[发明专利]基于模糊决策树的自适应鱼群寻路包路由方法

权利要求书

1.基于模糊决策树的自适应鱼群寻路包路由方法，其特征在于，包括以下步骤：

第一步，移动自组织网络具有移动性，节点的移动性受移动模型的影响，在移动自组织网络中，节点采取分布式的算法，通过多跳自组织的形式构建路由；根据移动自组织网络进行模型建立，将网络模型、能耗模型及移动模型应用到所述移动自组织网络的模型之中；

第二步，应用模糊决策树进行跳数预测，模糊决策树是一个树结构，其每个非叶节点表示一个特征属性上的测试，每个分支代表这个特征属性在某个值域上的输出，而每个叶节点存放一个类别，利用分布式的信息进行端到端的跳数预测；通过离线训练模糊决策树模型，设数据集S＝{S₁,S₂,···S_n}是离散值域X上的集合，模糊属性集为A＝{A₁,A₂,···A_m}，属性A_j的术语V(A_j)＝{V_j1,V_j2,···V_jk}，其中1≤j≤m；划分类为C＝{C₁,C₂,···C_k}；第i个实例S_i对于第j个属性的隶属度为U_ij，表示定义在V(A_j)上的模糊子集；

第三步，应用三角模糊函数对输入属性进行模糊语义定义，每个属性值x(A_i)属于第j个属性术语的三角模糊函数为；

其中，表示三角模糊函数参数；

第四步，使用ID3算法构造模糊决策树，计算每个模糊化属性的熵E(S)以及信息增益Gain(S,A_i)，采用信息增益来度量属性的选择，选择信息增益最大的属性进行分裂，对计算出的各属性值的信息增益，每次选取增益比例最大且又不低于所有属性平均值的属性作为模糊决策树的节点，若无更多属性或者数据集全部划分为一类，则模糊决策树的节点为叶节点；

c是划分类集合1～10跳，s是数据集，p_i是数据集中每种分类的概率，是模糊属性A_i的熵；

第五步，基于鱼群算法自适应广播Hello包，根据鱼群算法产生的信息素模型，属于同一鱼群的节点收到Hello包后以小于1的概率转发Hello包，不同鱼群的节点收到Hello包后以概率1转发；基于鱼群算法自适应广播Hello包，通过构造人工鱼来模仿鱼群的觅食、聚群及追尾行为，每个数据包都分泌信息素，通过信息素对节点进行鱼群分类，不同鱼群的节点完全转发Hello包，同一鱼群的节点概率转发Hello包；

第六步，基于指数加权平均移动法进行转发成功率预测；转发成功率的定义与传输单跳时延相关

W_ij(n)＝(1-β)W_ij(n-1)+βR_ij (7)

其中，β表示可调权重系数，W_ij(n)表示第n次传输转发成功率的预测值，R_ij表示上一次传输转发成功率的反馈值；

第七步，基于模糊决策树和指数加权平均移动得到最优转发节点决策，模糊决策树得到通过每个邻居传递数据包的预估跳数，将具有当前最小预估跳数的节点加入候选转发节点集合，当集合中有多个节点时需要从中选择出一个最优的邻居来传输采用指数加权平均移动以历史转发成功率作为度量，从预估跳数最小的邻居集合中选出预测传输成功率最高的节点作为最优转发决策。