[发明专利]基于信誉值的拓扑构造激励方法

权利要求书

1.一种基于信誉值的拓扑构造激励方法，其特征在于，所述方法设定无线泛在网络通信场景，假定该场景中存在拥塞网络区域A内的业务需求节点s、周围空闲网络区域集K＝{k₁,k₂,…k_n}以及K中各个空闲网络区域对应的中继节点集Γ＝{R₁,R₂,…R_n}，包括如下步骤：

步骤1：业务需求节点s依据网络容量c和网络负载l两个指标从集合K中选择性能最佳网络区域k^*及其对应中继节点集R^*；

步骤2：业务需求节点s以广播方式向R^*中的中继节点发送服务请求并综合考虑剩余电池能量e、节点负载l'依据最优原则从R^*中选择最优中继节点r^*作为服务提供节点，业务需求节点s记录中继节点交互信息，1表示接受请求且被业务需求节点s选为服务提供节点，0表示拒绝服务请求；

步骤3：当拓扑构造周期到来时，根据节点之间历史交互信息，按时间间隔τ计算每个时间段内信誉值运用随时间衰减的权重函数w(t)加权得到节点直接信誉值，其具体计算方法如下：

首先，业务需求节点s按时间间隔τ将其所记录节点历史交互信息划分到不同时间段内，然后计算每一时间段内的信誉值，计算公式为：

其中表示第t时间段内节点s对节点j的信誉评价值，其初始值设为0.5，n表示第t时间段内的交互信息条数，a是节点j为s连续提供转发服务的次数，κ_g是激励因子，a*κ_g以线性方式在上一次信誉评价的基础上对合作节点进行激励，m是节点j连续拒绝为s提供转发服务的次数，κ_m是惩罚因子，m²*κ_m以平方的方式在上一次信誉评价的基础上对自私节点进行惩罚，a的连续性以j最近一次拒绝为s提供转发服务为起始来计算，m同理，为了表征节点历史交易信息的重要性随时间的久远而衰减的特点，利用二次函数的特性来描述不同时间段内直接信誉值的权重w(t)，如下式所示，即：

其中w(t)是随t递减的函数，STL是系统设定的信誉信息存储时限，超过STL的信誉信息记录不再参与计算，以w(t)对不同时间段内信誉值进行加权平均可得节点s对j的直接信誉值：

步骤4：在直接信誉值基础上，运用行为相似度权重加权各个推荐节点推荐信誉值并利用归一化因子计算节点间接信誉值，根据步骤3计算所得直接信誉值与本步骤所得间接信誉值，计算综合信誉值T_sj，其具体计算方法如下：

单一推荐节点情况下，节点s对推荐节点i的直接信誉值为μ，推荐节点i对目标评价节点j的直接信誉值为β，则节点s对目标评价节点j的间接信誉值为μ·β；多推荐节点情况下，为了保证推荐行为的真实性，通过行为相似度权重加权得到间接信誉值，s与i的信誉评价行为相似度Sim(i,s)如下式所示，即：

其中CZ(s,i)表示与节点s和节点i都有过交互的节点集合，μ_sv表示节点s对节点v的直接信誉值，μ_iv同理，将行为相似度作为权重来描述节点s对目标评价节点j的间接信誉值为：

其中μ_sm表示节点s对推荐节点m∈{1,2,…,n}的直接信誉值，β_mj表示推荐节点m对目标评价节点j的直接信誉值，为直接信誉值DT_sj和间接信誉值IDT_sj分配不同的权重偏好，由此得到节点s对节点j的综合信誉值，即：T_sj＝α*DT_sj+(1-α)*IDT_sj，其中权重α∈[0,1]；

步骤5：当节点综合信誉值更新后，业务需求节点s调用拓扑构造激励算法完成自身拓扑调整，拓扑构造激励算法分为节点链接控制算法即LCA和节点连接请求验证算法即CVA，LCA负责删除与低信誉值节点的链接并向高信誉值节点发起连接请求，并且设定节点自身维护三个集合，包括：

(1)熟悉节点集合FS_s，表示与节点s有过交互的节点集合，在每一次拓扑构造周期到来时，节点s计算该集合中所有节点的直接信誉值与间接信誉值，然后得到综合信誉值并更新FS_s，FS_s＝{i|who has cooperated with s}；

(2)高信誉值节点集合HTS_s，表示信誉值T_si大于最低信誉门槛值T_min的节点集合，HTS_s＝{i|T_si＞T_min}，HTS_s∈FS_s；

(3)邻居节点集合NS_s，表示与节点s具有连接关系的现有的节点集合，NS_s的三个参数分别为τ_min：NS_s中最小的节点数，τ_max：依据节点自身计算能力而设定的NS_s中最大的节点数，τ_max＞τ_min，τ_base：拓扑构造过程中节点s努力维护的信誉值高于最低信誉门槛值T_min的节点数，τ_min＜τ_base＜τ_max，节点s从HTS_s中选取高信誉值的节点更新NS_s，实现在NS_s中节点数不小于τ_base的基础上最优化NS_s中节点信誉值的目的，NS_s＝{i|who connects with s}，NS_s∈FS_s；CVA负责评估发起连接请求的节点的信誉值并依据自身邻居节点集合中的节点数目选择是否与其进行连接。