基于半马尔科夫决策过程的虚拟传感网络资源分配策略

针对传统无线传感网络(WSN)中资源部署与特定任务的耦合关系密切,造成较低的资源利用率,进而给资源提供者带来较低的收益问题,根据虚拟传感网络请求(VSNR)的动态变化情况,该文提出虚拟传感网络(VSN)中基于半马尔科夫决策过程(SMDP)的资源分配策略。定义VSN的状态集、行为集、状态转移概率,考虑传感网能量受限以及完成VSNR的时间,给出奖赏函数的表达式,并使用免模型强化学习算法求解特定状态下的行为,从而最大化网络资源提供者的长期收益。数值结果表明,该文的资源分配策略能有效提高传感网资源提供者的收益。     

基于Stackelberg博弈的虚拟化无线传感网络资源分配策略

虚拟化技术可有效缓解当前无线传感网络(WSN)中资源利用率较低、服务不灵活的问题。针对虚拟化WSN中的资源竞争问题,该文提出一种基于Stackelberg博弈的多任务资源分配策略。依据所承载业务的不同服务质量(QoS)需求,量化多个虚拟传感网络请求(VSNRs)的重要程度,进而,利用分布式迭代方法,获取WSN的最优价格策略和VSNRs的最优资源需求量,最后,根据纳什均衡所确定的最优价格、最优资源分配量,对多个VSNRs分配资源。仿真结果表明,所提策略不仅能满足用户的多样化需求,而且提升了节点和链路资源利用率。     

能耗和时延感知的虚拟化云无线接入网络资源分配机制

针对现有虚拟化云无线接入网络(C-RAN)资源利用率低、能耗高、用户服务质量无法得到保证等问题,该文提出一种能耗和时延感知的虚拟化资源分配机制。根据虚拟化C-RAN的网络特点及业务流量特征,考虑资源约束和比例公平,建立能耗和时延优化模型。进而,利用启发式算法为不同类型虚拟C-RAN和用户虚拟基站分配资源,完成资源的全局优化配置。仿真结果表明,所提资源分配机制在提高网络资源利用率的同时,不但使能耗节省了62.99%,还使时延降低了32.32%。     

基于服务质量的层次化结构资源分配算法

无线传感器网络(wireless sensor network,WSN)具有节点体积小、成本低、感知能力强等优势,被广泛应用于物联网(internet of things,IoT)场景中。如何在保证WSN负载平衡的前提下,提高业务服务质量(quality of service,QoS)成为众多学者关注的问题。在研究WSN中基于启发式的资源分配方法和基于层次化结构的资源分配方法基础上,提出了一种基于服务质量的层次化结构资源分配算法(quality of service based hierarchical resource allocation algorithm,QoSHRA)。首先,利用基于低能耗自适应聚类层次(low-energy adaptive clustering hierarchy,LEACH)协议的资源分配方法使整个网络形成层次化结构;然后,利用QoSHRA进行资源分配。仿真结果表明,QoSHRA在保证网络负载平衡的前提下,进一步节约了网络传输能耗,保障了业务分配的有效性,提高了网络资源的QoS需求满足率。     

基于云计算和动态贝叶斯博弈的WSN恶意程序传播优化抑制方法

为有效地应用入侵检测系统检测WSN（wireless sensor network,无线传感网络）恶意程序从而抑制WSN恶意程序传播,在考虑WSN节点资源有限和云计算平台资源几乎无限的现状基础上,借助云计算平台提出WSN入侵检测网络结构。依据传感节点和WSN入侵检测代理之间博弈过程的分析,使用动态贝叶斯博弈建立了考虑WSN入侵检测代理监控数据发送能耗和传感节点隐私保护需求的WSN恶意程序传播抑制博弈模型。依据建立的博弈类型,并基于精炼贝叶斯均衡提出抑制WSN恶意程序传播的优化策略,并给出具体的算法。实验分析了影响WSN入侵检测代理选择优化策略的因素,为具体应用提供了实验依据。     

信任感知的安全虚拟网络映射算法

针对网络虚拟化技术带来的新的安全威胁,将信任关系和信任度引入到虚拟网络资源分配中,量化分析了网络虚拟化环境中的安全问题,构建了安全虚拟网络映射的数学模型,并在映射过程中考虑节点的局部和全局重要性,采用逼近理想排序法方法对节点进行多属性重要度排序,提出了一种信任感知的安全虚拟网络映射算法。仿真结果表明,该算法在满足虚拟网络请求可信需求的条件下,获得了较好的映射成功率、映射收益和资源利用率。     

虚拟化云无线接入网络下基于在线学习的网络切片虚拟资源分配算法

针对现有研究中缺乏云无线接入网络(C-RAN)场景下对网络切片高效的动态资源分配方案的问题,该文提出一种虚拟化C-RAN网络下的网络切片虚拟资源分配算法。首先基于受限马尔可夫决策过程(CMDP)理论建立了一个虚拟化C-RAN场景下的随机优化模型,该模型以最大化平均切片和速率为目标,同时受限于各切片平均时延约束以及网络平均回传链路带宽消耗约束。其次,为了克服CMDP优化问题中难以准确掌握系统状态转移概率的问题,引入决策后状态(PDS)的概念,将其作为一种“中间状态”描述系统在已知动态发生后,但在未知动态发生前所处的状态,其包含了所有与系统状态转移有关的已知信息。最后,提出一种基于在线学习的网络切片虚拟资源分配算法,其在每个离散的资源调度时隙内会根据当前系统状态为每个网络切片分配合适的资源块数量以及缓存资源。仿真结果表明,该算法能有效地满足各切片的服务质量(QoS)需求,降低网络回传链路带宽消耗的压力并同时提升系统吞吐量。     

无线mesh网络中可信协同信道资源分配策略

为了有效提升无线mesh网络信道资源的利用率和网络服务质量,提出基于可信协同的信道资源分配策略.针对节点自适应特点,引入博弈理论、建立节点的信誉机制以实现节点可信协同并优化信道分配结果.仿真实验分别对节点服务等级、网络收益结果作相应评价.实验结果发现节点服务等级对节点网络收益有直接影响,当协同服务等级达到3时,网络收益状况最佳,此时节点跳数与服务等级呈协同关系;对比经典协同算法,在相同网络拓扑环境下,可信协同信道资源分配策略分别是UACRR算法、DMP-MBA算法的1.04倍、1.069倍,明显占优.     

分布式环境中基于市场机制的资源自适应调价策略

针对分布式环境中资源定价面临的资源使用率、价格、收益三者之间的冲突问题,提出一种基于市场机制的资源自适应调价策略。该策略在保障资源提供者收益前提下,通过资源价格自适应动态调整来平衡资源节点上的任务分配与资源提供者收益之间的冲突。理论分析证明了调价策略的有效性,并在此基础上设计了自适应调价算法。仿真实验采用真实分布式系统中资源节点信息作为实验节点的性能参数,在大规模网格任务中检验了自适应调价策略的性能表现。实验结果表明,基于市场机制的“自适应调价策略”在保障资源收益、均衡资源利用率的性能表现方面显著优于传统的定价策略。     

基于改进深度强化学习的虚拟网络功能部署优化算法

针对网络功能虚拟化/软件定义网络 (NFV/SDN)架构下,网络服务请求动态到达引起的服务功能链(SFC)部署优化问题,该文提出一种基于改进深度强化学习的虚拟网络功能(VNF)部署优化算法。首先,建立了马尔科夫决策过程 (MDP)的随机优化模型,完成SFC的在线部署以及资源的动态分配,该模型联合优化SFC部署成本和时延成本,同时受限于SFC的时延以及物理资源约束。其次,在VNF部署和资源分配的过程中,存在状态和动作空间过大,以及状态转移概率未知等问题,该文提出了一种基于深度强化学习的VNF智能部署算法,从而得到近似最优的VNF部署策略和资源分配策略。最后,针对深度强化学习代理通过ε贪婪策略进行动作探索和利用,造成算法收敛速度慢等问题,提出了一种基于值函数差异的动作探索和利用方法,并进一步采用双重经验回放池,解决经验样本利用率低的问题。仿真结果表示,该算法能够加快神经网络收敛速度,并且可以同时优化SFC部署成本和SFC端到端时延。     

一种基于异构网络的自适应垂直切换算法

提出一种基于WSN与WLAN异构网络环境下无缝移动通信的垂直切换算法。该算法针对日益普及的传感器网络自身特点与室内应急通信应用的特殊性,提出网络选取优先级参数。针对传感器网络在应急通信等特殊场合的应用．制定了专门的切换判决策略。实验分析表明,该算法可以一定程度地提高通信网络对现场场景变化的适应程度,满足室内环境下异构网络通信的需求。     

一种融合噪声网络的深度强化学习通信干扰资源分配算法

针对传统干扰资源分配算法在处理非线性组合优化问题时需要较完备的先验信息,同时决策维度小,无法满足现代通信对抗要求的问题,该文提出一种融合噪声网络的深度强化学习通信干扰资源分配算法(FNNDRL)。借鉴噪声网络的思想,该算法设计了孪生噪声评估网络,在避免Q值高估的基础上,通过提升评估网络的随机性,保证了训练过程的探索性;基于概率熵的物理意义,设计了基于策略分布熵改进的策略网络损失函数,在最大化累计奖励的同时最大化策略分布熵,避免策略优化过程中收敛到局部最优。仿真结果表明,该算法在解决干扰资源分配问题时优于所对比的平均分配和强化学习方法,同时算法稳定性较高,对高维决策空间适应性强。     

A Novel Heterogeneous Clustering Protocol for Lifetime Maximization of Wireless Sensor Network

The network lifetime of Wireless Sensor Network (WSN) is one of the most challenging issues for any network protocol. The nodes in the network are densely deployed and are provided with limited power supply. The routing strategy is treated as an effective solution to improve the lifetime of the network. The cluster based routing techniques are used in the WSN to enhance the network lifespan and to minimize the energy consumption of the network. In this paper, an energy efficient heterogeneous clustering protocol for the enhancement of the network lifetime is proposed. The proposed protocol uses the sensor energy for the clustering process in a well-organized manner to maximize the lifetime of network. The MATLAB simulator is used for implementing the clustering model of proposed protocol and for measuring the effectiveness of the proposed technique the comparison is performed with the various existing approaches such as Stability Election Protocol, Distributed Energy Efficient Clustering and Adaptive Threshold Energy Efficient cross layer based Routing.

     

Optimization Based Multi-Objective Weighted Clustering For Remote Monitoring System in WSN

Wireless Sensor Network (WSN) is generally considered as a standout amongst the most critical advancements for the twenty-first century, it normally comprises multifunctional wireless sensor nodes, with detecting, communications, and calculation capacities. Clustering the random nodes in WSN is a challenging task with high performance. This paper presents the new clustering model to monitor the eco-friendly mobile network by clustering the sensor nodes and to enhance the Quality of Service of that optimal network in WSN. The proposed Multi-Objective Weighted Clustering model groups the arbitrary nodes and afterward the optimal network is achieved by the optimization of network parameters. For optimizing the network parameters, a metaheuristic algorithm i.e. Improved Fruit Fly Optimization is introduced. With the goal of assessing the Coverage Efficiency (CE) and network user satisfaction of the accomplished optimal mobile network in WSN, the remote sensor monitoring process is applied. Sensor monitoring helps to know the network users and furthermore to improve the CE of WSN, contrasted with existing work.

     

Efficient neighbor collaboration fault detection in WSN

In WSN(Wireless Sensor Network), the fault detection is the basic function of administration of WSN. In this paper, an optimized scheme of neighbor collaboration algorithm SM-WSN (Self-monitoring of Wireless Sensor Networks) is presented, which allows the SM-WSN having better performance in fault detection accuracy and network life time in WSN. It is better to make the WSN wide perspective and practicability in the future. At last, we compared our optimized scheme with SM-WSM, and the results show that the improved scheme is superior to the old algrorithm by simulation data.     

基于改进粒子群算法的无线传感网络覆盖优化

针对传统粒子群算法容易陷入早熟陷阱而导致无线传感网络(WSN)的覆盖优化效果欠佳的现象,提出一种引入种子杂交策略的粒子群优化(PSO)改进算法。通过将前期的PSO算法寻优与后期的种子杂交策略相结合,从而完成覆盖性能的优化。综合理论分析与实验仿真可知,相比于其他算法,本文算法改善了覆盖率与RD指标,在改善网络覆盖性能方面具有一定优势。     

传感器网络中的节能参与度模型

为提出节能的传感器网络协议,本文研究了节点参与度模型.我们细化了无线传感器网络中的协议层次,将网络层分为邻域发现,动态参与度模型和路由协议.我们具体化了邻域发现协议,引入随机参数重构了参与度模型,给出了相应的网络启动方式并使用数学分析、模拟程序验证了此模型.     

A cross-layer strategy for cooperative diversity in wireless sensor networks

We investigate the problem of how to minimize the energy consumption in multi-hop Wireless Sensor Network (WSN), under the constraint of end-to-end reliability Quality of Seervice (QoS) requirement. Based on the investigation, we jointly consider the routing, relay selection and power allocation algorithm, and present a novel distributed cross-layer strategy using opportunistic relaying scheme for cooperative communication. The results show that under the same QoS requirement, the proposed cross-layer strategy performs better than other cross-layer cooperative communication algorithms in energy efficiency. We also investigated the impact of several parameters on the energy efficiency of the cooperative communication in WSNs, thus can be used to provide guidelines to decide when and how to apply cooperation for a given setup.