支持QoS的无线Mesh网络机会路由优化算法

针对空中骨干Mesh网络资源有限、计算能力相对不足的特点以及传统简单机会路由(Simple Opportunistic Adaptive Routing,SOAR)路由算法未充分考虑负载均衡与不同业务服务质量(Quality of Service,Qo S)保障需求差异性的问题,提出一种支持业务区分的改进型SOAR路由算法。该算法在考虑链路拥塞控制和负载均衡的基础上,定义综合预期传输次数来描述链路的综合状态,有效降低网络拥塞概率;同时根据传输业务类型的不同,设计一种基于层次分析法的路由选择策略,实现路径选择与业务类型的动态匹配。仿真结果表明,在重负载条件下,改进型SOAR路由算法相比传统SOAR路由算法其时延、吞吐量和吞吐率性能明显提升。当网络中存在不同类型业务时,改进型SOAR路由算法能够根据业务Qo S保障需求的差异性自适应选择最佳传输路径。     

基于流量均衡和跨层技术的星群路由算法

针对分布式星群网络业务通信QoS不高的问题,提出了一种基于流量均衡和跨层技术的分布式星群网络路由算法(TACA)。该算法首先通过跨层技术将物理层、MAC层的相关信息搜集起来,作为判断链路负载状况的依据;然后对不同类型的业务进行分类,根据链路负载状况和业务QoS级别选择不同的路由层次,从而均衡流量以提高QoS。仿真表明,该路由算法在一定程度上降低了星群的呼叫阻塞率和切换阻塞率,平衡了网络的负载,提高了网络吞吐量。     

一种基于节点资源利用率的无标度网络路由策略

本文研究了节点负载处理能力异质条件下的无标度网络交通动力学过程,提出了一种基于节点资源利用率的全局动态路由策略。该策略利用网络中节点资源利用率构建了一种全局代价函数,选择使该代价函数最小的路径来传输负载。实验结果表明该路由策略在略微增加平均路径长度的情况下成倍地提高了网络负载传输能力,与有效路由策略的比较进一步验证了该策略的有效性。     

分级Δ-关键链路最小干涉路由算法

基于关键链路思想的最小干涉算法在优化网络资源利用率方面取得了显著成效。但有些情况下它对关键路径的判断并不准确,并且对负载平衡考虑得较少。为此提出了一种新的基于分级Δ-关键链路的启发式最小干涉算法,该算法能够更好地识别某些特殊链路的关键程度,并同时考虑了链路负载平衡的优化目标。模拟结果证明该算法在网络资源利用效率和链路负载分散方面效率得到了提高。     

分级△-关键链路最小干涉路由算法

基于关键链路思想的最小干涉算法在优化网络资源利用率方面取得了显著成效.但有些情况下它对关键路径的判断并不准确,并且对负载平衡考虑得较少.为此提出了一种新的基于分级△-关键链路的启发式最小干涉算法,该算法能够更好地识别某些特殊链路的关键程度,并同时考虑了链路负载平衡的优化目标.模拟结果证明该算法在网络资源利用效率和链路负载分散方面效率得到了提高.     

一种基于最小生成树的无线多跳网络信道分配算法

为提高无线多跳网络的吞吐量和传输可靠性,提出一种信道分配算法。该算法优先考虑最小生成树上的可用信道,为每个节点分配信道资源;然后考虑利用生成树外其他可用链路,为节点提供信道资源,以提高吞吐量。算法通过考虑每个用户的通信需求,可以充分利用空闲信道资源。仿真结果显示,相比于不考虑最小生成树外链路时,有效地提高了网络整体吞吐量。     

动态网络中的最短路径改进算法

本文在对动态网络进行理论分析的基础上,指出动态网络中可能出现的非FIFO弧是传统最短路径算法无法求得最优解的原因;通过对非FIFO弧进行理论分析,提出了等待时域和最佳出发时间理论,并将非FIFO弧变换成FIFO弧,给出了改进的Dijkstra算法。对比实验结果证明,该算法可以有效求得动态网络最短路径问题的最优解。     

抗毁网络多拓扑路由子层的免疫优化选择算法

针对现有多拓扑路由在多故障条件下无法有效进行故障恢复的现象,根据免疫理论中抗原与抗体相匹配的原理,提出一种多拓扑路由子层选择算法.该算法以最大限度保护通信业务为目标,将多故障情形与子层相匹配的过程看作抗体与抗原相结合的过程,使子层与故障在一定范围内最大程度地相似,并利用人工免疫算法进行寻优,提高了网络抗毁性.实验结果表明,该算法可使网络在多故障条件下的恢复能力得到提高.     

MANET多路径路由中最大可靠性路径选择算法

如何选择路径的数量和质量对多路径路由机制的性能有着重要的影响。已有的多路径算法没有深入研究如何选择多路径的问题。对目前存在的两个典型问题进行了分析,在此基础上研究了路径可靠性模型和虚拟完全非交叉多路径模型,然后提出一个最大可靠性多路径选择算法。算法利用路径权重作为路径可靠性的近似解决方案,以此克服路径可靠性度量问题(NP难题)研究的复杂性,根据路径可靠性模型和完全非交叉多路径模型来选择可靠的路径集,使用这组路径集并行分布流量。应用OPNET模拟平台实现了算法,结果表明,本算法能增加聚合带宽,优化网络带宽的应用,提高网络的吞吐率和多路径路由的性能。     

基于动态流能量高效的无线传感网路由算法

针对无线传感网中结点能量受限,提出了一种基于动态流能量高效的路由算法DFEERA(Dynamic Flow-based Energy-Efficient Routing Algorithm)。该算法通过在无线传感网内设置多个基站收集区域内传感器结点的数据流拓扑结构建立数据传输能量消耗模型,将该模型转换为最大流问题求解最优传输路径,作为某时期内结点数据传输路径。随着结点能量的消耗,动态调整该能量消耗模型重新规划路径,作为新的传输路径,从而平衡结点间的能量消耗,提高网络结点的存活率。仿真结果表明,与其他典型的路由算法相比,DFEERA能够更好地平衡结点的能耗,获得更高的能量消耗率和更长的网络生存期。     

基于杀伤链的动态重构作战网络抗毁性分析

作战网络的动态重构过程是其重要特征之一,从杀伤链的角度构建作战网络的动态重构过程,有利于提高作战网络的作战能力和抗毁伤能力。提出了基于杀伤链的动态重构作战网络抗毁性分析。描述了基于异质网络的作战网络模型和典型的杀伤链模型。从杀伤链角度给出了作战网络在节点失效过程中的动态重构策略,并提出了基于杀伤链的网络抗毁性指标。在方法研究基础上进行了案例分析。分析结果表明,动态重构作战网络的抗毁性高于无重构的作战网络,动态重构过程提高了作战网络的抗毁性。动态重构作战网络在度优先攻击策略下的抗毁性明显低于随机攻击策略下的抗毁性。该方法对于作战网络在动态重构下的作战能力评估和分析具有重要意义。     

强化学习框架下移动自组织网络分步路由算法

移动自组织网络是一种无基础设施、由移动通信节点组成的无线网络,具有高动态特性。传统的路由协议并不能适应节点移动性带来的频繁拓扑变化,简单的洪泛路由也会因开销过大降低网络的性能。针对如何在移动自组织网络中自适应地进行路由选择,提出强化学习框架下的分步路由选择算法。该算法以最小链路总往返时延为目标,基于强化学习进行路由搜寻,在筛选出符合目标需求节点集合的基础上,结合置信度选择路由。在链路变得不可靠时,数据包被广播给筛选出的邻居节点集以提升路由可靠性并降低开销。对提出的算法在分组到达率和路由开销等主要性能指标进行数值仿真分析。仿真结果表明,提出的分步路由算法相比于基于强化学习的智能鲁棒路由,在降低开销的同时,保持着相当的吞吐率。     

军事虚拟网络映射问题研究

将网络虚拟化技术与军事需求相结合,并针对军事虚拟网络映射问题展开研究。以底层网络的负载均衡和资源最小化为目标,同时考虑映射请求的优先级问题,提出了基于蝙蝠优化算法的虚拟网络映射算法OBA-VNE。算法通过将映射问题转化为二进制组合优化模型,利用蝙蝠优化算法寻求近似最优映射方案。仿真结果表明,算法相比经典方法获得了更好的性能。     

电磁发射系统以太网拓扑结构建模优化

拓扑结构优化模型是网络中的一类重要模型，可以有效地优化系统整体链路性能。针对电磁发射系统以太网拓扑结构中部分节点和链路的负载过大，一旦发生堵塞，将会影响网络中关键链路性能的问题，建立网络拓扑结构优化的多目标规划模型，并提出一套基于基因环操作的遗传算法对其进行求解，通过仿真得出最优的网络拓扑结构。根据仿真结果修改实际网络节点默认配置参数，结果显示该模型和算法能有效均衡负载，降低网络冲突率，且不需要改变电磁发射系统以太网的物理链路，不会增加额外成本，对电磁发射类系统具有普适性的意义。     

移动社会网络中的链路预测方法研究

链路预测对于研究移动社会网络结构演化有着重要意义。文章首先对移动社会网络及其链路预测问题进行建模,然后通过定义节点间的最短路径,提取网络拓扑结构。在此基础上定义节点间的连接引力值,将移动社会网络链路预测问题转化为动态网络中连接引力值的计算问题,并给出其在连续时间内的计算方法。通过实验对预测结果进行分析和比较,证明该预测方法是可行的,并且在预测精度上取得了较好的效果。     

一种基于多目标微粒群优化的虚拟网络映射方法

针对多个虚拟网络同时映射时资源统一优化分配的问题,提出了一种基于多目标微粒群优化的虚拟网络映射方法(MSC-VNE),提高底层网络资源利用率及全局负载均衡性能。建立了虚拟网络映射的多目标优化模型,将单个虚拟网络映射作为一个子群,并采用多子群协作优化的方法在子群映射时通过相互信息交换进行协同进化,最终达到全局资源的优化分配。仿真结果表明,与典型成果相比,提出的方法有效地提高了底层网络资源利用率和虚拟网络构建成功率。     

网络自恢复技术的研究

根据移动网络的特性并结合其管理方式,提出了一种新的基于移动网络并具有一定QoS保证的网络重组策略,将引入的重新划分网络边界和周界的思想,与启用备用链路、重路由等几种机制有机地结合起来。它不仅完善了现有的重组技术,而且还可以作为网络管理中的新功能,增强故障处理、性能监测能力,提高服务质量,保证信息安全可靠地传输。     

高性能互连网络中端口阻塞故障预测方法

随着系统规模、芯片功耗和链路速率的提升,高性能互连网络的整体故障率也不断上升,传统运维方式将难以为继,给高性能计算系统整体可靠性和可用性带来了巨大挑战。针对网络端口阻塞这类严重网络故障,提出无监督算法的预测模型。该模型从历史信息中挖掘征兆性规律并形成新的特征向量,应用K-means聚类算法对特征向量进行学习归类。在预测时,结合端口当前状态,利用二次指数平滑算法对未来状态进行预测,将得到的新特征向量使用K-means算法预判是否会发生阻塞故障。利用拓扑结构信息,分别对叶交换机和根交换机构建预测子模型,进而提升预测的精确率。结果表明,该预测模型能保持在召回率为88.2%的前提下,达到65.2%的准确率,可为运维人员提供有效的辅助。     

适用于认知无线传感器网络的高效频谱分配方法

广泛工作在ISM(Industrial,Scientific and Medical)频段的无线传感器网络面临严重的频谱稀缺问题。在无线通信中,动态频谱分配被认为是提高频谱效能的重要途径。针对典型集中式管理的认知无线传感器网络设计了基于图着色结合负载强度的高效频谱分配算法。首先在协议干扰模型下确保频谱资源在空间上充分利用,随后综合考虑节点负载强度与公平性建立优化模型并按照乘子法加拟牛顿法框架求解最优值。仿真实验表明算法与固定频谱分配方式和传统自适应频谱分配算法相比,在系统吞吐量和节点缓冲区队列长度两个关键性能指标上具有显著优势。     

基于局部动态贝叶斯网络的无人机态势评估

针对在无人机态势实时评估中,动态贝叶斯网络算法历史信息过度累积的问题,提出了一种局部动态贝叶斯网络算法。该算法在对飞行路径进行分段的基础上,为每一段路径建立局部动态贝叶斯子网络,单个子网络中运用前向后向算法进行推理,在路径段之间只传递上一路径完成证据,屏蔽已完成路径中的无用信息。实验结果表明改进算法能够屏蔽历史冗余信息对无人机飞行态势的错误影响,并提高评估算法感知细微条件变化的敏感性。