结合社交推荐和推拉策略的渐进式DVE预下载机制

摘要：

为了提高基于对等网络的分布式虚拟环境(DVE)场景预下载的预测精度并降低场景数据传输延迟，将社交推荐和推拉混合策略应用到DVE场景预下载中。首先描述和量化节点化身在虚拟环境中的兴趣，并对化身间相似度进行计算，生成预推荐场景集；然后将化身的视野区域划分为预拉取和预推送区域，提出针对不同区域预下载的推拉策略。基于开源 DVE 平台 FLoD 进行的实验结果表明，该机制能提高场景的预测精度并减少信息交互次数，进而提升DVE场景传输效率和化身漫游流畅度。

关键词：分布式虚拟环境、P2P、预下载、社交推荐、PULL-PUSH

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金面上项目61272270;国家“十二五”计划重大科技支撑项目2012BAC11B00-04-03;高等学校博士学科点专项科研基金博导类20130072110035;吉林省重点科技攻关课题20140204088GX;长春高新区长白慧谷英才计划3-2013006

在线出版日期：2015-08-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1223-1229