基于QoS和逻辑代数运算规则的路由算法

基于服务质量QoS的路由的主要目标是为接入的业务选择满足服务质量要求的传输路径,同时保证整个网络资源的有效利用。逻辑代数运算规则路由算法是利用节点之间的直接连接进行逻辑代数运算来求出两个节点之间的所有路由。本文总结出了基于服务质量度量和逻辑代数运算规则的路由算法,并给出了算法示例。     

信息中心网络实时业务支持技术

NDN针对不同业务类型特征和内容语义,单一地执行相同的请求应答模式、缓存和路由决策,难以实现实时业务的高效内容分发,针对该问题提出了信息中心网络实时业务支持技术RTSS。利用长久兴趣报文的请求模式减少了兴趣报文开销;快速转发的数据响应策略降低查表和缓存的响应延迟;基于改进蚁群优化算法的路由转发方式提高了实时业务的服务质量保障水平。仿真结果表明RTSS方案以有限的计算和存储代价,降低了实时业务的平均响应时延。     

粒子群算法在服务质量路由问题的研究

基于服务质量QoS的路由的主要目标是为接入的业务选择满足服务质量要求的传输路径,同时保证整个网络资源的有效利用.本文介绍了粒子群算法,提出了应用粒子群算法解决互联网络服务质量路由问题.实验表明,该方法是行之有效的.     

基于改进GA和JAVPRS的数据中心网络设备能耗降低研究

在数据中心的耗能中,网络设备的耗能占比最大。为了降低网络设备的能耗,提高网络服务质量。针对不同类型业务的特点,研究分别提出了基于改进遗传算法和业务感知的虚拟机放置及路由调度算法来面向不同类型的业务。经测试,改进遗传算法相较于多边形扫描转换算法和导向滤波算法,可以降低约70%的能源消耗;减少约22%和64%的数据包延时和丢包率;增加40%左右的网络吞吐量。基于业务感知的虚拟机放置及路由调度算法相较于贪婪随机自适应西尔斯程序和模拟退火算法在接入层和汇聚层交换机中分别节约了约20%和18%的能耗,数据包延时减少了8%左右。可见在相应类型的业务时,改进遗传算法和基于业务感知的虚拟机放置及路由调度算法均可以实现网络设备的节能。     

基于状态稳定性更新的距离向量路由算法

为了满足多种业务需求、优化网络资源，QoS路由需要具备较准确的网络状态信息计算路径。受到网络开销等诸多方面的限制，现有的距离向量等算法难以及时、准确地描述网络状态统计特征，状态的不确定性成为了服务质量研究的难点。该文提出了一种基于状态稳定性更新的距离向量路由算法（SSB-DV），改进了对距离向量算法的周期更新方式。通过分析和仿真实验表明，SSB-DV算法能够在确保网络有效利用等重要的路由性能的基础上，以较小的代价使具有显著变化的网络状态得到及时的更新和通告。     

基于无线传感器网络汇聚传输的两阶段实时调度算法

多对一的汇聚传输是无线传感器网络,特别是工业无线传感器网络中的一个典型的数据传输模式.针对具有星形和网状两层拓扑结构的工业无线传感器网络汇聚传输的实时性要求,分析簇-线型路由下完成汇聚传输所需时隙数和信道数的下限值,并基于理论值提出一种基于紧凑搜索的两阶段实时调度算法.仿真结果表明,存在最优的两阶段实时调度算法,且相比集中式调度算法,时间开销降低了6～8倍.报文开销降低了近2倍.     

一种Ad Hoc和蜂窝混合网络路由算法的改进

本文介绍了一种基于AODV的Ad Hoc和蜂窝混合网络路由算法,在这种路由算法的基础上提出了一种Ad Hoc和蜂窝混合网络路由算法的改进方案,使之减少路由开销并降低时延以达到提高路由效率节约网络资源的目的。最后,用NS网络仿真工具对其进行了仿真分析,结果表明改进后的混合网络路由算法有效的减少了混合网络中的路由开销并降低了时延。     

基于SDN的异构空间信息网络传输策略

在空间信息网络大时空尺度和节点稀疏特性的环境下,传统网络的异构性会降低网络传输效率,星间通信过程易中断,无法充分利用已存在的异构节点,导致星间链路频繁切换,使得平均传输时延增大与服务质量降低。为此,以空间信息网络为背景、以软件定义网络架构为核心对Floodlight控制器模块进行改进,运用控制器实现IP包与ATM包之间相互转换的策略,提出一种基于网络有效性的路由算法。仿真结果表明,与传统空间信息网络模型架构和卫星网络架构相比,通过该算法改进后的SDHSN架构在单位时间片内网络平均传输时延降低约3.75%,吞吐量提升7.22%～11.49%。     

移动自组织网络路由选择算法研究进展

移动Ad Hoc无需基础设施,可支持高动态的移动数据通信,具有广泛应用的前景。然而,其高动态特性导致互联网现有路由协议不再适用。近年来学者针对Ad Hoc网络提出了大量的路由选择算法。给出了各种路由技术分类方法,简述了Ad Hoc网络的基本路由协议和路由选择算法,进而从预测模型、能量模型、位置信息、服务质量控制和安全支持等5个角度,深入分析了当前Ad Hoc网络路由选择算法的最新研究进展。预测模型通过基于历史信息的移动预测,降低了路由选择的时间代价;能耗模型则采用适当的数学模型来描述网络能耗情况,在选路过程中实现了分组传送的能耗最小化和能量负担均衡之间的权衡;基于位置的路由选择算法根据节点的地理位置来标识目的地,从而利用该地理位置信息进行路由选择;服务质量感知的路由选择算法在本地计算中考虑带宽、延迟、能量和电池生命周期,从而在选路过程中提供了服务质量支持;安全路由选择算法则利用适合移动Ad Hoc网络的密钥、哈希链、电子签名等技术对协议交互消息进行加密来保障网络安全。最后从通信开销、计算和存储开销、路径数量、关键节点的存在性以及算法类型等方面详细对比总结了近年来提出的30余种典型路由选择算法,指出了各自的特点...     

SDN架构下的空间信息网络业务识别技术

针对传统的离线业务流量识别方法消耗时间长、实时性差的问题,通过对空间信息网络管控和网络资源的高效编排,提出一种基于软件定义网络(SDN)架构的空间信息网络业务识别技术。运用OpenFlow协议在线收集业务流量,提取流中前5个数据包作为一条子流,在SDN控制器上实现基于机器学习的在线业务分类,同时给出一种具有噪声过滤功能的协同训练算法Dif-TriTraining。实验结果表明,与传统的Tri-Training算法相比,该算法能够有效提升业务识别的准确率。     

能耗优化的流媒体传输任务调度研究

随着信息技术和网络技术的迅速发展,三网融合使得智能电视系统迅速发展,随着云计算技术的出现,基于云计算构架的流媒体平台成为智能电视主流发展方向。智能电视系统提供的视频点播业务迅猛增长,其相应的流媒体传输任务无论在性能上,还是能耗上都成为需要解决的问题。针对智能电视系统中视频点播业务的流媒体传输任务调度问题,提出了一种能耗优化的流媒体传输任务调度算法。该算法根据预测任务时间长度区分不同类型的任务并分别分配到各自类型的节点执行,将碎片化的任务集中调度,让尽可能少的服务器以较高负载状态执行任务从而达到整体能耗减少的目的。相关实验结果表明,该算法可以在不影响服务质量的前提下对能耗实现一定程度的优化。     

Continuous frame motion sensitive self-supervised collaborative network for video representation learning

Motion, as a feature of video that changes in temporal sequences, is crucial to visual understanding. The powerful video representation and extraction models are typically able to focus attention on motion features in challenging dynamic environments to complete more complex video understanding tasks. However, previous approaches discriminate mainly based on similar features in the spatial or temporal domain, ignoring the interdependence of consecutive video frames. In this paper, we propose the motion sensitive self-supervised collaborative network, a video representation learning framework that exploits a pretext task to assist feature comparison and strengthen the spatiotemporal discrimination power of the model. Specifically, we first propose the motion-aware module, which extracts consecutive motion features from the spatial regions by frame difference. The global–local contrastive module is then introduced, with context and enhanced video snippets being defined as appropriate positive samples for a broader feature similarity comparison. Finally, we introduce the snippet operation prediction module, which further assists contrastive learning to obtain more reliable global semantics by sensing changes in continuous frame features. Experimental results demonstrate that our work can effectively extract robust motion features and achieve competitive performance compared with other state-of-the-art self-supervised methods on downstream action recognition and video retrieval tasks.     

利用粗糙集对任务和节点划分的P2P任务调度策略研究

首先定义了引入排队机制后的任务调度模型,根据P2P环境下节点和任务不确定性等特点,采用粗糙集提取任务和节点关键属性后利用相似度将任务和节点进行划分,对于同一队列中的任务按多目标规则进行优先级排序。实验表明按照内容进行任务调度提高了任务的平均QoS。     

STK/Scheduler在卫星数传调度中的应用研究

卫星数传调度问题是一类复杂的组合优化问题,即如何为卫星数传任务分配地面资源的问题,它是当前航天领域需要重点研究的问题之一.STK/Scheduler模块是STK工具包中的调度模块,对外提供了二次开发功能.针对卫星数传调度问题,研究了STK/Scheduler模块在该问题中的应用.首先在分析问题的基础上建立了卫星数传任务模型和调度模型,然后对基于STK/Scheduler的卫星数传调度系统进行了设计.最后利用AFIT基准数据进行了验证,结果表明在卫星数传任务规模不太大的情况下,TK/Scheduler为卫星数传调度问题的求解提供了一条捷径.     

异构融合网络中服务质量控制仿真

针对当前网络服务质量控制方法中存在的用户满意度低和服务延迟长问题,提出基于蚁群算法的异构融合网络中服务质量控制方法。定义网络服务质量效用函数,结合质量参数层与使用者感知层关键质量参数定量评价网络服务质量,引入网络服务延迟约束条件,构建异构融合网络中服务质量控制目标函数。基于网络资源ID查询资源目前状态信息,初始化网络各资源点信息素,并计算任务分配概率值,更新局部信息素,直到任务队列中的任务均被分配至资源处理处为止。判断任务成功解决与否,假设任务没有被成功解决,则重新调度网络资源,并将任务重新排列在等待队列中。实时更新全局信息素和网络中各个节点可信度,以此综合评价此次资源调度,假设调度方案满足网络服务质量控制目标函数,则将该调度方案当作最优网络服务质量控制方案;反之,则不断更新当前解,直到得到最优网络服务质量控制方案。实验结果表明,该方法用户满意度高、服务延迟短。     

基于云计算神经网络物流车辆调度算法研究

研究了物流车辆调度优化问题。针对云计算下任务调度算法没有考虑调度的服务质量和用户满意度的问题,特别是在物流任务调度问题中存在复杂的计算网络,造成计算率降低,为了解决上述问题,提出了一种新的有关云计算和神经网络相结合的物流作业调度算法。算法充分考虑了调度的服务质量以及用户满意度,建立一个参数化的处理模型,计算用户在各个资源上的综合满意度,再将任务分配到满足用户需求和使系统资源达到均衡的资源上执行,最后采用改进的神经网络进行优化车辆调度。实验结果表明,改进算法不仅能满足用户的多种需求,提高了用户的满意度,同时也提高了资源调度率和系统资源的利用率。     

物联网环境下多并发任务分簇调度方法仿真

为全面缓解由网络任务拥堵造成的调度均衡失控问题,提出物联网环境下的多并发任务分簇调度方法。在多并发网络处理架构中,设置具有关联能力的智能任务检测电表,并以电表中的显示数值为依据设计无线任务传输模块,完成多并发任务处理的物联网环境构建。在此基础上,确定任务目标参量,通过提取TDS分簇算子的方式,扩展多并发调度系数,实现物联网环境下多并发任务分簇调度方法的顺利应用。仿真结果显示,应用QoS、DoS、AoS方法后,网络任务的拥堵现状均不能得到有效缓解,且调度均衡参数的最大值与预期标准数值也始终存在较大物理误差,而随着多并发任务分簇调度方法的应用,网络任务拥堵量不断下降,调度均衡参数的实际值也开始出现大幅回升,固有调度均衡失控问题得到有效解决。     

云计算中基于优先级和费用约束的任务调度算法

针对云计算中的服务质量保证问题,提出一种基于优先级和费用约束的任务调度算法。该算法通过计算任务优先级和资源服务能力,分别对任务和资源进行排序和分组,并根据优先级高低和服务能力强弱建立任务组和资源组间的调度约束关联;再通过计算任务在关联资源组内不同资源上的完成时间和费用,将任务按优先级高低依次调度到具有任务完成时间和费用折中值最小的资源上。与Min-Min和QoS-Guided-Min算法的对比实验结果表明,该算法具有良好的系统性能和负载均衡性,并降低了服务总费用。     

新型分布式计算系统中的异构任务调度框架

随着大数据和机器学习的火热发展,面向机器学习的分布式大数据计算引擎随之兴起.这些系统既可以支持批量的分布式学习,也可以支持流式的增量学习和验证,具有低延迟、高性能的特点.然而,当前的一些主流系统采用了随机的任务调度策略,忽略了节点的性能差异,因此容易导致负载不均和性能下降.同时,对于某些任务,如果资源要求不满足,则会导致调度失败.针对这些问题,提出了一种异构任务调度框架,能够保证任务的高效执行和被执行.具体来讲,该框架针对任务调度模块,围绕节点的异构计算资源,提出了概率随机的调度策略resource-Pick＿kx和确定的平滑加权轮询算法.Resource-Pick＿kx算法根据节点性能计算概率,进行概率随机调度,性能高的节点概率越大,任务调度到此节点的可能性就越高.平滑加权轮询算法在初始时根据节点性能设置权重,调度过程中平滑加权,使任务调度到当下性能最高的节点上.此外,对于资源不满足要求的任务场景,提出了基于容器的纵向扩容机制,自定义任务资源,创建节点加入集群,重新完成任务的调度.通过实验在benchmark和公开数据集上测试了框架的性能,相比于原有策略,该框架性能提升了10%-20...     

无线传感器网络疑误数据节点自动诊断方法

为了提高无线传感器网络疑误数据检测能力,提出基于轮换调度的无线传感器网络疑误数据节点自动诊断方法。通过采用分块区域特征匹配的方法,得到无线传感器网络疑误数据传输的梯度模型,采用资源优化分配方案,进行数据传输信道的均衡调度,得到节点部署分布模型。通过传感信息跟踪采样方法,得到采样信息分布,建立无线传感器网络疑误数据信息特征分析,通过分组特征检测方法进行无线传感器网络疑误数据的信息融合和空间融合调度,提取无线传感器网络疑误数据的关联规则特征集,通过统计信息分析和融合调度的方法,进行无线传感器网络疑误数据的聚类挖掘,采用预算估计算法,得到疑误数据节点定位优化,结合自主学习算法,实现无线传感器网络疑误数据节点的优化定位和诊断检测。仿真结果表明,采用该方法进行无线传感器网络疑误数据节点检测的自适应性较好,特征辨识能力较强。