移动容迟网络中基于改进随机路点模型的移动连接路由

在移动容迟网络中,考虑到稀疏网络节点混存长时间被无效消息占用情况,将移动连接路由算法与倒数计时器和快速缓存释放策略相结合,提出了加速缓存释放的移动连接路由算法,并研究了节点移动速率、通信距离、节点数量、消息有效时间、场景尺寸等对算法性能的影响。结果表明:该路由算法在保证传输可靠性的前提下能够提高网络的传输效率。     

基于高效缓存管理机制的可靠消息传输机会网络路由算法

针对基于社区的机会网络路由算法存在的消息无序发送和过期消息管理效率不高等难题,提出一种基于高效缓存管理机制的可靠消息传输机会网络路由算法RMTEB(Reliable Message Transmission Routing Algorithm for Opportunistic Networks Based on Efficient Buffer Management Mechanism)。引入Spray and Wait机制,设计消息传输策略,对消息发送顺序、缓存清除机制以及消息转发机制进行优化,以确保携带消息节点在有限通信时间内向邻居节点转发更多的消息,节点相遇后,判断缓存中过期消息的目标节点是否为当前邻居节点,是则将消息发送给对方,否则删除;通过调整发送给目标节点为邻居节点的消息顺序,优先发送生存期剩余时间小的消息,显著提高消息传输效率,降低传输时延。仿真结果表明,RMTEB算法在传输成功率、平均端到端时延、路由开销比率和平均存储时间等方面均优于经典的Prophet routing算法及其改进算法Social Groups Based Routing(SGBR)。     

基于卡尔曼滤波理论的传感器路由协议

容延迟移动传感器网络针对实际无线网路拓扑动态变化导致的间歇性连接,使用分布式节点存储转发的机制保证了端到端信息传输的可靠性.提出了一种基于卡尔曼滤波器预测理论的容延迟移动传感器网络路由协议.采用本地预测的方法估计节点的信息携带能力 ,选择最佳信息携带节点.进行了仿真模拟实现,结果表明,该协议具有较好的传输可靠性和传输延时,同时大大减少了网络开销,缓解了网络拥塞,在容延迟移动传感器网络中具有较佳的性能表现.     

DTN基于位置的RAPID路由算法

面向意向容迟网络的资源分配协议(RAPID)路由算法通过引入效能函数避免其他容迟网络(DTN)路由算法对某一性能指标的影响。然而算法中的相遇时间分布问题增加了算法的不确定性和应用局限性。针对这一问题,该文设计了新的基于位置信息的效能函数计算方法。新方法通过元数据交换获得各个节点的位置信息,采用灰色系统预测算法获得较长时间没有消息的目的节点的位置信息。通过最小化到达目的节点的时间,设计了更详细的消息复制优先级及复制规则。仿真表明,新算法能有效克服RAPID算法的问题,降低了消息复制数和平均时延,提高了消息成功递交率,网络的整体性能得到进一步提升。     

基于Sink轨迹固定的异构延迟容忍网络数据传输机制

提出了一种基于sink简单固定轨迹的动态数据传输算法,算法由数据传输策略和队列管理机制组成,适用于异构延迟容忍移动无线传感器网络. 在每一次运动开始,首先判断节点是否可以直接传输消息给汇聚点,然后根据节点能量消耗和传输延迟计算出不同时刻各节点的传输概率,节点根据传输概率进行消息传输或转发. 队列管理则根据不同类型消息的生存时间和传输次数来决定对消息的转发和丢弃（被动或主动）. 实验结果验证了算法的有效性.     

Ad hoc无线网中DSR协议缓存优化的研究

DSR协议是一种性能优越的按需路由协议，但是因为节点的移动和连接的破坏使得其缓存中的路由信息容易失效，目前主要的解决方法是：对一个连接或者一条路由设置生存期，通过时间限制机制来解决路由失效问题，但是这种方法还存在问题：生存期不能精确反应网络的拓扑变化．因此引进一种新的方法：通过自适应缓存更新算法来主动传播破坏连接信息到所有保存了该破坏连接的节点中，主动更新缓存．仿真结果表明：自适应缓存更新算法能够快速适应网络拓扑结构的变化，在数据包传输率，传输时延及路由开销方面均优于基于路径缓存和连接缓存的DSR协议．     

延迟容忍网络中基于分离时间和副本控制的路由算法

延迟容忍网络中,基于历史消息转发路由协议可根据节点的历史统计信息对下一跳节点进行预测估计,以此判断转发和存储信息的最佳时机,避免信息盲目转发. 为此,针对典型spray and focus协议选择中间节点的盲目性,将“分离时间”和“副本控制”运用于路由选择、缓存管理和组播方式中,可较好地节约资源,并提高通信效率.仿真结果表明,改进后的协议有效地提高了网络交付率,减小了端到端的时延.     

基于拓扑感知时间序列的动态路由仿真策略

分析了静态邻接索引向量策略,提出动态路由抽象模型,给出节点对拓扑变化感知时间的计算方法;设计了动态路由查找算法,以静态路由表为基础,辅以拓扑变化消息序列构成动态路由表,通过比较节点感知时间进行路由查找,减少了路由计算过程中的时间开销。实验结果表明,该算法能够更真实地对网络中的动态路由进行仿真,并具有较高的仿真效率。     

基于学习自动机与萤火虫算法的链路预测

便携交换网络由具有社区属性和移动规律的人组成,具有节点移动性、节点间间歇性连接、高延迟等特点,本文研究其网络行为预测中的链路预测问题,提出基于学习自动机和萤火虫算法的链路预测方法。采用学习自动机对节点进行自适应聚类,完成网络的社区划分;定义社区属性影响系数和移动行为影响系数,构建反映便携交换网络社区属性、节点移动性和节点间间歇性连接的相似性指标;将该指标与CN、RA、AA等指标融合,得到便携交换网络的相似性指标向量;借助差分整合移动平均自回归模型的时间序列分析能力,提取相似性指标向量序列的演化规律;采用萤火虫算法优化所构建的二分类器,预测节点对下一时刻的连接状态。在INFOCOM06和MIT两个真实数据集上的实验结果表明,与受限玻尔兹曼机、弱评估器等方法对比,本文方法具有更高的准确率和更好的稳定性。     

多监控任务移动传感器网络高效数据路由协议

在多监控任务移动传感器网络中,不同的监控对象对数据传输实时性有着不同的要求。为满足监控数据不同的实时性要求,提出了既能满足软实时监控要求,也能满足硬实时监控要求的多级分层实时数据路由协议MRDR（layer-based multilevel real-time data routing protocol）。MRDR协议将分层机制引入移动传感器网络,将网络分成宽度相等的若干圆环。对具有实时性要求更低的普通事件消息,MRDR在消息失效前以尽量低的能耗将消息转发至sink节点。对于实时性要求更高的紧急事件消息,MRDR让消息以层间多跳方式实时传输到sink。同时,针对硬实时路由过程中的节点空洞问题,提出了消息回传机制,使得紧急事件消息能绕过节点空洞并最终传输至sink。最后,为降低网络中的消息冗余,设计了消息队列管理机制,给出了队列满时的消息丢弃原则。为评价算法性能,仿真实验对比了MRDR与其他3种算法在网络寿命、数据传输成功率与消息平均延迟方面的表现,结果验证了算法的有效性。在不同的网络环境下,MRDR算法能有效适应多监控任务移动传感器网络,满足具有不同实时性要求的不同消息的传输要求。     

基于迟滞神经网络的风速时间序列预测

为了改善风速时间序列的预测性能,提出了一种基于迟滞神经网络的预测方法.通过改变神经元激励函数的方式将迟滞特性引入神经网络中,以增强历史输入对当前响应的影响,从而提高有用信息的利用率,提高风速时间序列的预测性能;借助于相空间重构理论构造风速预测训练样本,采用梯度下降法对网络权值进行训练,利用遗传算法对迟滞参数进行优化.仿真结果表明:与传统神经网络及ARMA模型等方法相比,迟滞神经网络能够有效减小风速时间序列的预测误差,提高预测性能.     

结合分类回归树和K近邻的负载均衡预测算法

提出了针对移动平台使用XMPP协议服务器端的基于分类回归树和K近邻结合的预测算法.该方法首先通过动态反馈采集服务器节点的资源信息组成时间序列,对时间序列进行预测计算.然后将服务器节点分区域管理,运用不同的调度策略.实验结果证明,与原始的加权轮询和最小连接数算法相比,该预测算法在连接响应时间上减少了25％,在建立连接的平均速率上提升了近1.3倍,动态的调度策略使得服务器集群有更大的吞吐量,对于移动平台有更好的适应性.     

基于门控循环单元的链路质量预测

链路质量预测可以为上层路由协议选择高质量的无线链路进行通信提供依据。采用手肘法优化的K-means++算法,在此基础上自适应划分链路质量等级;选择RSSI均值、LQI均值以及SNR均值作为链路质量参数;基于Catboost评估链路质量,采用网格搜索法优化CatBoost超参数;使用滑动时间窗口得到链路质量时间序列样本集,使用 GRU提取链路质量的时序信息,将时序信息输入支持向量回归预测得到下一时刻链路质量等级。在室内、走廊以及停车场三个场景下实验表明,与基于小波神经网络、循环神经网络和随机向量函数链等方法构建的链路质量预测模型相比,本文提出的方法有更高的预测准确率。     

校园网多径混合路由算法

针对目前校园网路由算法中最小生成树的计算和最短路径的生成存在速度慢和效率低的问题,提出了一种多径混合路由算法.结合了静态路由算法和动态路由算法的优点,减少了计算最短路径树时的总执行时间,当网络中链路有新的权重变化时,它使用多径信息来创建最短路径树,并且能够根据网络中链路权重变化的位置来决定使用静态路由算法或者是动态路由算法.与现有的迪杰斯特拉(Dijkstra)算法、动态Dijkstra算法和混合最短路径树算法进行了对比实验,结果表明多径混合路由算法降低了最小生成树的计算时间.在校园网中使用多径混合路由算法可以加快了网络路由的收敛,提高了网络的性能.     

基于改进的LSTM算法的时间序列流量预测

时间序列流量的预测问题是近年来机器学习的一个热点问题,通过改变长短期记忆网络(LSTM)层数、网络层神经元的个数、网络层之间的连接方式,特殊网络层的应用等网络结构以及优化器和损失函数的选择可以极大地提高预测的精度.本文提出多层LSTM算法,该算法是在传统LSTM算法上进行改进的单一模型,模型设计的复杂度低,可以提高机器学习的效率.模型采用一个输入层、5个隐藏层、1个输出层,同时包含1个全连接层和1个Dropout层,Dropout层的作用是防止机器学习过拟合.选择adam为模型优化器、mlse为模型损失函数、relu作为模型的激活函数.实验结果表明,与传统模型相比,该模型具有较好的泛化能力.     

面向QoS需求的分簇自组织网络路由算法

基于分布式分簇的网络管理架构,网络节点可以被划分成多个管理域,并由相应区域的簇首进行协同管理。为实现分布式网络场景中,业务差异化的服务质量（QoS）需求与多维度网络资源之间的高效按需匹配,提出了一种基于强化学习的路由调度算法,以降低端到端的时延和防止网络拥塞为目标,优化调度路径。所提算法可以通过簇首集中式和节点分布式2种方式实现,可以解决分布式环境下全局资源信息不完备的问题,有效保证跳变环境下网络的健壮性。将100个节点划分为4个管理域进行仿真验证。仿真结果表明,所提算法可以有效地降低业务的平均时延,并且在业务拒绝率、网络资源利用率方面均优于传统方法。     

Anycast service model and its QoS routing algorithm

Ａｓｍｏｒｅｈｏｓｔｓａｒｅｃｏｎｎｅｃｔｅｄ ,ｎｅｔｗｏｒｋｓｅｒｖｉｃｅｄｅｍａｎｄｓｅｖｅｎｔｕａｌｌｙｅｘｃｅｅｄｃａｐａｃｉｔｙａｎｄｎｅｔｗｏｒｋｓｅｒｖｉｃｅｄｅｇｒａｄｅｓ.ＡｌｔｈｏｕｇｈｉｔｄｏｅｓｎｏｔａｄｖｅｒｓｅｌｙａｆｆｅｃｔｔｙｐｉｃａｌＩｎｔｅｒｎｅｔａｐｐｌｉｃａｔｉｏｎｓ,ｓｕｃｈａｓｅｍａｉｌａｎｄｆｉｌｅｔｒａｎｓｆｅｒ,ｉｔｄｏｅｓｃａｕｓｅｓｅｒｉｏｕｓｐｒｏｂｌｅｍｓｆｏｒａｐｐｌｉｃａｔｉｏｎｓｗｉｔｈｒｅａｌ ｔｉｍｅｒｅｑｕｉｒｅｍｅｎｔｓ,ｓｕｃ…     

基于密度聚类的容迟网络路由协议

为了克服现有容迟网络消息冗余副本过多,数据传输时延较大的问题,对基于历史预测的Prophet路由协议进行优化,提出基于密度聚类的路由协议,采用聚类分析理论和生灭过程理论,准确构建和维护密度聚类簇,使网络中的消息副本得到实时控制.在此基础上,提出基于Q学习的随机线性网络编码策略,采用增强学习领域中的值函数估计法,通过中间节点高效获得线性独立的编码包,以提高网络编码效益.仿真实验结果表明,相比Epidemic和Prophet路由算法,该算法可以获得较高的消息投递率;在有足够缓存的情况下,数据传输时延得到了很好的控制,对容迟网络具有较强的动态适应性.     

智能光网络中分层路由的新算法

针对智能光网络(ION)中的层次结构,提出了DHBR和DHROG 2种分层路由算法. 2种算法均基于固定层备选路由策略,着重考虑了各层域间链路与网关节点处的资源协调与均衡. 离散事件仿真结果表明,2种算法均可以有效地提高网络性能,得到较低的阻塞率,并具有较好的时间特性.