一种基于统一实用工具的框架，用于延迟容忍网络中的联合调度和缓冲区管理

时间：2026年1月30日

来源：Computer Communications

编辑推荐：

针对延迟容忍网络（DTN）中节点缓冲空间和接触时长双重稀缺资源导致的资源分配低效问题，本文提出基于效用理论的统一优化框架。通过建立多维背包问题模型，将消息调度与缓冲区管理联合优化，推导出考虑TTL和网络状态的边际效用函数，并设计轻量级贪心算法实现实时求解。实验表明，该框架在真实车辆数据集上显著优于现有方法，投递率提升40%，平均延迟降低达3倍。

Le先生

美国加州大学洛杉矶分校计算机科学系

摘要

在延迟容忍网络（DTNs）中，数据传输受到两种稀缺资源的根本限制：节点缓冲空间和接触持续时间。传统方法通常将消息调度和缓冲区管理视为独立的优化问题来处理，导致资源利用效率低下，高效用消息经常被丢弃以容纳低价值流量。为了解决这一问题，本文提出了一种基于效用的统一框架，通过将接触机会建模为多维0/1背包问题（MKP）来联合优化这些决策。我们为三个不同的目标推导出了严格的、封闭形式的边际效用函数：最大化传输概率、最小化平均延迟以及平衡两者的综合指标。与静态启发式方法不同，这些指标来自一个受截止时间约束的概率模型，该模型明确量化了复制相对于消息剩余生存时间（TTL）的边际效益。为了实时解决这个NP难问题，我们引入了一种基于效用密度的计算效率高的贪婪启发式算法。使用真实世界车辆移动性数据集（旧金山和罗马）进行的跟踪驱动模拟表明，我们的统一策略优于现有的最佳基线算法，包括ReAR和OBSBM。除了通过可调权重系数实现灵活的服务质量（QoS）保障外，整体分析还表明，所提出的框架有效解决了资源竞争问题，在稀疏环境中传输比率提高了多达40%，并且在针对速度进行优化时，平均延迟减少了

3 \times

。

引言

物联网（IoT）的迅速普及和智能车辆网络（IoV）的出现重新激发了对延迟容忍网络（DTNs）的兴趣[1]，[2]。DTNs在间歇性连接、节点密度稀疏且缺乏端到端路径的环境中运行，依赖于“存储-携带-转发”模式[3]，其中节点在断开的分区之间物理传输数据包。虽然这种架构使得在从灾难恢复区[4]、[5]到深空网络[6]等具有挑战性的环境中能够进行通信，但数据传输的效率受到两种稀缺资源的根本限制：承载节点的存储容量（缓冲空间）和机会性接触的有限持续时间[8]，[9]。

在短暂的接触事件中，节点面临一个复杂的多维资源分配问题。它必须同时决定转发哪些消息以最大化传输概率（调度）以及丢弃哪些消息以容纳新的传入流量（缓冲区管理）。在现代车辆网络中，这个问题更加严重，因为高带宽应用（例如传感器日志、行车记录视频）生成的大型异构数据包会争夺有限的传输窗口。传统上，这两个决策被视为独立的优化问题[10]。路由协议通常专注于最大化复制次数以提高传输比率，往往假设缓冲空间是无限的，或者依赖于简单的本地启发式方法（例如FIFO）。相反，缓冲区管理策略（如丢弃最旧消息或随机丢弃消息）通常是反应式的，仅在溢出时触发，并且不考虑被丢弃消息的路由效用[11]。

这种分离的方法导致了严重的资源效率低下，我们将其称为“盲目交换”现象。例如，一个节点可能会浪费宝贵的带宽来接收低效用消息（例如非紧急数据的冗余副本），只是为了通过其反应式丢弃策略丢弃高效用消息（例如独特的、时间敏感的紧急信号）来腾出空间。尽管最近的研究尝试通过机器学习[12]或资源感知模型[13]来解决这个问题，但它们通常优先考虑以节点为中心的指标（如电池稳定性），而不是以数据为中心的效用，或者依赖于不适合资源受限边缘设备的计算密集型预测[14]。

为了解决这一差距，我们提出了一种基于效用的统一框架，联合优化调度和缓冲区管理。通过利用效用理论，我们量化了每个消息副本的边际效益，并将接触机会建模为多维0/1背包问题（MKP）。这种建模迫使节点明确权衡每个字节缓冲空间和每秒接触时间的机会成本。为了确保实际可行性，我们使用基于效用密度的轻量级贪婪启发式算法来解决这个NP难问题，确保资源严格分配给能为网络提供最高边际收益的数据。

本文的具体贡献如下：

1.
严格的效用推导：我们为三个不同的网络目标推导出了封闭形式的边际效用函数：最大化传输率、最小化平均延迟以及一个加权综合指标。独特的是，我们的延迟指标基于一个受截止时间约束的概率模型，可以精确处理时间敏感的流量。
2.
联合优化框架：我们将调度和丢弃决策逻辑统一到一个多维背包框架中。我们引入了一种计算效率高的贪婪启发式算法，可以实时近似最优分配，适用于标准移动硬件。
3.
稳健的性能评估：
我们使用两个不同的真实世界移动性数据集（旧金山和罗马）进行跟踪驱动模拟来评估该框架。我们证明，我们的综合策略（K-COMP）优于现有的最佳基线算法，包括ReAR和OBSBM。具体来说，在稀疏环境中，传输比率提高了多达40%，并且在针对速度进行优化时，平均延迟减少了 $3 \times$ ，提供了一个可调的机制来在混乱的网络中实施服务质量（QoS）。

为了解决上述技术差距，本研究的主要目标如下：

1.
数学上表述消息副本相对于其截止时间和网络状态的边际效用。
2.
将消息调度和缓冲区管理这两个不相关的过程统一到一个多维背包问题（MKP）框架中。
3.
开发一种轻量级的在线贪婪启发式算法，能够在资源受限的设备上实时解决这个NP难问题。
4.
使用真实世界车辆移动性轨迹验证所提出框架的稳健性，与朴素和现有的最佳基线进行比较。

本文的其余部分组织如下：第2节回顾了现有文献并确定了关键差距。第3节推导了可靠性和延迟的封闭形式边际效用指标。第4节详细介绍了所提出的联合优化框架和贪婪解决方案算法。第5节描述了在线参数估计的分布式机制。第6节针对基线进行了全面的性能评估。第7节批判性地分析了实际实施约束，包括控制开销和能源效率，以及理论敏感性和网络异构性。最后，第8节总结了本文并指出了未来研究的方向。