LLN中基于能量均衡的高效低时延路由算法

针对有损低功耗网络(Low-power and Lossy Network,LLN)中由于无线链路的有损特性以及节点部署不均匀无法有效实现网络能量均衡,提出一种基于能量均衡的高效低时延路由算法(Efficient Low Latency Routing Algorithm Based on Energy Balance in Low-Power and Lossy Networks,ELLEB-RPL)。该算法采用“ELLEB组网”策略,使得节点能够有效避免在DODAG(Destination Oriented Directed Acyclic Graph)间来回切换;通过采用“最优父节点选择”策略,使得节点选择的父节点达到最优;通过采用“流量自适应分配”策略,达到网络能量均衡的目的。仿真结果表明,ELLEB-RPL在Sink节点平均吞吐量、网络平均寿命以及端到端时延上均有提升。     

基于自适应遗传算法的无线激光通信网络负载均衡成簇算法

由于无线激光通信网络吞吐量低、节点传输延时高和存在分组丢失率多等问题，提出基于自适应遗传算法的无线激光通信网络负载均衡成簇算法。利用AGCH算法对无线激光通信网络节点进行分组和成簇，从中取得簇头节点，构建资源调度模型，利用该模型对簇头节点中的资源进行分配调度，采用自适应遗传算法对建立的模型进行求解，以此提升无线激光通信网络负载均衡效果，实现无线激光通信网络负载均衡。实验结果表明，通过对该算法进行网络吞吐量测试、节点传输延时测试和分组丢失率测试，验证了该算法的有效性强、实用性高。     

移动Ad Hoc网络中的负载均衡路由算法

移动Ad Hoe网络(MANET)中的路由算法应尽量使网络负载均衡,不均衡不仅导致正在通信的路由由于过度拥塞而引起数据包延时过大、吞吐量下降,而且会使拥塞节点的能量提前耗尽,从而加剧网络拓扑结构的变化及节点之间的不公平性。本文对目前提出的一些负载均衡路由算法进行了简要比较和分析,在此基础上,指出了目前负载均衡路由算法中存在的一些问题,并提出了一个实现负载均衡路由算法的一般模型。基于该模型,文中提出了一种简单的负载均衡路由算法。仿真结果表明,负载均衡路由算法比未考虑负载均衡的路由算法具有更高的数据包投递率和更低的数据包传输延时。     

一种高能效低时延的LLN路由修复算法

由于低功耗有损网络(LLN)中无线链路的不稳定性和有损性,外部环境的干扰极易导致网络出现故障,从而严重影响网络性能,而LLN网络中现有路由修复算法存在控制开销冗余和修复时延较大等问题。为此,提出了一种高能效低时延的LLN路由修复算法(EELDR-RPL)。该算法通过采用“零额外控制开销通告链路故障及邻居节点信息”机制,使得链路故障节点的子节点能够及时获知链路故障以及链路故障节点的邻居情况;通过采用“自适应调整节点网络深度值”机制,使得链路故障节点能够快速地重新接入网络;通过采用“链路故障节点子节点自适应切换”机制,能够达到优化网络拓扑的目的。仿真结果表明,与现有路由修复算法相比,EELDR-RPL算法能够有效地降低路由修复时延和减少控制开销。     

基于QoS保证的负载均衡频谱决策算法

针对不同无线网络间频谱资源利用率不均衡的问题,在IEEE 1900.4标准的框架下提出了基于服务质量(QoS)保证的负载均衡算法,使得认知终端可以通过频谱决策动态地接入不同的无线接入网频段,从而提高频谱利用效率。该算法以网络吞吐量的优化为目标,在资源约束和QoS保证的条件下,通过简化算法而减少开销。仿真结果表明,基于QoS保证的负载均衡频谱决策算法较之传统的基于信噪比(SNR)的频谱接入算法能够使网络的吞吐量得到大幅的提升。     

基于异频切换负载均衡算法研究与实现

在商用LTE基站系统中,小区之间存在业务量不均衡的情况,特别是热点区域,某些小区处于高负载状态,为了均衡小区的业务负载,引入了移动负载均衡(MLB)技术。选择合适用户(UE)切换到相邻低负载小区,从而有效地提高了整体网络资源效率和吞吐量,同时也能增强用户的性能体验。提出了一种以用户的RSRP和邻区PRB利用率为参数,基于UE业务量的异频切换负载均衡算法,选择出适量的UE切换到目标邻区中,从而达到网络负载均衡。根据实际基站调试结果表明,该算法能够快速精确地切换特定业务量的UE,明确了要卸载的业务量,并且提升了网络吞吐量和UE吞吐量。     

软件定义网络中基于Q-学习的负载均衡算法

针对软件定义网络(Software Defined Network,SDN)的负载均衡问题,为使网络的资源分配更加合理,防止网络拥塞,设计了一种基于Q-学习的负载均衡(Q-learning Load Balance,QLLB)算法,可根据网络环境自行作出决策,避免网络拥塞,实现网络资源的合理分配.与最短路径算法Dijkstra、蚁群算法进行的性能对比结果表明,QLLB算法有效实现了负载均衡,使得各个链路的带宽利用率更加平均,吞吐量分别提升了约8％和2％,可有效提升网络性能.     

软件定义网络中基于效率区间的负载均衡在线优化算法

在大型复杂软件定义网络中,为提高网络负载均衡,减少控制器与交换机间的传播时延,该文提出一种基于效率区间的负载均衡在线优化算法。在初始静态网络中,通过贪心算法选择初始控制器集合,并以其为根节点构建M棵改进代价的最小生成树(MST),确定初始M个负载均衡的子网;当网络流量发生变化时,通过广度优先搜索(BFS)调整子网间交换机映射关系使其满足效率区间,保证任意时刻网络的负载均衡。算法均以网络连通性为基础,且均以传播时延为目标重新更新控制器集合。仿真实验表明,该算法在保证任意时刻网络负载均衡的同时,可以保证较低的传播时延,与Pareto模拟退火算法、改进的K-Means算法等相比,可以使网络负载均衡情况平均提高40.65%。     

基于遗传聚类的无线传感器负载均衡路由算法

通常的无线传感器分簇网络存在节点负载不均衡的问题。为均衡各节点能量消耗,延长网络生存周期,将K均值算法与遗传算法相结合,提出一种负载均衡的无线传感器网络路由算法,算法利用遗传算法的全局寻优能力以克服传统K均值算法的局部性和对初始中心的敏感性,实现了传感器网络节点自适应成簇与各节点负载均衡。仿真实验表明,该算法显著延长了网络寿命,相对于其他分簇路由算法,其网络生存时间延长了约43%。     

基于遗传聚类的无线传感器负载均衡路由算法

通常的无线传感器分簇网络存在节点负载不均衡的问题。为均衡各节点能量消耗,延长网络生存周期,将K均值算法与遗传算法相结合,提出一种负载均衡的无线传感器网络路由算法,算法利用遗传算法的全局寻优能力以克服传统K均值算法的局部性和对初始中心的敏感性,实现了传感器网络节点自适应成簇与各节点负载均衡。仿真实验表明,该算法显著延长了网络寿命,相对于其他分簇路由算法,其网络生存时间延长了约43%。