的模型和系统是可扩展的，根据实际需要，很容易扩展到多因素博弈均衡，进而扩展到不同因素比例的变化。所述的位置权向量，包括：(1).位置中心点的充分必要条件：定理1：令u是簇成员，它占有m维网络中的节点(u0,...,uj,...,um-1)而且n>j(j列左边的节点数)，n<j(j列右边的节点数),和n＝j(j列上的节点数)表示簇成员的j维坐标大于，小于和等于uj的簇成员数；则当且仅当m满足以下条件时候，u是优化核，|n<j-n>j|≤n＝j,j＝0,1,...,m-1；(2)节点位置权重的计算方法：1)最短路径区域节点(span)：对任何两个节点(x0,y0)和(x1,y1)；令xmin＝min{x0,x1},xmax＝max{x0,x1},ymin＝min{y0,y1}，ymax＝max{y0,y1}定义一个矩形区域[x0,y0]×[x1,y1]；每个在[x0,y0]×[x1,y1]上的节点(x,y)是在(x0,y0)和(x1,y1)间的一个最短路径上，而且叫做(x0,y0)与(x1,y1)间的最短路径区域节点；2)一个簇成员的span节点：当树建在以n'为大小的簇中时，称其为span区域中的簇核(x*,y*)到簇成员ci(i∈[0,n'-1])的所有节点为ci的span节点；3)节点权重：一个节点可以是几个簇成员的span节点；如果一个节点是k个簇成员的span节点，这个节点分配了k权重；4)路径权重：给一个最短路径，路径权是所有路径节点上权重的和。本发明提供的普适的博弈均衡的组播拓扑方法，具体是：聚焦在信息搜集和查询的动态路由上，通过综合考虑位置因数、能量因数和数据因数，利用新旧向量间的夹角余弦相等,找到纳什均衡点,进而构建博弈均衡方程组,求解协方差系数，形成这三个因数向量博弈均衡，在它们之间做一个精细的平衡，实现组播树的构建；所述的组播向量模型为：给定k个线性无关的因素向量：它们的线性组合：式中：αi，k表示组合系数。本发明可以采用以下博弈均衡方程实现综合考虑位置因素、能量因素和数据量因素博弈的均衡，所述博弈均衡方程为：本发明提供的普适的博弈均衡的组播拓扑方法，其在对包括查询处理和路由通讯，数据聚集，手机游戏，线上教学，虚拟社区，视频对话,或者网络电商领域中的应用。本发明在实践应用中，不同因数所占比例往往是不同的，需要对所建立的模型做相应的扩展来解决这个问题。所采用的模型为三维向量的权重模型时，其应用方法为：设三维向量原来的权重模型为：w＝αw′+βw″+γw″′,总权重:w；语义权:w′；时间权:w″；位置权:w″′。线性参数:α，β，γ,α，β，γ∈r，α，β，γ≥0,而且α+β+γ＝1。采用以下的方法将原来的权重模型演变为新的权重模型：先在w′,w″,w″′中增加相关系数而且设定：位置权，能量权，数据权，而且则原来的权重模型演变为：该方法能够扩展到任意有限维度，以实现普适的效果。本发明与现有技术相比，具有以下主要的有益效果：无线通讯o2o的位置，数据，能量等多因素博弈均衡的数据组播通讯机制。可应用于数据聚集，手机游戏，线上教学，虚拟社区，视频对话,网络电商等等领域，有着广泛的应用前景。在该机制中,用统一的费用模型结构,考虑多维现实约束或因素,利用博弈论的纳什均衡概念来决定组播通讯机制的参数。本方法综合考虑了位置,能量和数据的三维向量博弈均衡。实际上对这三维向量的任意因素,有很多人考虑了专门的算法。本发明算法有机的组合了这三维因素,更重要的是,这样以来,它更容易扩展,根据现有的平台,能够获得全新的效果.它可以无缝的链接到多个因素,获得渴望的效果。该方法不仅改进了现有的方法,而且可以扩展到n维度应用场景的，还可以扩展到不同因素比例变化的应用，本发明方法获得了良好的效果。本方法有着广泛的应用前景,可应用于数据聚集，手机游戏，线上教学，虚拟社区，网络电商等等领域，有着广泛的应用前景。众所周知，当今无线通讯是一个非常新颖的领域，也是一个创造巨大生产力的领域。2014年11月11日光棍节阿里巴巴用时38分钟突破100亿交易额！双十一当天总金额571亿2千8百万，无线占比42.6％！除夕全天微信红包收发总量达10.1亿次，央视春晚微信摇一摇互动总量达110亿次，峰值达8.1亿次/次钟；祝福在185个国家传递了3万亿公里。随着无线手机用户的增多，和应用的扩展，这样的应用场景会越来越频繁,如，在wechat中会有多个用户同时在线聊天分享文字、图片、音乐和视屏等信息。会有多个用户同时在线玩游戏，等等。本发明算法主要是针对这样的场景设计的。首先,最重要的是节省了平均相应时间，试想在峰值达8.1亿次/分钟的应用场景下，平均相应时间的节省是多么的重要；其次,是节省了带宽等资源，对于这样一个巨大的无线交互，快速的查询响应，高效的组播通信机制,显注的无线带宽的节省，当有亿万用户交互时,提高的效率将非常明显；第三,提高了包到达率,随着网络通讯尤其是无线网络通讯o2o的发展,无线手机的相关应用已经遍布到社会的各各角落,和各各领域,弥漫在我们每个人的日常生活的各各方面,每时每刻都有这海量的信息在网络中传播,本发明方法能够显著的提高包到达率,从而节省大量资源。附图说明图1是传感器网络系统构建组播树连接多个移动电话示意图。图2是能量度固定在3，比例度取3,平均组播延时示意图。图3是能量度固定在3，比例度取7,平均组播延时示意图。图4是能量度固定在3，比例度取3,平均使用链接数示意图。图5是能量度固定在3，比例度取7,平均使用链接数示意图。图6是能量度固定在3，比例度取3,平均包到达率示意图。图7是能量度固定在3，比例度取7,平均包到达率示意图。图8是比例度固定在3,能量度取3,平均组播延时示意图。图9是比例度固定在3,能量度取7,平均组播延时示意图。图10是比例度固定在3,能量度取3,平均使用链接数示意图。图11是比例度固定在3,能量度取7,平均使用链接数示意图。图12是比例度固定在3,能量度取3,平均包到达率示意图。图13是比例度固定在3,能量度取7,平均包到达率示意图。图14是维数据网格中的最短路径节点(shortestpathareanodes，span)。具体实施方式本发明提供的普适的博弈均衡的组播拓扑机制，其聚焦在信息搜集和查询的动态路由上，该拓扑机制考虑三个因数即位置、能量和数据，形成三个因数博弈的均衡，在它们之间做一个精细的平衡。进而可以扩展到多因素博弈均衡,不仅如此我们的方法可以根据实际需要,扩展到不同因素比例的变化。所有这些使得该方法更适合于现实的应用，据有更优化的效果。下面结合实施例和附图对本发明作进一步的说明，这些实施例仅仅是对本发明较佳实施方式的描述，但并不限定以下所述的内容。本发明提供的普适的博弈均衡的组播拓扑机制，其涉及各种网络通讯尤其是无线网络通讯系统应用的位置，能量,数据博弈均衡的组播路由问题：首先，通过分析位置,能量和数据间的关系而提出了三个参数博弈均衡的应用。其次，提出一个总的博弈均衡机制,利用协方差系数在向量间找到博弈均衡点,列出博弈均衡矩阵,确定博弈置信区间边界。第三,上述步骤建立的模型和系统是可扩展的他很容易扩展到多因素,因而该方法更适合于现实的应用。然后，该方法可以根据实际需要,扩展到不同因素比例的变化。最后，经过大量的试验,引进了新的参数和标准,证明了本发明方法优于其它的工作.本发明提供的普适的博弈均衡的拓扑机制，是通过下述方法实现的。该方法步骤包括：综合考虑位置因素，能量因素和数据因素；具体的算法应用；设计三个因素之间的关系；扩展到其它的因素和关系,包括不同因素间的比例；特性评价。具体如下：1.综合考虑位置因素，能量因素和数据量因素。在构建组播树的时候，既要考虑位置因素，能量因素，又要考虑数据量因素。这就需要尽力把位置中心的节点作为簇核，或放在距离树根较近的地方；每个节点应该根据它的能量状态轮流做簇核，用于获取平衡的网络能量状态消耗；同时也尽量把数据量最大的节点作为簇核，或放在距离树根较近的地方。节点位置、节点能量与节点数据量，这三种因素相互独立，又相互关联。这就要求尽可能的在这三者间取一个平衡。这一根本思想不仅仅是在选择簇核时，而且贯穿于构建组播树，确定每个簇节点在组播树中的位置的全过程。在讨论了三个向量，位置权向量，能量权向量和数据权向量关系的基础上，本发明能够自然地扩展到n个权向量的关系，在现实世界中，在构建组播树的时候，人们往往需要考虑诸多因素，例如，位置，数据，经济，政治，军事，等等。2.建立数学模型来描述系统：这里把有n个成员的组播群组表示为g＝{u0,...,ui,...,un-1},i∈[0,n-1]，把群组成员映射为一个m维网络。每个成员ui定义m坐标：(ui,0,...,ui,j,ui,(m-1))，这里：0≤ui,j≤kj-1，0≤j≤m-1。端节点ui＝(ui,0,...,ui,j,ui,(m-1))和ui'＝(ui',0,...,ui',j,ui',(m-1))(i'∈[0,n-1],i'≠i)是相邻节点，当且仅当ui,j＝ui',j对所有j时，除了ui,j＝ui',j±1沿着只有一维j'。因而，在m维网络系统中，一个端节点可能有m到2m个邻居。我们也定义了m维网络系统中两个节点的曼哈顿距离为它们的静态延时距离。在一个2维网络系统中两节点(x0,y0)和(x1,y1)的静态延时距离是|x1-x0|+y1-y0|。从(x0,y0)到其它节点(x1,y1)的静态延时距离的和是如何表达节点的位置因素，能量因素和数据量因素以方便计算机处理。分别建立一个向量表达对每个因素：位置权重向量w'，能量权重向量w”和数据量权向量w"'。例如位置权向量wj'＝(w'j,0,...,w'j,i,...,w'j,n-1)，i∈[0,n-1]；能量权向量w"＝(w"0,...,w"i,...,w"n-1)，i∈[0,n-1]；数据权向量w"'＝(w'"0,...,w"'i,...,w"'n-1)，i∈[0,n-1]；总的权向量w＝(w0,...,wi,...,wn-1)，i∈[0,n-1]。3.具体的算法应用：网络根据传感器网络区域的静态延时距离，把簇成员划分到不同的簇。在组成员初始划分到不同的簇之后，建立起一个树来连接簇成员。不同簇之间的连接是通过连接每个簇树的树根来完成的。为了构建这样的结构，一套基于m维传感器网络的新算法如下所示：(1)簇形成算法：根据到不同节点的静态延时距离划分簇成员。在我们的组播机制中，群组成员由几个管理节点(叫做集合节点－rp)初始的分成几个簇。簇的大小一般设为：s＝(k,3k-1)这个表达式(k,3k-1)表示在k和k-1之间的一个随机常数。如nice，k是一个常数，而且在本章的模拟中，也选择k＝3。这个簇大小的定义是基于nice中同样的理由，这是为了避免频繁的簇划分和融合。把那些没有安排在任何簇的节点状态定义为未分配。把簇的形成作如下定义：rp在所有未分配的节点中初始选择左边最低的端节点(叫作u),根据到不同节点的静态延时距离划分簇成员。(2)相关权向量生成算法：该子算法计算出三个权向量：位置权向量w'，能量权向量w"和数据权向量w"'，找出位置核ci,a即最大位置权节点，能量核ci,b即最大能量权节点，数据核ci,c即最大数据权节点。该子算法可以划分成6步：a.找到位置中心节点作为位置核ci,a，在每个簇找到位置中心节点作为位置核。以下的定理给出了在每一簇中找到位置中心节点的充分必要条件。它是根据到所有其它簇节点的静态延时距离的最小和优化的！定理1：令u是簇成员，它占有m维网络中的节点(u0,...,uj,...,um-1)而且n>j(j列左边的节点数)，n<j(j列右边的节点数),和n＝j(j列上的节点数)表示簇成员的j维坐标大于，小于和等于uj的簇成员数.则当且仅当m满足以下条件时候，u是优化核。|n<j-n>j|≤n＝j,j＝0,1,...,m-1b.计算出每个节点位置权向量w'i,j，为了在每一簇中组播传输数据包，在每一簇中建立了一个以簇核作为根的树。因为网络中可以同时存在几个组播群组，组播交通必须满足它的交通要求。树应该最大化簇中链使用的共享，使得链休息时可以满足其它交通。我们的方法是去连接所有成员。因而，1)两个相邻成员间的分支是簇中的最短距离；2)在条件(1)下，树上的链的总数应该是最小化的。表1位置权向量w'，标有*的权属于簇成员y＝6002*1*000y＝5003211*0y＝4014*2110y＝31*152110y＝202*10*4220y＝1002*1001*y＝00011*000x＝0x＝1x＝2x＝3x＝4x＝5x＝6讨论算法之前，我们首先定义如下术语(用2维簇作为模型)：1.最短路径区域节点(shortestpathareanodesspan)：对任何两个节点(x0,y0)和(x1,y1)。令xmin＝min{x0,x1},xmax＝max{x0,x1},ymin＝min{y0,y1}，ymax＝max{y0,y1}定义一个矩形区域[x0,y0]×[x1,y1]。每个在[x0,y0]×[x1,y1]上的节点(x,y)是在(x0,y0)和(x1,y1)间的一个最短路径上，而且叫做(x0,y0)与(x1,y1)间的最短路径区域节点。2.一个簇成员的span节点：当树建在以n'为大小的簇中时，我们叫span区域中的簇核(如树根)(x*,y*)到簇成员ci(i∈[0,n'-1])的所有节点为ci的span节点。我们以图1为例。假设核在节点(2,2)。在[2,2]×[5,5]中的所有这一簇的节点是这个簇成员的span节点。3.节点权重：一个节点可以是几个簇成员的span节点。如果一个节点是k个簇成员的span节点，这个节点分配了k权重。表1给出了所有节点的权重，以无成员节点(2,5)为例，它的权重为3意为着3个簇成员经过最短路径通过节点(2,5)到(2,2)。很明显(2,2)的权重为10。4.路径权重：给一个最短路径，路径权是所有路径节点上权重的和，例如，路径权重<(2,2),(2,3),...,(2,5),...,(5,5)>是26。总的来说，节点的位置权重意味着在本簇中有多少个节点通过该节点路由到簇核。位置权越大，节点越接近中心。如节点(2,4)的权重是4，因为有(2,4)，(2,6)，(3,5)，(5,5)4个节点通过(2,4)路由到簇核(2,2)，换句话说，节点(2,4)是(2,4)，(2,6)，(3,5)，(5,5)4个节点的最短路径节点span(见图14)。c.计算出每个节点的能量权w"i,j，在计算出位置权向量w'i,j之后,系统可以容易的得到节点的能量权向量。表2能量权向量w”'，标有*的权属于簇成员y＝6002*3*300y＝5013410*0y＝4006*6510y＝31*134330y＝224*2*357*1y＝11310*3004*y＝00144*000x＝0x＝1x＝2x＝3x＝4x＝5x＝6表2中，1表示1j或者1j以上的能量。c.找到最大数据量节点作为能量核ci,b，在表2中能量核是(2,1)，最大值是10.d.计算出每个节点的数据权w"'i,j，在计算出位置权向量w'i,j之后,系统可以容易的得到节点的数据权向量。表3数据权向量w”'，标有*的权属于簇成员(在此表中，1表示1t或者1t以上的字节)y＝6002*3*300y＝5013410*0y＝4006*6510y＝31*134330y＝224*2*357*1y＝11310*3004*y＝00144*000x＝0x＝1x＝2x＝3x＝4x＝5x＝6e.找到最大数据量节点作为数据核ci,c。在表3中数据核是(2,1)，最大值是10.(3)最小加权路径树算法：在相关权向量生成算法产生位置权向量w'，能量权向量w"，数据权向量w"'，位置核ci,a，能量核ci,b，数据核ci,c之后。该子算法想要联立三个已有的权向量w'，w"和w"'，进而生成一个新的权向量w。然而，系统仅仅知道w＝f(w',w",w"')，却不知道表达式f()。简单讨论，本实施例仅仅考虑到线性关系：w＝αw'+βw"+γw"。然后，该子算法联立二元一次线性方程组，解线性参数α、β、γ，生成新的权向量w。最后生成最小加权路径树作为组播树。(4)组播路由算法：首先，网络根据一些规则的网络区域划分成不同的簇；其次，在组成员初始的划分到不同的簇之后，建立起一棵组播树来连接簇成员；最后，在上层，构建一个共享树执行内簇路由。(5)普适的实用的有限维向量算法：这篇文章的意义不仅仅是从二维扩展到三维本身，而且还可以扩展到弹性有限维。本文在从三维扩展到n维的基础，提出了一个普适的实用的有限维向量算法，所以我们的算法能够适应更广泛的现实应用，包含更多的参数，更具有普适性。首先,根据节点的静态沿时距离，把节点划分到不同的簇；其次,计算出有限m维权向量w(1)i,j...w(l)i,j...w(m)i,j；第三,建立博弈均衡方程，解线性参数，根据已知向量的代数和构建新的权向量，最后构建最小加权路径树，α(1)i,j...α(l)i,j...α(m)i,j；最后,根据现有的结构，在现有的群组中，有效的分配组播包。3.确定三个因素之间的关系：位置因素、能量因素和数据量因素是一个博弈而又均衡的关系。它们有各自的特点，是完全独立的体系，但是在现实世界中又是相互联系，相互制约，相互平衡。在得到了位置权向量w'，能量权向量w”和数据权向量之后w"'，本发明试图用w'、w"和w"'建立一个新的权向量w，综合考虑位置和数据因素，使得系统能够在位置、能量和数据量三方面达到综合系统最优，即w＝f(w',w",w"')。现在，已知w'，w"，w"'，而f()未知。换句话说，这里w＝f(w',w",w"')是个黑匣子，就要试图把它转变成一个白匣子。这三个向量之间的关系可以有很多种形式，现在仅仅讨论最简单的关系：线性关系。而位置权因素、能量权因素和数据因素在物理意义上是相互独立的，所以这三个向量是与线性无关的，即应该为:w＝αw'+βw"+βw"'，α、β和γ为线性参数。(1)接下来是如何求出线性参数α、β和γ。通过向量间的夹角余玄相等,找到了两个一元线性方程，式中w'a、w"b、w"'c分别是位置权向量w'、能量权向量之后w"和数据权向量之后w"'的最大值点。从而可以求解出α、β、γ进而可以得到w。在得到w之后可以构建组播树，即最小加权路径树，传输数据。4.扩展到其它的因素和关系：在确定了三个向量，位置权向量，能量权向量和数据权向量关系的基础上，就能够自然的扩展n个权向量的关系。在现实世界中，在构建组播结构的时候，人们往往需要考虑诸多因素，例如，位置，数据，经济，政治，军事，等等。在本发明提供的模型中，每个因素就是一个向量。只要因素间的物理意义是独立的，那么这三个向量线性无关，否则线性相关。如果这两个向量线性相关，则把它线性无关化。所有这些因素可以由一系列的权向量表示，它们之间的关系是彼此博弈而又相互均衡。对m维因素,m>3,所代表的m维向量,...,,...,。权向量可定义为向量间的关系方程可以定义为：其中是标准化的协方差系数。多因素纳什均衡：在协方差系数标准化是指，所有协方差系数的和为1。具体如下：定理1.由多维权重的线性组合的总权重可由带有协方差系数αi，1，αi，2，...，αi，k的方程来描述，其满足以下关系：定理2：给定k个线性无关的向量它们的线性组合是：则，对于n维因素向量wi，*，1，wi，*，2，...，1的纳什均衡点是：定理3：对k个线性无关的向量在方程(6)和他们的线性组合方程(7)带有协方差系数满足条件方程(5),它的关系在方程(8)时，它的纳什均衡点为：5.扩展到多因素比例变化：目前的模型是一个通用模型，位置、能量和数据三个因素所占的比例是相等的。但在实践应用中，不同因数所占比例往往是不同的。可以对本发明的模型做相应的扩展来解决这个问题。任何问题都是从简单到复杂，从低级到高级发展演化而来的，如下：将原来的权重模型w＝αw′+βw″+γw″′，通过在w′、w″、w″′中增加相关系数得到：位置权,能量权,数据权,而且则，w＝αw′+βw″+γw″′演变为：如果相应权重w的对应系数越大，那么他在整个模型中所占的比重越大，这个系数可由用户根据需要设定。进而如何确定不同参数在模型中的比例，可以用到敏感度分析，这部份内容不在本实施例讨论范围之内，可以参见文献《a.saltelli,m.ratto,t.andres,f.campolongo,j.cariboni,d.gatelli,m.saisanaands.tarantola.globalsensitivityanalysis.johnwiley&sons,theprimeredition,2008.》6.特性评价：(1)模拟模型：本发明的算法有一个固有的平台，该平台是综合考虑位置、能量和数据的三维向量博弈均衡。实际上对这三维向量的任意因素，有很多人考虑专门的算法。本发明的算法有机的组合了这三维因素，更重要的是，这样一来，它更容易扩展。本发明的算法根据现有的平台，能够获得全新的效果，它可以无缝的链接到多个因素，获得渴望的效果。本发明选择了四个组播路由方法来测试2维的传感器网格的性能测试和比较：space，energy，data和cgbnts，该方法综合考虑空间能量和数据因数。而且选择了dcxyp作为本发明的space方法，这是已有技术中最流行的组播技术。本发明用energy方法表示用能量权向量产生最小加权路径树，该方法参考了传统的leach和teen方法。本发明还用data方法表示用数据权向量产生最小加权路径树，该方法表示数据量、查询热度和语义缓存值。在模拟环境中，以下表示模拟的主要的参数，其中模拟器的网络拓扑是[1000x1000]2维的传感器网格。该模拟是在c++上开发的，而且运行在40台ibm2.4g双核工作站上。所使用的移动设备的数目[0,200],而且随机生成x、y坐标，移动节点的速度[1unit/s,10unit/s]。所得到的随机的生成数据权[1unit,10unit]是由一个泊松过程随机产生4000个2000字节大小的组播包。无线路由协议参考aodv，链宽带宽是10mbps。在模拟期间，1000和1000，000组播包根据时间随机的生成，包的平均大小为2400字节。传输包的平均速率是1ms。在移动传感器数据库系统中，查询路由广播general-query信息，而且触发时间timer-general-query。系统能够配置查询周期timer-general-query，得以有序的发送general-query信息，默认时间为60s。以下的三个参数应用在评价机制中：平均组播延时：在节点上定义这个信息组播延时为路由延时的和，队列延时和传输延时。平均组播延时ad计算为：当d(s,ui)是从资源s到成员ui的延时包，n是组大小。使用的连接数：它指的是为了把信息组播到群组g中所有节点所使用链的总数。包到达率：它指的是为了把信息组播到群组g中所有节点的数据包所到达的比例。(2)实验数据：实验考虑2d传感器网络，有360个移动电话。每个簇包括8个移动电话。传感器网络系统能够构建一个组播树来连接所有这些移动电话来查询传输数据，如图1所示。为了考察能量因数，本发明专门引进一个变量：能量度，它表示能量支持节点系统运行的量。在实验中,能量度表示有10等级,系统设置了一个新的模型,时间能量阈值，timeenergythresholdtet:tet＝energydegreeweightenergy*timeenergyunite；(12)这里的能量权是指节点所包含的能量值，一旦oncet＞tet，节点就从系统中撤出来。也引进了另变量是比例度，它表示不同因数的不同比例情况，它从10到1。在此次实验中运用了后续的4个标准：1)比例等级1:45％空间,10％能量,45％数据；2)比例等级3:33％空间,33％能量,33％数据；3)比例等级5:25％空间,50％能量,25％数据；4)比例等级7:15％空间,70％能量,15％数据。w+＝α*.α+.w'+β*.β+.w"+γ*.γ+.w”'在不同能量状况的能量比例：能量度固定在3，比例度取1；3；5；7。本发明选择了不同类型的方法比较：space，energy，data，previousworkandourwork。由于篇幅因素,本实施例只选择能量度固定在3，比例度取1；5的试验结果：平均组播延时averagemulticastdelay的实验结果如下：图2至图3表示平均组播延时averagemulticastdelay，该方法明显好于其它方法。平均使用连接数averagenumberofusedlinks的实验结果如下：图4至图5表示平均使用链接数averagenumberofusedlinks我们的方法使用最少的平均使用连接数。平均包到达率averagepacketarrivalrate的实验结果如下：图6至图7表示平均包到达率的结果，从两个图观察的结果来看，该方法优于其它三个方法。在不同能量状况的能量比例：比例度固定在3,能量度取3；5；7；9。本发明选择了不同类型的方法比较：space,energy,data,previousworkandourwork。由于篇幅因素,本实施例只选择比例度固定在3,能量度取3；7,的试验结果：平均组播延时averagemulticastdelay的实验结果如下：图8至图9表示平均组播延时averagemulticastdelay，该方法明显好于其它方法。平均使用连接数averagenumberofusedlinks的实验结果如下：图10至图11表示平均使用连接数averagenumberofusedlinks，该方法使用最少的平均使用链接数。平均包到达率averagepacketarrivalrate的实验结果如下：图12至图13表示平均包到达率的结果，从两个图观察的结果来看,该方法优于其它三个方法。从上述实验结果得知，在长时间的操作中，data方法显示一定的优势。在充足的能量供给下,能量方法提供了更多的优势。这是因为在某些极端的条件下，有些特定的方法会有一定的优势。然而，在众多可能的条件中,本发明方法总的来说优于其它的方法。条件在不同的能量条件下,在不同的时间长度下,本发明方法更强壮,更适应于复杂多变的网络应用。当前第1页12