由于机会网络中的节点移动性强,资源受限,设计高效的机会网络路由算法面临巨大挑战.目前已有的路由算法大多借助节点之间的相似性来提高算法的性能,而没有关注到节点之间的异构性,导致部分节点承担了过重的传输任务,从而影响了网络性能.以传统的PRoPHET路由算法为基础进行优化,提出了基于节点属性和缓存管理的机会网络路由算法(Opportunistic Routing Protocol based on Attributes of Nodes and Buffer Management,OANBM),该算法考虑节点的异构性,尽可能利用通信能力强的节点完成转发任务,并且加入缓存管理措施来降低网络负载.仿真结果表明:与经典机会网络路由算法相比,该算法的消息投递率可有效提升10%,而且大幅降低了网络负载率.
针对航站楼多楼层的室内导航和多目标的路径优化问题,提出一种基于改进遗传算法的航站楼内交通换乘导航路径规划方法:依据航站楼内的空间特征和环境变化建立以路径为权值和以人流密度为权值的双路网,并权衡路径的距离成本、客流拥挤度和时间成本3种因素,建立了航站楼内的多目标路径优化模型.最后使用融合广度优先搜索策略(Breadth First Search,BFS)的遗传算法在本文构建的多层路网中实现航站楼内多目标路径优化,生成考虑路径距离、拥挤度、时间成本的单目标最优路径和多目标优化路径.研究结果表明,使用融合BFS的遗传算法在本文构建的多层路网中可实现航站楼内多目标路径优化,生成考虑路径距离、拥挤度、时间成本的单目标最优路径和多目标优化路径.