一种基于动态贝叶斯网的高效多故障诊断算法（会议）

故障管理是网络管理的重要内容之一,快速准确地定位网络故障是一项重要的研究课题。基于静态贝叶斯模型的故障诊断方法已被广泛采用,但当网络动态变化时,该方法具有很大局限性。目前,当网络动态变化时,可以提高诊断准确度的算法是基于动态贝叶斯模型的,但已有算法复杂度较高,不适用于规模较大的网络。本文首先将被管系统建立成动态贝叶斯模型,并提出一种能够处理多故障的近似推理算法。接下来通过复杂度分析,证明该近似算法时间复杂度为多项式级,远远低于精确算法的时间复杂度下限,可以用于解决大规模动态网络的故障诊断问题。最后通过实验证明,本文提出的新算法在准确度方面虽然略低于精确算法,但执行效率上远远高于精确算法。     

基于改进差别矩阵的增量式属性约简算法

研究目前粗糙集中求属性核和属性约简存在的效率低下问题,提出基于改进差别矩阵的核增量式更新算法,用于解决对象动态增加情况下核的更新问题.为降低现有增量式属性约简算法的时间和空间复杂度,提出一种不存储差别矩阵的高效属性约简算法,用于处理对象动态增加情况下属性约简的更新问题.理论及实验结果表明,该算法可明显降低时间和空间的复杂度.     

一种简化依赖关系的动态程序切片算法

动态程序切片是由影响程序中某个兴趣点处变量值的所有语句和控制谓词组成的一个程序子集.笔者提出了一种简化依赖关系的动态程序切片算法,主要目的是解决H.Agrawal的动态切片算法计算切片不太精确的问题,该算法通过程序执行轨迹,确定教据依赖结点、控制依赖结点和结点可到达语句来计算变量切片.实例证明,该算法提高了动态切片的精确度,减少了计算动态程序切片的复杂度.     

遗传禁忌搜索算法收敛性和时间复杂度分析

遗传禁忌搜索算法多用于车辆路径优化、旅行商问题等,试验证明:融合遗传算法与禁忌搜索算法的混合算法相比单一算法的性能有较大提升,但缺少理论证明。本文阐述了遗传禁忌搜索算法的混合策略,从理论上对该算法的收敛性进行了证明,对时间复杂度进行了分析。应用马尔科夫链模型证明了遗传禁忌搜索算法是以概率1收敛到全局最优解的,并应用求解随机算法时间复杂度的方法,即求解算法的期望收敛时间,估算了该算法的时间复杂度,结果证明该算法的时间复杂度与所得解的多样性、问题规模以及遗传算法的种群数量有关。     

基于动态规划优化传感器网络寿命的算法

根据多跳无线传感器网络的特点,为了优化网络中节点的生存时间,提出了一种求解无线传感器网络寿命Pareto最优的集中式算法.熵是系统平均程度的度量,通过证明最大熵函数与传感器网络寿命Pareto最优的等价关系,建立了求解传感器网络最大熵函数的动态规划模型,将复杂的多目标线性规划问题转换成单目标动态规划问题.理论分析和仿真研究结果表明,新算法能够快速有效地获得网络寿命的Pareto最优解,达到了优化传感器网络寿命的目的,提高了系统的可实现性并降低了计算复杂度.     

一个新的自相似业务流在线生成算法

为了便于对ATM网络中的自似业务流的排队特性进行研究, 提出了一个新的自相似业务流在线生成算法, 并对这些算法的时间/空间复杂度进行了分析.分析表明, 该算法的时间/空间复杂度均较低, 模拟结果证明这种新的算法可以产生满足要求的自相似业务流.     

利用双堆栈降低时间复杂度的新算法

分析了由树的前序序列和中序序列建树问题的递归算法的最坏时间复杂度和平均时间复杂度,以及利用哈希表改进查找得到的算法的时间复杂度;提出了利用两个堆栈构造的新算法,并证明其最坏时间复杂度与平均时间复杂度均为Ｏ（ｎ）。     

大规模图中低复杂度分布式算法浅析

近年来大规模图分析问题在网络大数据领域发挥着重要作用.经典的图分析问题包括求图的直径、半径、围长、聚类系数、紧密中心度和介数中心度等.集中式算法求解这些图计算问题一般都需要问题规模的平方甚至立方以上复杂度,显然不适用于大规模图.本文旨在从分布式算法角度介绍对这些基本图计算问题具有最坏性能保证的低复杂度(线性时间)算法.此外,本文还将介绍如何通过通信复杂性理论证明分布式图计算问题的下界.     

波长可变光网络中的动态路由和波长分配算法研究

研究了光网络中的路由选择和波长分配问题,并结合分层图模型,提出了一种用于波长可变光网络的动态RWA算法,它一次性地完成了寻找路由和分配波长2个任务.通过计算机模拟证明,算法借助波长转换技术提高了波长资源的利用率.     

最值吸收算法解决矩阵连乘次序问题

通过分析矩阵序列乘法的特点,找到了一种新的算法一最小维数边界吸收算法,并将此算法分别与穷举搜索算法、动态规划算法的时间复杂度及空间复杂度进行分析比较．可以看出,动态规划算法的时间复杂度为O（n^3）,空间复杂度为O（n^2）,而本算法的时间复杂度和空间复杂度均为O（n）,并且不需要额外的空间开销．     

基于多蚁群算法的电力通信网路由配置机制

针对电力通信网中以顺序配置为主的业务路由配置策略可能导致网络风险不均衡的问题,综合考虑现网的各项参数要求以及业务分布因素,提出了一种基于多蚁群算法的路由配置机制.首先对关键业务路由配置问题建模,定义了通道压力,并构建了通道压力最小化的数学模型之后结合模型特征利用多蚁群算法进行求解,最后基于现网拓扑结构进行仿真实验.实验结果表明,在不同规模的网络中,相对于其他方法,该机制能获取全局通道压力值更低的业务路由配置方案.     

基于禁忌搜索的贝叶斯网结构学习算法

针对随机搜索机制学习算法参数设置较多的不足,提出了一种基于禁忌搜索的贝叶斯网结构学习算法.此算法首先利用加边、减边、逆向边3个算子产生当前解的邻域,然后结合禁忌表和蔑视准则以引导和限制搜索过程,2个步骤迭代进行,直至达到全局最优解或近似最优解.仿真实验表明,此算法不仅具有结构简单、参数少、易于实现的特点,而且求解质量也能得到保证.     

基于粒子群优化的无线Mesh网络信道分配算法

多信道多天线（MCMR）广泛被用于提升无线Mesh网络的性能,但现有信道分配算法存在两方面问题:算法的时间太长和空间复杂度过高,无法获得全局最优解;算法可扩展性差,无法适用于大规模的网络。为解决上述问题,该文借鉴粒子群优化算法在收敛快、开销小等方面的优势,以建模无线Mesh网络中的信道分配问题。通过网络信息的交换和干扰模型的定义,以最小化适应度函数为优化目标,以天线、可用信道数量、信号干扰等为约束条件,设计并实现了基于粒子群优化的信道分配算法（PSOCA）。仿真实验表明了算法的可行性,且与同类算法相比,该算法在网络吞吐量和丢包率两个方面具有明显的改善。     

贝叶斯改进BP神经网络在织物染色配色中的应用

针对BP算法及其改进算法泛化能力不强的问题,探讨了用贝叶斯正规化算法与LM算法的结合来提高BP神经网络的泛化能力。结果表明,在相同网络规模或误差条件下,贝叶斯正规化算法泛化能力明显优于基本BP算法及其它改进的BP算法,且收敛速度较快。因此文中把贝叶斯正规化算法与LM算法结合应用到了织物染色的计算机配色中,其预测的配方和实验的数据比较接近,证明了该方法的可行性。     

几种TCP协议下F、G函数的研究

随着网络技术的不断提高,一些新型的高速网络投入使用,产生了一系列如TCP拥塞控制算法,其中Reno协议、Vegas协议、RED协议以不同的方式解决了网络拥塞的问题。本文通过在以上三种协议模型下对F、G函数进行推导,比较了三种协议的优劣,为网络模型的建立打下基础。     

一种基于FMEA的贝叶斯诊断网络

为解决故障模式与影响分析(FMEA)无法定量描述故障模式发生概率的问题,提出了一种基于FMEA的3层贝叶斯网络拓扑结构——CFE(Cause Failure Effect)型贝叶斯诊断网络,利用FMEA中"故障原因"、"故障模式"、"故障影响"间的关系来确定诊断网络的拓扑结构,以表示系统故障间的因果性和层次性,并采用贝叶斯网络诊断决策技术求解故障模式发生的概率,为确诊故障提供理论依据。     

一类网络容量和扩张的纯效益模型及算法研究

研究了一类概率约束下的网络容量和扩张的纯效益模型及算法。网络容量扩张问题在现实生活中是非常常见的．而网络的瓶颈容量对于网络最后容量起着关键的限制，文中考虑的瓶颈容量是网络的容量总和。根据实际问题的需要，研究了要求网络扩张的纯效益最大，带机率约束的网络瓶颈容量和扩张的纯效益模型，并给出了相应的遗传算法。     

A*算法改进及其在动态最短路径问题中的应用

动态最短路径搜索算法是智能交通系统技术应用的关键问题之一．为了解决这一问题,提出以一致性原则动态形式为基础的动态A*算法(dynamic A* algorithm,DA* algorithm)并证明了在两节点间动态下界满足一致性原则动态形式前提下,该算法能够求解满足先进先出原则的动态网络中两节点间最短路径问题．在以广州市交通路网为基础的动态网络上对DA*算法进行试验．试验结果表明,Dijkstra算法的和A*算法的平均计算时间分别是DA*算法的6．55和1．43倍．     

基于神经网络的非线性模型辨识

在分析了影响多层前馈神经网络泛化性能各项因素的基础上,应用BP网络对一个微型锅炉非线性对象进行了模型辨识,以建立该系统的预测模型.在辨识过程中注意采用泛化方法解决样本数据采集和网络结构确定方面的问题,利用贝叶斯正则化方法训练神经网络,以保证在满足训练精度的要求下,网络还具有较好的泛化性能.通过选取一组数据对辨识结果模型进行测试,结果表明所辨识出的对象模型能够较好地表现出对象的动态行为,且具有较好的泛化性能.