DRL：移动社交网络中的多因素移动性模型

移动社交网络的复杂性和可变性使协议评估变得困难。 因此，必须在仿真中使用能够很好地反映实际MSN中人类运动特性的综合运动模型。 本文的总体目标是设计一个实用的流动性模型，该模型全面涉及影响下一个目的地选择的多个因素。 提出了社区吸引力的概念作为选择标准。 它与三个因素有关，即移动的距离，人际关系和位置限制。 因此，我们新的移动性模型称为距离，关系，位置（DRL）。 具体来说，前两个因素是通过交互矩阵来表示的，它们以社会关系属性和位置信息为输入。 并且我们首次提出了“位置吸引”来表示地点的位置限制。 顺便说一句，“位置吸引”的值是随时间变化的。 此外，通过机器学习得出决定社区吸引力公式中各个因素权重的参数。 这种学习方法称为贝叶斯个性化排名算法。 我们在DRL上加载了几种协议，结果表明DRL正确评估了它们的性能。 为了验证我们模型的合理性，我们将DRL的仿真结果与真实轨迹进行了比较，它们非常吻合。