WSN中考虑负载均衡的贪婪寻优中继节点布局算法的研究

针对目前WSN中的中继节点布局算法中忽略负载均衡的问题,首先引入通信路径不可逆等优化模型来进行节点布局;其次,提出阈值法及平均值法来动态更新网络中各路径的负载;然后针对负载均衡与节点数目难两全的问题,提出一种优化贪婪寻优算法,使得在考虑负载的同时,所需节点的数目能尽量减少.测试结果表明,使用不考虑负载的传统贪婪寻优算法以及使用考虑负载均衡的优化贪婪寻优算法进行节点布局时,两种算法所耗费的节点数目相差无几,然而后者却能够使整个网络的负载更为平均,更适合于实际应用中灵活多变、环境复杂的无线传感器网络,具有更深的实际意义.     

基于负载均衡的WSN非均匀分簇算法

针对分簇的无线传感器网络(WSN)中负载不均衡问题,提出一种实现节点负载均衡的WSN非均匀分簇算法。引入非均匀簇机制计算出最优的网络分簇数量,通过调整节点的簇首归属来控制网络的分簇的大小,形成合理的网络拓扑结构。仿真实验结果证明,该算法能有效均衡网络的节点负载,降低节点能耗,延长网络的生存时间。     

基于HEED的无线传感器网络负载均衡路由算法

针对无线传感器网络存在的“漏斗效应”以及“热点”问题, 在HEED的基础上通过改进簇间路由协议,提出一种负载均衡路由算法HEED-LEDP。该算法通过在簇头节点间构建负载均衡树,保证网络中数据流量均匀分布于各个通信路径,避免大量数据汇集到少数路径上造成的“热点”问题;同时该算法提出一种应用于单条通信路径的轮换转发策略,将一条路径上数据转发的负担分布到所有节点中,从根本上消除“漏斗效应”。实验结果证明HEED-LEDP路由算法能有效避免网络中局部节点过早死亡的情况,提高网络寿命和能量使用效率。     

基于时变演化博弈机制的WSN数据采集算法

为解决当前WSN数据采集算法存在的种子节点收敛准确度不高、数据区域传输存在抖动难以控制的不足,提出一种基于时变演化博弈机制的WSN数据采集算法。构建种子节点聚类初始化方法,并采取灰度 矢量微分映射机制进行聚类迁徙,实现时变条件下种子节点 区域节点的动态映射更迭;设计流量切换阈值,并结合演化博弈机制来构建区域流量均衡机制,完成节点在阈值范围内的流量负载均衡;结合能量阈值机制来建立经济效益评估模型,改善节点切换过程中的链路抖动问题。仿真实验表明:与当前常用的超宽带能量相邻启发算法(Ef-ficient Nearest Neighbor Heuristic TSP Algorithms,ENNH-TSP)及黑洞安全组节点探测传输算法(Secure Group-Based Blackhole NodeDetection Scheme,SGBB-NDS)相比,该算法具有更低的采集链路抖动率与汇总带宽丢包率,以及更高的传输带宽与信源传输质量。     

无线传感器网络动态负载均衡树路由算法

多源单汇路由是无线传感器网络的关键问题之一,当所有节点都执行感知任务时,网络流量具有漏斗效应。距离Sink远的节点流量小,距离Sink近的节点由于需要转发大量数据,流量较大,容易产生拥塞。从最小生成树与宽度优先搜索树的特点出发,提出基于动态负载均衡树的路由算法。该算法在初始宽度优先搜索树的基础上,通过嫁接与局部调整树结构的方式,使流量在子树间动态均衡。对Sink位于不同位置的网络进行仿真,结果表明基于动态负载均衡树的路由算法在负载均衡度及能耗方面均占优。     

无线通信节点传输能量均衡优化算法

针对现有异构网络算法负载不均衡和网络寿命短的问题,提出一种基于能量均衡与动态调节的节点筛选算法。根据网络节点间的相邻性与链路结构特点计算节点的距离和能量,引入方向因子与能量调节因子对节点选择概率进行优化,实现网络节点的动态选择。在此基础上,利用节点的关联性选取目标路径,并通过建立节点筛选机制实时排除能量不足的节点,从而保证网络正常运行与能耗均衡。实验结果表明,该算法能有效延长网络寿命,具有较好的稳定性,并且在时间充裕的情况下具有较高的准确率与数据接收率。     

基于聚合度的WSN分簇优化算法研究

针对无线传感器网络分簇问题,引入节点聚合度概念,以节点能量的均衡消耗为目标,提出一种有效簇头数优化方法,并设计出均衡网络负载的簇首动态更新和簇重组机制,进一步地优化分簇。算法包括基于能量消耗的有效簇头数计算,聚合度最大的簇首选举和簇建立,以及均衡网络负载的簇首动态更新和簇重组。仿真结果表明,算法能有效延长网络寿命,均衡网络消耗。     

基于蚁群算法的WSN多路径负载均衡路由

为使无线传感器网络节点能量消耗相对均衡,在定向扩散路由算法的基础上,结合蚁群算法,提出一种多路径负载均衡路由算法。该算法利用蚁群的自适应和动态寻优能力,在源节点和目的节点之间搜索建立多条传输路径,并将节点剩余能量引入启发因子,均衡节点能量消耗。同时,运用层次分析法,赋予每条路径一定的负载分配比例,使数据总能在链路性能较优的多路径中均衡传输,延长整个网络的生命期。仿真结果表明,与定向扩散路由算法相比,该算法能够均衡节点能耗,有效延长网络寿命。     

基于路径损耗的WSN能量意识拓扑控制算法

为延长无线传感器网络(WSN)中节点的生命周期及均衡节点负载,在PLBD算法的基础上提出一种基于路径损耗的能量意识拓扑控制算法PLEATC。该算法使用损耗链路作为度量标准,同时考虑转发节点的剩余能量状况,避免网络中部分节点因负载过重而导致能量提前耗尽。仿真结果表明,用PLEATC算法构建的拓扑能够保证网络的连通性和健壮性,并延长网络寿命。     

基于剩余能量的可分负载WSN能耗均衡研究

无线传感器网络( WSN)节点由于自身体积及监测环境等因素的影响,其可携带的能量有限。因此,延长网络的生存周期、均衡WSN各节点的剩余能量即成为该领域的研究热点。针对星型可分负载WSN的剩余能量模型进行优化,以经典最短时间可分负载调度为基础,提出2种优化调度算法：剩余能量排序负载调度算法( RESS )和虚拟能力排序负载调度算法( VASS)。仿真实验结果验证了RESS算法与VASS算法在延长网络生存周期方面的有效性,并表明VASS算法比RESS算法更稳定。     

遗传算法优化延迟时间和嵌入维的网络流量预测

为了提高网络流量的预测精度,利用延迟时间（τ）和嵌入维（m）间的联系,提出一种遗传算法优化τ、m的网络流量预测模型（GA-PSR）。将τ和m作为遗传算法的个体,以网络流量预测精度作为目标函数,通过选择、交叉、变异等操作找到最优τ和m值,重构网络流量序列,采用BP网络对网络流量建立单步、多步预测模型。仿真实验结果表明,相对于对比模型,GA-PSR提高了网络流量的预测精度。     

无线网络负载均衡技术浅析

随着无线局域网扩展服务集中的终端（STA）的移动和无线信道的时变,各个接入点（AP）上的负载会出现差异,需要加强负载均衡,平衡各个AP的差异,以达到最大化的网络资源利用。无线局域网中的负载均衡算法可以采用STA／AP主控负载均衡或接入式／切换式负载均衡技术。     

基于蚁群优化的网络选择算法

随着通信技术的不断发展,越来越多的无线通信网络标准被制定出来。为了保护投资,平滑过渡,各种不同的无线通信网络必然将相互融合。终端在这样一个多网络覆盖的区域中如何选择所使用的网络就成为了一个研究的热点。然而,在已有的诸多网络算法中,无一不存在着参加判决的参数过多、算法过于复杂而导致终端的电力和处理能力消耗过多、没有较好考虑网络负载均衡的缺陷并且没有考虑终端的反馈机制。简要介绍异构融合网络场景下网络选择的相关内容,包括异构融合网络场景,已有的网络选择算法,蚁群优化及其特点。在此基础上,提出了一种全新的基于蚁群模型的网络选择算法（ANSA）。利用Matlab对所提出的ANSA的性能进行了仿真分析,与TOPSIS算法进行对比,证明了ANSA比已有的网络选择算法具有更好的负载均衡性能并且降低了终端的复杂度。     

盾构机密封舱压力控制模型参数辨识

为了解决盾构机密封舱压力控制模型参数辨识问题,提出了基于神经网络的盾构机密封舱压力控制模型参数辨识方法。根据系统输出（密封舱压力）与系统输入（螺旋输送机转速）之间的关系,建立了串并联神经网络辨识器。数值仿真结果表明,该辨识方法对于观测噪声具有良好的鲁棒性。实验台实验结果验证了所提出的模型参数辨识方法的有效性,模型预测的密封舱压力能够较精确拟合密封舱压力观测值。     

改进蚁群算法和支持向量机的网络入侵检测

为了提高网络入侵检测的正确率,提出一种改进蚁群优化算法（ACO）和支持向量机（SVM）相融合的网络入侵检测方法（ACO-SVM）。将SVM模型参数作为蚂蚁的位置向量,采用动态随机抽取的方法来确定目标个体引导蚁群进行全局搜索,同时在最优蚂蚁邻域内进行小步长局部搜索,找到SVM最优参数,采用最优参数建立网络入侵检测模型。利用KDDCUP99数据集对ACO-SVM性能进行测试,结果表明,ACO-SVM提高了网络入侵检测正确率,降低了误报率,可以为网络安全提供有效保证。     

基于注意力机制和生成对抗网络的飞行器短期航迹预测模型

针对单一长短时记忆（LSTM）网络在航迹预测上无法有效提取关键信息以及难以精准拟合数据分布等问题,提出基于注意力机制和生成对抗网络（GAN）的飞行器短期轨迹预测模型。首先,引入注意力机制对航迹赋予不同的权重,以提升航迹中重要特征的影响力;其次,基于LSTM提取航迹序列特征,并经汇聚层汇集时间步长内所有的飞行器特征;最后,利用GAN在对抗博弈下不断优化的特性来优化模型,从而提高模型的准确性。相较于社会生成对抗网络（SGAN）,所提模型在处于爬升阶段的数据集上的平均位移误差（ADE）、最终位移误差（FDE）及最大位移误差（MDE）分别降低了20.0%、20.4%和18.3%。实验结果表明,所提模型能更精确地预测未来航迹。     

IPv6+MPTCP技术对上层应用支撑的验证

通过对TCP/IPv4地址结构和Socket API的研究,重构了MPTCP/IPv6的地址结构及Socket API软件,扩展了SRS开源流媒体服务器对IPv6的支持。以此为基础,编译了MPTCP内核及扩展的SRS、配置了相应的路由表,最终实现了基于IPv6+MPTCP的视频直播平台实例,有效验证了二者结合的有效性及可用性。结果表明：（1）MPTCP多路径并发传输技术具有良好的负载均衡能力;（2）MPTCP多路径冗余机制可实现无缝切换,提升网络的鲁棒性;（3）IPv6+MPTCP+RTMP三个协议具有良好的兼容性;（4）该直播平台为开发基于IPv6+MPTCP技术的下一代互联网万物相联应用提供了一个范例。     

基于协商处理的集群防火墙负载均衡算法

通过分析集群防火墙系统结构和数据包协商处理过程,提出一种基于协商处理的集群防火墙系统负载均衡算法。使用基于权值的Hash算法实现并行过滤。当某一防火墙重载时将任务转移给轻载的伙伴节点,出故障时采用备份防火墙进行快速切换。该算法能实现防火墙节点负载均衡,并且防火墙个数越多,吞吐量越大,时延越低,从而获得了高性能、高可靠性和高可用性。     

基于ACO-LSSVM的网络流量预测

为了提高了网络流量的预测精度,提出一种蚁群算法（ACO）优化最小二乘支持向量机（LSSVM）参数的网络流量预测算法（ACO-LSSVM）。将LSSVM算法参数作为蚂蚁的位置向量,采用动态随机抽取的方法来确定目标个体引导蚁群进行全局搜索,并在最优蚂蚁邻域内进行小步长局部搜索,找到算法的最优参数,建立了基于ACO-LSSVM的网络流量预测模型。仿真结果表明,相对其他网络流量预测算法,ACO-LSSVM算法提高了网络流量预测精度,更能准确地描述网络流量变化规律。     

A Comment on "Beyond Fat-tree: Unidirectional Load-Balanced Multistage Interconnection Network"

A recent work proposed to simplify fat-trees with adaptive routing by means of a load-balancing deterministic routing algorithm. The resultant network has performance figures comparable to the more complex adaptive routing fat-trees when packets need to be delivered in order. In a second work by the same authors published in IEEE CAL, they propose to simplify the fat-tree to a unidirectional multistage interconnection network (UMIN), using the same load-balancing deterministic routing algorithm. They show that comparable performance figures are achieved with much lower network complexity. In this comment we show that the proposed load-balancing deterministic routing is in fact the routing scheme used by the butterfly network. Moreover we show that the properties of the simplified UMIN network proposed by them are intrinsic to the standard butterfly and other existing UMINs.