面向异构IoT业务的LoRa网络自适应参数配置策略

前针对LoRa组网技术的研究主要受单一应用需求驱动, 可配置参数利用率低, 网络性能存在进一步优化的空间. 随着异构多类型IoT业务传输需求的日益增长, 优化网络的性能使之能够适应多类型业务显得尤为重要. 针对上述问题, 本文提出了一种基于模拟退火遗传算法的动态LoRa传输参数自适应配置策略, 在能耗约束的条件下可实现对多种异构业务的数据传输需求, 并可提高单网关网络可支持的终端设备数量和数据吞吐量. 基于LoRaSim的仿真结果表明: 与传统ADR (Adaptive Data Rate)相比, 本文所提方法的平均吞吐量提高了25.6%; 对于超过1000台终端设备的单网关LoRa网络, 当每个设备分组生成率小于1/100 s时, 网络的实际分组交付率(Packet Delivery Rate, PDR)超过90%. 该方法可适应多种异构业务的数据传输需求并在有效提高数据吞吐量的同时保证各业务的PDR.     

无线传感器网络动态节点选择优化策略

无线传感器网络的能耗和有效覆盖率是衡量其性能的两个重要指标.无线传感器网络动态节点选择优化策略通过合理配置各无线传感器节点状态,平衡网络能耗和有效覆盖率,提高网络能效性,延长网络寿命.提出一种结合了Hopfield网络与遗传算法的动态节点选择优化策略,简称为HN-GA.该策略通过遗传算法实现全局搜索,采用Hopfield网络缩小遗传算法的搜索范围,保证遗传算法中每个基因对应待选解的有效性,并针对动态节点选择优化提出一种基于无线传感器网络能耗、寿命和有效覆盖率的综合指标.仿真实验表明,HN-GA算法能有效完成无线传感器网络动态节点选择优化,并在确保网络有效覆盖率的前提下,通过动态配置各无线传感器节点状态,降低网络能耗,延长网络寿命.与遗传算法和Hopfield网络相比,HN-GA算法不仅全局搜索能力强,且收敛速度快、耗时少.     

5G异构网络中的LTE与WiFi共存方法

提出基于遗传算法的LTE-U空白子帧GA-ABS(generic algorithm based-almost blank subframe)配置方法。将空白子帧配置问题映射到遗传算法模型，进行一定的合理修改，考虑不同网络的公平性，使LTE-U网络可以动态地产生较优的空白子帧数量与位置配置方案。仿真结果表明，与传统配置方法相比，该方法较好解决了LTE-U与现有WiFi网络在非授权频段共存的问题，提高了网络的频谱利用率和吞吐量性能，具有较好的公平性，适用于多个LTE-U小基站和多个WiFi热点共存的场景。     

基于OPNET仿真的ZigBee信标模式网络性能研究

针对信标模式的ZigBee网络性能受超帧参数取值影响关系复杂的这一特性,采用OPNET模型仿真方法,对所有不同超帧参数取值的网络模型实例进行仿真,并基于仿真结果分析了ZigBee网络性能受超帧参数取值的影响规律;基于分析出的性能影响关系,进一步提出了在ZigBee网络应用设计中的超帧参数配置策略。研究结果表明,基于OPNET网络模型的性能仿真结果,更全面地反映了ZigBee网络性能与超帧参数的影响关系,并可作为ZigBee应用设计中配置更为适合的超帧参数的理论依据。     

一种基于Spark的配置优化技术

在快速进行海量数据处理的电力应用中,Spark变得越来越重要,但其配置参数空间大且参数之间关联关系复杂,基于经验通过手动调整参数以获得最佳性能极其困难,故而提出一种基于Spark的配置优化方法。选取对Spark性能影响活跃的配置参数,通过MCMC采样和生成对抗网络(GAN)生成数据集;通过分层建模构建性能模型;通过粒子群算法在参数空间有效搜索应用程序的最佳配置。实验结果表明,采用所提出的方法使得Spark的性能相比经验调优平均提高了25%。     

自抗扰控制器参数的免疫遗传优化及应用

针对自抗扰控制器参数较多不易整定的问题,提出了基于免疫遗传算法的参数优化设计方法。与标准遗传算法相比,免疫遗传算法引入了免疫记忆库和浓度控制机制,提高了算法的收敛效率和局部收敛性能。并且综合考虑系统动态性能和实际工程中控制代价的限制因素建立了控制系统性能评价的目标函数,按照分离性原则进行自抗扰控制器设计并用免疫遗传算法对其关键参数进行寻优。将该方法应用于过热汽温度控制系统的变工况运行,仿真实验结果表明经过免疫遗传算法优化后的自抗扰控制器适应性较强,适用于模型参数变化范围较大的受控对象。     

基于人工神经网络和遗传算法的网络攻击检测

针对网络攻击检测准确率较低的问题,提出基于人工神经网络和遗传算法的混合网络攻击检测算法.将多目标遗传算法和多项式逻辑回归模型组合成封装特征选择算法,利用多项式回归模型对多分类数据的高效学习能力以及多目标遗传算法的全局优化能力,提取数据的最优特征子集;将降维后的特征集送入感知机训练,利用重引力搜索算法搜索神经网络的参数.基于不同的网络数据集完成实验,实验结果表明,该算法有效降低了特征维度,实现了较好的检测性能.     

基于神经网络预测模型输入参数配置方法的实现

基于数据挖掘中的关联概念,提出了一种针对神经网络预测模型训练参数的选择方法,有效地提高了神经网络模型在毛纺工艺中对纱线断头率的预测精度;该方法通过生产中的训练参数记录进行关联规则的提取,可快速的排除产生负面影响的训练参数,迅速选择可以提高预测精度的训练参数,从而达到提高神经网络模型预测性能的目的;实验证明,利用关联算法进行参数配置,可以有效提高神经网络输入模型的预测精度.     

基于随机森林和遗传算法的Ceph参数自动调优

Ceph系统性能受Ceph配置参数的显著影响,在Ceph集群的配置优化中,配置参数种类繁多、含义复杂,导致难以实现快速准确寻优。针对以上问题,提出一种基于随机森林（RF）和遗传算法（GA）的参数调优方法,用于自动调整Ceph参数配置以优化Ceph系统性能。该方法使用RF算法为Ceph系统构建性能预测模型,并将预测模型的输出作为GA的输入,通过GA对参数配置方案进行自动迭代优化。仿真结果表明,调优后的参数配置较默认的参数配置相比,使Ceph文件系统的读写性能提高了约1.4倍,并且寻优耗时远低于黑盒参数调优方法。     

QoS保障的LTE-A飞蜂窝资源块分配与MCS选择研究

针对LTE-A飞蜂窝网络下行链路的资源块(Resource Block,RB)分配与调制编码策略(Modulation-and-Co-ding Scheme,MCS)选择问题,构建了整数线性规划模型,以在保障每个飞蜂窝用户最小吞吐量的需求下,最大化飞蜂窝系统吞吐量。其中,吞吐量是衡量网络性能最重要的服务质量(Quality of Service,QoS)指标之一。鉴于此问题是一个NP难问题,提出了一种ACOGA智能优化算法。该算法结合遗传算法(Genetic Algorithm,GA)与蚁群优化(Ant Colony Optimization,ACO)算法,可实现RB的动态分配与MCS的动态选择,并收敛到一种近优的分配策略。其中,GA算法动态地优化ACO算法中的参数配置,ACO算法利用优化后的参数配置执行RB分配与MCS选择。仿真表明,与采用静态参数配置的ACO算法相比较,ACOGA算法可使飞蜂窝系统的吞吐量提高12%以上,并显著提高了收敛速率。     

特征和分类器联合优化的网络入侵检测算法

为了提高网络入侵检测正确率,利用特征选择和检测分类器参数间的相互联系,提出一种特征和分类器联合优化的网络入侵检测算法。联合优化方法将网络状态特征和分类器参数作为遗传算法的个体,网络入侵检测正确率作为个体适应度函数,通过选择、交叉和变异等遗传操作获得最优特征和分类器参数,利用KDD 1999数据集对联合优化算法进行验证性测试。实验结果表明,相对于其他入侵检测算法,联合优化算法既解决了特征与分类器不匹配带来的入检测检测能力下降,又提高了网络入侵检测正确率和效率,为网络入侵检测提供了一种新的研究思路。     

基于遗传优化神经网络的网络入侵特征检测

为了提高网络入侵检测正确率,提出一种遗传优化神经网络的网络入侵特征选择和检测算法。该方法先将网络状态特征和RBF神经网络参数作为遗传算法的个体,把检测正确率作为适应度函数;然后利用遗传算法的选择、交叉和变异等操作对网络状态特征和RBF神经网络参数进行优化,最后利用KDD 1999数据集对算法性能进行测试。测试结果表明：遗传优化神经网络能够快速获得最优网络状态特征和分类器参数,同时提高了网络入侵检测正确率。     

无线异构接入网络中集中式网络选择研究

针对异构接入网络环境中移动用户的网络选择问题,根据接入网络的可用带宽和时延参数,建立网络选择优化模型,将多链路接入网络环境中的网络选择问题利用动态规划公式进行描述,并提出一个基于动态规划的网络选择算法。模拟结果表明,提出的算法能有效地利用网络资源并更好地满足用户业务需求。     

一种基于双变异算子的免疫网络算法

针对遗传算法难以解决多峰函数优化的问题,提出一种基于双变异算子的免疫网络算法.该算法借鉴免疫系统的克隆选择和免疫网络理论,采用双变异算子提高算法的全局和局部搜索能力.利用动态网络抑制策略保持神群的多样性,自适应地调节抗体群的规模.仿真结果表明,该算法能有效地改善种群的多样性,较好地实现全局优化与局部优化的有机结合,具有更强的多峰函数优化能力.     

基于正交基神经网络算法的多传感器数据融合方法

为了改善多个同类传感器检测目标参数的性能,提出了一种基于递推最小二乘法的多传感器数据融合的正交基神经网络算法,用基于递推最小二乘法的神经网络算法对各传感器的量测数据进行处理,并用神经网络输出结果的平均值来实现多传感器的数据融合.为了验证算法的有效性,给出了多传感器数据融合的仿真实例.研究结果表明,基于递推最小二乘法的多传感器数据融合的正交基神经网络算法是有效的.     

基于进化理论的无线网络室内定位算法

传统测距算法采用电磁信号的理论模型,其参数根据经验确定,导致定位误差较大。为了提高室内的定位精度,减少环境因素的不利影响,提出了一种基于进化理论的无线网络室内定位算法。首先采用模拟生物进化的遗传算法对损耗模型参数进行估计,找到最优的模型参数,然后采用三边定位算法对未知节点进行定位,最后进行仿真实验测试其性能。结果表明:该方法可以有效降低无线网络的室内平均定位误差,具有一定实用价值。     

基于多维标度的动态网络选择算法

异构无线网络的网络选择问题中,除了考虑多属性的网络参数外,还需考虑无线信道的时变性特征。针对这两个考虑因素,提出了一种基于多维标度的新的动态网络选择算法,可将多属性判决的网络选择问题近似转化为一个低维的拟合构图,并能反映不同时刻同个网络的变化。仿真结果表明,在不考虑负载的情况下,提出的算法能有效地选择出适合于移动终端当前业务的网络,并能在低维坐标系中直观地观察网络间的区别。     

基于多目标遗传算法的LoRa参数匹配优化

从工程应用角度出发,需要LoRa无线传输系统兼备系统功耗低、传输距离短、系统稳定性好的特点,优化设计匹配参数是提高LoRa传输性能的重要途径。以LoRa无线通信的能耗最低、最远传输距离最大以及系统的鲁棒性最强为优化目标,以SF、BW、CR等参数的有效取值为约束条件,采用线性加权的方法将多目标优化问题转换为单目标问题,求出最优解。仿真和实际测试结果表明,遗传算法应用于LoRa的参数匹配具有可行性和有效性。     

LoRa数据传输网络混合加密设计

随着L o Ra网络应用深度与广度的增加,关于信息安全的需求逐渐变大,所以确保数据传输网络的安全性是LoRa网络发展与应用的必要条件.传统LoRa网络在数据传输过程中自身具有加密机制,其使用A ES-128加密算法对数据报文进行加密.但是,在加/解密过程中,2个密钥是相对称的,以至于各项参数大致相同,当一对密钥中任何一个密钥泄露时,都很容易计算出另外一个密钥.针对存在的安全问题,提出一种改进的混合加密方案:在LoRa网络的基础上引进RSA非对称加密算法,利用RSA加密算法安全性高的优势对AES加密算法加/解密数据过程中所用到的密钥进行加密处理,降低LoRa网络数据传输过程中的安全隐患,提高安全性;并在此基础上对A ES和RS A加密算法优化改进,以确保数据传输的效率.最后,对本文设计的方案进行测试,测试结果表明,本文方案在保证数据传输效率的同时增强了密钥的防窃取性,很大程度上提高了L o Ra网络数据传输的安全性.