在这个Facebook、Twitter和iPhone的时代，我们很容易认为连接世界的能力是理所当然的。然而，恰恰是在通信基础设施丢失的时候，通信才是最关键的。例如，在海地，援助机构提供的卫星电话是今年早些时候悲惨地震发生后几天内的主要通信方式。但即使是像停电这样的普通事件也可能瘫痪蜂窝电话基础设施，将我们的主要紧急联系设备变成发光的镇纸。
在诸如此类的情况下，“自组织”网络成为越来越有吸引力的选择。这种网络在专门编程的手机或其他通信设备相互在范围内时自行形成。网络中的每个设备都充当发射器和接收器，并且至关重要的是，充当附近所有其他设备的 relay 中继点。超出范围的设备可以进行通信，如果它们之间的设备愿意帮助 - 像水桶接力一样将消息从一个传递到下一个。换句话说，网络中的每个节点都既充当其自身消息的通信器，又充当他人消息的基础设施。
灾难救援只是自组织网络的一个潜在应用。它们可以在任何构建固定基础设施过于缓慢、困难或昂贵的地方发挥作用。军方在设计用于战场通信的这些系统上投入了大量资金。您家中的自组织网络将允许设备相互找到并自动开始通信，使您摆脱客厅和办公室中电线的缠结。缺乏宽带基础设施的偏远村庄和低收入社区可以通过自组织网络连接到互联网。有兴趣研究树梢或海底热液喷口微环境的科学家可以将传感器散布在他们想要的环境中，而无需担心哪些传感器会听到彼此的声音，或者信息将如何从丛林传输到研究人员的笔记本电脑。
支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。 通过购买订阅，您正在帮助确保关于塑造我们今天世界的发现和想法的具有影响力的故事的未来。
这些网络已经开发了三十多年，但只是在过去几年中，网络理论的进步才催生了首批大规模的实际例子。在旧金山，初创公司 Meraki Networks 通过其 Free the Net 项目将 40 万旧金山居民连接到互联网，该项目依赖于自组织网络技术。手机、电脑游戏系统和笔记本电脑中的蓝牙组件使用自组织网络技术来实现设备在没有布线或显式配置的情况下进行通信。自组织网络已部署在各种偏远或恶劣环境中，以收集来自低功耗无线传感器的科学数据。在这些网络能够普及之前，仍然需要取得许多突破，但在多个方面正在取得进展。
蜂窝网络
自组织网络仍然很少见。要理解为什么它们的出现如此缓慢，有助于考虑这种较新方法与蜂窝电话和 Wi-Fi 等无线技术之间的差异。当您使用普通手机给朋友打电话时，只有每部手机与其最近的手机信号塔之间的传输是无线的。信号塔是固定在原地的，塔之间的通信通过庞大的电线和电缆网络传输。无线局域网（如 Wi-Fi）也依赖于固定的天线和有线通信资源。
这种方法有优点和缺点。传输信息需要电力，经典的无线网络通过将尽可能多的通信负担留给连接到电网的固定基础设施，从而节省电池供电设备（如手机和笔记本电脑）的电力。同样，无线带宽是一种固定且有限的资源。传统的无线系统通过通过电线发送大部分信息来节省带宽。在需求最大的地区，固定基础设施的使用允许构建大型、基本可靠的电话和 Wi-Fi 通信资源。
然而，固定基础设施的使用使得这些网络容易受到断电和其他中心故障的影响，即使该区域的个人手机和笔记本电脑仍然可以工作，这些故障也可能使通信网络瘫痪。相比之下，自组织网络具有独特的鲁棒性。如果一个移动设备耗尽电量或被关闭，其余设备会修改网络以尽可能地补偿缺失的组件。当设备来来往往时，网络会自然地调整和“修复”。
然而，这种自愈能力是有代价的。网络必须以巧妙的方式发送信息，以便即使发送者和接收者之间的一些链接在传输过程中断开，也可以重建消息。系统必须确定将消息传递给接收者的最佳方式——即使发送设备无法知道接收者在哪里。最后，网络还必须处理多个设备在相似时间发送消息时普遍存在的噪声。
传递策略
如何在不断变化的网络中有效地路由信息的问题一直难以解决，原因有几个。在传统的蜂窝电话或其他无线网络中，中央有线基础设施会跟踪各个设备的大概位置。然后，它可以从一个用户那里获取消息，并将该消息直接发送给其接收者。
相比之下，自组织网络中的通信设备必须自行确定传递信息的最佳方式。单个仪器的计算能力、内存和通信能力有限，因此没有人能够收集或处理传统无线网络的中央计算机所知道的所有信息。
这种情况可以通过以下场景来说明：您在一个大城市——比如伦敦——您需要联系您的朋友，他位于城镇另一端某个未知的位置。在这个假想的世界中，通信基础设施安装在出租车的车顶上。每辆出租车上的接收器的范围不到一英里，并且出租车的行驶速度远低于通信速度，因此出租车必须协同工作才能传递您的消息。当出租车在城市中颠簸时，附近的接收器相互连接，然后在不可预测的时间后分离。您的呼叫必须在这个起伏的网络的背上跳跃穿过城市，找到您的朋友，然后传递其信息内容。
即使对于在小型网络中移动的单个消息来说，这项任务也很困难；随着设备和消息数量的增加，难度只会增加。为了使该技术真正有用，它需要无论网络变得多大或多小都能高效地工作。
已经开发了许多技术来解决这个问题。它们的核心是涉及大量询问方向。一个接收器查询其邻居以查看附近有哪些设备；这些接收器查询其相邻设备，依此类推，直到您的朋友收到消息。您朋友的回复可以沿同一路径返回，或者回复可以寻找不同的路径。通过这种方式，每个中间设备都会创建一个您和您的朋友之间可用路径的列表。即使您的特定设备不知道您朋友的位置，这些列表也允许消息到达您的朋友。由于网络处于运动状态，设备必须不断迭代查询和响应过程，以保持可用路径菜单的更新。
同时沿多条路径发送信息也很有用，从而增加了消息通过的机会。问题是系统应该有多冗余。在一种极端情况下，网络可以沿每条路径发送整个消息。这种策略增加了消息通过的机会，但是对每条消息都采用这种方法将很快淹没网络。在另一种极端情况下，我们可以将信息分解为组件块流，然后将每个块沿其自身的路径发送。这种方法使用的网络资源较少，但是许多比特可能会在传输过程中丢失，从而使接收者只能收到部分消息。
一种称为网络编码的技术提供了一种折衷方案。它涉及将消息分解为块，提出关于这些块的信息，然后以这样一种方式将元信息沿多条路径发送，即使丢失了一些块，也可以在接收者的末端重建原始消息。
网络编码的一个方面涉及决定通过多少条路径发送消息。增加路径数量会减少任何单个路径故障的影响，尽管它会增加单个呼叫中涉及的设备数量。这种策略将呼叫的负载分散到更多参与者身上，从而减少了每个参与者的电力负担，同时增加了所需的协调量。
随着更多设备开始传输——无论是为了支持一次或多次对话——干扰的机会也随之增加。正如当太多人同时说话时很难理解任何内容一样，当附近发生其他传输时，无线设备也很难恢复传输的信息。这些问题在无线自组织网络中尤其麻烦，因为没有中央控制器来协调参与者之间的工作。
无线网络中的干扰可以通过两种方式处理。第一种是避免冲突。如果传输很少见，则消息相互干扰的机会很小。对于这种策略，每个设备将信息分解成小块，并且仅以短脉冲串进行传输。由于不协调的邻居不太可能在同一时间传输，因此与用户以缓慢而稳定的流传输信息相比，这种方法产生的干扰更少。（个人计算机最常见的无线网络标准依赖于这种突发方法。）
第二种策略允许两个发射器同时向一个接收器发送信息，但要求一个发射器比另一个发射器更安静地传输。如果您大声说话而其他人低语，我通常可以毫无困难地恢复您的消息。如果我有录音，我可以减去您的消息以恢复较安静的消息。
事实证明，第二种方法对于只有两个发射器发送消息和一个接收器接收消息的网络来说是优越的；随着说话者数量的增加，它变得更加成问题。系统必须以某种方式协调谁应该以高音量传输，谁应该安静地传输。协调本身需要通信；您在协调上花费的精力越多，用于通信的带宽就越少。找到最佳策略仍然是一个正在进行的研究课题。
新工具
尽管自组织网络在各种情况下都很有用，但很难准确确定它们有多有用。即使是关于其性能限制的简单问题也很难衡量。我们可以以什么速率通过它们传输信息？这个速率如何取决于网络中的设备数量以及由此产生的干扰量？当网络中的所有设备都在移动时会发生什么？信息传输速率、与其传递相关的延迟以及系统的鲁棒性之间有什么权衡？
获得关于自组织网络的这些基本性能限制的价值是巨大的。这些信息将为网络设计人员提供可以融入其设计的新技术，并帮助研究人员确定在现有网络中可以获得最大收益的地方。此外，了解这些限制可以使网络设计人员在竞争优先级之间进行选择，例如数据速率、延迟和丢失概率。例如，电话呼叫和电话会议对延迟极其敏感。大的延迟或不一致的数据包到达率可能会导致音频和视频传输中的中断或开始和停止，从而使对话变得困难。一旦设计人员了解了他们正在处理的特定网络的结构，他们就可以对每个应用程序进行编程，以优先考虑其需求——电话对话的低延迟率或发送重要文档的低数据包丢失率。
这种理解在自组织网络中很难获得，因为它们不断变化。要理解网络的最终限制，您不能只衡量网络现在的性能如何——您必须衡量网络在每种可能的配置中的性能如何。
我们对这个问题采取了一种新方法，将无线自组织网络映射到我们更清楚地理解的东西上——普通的有线网络。信息科学家在我们的工具箱中拥有六十多年的方法来研究有线网络中的信息流。这些网络没有干扰问题，并且网络的节点不会移动。如果我们想研究某个无线网络，我们首先将其建模为一个有线网络，该网络捕获了无线网络行为的一些核心特征。然后，我们可以使用其分身作为指导，表征自组织网络的完整性能限制。
这个过程帮助我们构建更好的网络，因为我们可以理解我们的设计选择的含义。它还使我们能够确定我们当前的方法在哪些方面做得好，以及在哪些方面还有改进的空间。
即使有了这些工具，我们也不期望自组织网络会取代现有的蜂窝基础设施。但在自组织网络必不可少的独特情况下，这些工具将允许充分理解网络在最需要它的时候可以有多强大。