无线多媒体网络中一种基于测量网络状态的动态呼叫接纳控制算法

提出了一种无线多媒体网络中基于测量网络状态的动态呼叫接纳控制算法.它区分了实时和非实时业务,在网络带宽资源不足时可通过降低非实时业务带宽确保实时业务呼叫连接的可靠性;还可根据当前网络状况调整预留带宽大小,使小区实时业务切换呼叫掉线率低于设定的门限值.大量仿真结果显示该算法具有低实时业务切换呼叫掉线率和与固定预留方案相当的带宽利用率,而只以略高的新呼叫阻塞率为代价,适合各种不同概率发生时实际应用的情况.     

无线/移动网络中基于遗传算法的带宽适应方案

无线链路带宽的快速波动推动了无线／移动网络中对适应的多媒体服务的研究．以无线网络系统的利润最大化为目标．研究适应的多媒体应用的带宽适应方案．达到利润最大化的最优带宽适应算法是一个NP-hard问题．提出一个基于遗传算法的带宽适应方案，在算法复杂度大大低于最优算法的同时，获得的利润值近似最优．性能分析和实验结果证明了这一结论．     

基于GoS优化的增强型呼叫准入控制算法

提出一种用于无线多媒体网络增强型速率降级呼叫准入控制算法,在新窄带呼叫请求到达时对宽带呼叫速率的降级程度进行优化,从而实现最优化呼叫层的服务等级(GoS)。利用马尔可夫模型对算法进行分析,通过分析结果及各种呼叫的到达速率,采用穷举法获得最佳门限值。数值仿真结果表明,与传统的非优化速率降级方案相比,该算法能够获得更好的GoS。     

适合于移动多媒体网络的呼叫接纳控制算法

移动多媒体网络应该能够同时支持传统的数据业务和实时交互式多媒体业务,并能够为用户提供QoS保证.在无线移动网中提供QoS保证,呼叫接纳控制扮演着重要的角色.通过对呼叫接纳算法中资源预留方案进行了分析总结,提出了一种适合于移动多媒体网络的自适应呼叫接纳控制算法.     

多媒体服务器集群系统节能建模与在线优化

提出了一种基于马尔可夫切换状态空间控制模型的多媒体服务器集群系统能耗最优控制方法.通过建立多媒体服务器集群的随机控制模型,将能耗最优控制描述为一个带约束的优化问题.结合拉格朗日乘子法和性能势理论,提出了一种在线策略迭代算法.该优化算法通过样本轨道在线寻找最优控制策略,寻找过程不需要精确的系统参数信息.仿真实验证明了该算法的有效性.     

基于位置服务信息的动态速率切换算法

提出了一种新的无线网络中的基于位置服务信息的动态速率切换算法,根据LBS信息和信号变化矢量判断即将来临的数据切换呼叫并为其预留信道,兼顾数据业务的VBR特性而自适应动态改变其服务带宽。仿真的结果表明,与其他切换算法相比,新算法的呼叫强拆率和呼叫阻塞率均有下降,信道利用率得到提高,提高了无线呼叫接入控制系统的QoS。     

LTE系统中适应链路层机制的TCP头压缩算法

LTE系统采用全IP承载,具有比以往无线系统更高数据速率和容量.为了能够有效利用无线带宽资源,LTE系统中采用了ROHC(robust header compression)信头压缩协议对无线分组进行压缩.针对ROHC协议算法复杂度过高实现困难以及对高速数据业务的适应性较差等特点,提出一种适应LTE链路层机制的TCP头压缩算法.仿真结果表明,相比ROHC协议,本文提出的算法具有更高的头部压缩效率,进一步提高无线带宽资源的利用效率,同时,也能更好的适应LTE系统的高带宽环境,具有较低的算法复杂度和良好的稳健性和适用性.     

动态电源管理的随机切换模型与在线优化

考虑系统参数未知情况下的动态电源管理问题，提出一种基于强化学习的在线策略优化算法. 通过建立事件驱动的随机切换分析模型，将动态电源管理问题转化为带约束的Markov 决策过程的策略优化问题. 利用此模型的动态结构特性，结合在线学习估计梯度与随机逼近改进策略，提出动态电源管理策略的在线优化算法．随机切换模型对电源管理系统的动态特性描述精确，在线优化算法自适应性强，运算量小，精度高，具有较高的实际应用价值．     

动态电源管理超时策略自适应优化算法

基于强化学习的方法,提出一种动态电源管理超时策略自适应在线优化算法.构建基于超时策略动态电源管理系统的半Markov控制过程模型,将动态电源管理问题转化为一个带约束的优化问题.利用此模型的动态结构特性,结合在线梯度估计与髓机逼近推导超时策略的在线优化算法.该算法自适应性强,计算量小,具有全局收敛性.通过无线网络通信节点动态电源管理的应用仿真验证了算法的有效性.     

基于北斗系统的QoS保障地理位置路由算法

基于北斗定位/导航系统,研究无线多媒体传感器网络(WMSNs)定位技术在地理位置信息路由算法中的应用,根据贪婪策略和地理位置信息设计一个无线多媒体传感器网络QoS支持路由算法。该算法与SPEED算法一样,提供软时延保障。同时,优化的代价函数平衡了能耗、网络生存期和无线带宽等参数。在理论上分析该算法的软、硬时延保障及其他QoS性能,结果表明,该算法能为WMSNs的多媒体通信提供较多的QoS控制保障。     

认知无线网络中的跨层资源优化

跨层资源优化是设计认知无线网络重要的一环,是典型的多目标优化问题。为此,提出一种自适应克隆与邻域选择优化算法解决认知无线网络中的资源优化分配问题。以使用带宽、消耗功率、数据传输速率等指标作为认知网络优化目标,并将其在算法中进行优化。通过2种典型测试函数的仿真比较,结果表明该算法能够有效解决认知无线网络中的频谱资源分配、功率控制及速率提升等多目标优化问题,且与SPEA-2算法和NNIA算法相比,具有明显的优越性。     

基于HAGA的D2D-NOMA资源分配优化算法

针对无线系统带宽资源有限、基站负载压力大、传输时延长等问题,提出一种基于非正交多址接入技术的D2D系统吞吐量最大化资源分配算法。在不同用户的服务质量约束条件下,建立D2D系统吞吐量最大化资源分配模型。该模型的优化目标是一个混合整数非线性规划问题,将其解耦为信道匹配与功率分配2个子问题并分别进行处理,利用自适应惩罚函数法处理约束条件并提出一种基于爬山策略的自适应遗传算法以对问题进行求解。仿真结果表明,与GA、AGA算法相比,该算法能够有效提高D2D系统的吞吐量,且收敛性能更好。     

基于机会约束规划的无线Mesh网跨层优化算法

以无线Mesh网的联合拥塞控制与功率控制为优化目标,针对网络中的不可控数据流与无线传播环境的时变随机性两类随机性因素,结合随机网络效用最大化理论,建立了无线Mesh网的跨层联合优化模型。将无线Mesh网络中的不可控数据流和时变无线传播的干扰建模为随机变量,采用机会约束规划方法进行分析,最后利用遗传算法求解该随机优化问题,并进行了仿真验证。仿真结果反映了网络速率、节点发射功率与链路置信水平三者之间的定量制约关系。     

认知Mesh网络中基于免疫多目标优化的频谱分配

针对认知无线Mesh网络(CWMN)的频谱分配问题,提出了一种基于免疫多目标优化的实现算法。该算法将要求解的频谱分配建模为最大化总带宽和最小化占用频谱数的多目标优化问题,设计了适合问题求解的抗体编码方式、整体克隆算子和非支配抗体选择算子。仿真实验结果表明,所提算法可以求得CWMN频谱分配问题的Pareto最优解,提高了最大化总带宽,减少了最小化占用频谱,优化了频谱分配性能。     

Distributed stochastic MPC for systems with parameter uncertainty and disturbances

A distributed stochastic model predictive control algorithm is proposed for multiple linear subsystems with both parameter uncertainty and stochastic disturbances, which are coupled via probabilistic constraints. To handle the probabilistic constraints, the system dynamics is first decomposed into a nominal part and an uncertain part. The uncertain part is further divided into 2 parts: the first one is constrained to lie in probabilistic tubes that are calculated offline through the use of the probabilistic information on disturbances, whereas the second one is constrained to lie in polytopic tubes whose volumes are optimized online and whose facets' orientations are determined offline. By permitting a single subsystem to optimize at each time step, the probabilistic constraints are then reduced into a set of linear deterministic constraints, and the online optimization problem is transformed into a convex optimization problem that can be performed efficiently. Furthermore, compared to a centralized control scheme, the distributed stochastic model predictive control algorithm only requires message transmissions when a subsystem is optimized, thereby offering greater flexibility in communication. By designing a tailored invariant terminal set for each subsystem, the proposed algorithm can achieve recursive feasibility, which, in turn, ensures closed‐loop stability of the entire system. A numerical example is given to illustrate the efficacy of the algorithm.     

考虑随机旅行时间与二维装载约束的越库配送车辆路径优化

面向越库配送模式下二维装载和车辆路径联合优化,考虑现实配送过程的不确定性因素,提出考虑随机旅行时间和二维装载约束的越库配送车辆路径问题.基于蒙特卡洛模拟与场景分析方法,建立以运输成本、车辆固定成本以及时间窗期望惩罚成本之和最小化为目标的带修正随机规划模型.继而根据问题特征,设计改进的自适应禁忌搜索算法和基于禁忌搜索的多重排序最佳适应装箱算法进行求解.其中,改进的自适应禁忌搜索算法在禁忌搜索算法的基础上引入自适应机制,对不同邻域算子进行动态选择,并提出基于移除-修复策略的多样性机制以增强算法的寻优能力.数值实验表明,所提出的模型与方法能够有效求解考虑随机旅行时间和二维装载约束的越库配送车辆路径问题,自适应与多样性机制能一定程度上增强算法的全局搜索能力.     

多分配枢纽站集覆盖问题的随机p- 鲁棒优化模型及算法

枢纽站选址是轴辐式网络优化设计的重要问题,枢纽站覆盖则是该问题的一个类型.考虑枢纽站建站成本和节点间运输距离的不确定性,结合随机优化和鲁棒优化方法,建立了完备轴辐式网络中多分配枢纽站集覆盖问题的随机-鲁棒优化模型;采用二进制编码,对量子粒子群算法进行改进,加入免疫思想,设计了免疫量子粒子群求解算法.最后通过算例对模型进行仿真计算,结果表明了该模型及算法的可行性和有效性.     

制冷站双目标权重自适应非线性预测控制

针对传统制冷站控制系统易产生振荡, 且无法实现系统性能整体优化的问题, 本文提出一种制冷站非线性 预测控制策略, 优化目标函数设计为满足建筑冷量需求的同时, 尽可能提高系统整体能效. 为解决上述两个优化目 标之间的矛盾关系, 本文采用模糊逻辑设计了优化目标权重自适应模块, 实时求取权重因子最优解; 针对非线性系 统在线优化求解困难问题, 本文提出了基于神经网络的非线性滚动优化算法, 采用神经网络作为反馈优化控制器, 并将系统优化目标函数作为在线寻优性能指标, 结合Euler-Lagrange方法和随机梯度下降法对控制器权值和阈值进 行在线寻优, 算法计算量小, 占用存储空间适中, 便于采用低成本的现场控制器实现制冷站预测控制. 仿真实验结果 表明, 本文所提出的预测控制策略与PID控制相比, 在未加入优化目标函数权重自适应模块情况下, 系统平均能效 比提高约32.5%; 进行优化目标函数权重自适应寻优后, 系统平均能效提高约39.43%.