《表2 在Waxman模型下求得的LNA和GTMR的最大值》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《面向测量的启发式网络拓扑匹配优化算法分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

如图7所示，当网络处于动态环境下，统计Waxman模型和BA模型下的DSR随时间的变化情况。节点变动率设定为每分钟随机退出50个节点，同时每分钟随机加入50个节点。在OLT算法和3DO算法中只考虑了网络节点加入算法，并没有给出网络节点退出时的算法，因此图7中的仿真结果只统计了MHTMOA算法和Pan算法在Waxman模型和BA模型下DSR的对比数据。在BA模型下，采用MHTMOA算法求解到的DSR值随时间变化从3.0逐渐降到里2.2；在Waxman模型下，采用MHT-MOA算法求解到的DSR值随时间变化从2.9逐渐降到里1.9；且随着时间的变化，DSR值上下浮动较小，稳定性较好。由此可知，当网络节点处于动态变化的环境时，采用MHTMOA算法生成的树形网络拓扑可以使邻近节点能够保持良好的稳定性。当动态的覆盖网络环境中有节点退出时，采用MHTMOA算法能够使退出节点的子节点根据加入算法再次加入到网络中，这时产生的节点维护开销等同于对单个节点维护所产生的开销，从一定程度上能够降低部分网络开销。