单播和多播的反应路由协议需求距离向量(AODV)matlab实现

 ✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab完整代码及仿真定制内容点击👇

智能优化算法       神经网络预测       雷达通信       无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机 

🔥 内容介绍

​最初的反应协议并不是为在发现路线时具有高度移动性的特点而设计的。由于动态的修改,这一变化往往是由于故障导致过度广播和淹没整个网络,以便发现新的路线。另外,路由的初始需要一些时间,这种延迟可以很容易地改变一切。由于这些原因,典型的反应性协议以其目前的格式,不完全适合于合作避免碰撞等关键时间应用。合作避免碰撞是车上安全应用的一个重要类别,其目的是向使用车辆对车辆(V2V)通信的司机提供早期的警告。需求距离向量(AODV)是一种能够同时进行单播和多播的反应路由协议。在AODV中,像所有的活性协议书一样,拓扑信息只能根据需要通过节点传输。当源哈苏梅要发送时,它会首先传播由中间节点转发的RREQ消息,直到到达目的地。如果接收器是使用所请求地址的节点,或者是访问所请求地址的有效路由,则路由回复消息将被连回源。如果接收器是使用所请求地址的节点,或者是访问所请求地址的有效路由,则路由回复消息将被连回源。如果接收器是使用所请求地址的节点,或者是访问所请求地址的有效路由,则路由回复消息将被连回源。

📣 部分代码

function [E,pcktlossrate,total_dist,pcktloss,thrgput]=evaluation(nodtble,node_rsu) % take out the distance of nodes in routing table from each otherfor ii=1:numel(nodtble)-1    distnc(ii)=sqrt((node_rsu(nodtble(ii+1),3)-node_rsu(nodtble(ii),3))^2+(node_rsu(nodtble(ii+1),4)-node_rsu(nodtble(ii),4))^2);endtotal_dist=sum(distnc); % total distnace from source to destinationtime_consumed=total_dist/(3*10e9);%% Perfromance Evolutionpktsize=64;%in bytesdatarate=[4,6,8,10,12,14]; % packets/secEtx=1;% in joulesEini=Etx;Elec=50e-9; %amount of Energy consumption per bit in the transmitter or receiver circuitryEmp=0.0015e-12;%Amount of energy consumption for multipath fadingEDA=5e-9; %Data aggregation energy.% paraemetrs for energy calculation using raio model of message% transmission​alpha1=50e-9; %J/bitalpha2=0.1e-9; %J/bit/m2alpha=2;Ebit=0.3e-3; % energy assigned to each bit %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%radio Model for energy consumption is % E=alpha1+alpha2*(dist)^alpha%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%hop=numel(nodtble);for ff=1:length(datarate)            E(ff)=(alpha1*datarate(ff)*pktsize*8)+(alpha2*datarate(ff)*pktsize*8)*(total_dist)^alpha;% energy loss calculation in transmitting packets at datarate            Edata(ff)=Ebit*datarate(ff)*pktsize*8;            for ll=1:datarate(ff)                Etx=Etx-(Elec*8*pktsize+Emp*8*pktsize);                Erx=Eini-Etx;                Erx=Erx-(Elec+EDA)*8*pktsize;                Eini=Etx;                if Etx<0.98                    pcktloss(ll)=1;                else                    pcktloss(ll)=0;                end                        end            if hop>4 && datarate(ff)> 6                pcktlossrate(1,ff)=(datarate(ff)-7)/datarate(ff);            else                pcktlossrate(1,ff)=0;            end            thrgput(1,ff)= (datarate(ff)*pktsize)/time_consumed;           end

⛳️ 运行结果

🔗 参考文献

🎈 部分理论引用网络文献，若有侵权联系博主删除

🎁  关注我领取海量matlab电子书和数学建模资料

👇  私信完整代码和数据获取及论文数模仿真定制

1 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面

卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

2.图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

3 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

4 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化

5 无线传感器定位及布局方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

6 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

7 电力系统方面

微电网优化、无功优化、配电网重构、储能配置

8 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长

9 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合