TY - Jour A2 - 王，Xiaojie Au - Wei，Kefeng Au - Zhang，Lincong Au - Jiang，Xin Au - Guo，Yi Py - 2020 da - 2020/12/28 Ti - -基于学习的高可信度和稳定性路由算法用于医学意见互联网SP - 8856271 VL - 2020 AB - 随着Covid-19的爆发，人们对使用互联网（IOMT）的物理健康监测的需求已经大幅增加。相当数量的数据需要稳定，可靠和实时传输，这已成为亟待解决的问题。本文构建了一种健康监控的IOMT网络，由携带可穿戴设备和协调器的多个用户组成。所提出的网络的重要问题之一是由节点拥塞和路由过程中的链路破坏引起的数据分组的不稳定和效率低下。基于这些，我们提出了一个 问： - 基于学习的动态路由选择（QDRS）算法。首先，提出了一种具有高可信度和稳定性的全局路由选择的路径优化和解决方案的数学模型，以在全球范围内选择最佳路径。然而，在通过最佳路径的数据传输期间，节点和链路状态可能会改变，导致分组丢失或重传。这是标准路由算法未考虑的问题。因此，本文提出了一种基于GRC的本地链路动态调整方案，使用 问： - 为每个中间转发节点选择最佳下一跳节点的算法。如果所选节点与原始路径不相同，则所选节点将替换原始路径中的下游节点，因此纠正最佳路径。本文考虑了节点在选择路径时节点的拥塞状态，剩余能量和移动性，并在数据包传输期间考虑网络状态变化，这是本文最重要的创新。仿真结果表明，与其他类似算法相比，所提出的算法可以显着提高数据包转发率，而不会严重影响网络能耗和延迟。SN - 1530-8669 UR - HTTPS://Doi.org/10.1155/2020/8856271 Do - 10.1155 / 2020/8856271 JF - 无线通信和移动计算PB - Hindawi KW - ER -