题目：机会网络中消息传播特性的研究

机会网络具有广阔的应用前景，适用于一些具有通信需求但是难以利用传统组网技术的场景，例如野外动物追踪、战地通信、应急通信、车载网络等。机会网络的研究通常是面向特定应用场景的。科技的发展使得手持通讯设备迅速普及，为机会网络的研究注入了新的动力。现有的研究热点仍为机会网络中的消息分发相关问题，包括系统模型、路由策略等。机会网络中的已有路由算法存在对网络假设不合理、较为复杂等不足。

针对现有不足，本文对机会网络中消息传播相关问题进行了研究，主要工作包括：

1. 提出了一个机会网络的系统模型——MR分层模型。该模型可以对由人组成的机会网络进行建模，它首次明确刻画了人的运动的不同层次关系。同时，论文对其进行了理论分析，论证了MR分层模型的合理性。

2. 提出了一个适用于机会网络的消息分发算法——CLF（Copy Limited Flooding）算法。该算法在Epidemic算法的基础进行了改进，从而可以更好地利用节点的移动性来进行消息的分发。实验结果表明CLF算法具有较高的投递率、较低的延迟和资源消耗。

3. 提出了一个判定机会网络中节点重要性的算法——EKCNE (Extended Katz Centrality based Node Evluation）算法。EKCNE算法对Katz中心度进行了扩展，使其能够适用于机会网络。利用EKCNE算法识别出相对重要的节点后，可以利用这些节点干预网络中消息扩散的过程。实验结果表明，该算法可以很好地识别对于消息传播较为较为重要的节点。

4. 设计并实现了模拟器原型系统。该模拟器针对MR分层模型和CLF算法做了优化，具有使用简单、支持鼠标拖拽、实时显示消息延迟等相关统计信息的特点。