[发明专利]一种移动自组网路由决策方法

权利要求书

1.一种移动自组网路由决策方法，其特征在于，该方法基于可信机制和Q-Learning动态信任值实现，所述可信机制包括邻居监控、信息共享、评估决策和路由管理，该方法具体包括以下步骤：

步骤1.节点A存储邻居节点B的信息

任意节点A若在第t个时间帧内与邻居节点B有直接交互行为action，则用结构{A：B，action，trust_value，t}记录此次交互行为，每一个节点均维护一个上述结构的信息，并将此结构存储在直接信任值信息表中，trust_value标记交互行为成功与否；节点间信任关系的建立采用两种方式：一是节点在本地获取的关于被评价节点的信任信息，称为直接信任值；二是来自第三方节点的关于被评价节点信任信息的合成，称为间接信任值；推荐信任值属于直接信任值的一种特殊形式，用于描述一个节点对其他节点能否诚实提供推荐信息的主观性预测；

步骤2.信任值量化

步骤2.1.直接信任值计算：若节点A在第i个时间帧内与邻居节点B交互成功k_i次，失败j_i次，i＝1，2，...，I，则在第1时间帧内选择节点B的可能性为：

其中，t_i为第i时间帧的时间，即从第1个时间帧到第i时间帧的时间，t_I为第I时间帧的时间，β₁，β₂为预先设置的两个时间权重因子，且0≤β₁≤1，0≤β₂≤1；

将p带入熵函数H(p)中：

则信任值公式表示为

由上述过程，直接信任值其中subject表示节点A，node表示邻居节点B，action表示A、B节点交互情况；

步骤2.2.推荐信任值计算：将邻居节点B反馈来的trust_value和节点A计算得到的直接信任值进行偏离测试：判断是否成立，其中，η表示预设的偏离阈值；

如果偏离测试成功，即成立，则认为邻居节点B的推荐诚实可靠，否则认为其进行虚假推荐；最后节点A将此次推荐行为写进节点A的推荐信任值信息表中，所述推荐信任值信息表初始化为空；若此次推荐诚实，且节点A在第i个时间帧内与邻居节点B交互成功k_i次，失败j_i次，i＝1，2，...，M，则在第M时间帧选择节点B的可能性为：

其中，t_i为第i时间帧的时间，t_M为第M时间帧的时间，α₁，α₂为预先设置的两个时间权重因子，且0≤α₁≤1，0≤α₂≤1；

将p′带入

则推荐信任值R_{subject：recommender}为

其中，subject表示节点A，recommender表示邻居节点B；

步骤2.3.间接信任值计算：采用多路推荐即通过多个邻居节点处获得的推荐信息来计算间接信任值节点A到节点C的间接信任值表示为：

其中，R_A：B表示节点A到节点B的推荐信任值，R_A：D表示节点A到节点D的推荐信任值，表示节点B到节点C的直接信任值，表示节点D到节点C的直接信任值；

步骤2.4.总体信任值计算：直接信任值和间接信任值进行加权求和即为总体信任值其中，α，β分别为预先设定的权重值，且α+β＝1；

步骤3.节点A转发数据包时进行邻居监控，判断是否监控成功并更新维护监控缓存表peekBuffer，邻居监控的具体流程为：当节点A给其下一跳节点B发送了一个数据包时，节点A首先将该数据包写入缓存peekBuffer中，并设置计时器，然后转发数据包给节点B，同时开始监控节点B，如果节点A监控到节点B成功转发了数据包，或是由于计时器超时而认定节点B没有成功转发数据包，则将监控到的结果传递给信任库，同时删除数据包；如果节点B没有成功转发数据包，则节点A需要初始化信息，其中，信任库包括标准缓存表buffer、监控缓存表peekBuffer、推荐请求缓存waitRecomBuffer和推荐信息缓存表recomBuffer；

步骤4.信息共享：节点A在步骤3中成功监控后，根据本地存储的直接信任值信息表确定评价节点B是否可信，而当节点A无法依据直接信任值信息表来判断某节点B是否可信时，首先需要查看自己缓存在节点本地的推荐信息缓存表recomBuffer，对于recomBuffer中有关待评价节点B的每一条推荐信息，节点A需要计算推荐信任值，若计算得到的推荐信任值高于预先设定的阈值λ，则使用，否则在recomBuffer中删除此条推荐信息；多个节点维护相同信任库，以便后续多节点智能协作；

步骤5.节点评估：对于各个节点的推荐信任值进行评价，即进行所述步骤2.2的偏离测试，低于所述偏离阈值η的即列为不可信节点，后续决策则不考虑这些不可信节点，剩余节点作为可信节点；

步骤6.路由管理决策：根据上述建立的可信路由协议，采用Q-Learning框架，将节点类比为多智能体协作中的智能体，选择节点路由的下一跳。