基于层次回声状态网络的电力EPON业务流感知

为了进一步提高电力EPON（Ethernet Passive Optical Network）对智能电网多业务的支持能力,文章提出了一种层次基于回声状态网络的电力EPON业务流感知技术,采用离散回声状态网络算法对电力通信业务流进行识别感知,以实现EPON对业务的高效匹配能力。在此基础上通过OLT与ONU的交互,优化电力EPON的资源调度与分配能力。为了验证所提出的业务流感知机制,以配用电通信EPON作为典型业务,对基于回声状态网络算法的业务感知进行仿真,仿真结果表明该机制能有效降低丢包率和缩短时延,提高了EPON系统对电力通信多业务的支持能力。     

矿区EPON系统的DBA算法研究

文章在分析矿区EPON系统的特殊性和传统的动态带宽分配(DBA)算法不足的基础上,提出了一种适用于矿区EPON系统的改进DBA算法,详细分析了该算法的实现过程。实验结果表明,该算法实现了面向业务类型的动态带宽分配功能,同时兼顾了分配的公平性,保证了不同优先级业务的时延要求。     

一种优化的EPON动态带宽分配算法

EPON是基于以太网的无源光网络技术,目前以太网技术在局域网技术中应用最广泛。动态带宽分配算法作为EPON的关键技术之一,对提高系统服务质量,改进EPON系统时延等性能指标有着重要意义,为研究的热点。本文对已有DBA算法进行优化,算法思想为先将数据流进行分组,在两层动态带宽分配算法的基础上迭加根据各分组业务的权重优先级进行比例分配算法,并尝试引入预估计机制。仿真结果可以看出改进后的算法在系统带宽利用率、等待时延和服务质量上都能得到一定程度的优化。     

一种以太网无源光网络（EPON）动态带宽分配算法

对EPON系统的上行信道复用技术进行了深入的研究。在EPON系统上行信道复用技术中,带宽分配算法是一个热点和难点。文章基于DifrerServ模型探讨了一种支持多业务的、保证QoS的混合动态带宽分配算法（HBA）,并与静态、动态带宽分配算法进行了仿真比较。结果表明HBA算法在时延、时延抖动和信道利用率等方面优于其它算法。     

论EPON技术及其在铁通吉林分公司的应用

概述了EPON技术特点和基本原理,重点以吉林铁通的EPON试点工程为实例,验证EPON技术的成熟性和业务适用性,妥善解决语音业务的承载及停电保障问题,最后提出EPON建设模式建议.     

基于动态自适应权重与动态服务级别协议的EPON带宽分配算法研究

针对当前EPON带宽分配算法无法实时分析网络性能,且没有考虑每个用户所提供业务的最终行为等不足。对此,提出一种基于动态服务级别协议的EPON带宽分配算法,其根据动态变化的一组权重来分配带宽,并不断分析平均包延迟以确保最高优先级业务满足接入网中每一类客户的平均包延迟要求;通过将动态自适应权重引入动态服务级别协议中,克服因采用固定权重分配所带来的不足。仿真结果表明所提算法能够显著提高带宽利用率,大幅度降低其丢包率以及平均包延迟,且能够使平均包延迟以及丢包率始终低于每类优先级用户的最敏感业务所允许的最高上限。     

自适应门限的EPON 动态带宽分配实现

EPON(Ethernet passive optical network)是解决宽带接入中瓶颈问题的关键技术.为了实现EPON中共享上行带宽的公平和有效分配,以及不同分类业务的QoS保证,提出了基于门限的动态带宽分配算法.该算法根据ONU(optical network unit)的带宽请求和门限值授权分配带宽,实现了3种基于反馈控制理论的自适应调整门限方法并分析了其优缺点.模拟实验结果表明,与其他算法相比,该算法能够减少平均包时延,提高网络吞吐量.     

基于CWDM的EPON MAC层技术研究

针对基于时分复用的EPON不能充分利用光纤资源的问题,提出了一种结合CWDM和EPON技术的低成本多波长EPON系统.分析了系统MAC层技术的变化,探讨了ONU注册、测距和上行带宽分配方案.设计了一种适用于多波长EPON系统的动态带宽分配算法.仿真结果表明该算法能充分利用多波长EPON的带宽资源,具有高效性.     

WLAN与EPON融合接入网上行带宽分配算法

为了提高带宽的利用率,提出一种WLAN与EPON融合接入网上行带宽分配算法。该算法将无线终端接入的业务分为不同的服务等级,以实现不同业务Qo S保证。首先,ONU-AP给各个无线终端STA分配带宽,采用IEEE 802.11E协议的简单调度算法给语音业务和一般数据业务分配带宽,利用视频流的平均速率估算视频业务的传输带宽。其次,光线路终端OLT给各个ONU-AP分配带宽,OLT根据语音业务速率和当前视频业务流量分别估算语音、视频业务在下一个轮询周期的带宽,并将剩余带宽在重负载终端中二次分配,最后给一般数据业务分配带宽。通过仿真实验,结果表明:与传统算法相比,该算法的网络时延和丢包率明显降低,实现了带宽资源的合理分配。     

基于BAC的EPON语音业务承载解决方案

本文分析了EPON语音业务的各类承载组网方式,重点阐述了BAC组网的网络规划及具体实现方法．为电信运营商的EPON语音业务的长期发展提供了可靠的解决方案。     

求解车间作业调度问题的混合遗传算法

针对Job-Shop调度问题,将自适应遗传算法与改进的蚂蚁算法融合,提出了自适应遗传算法与蚂蚁算法混合的一种优化算法。首先利用自适应遗传算法产生初始信息素的分布,再运行改进的蚂蚁算法进行求解。该算法既发挥了自适应遗传算法和蚂蚁算法在寻优中的优势,又克服了各自的不足。实验结果表明,该算法在性能上明显优于遗传算法和蚂蚁算法,并且问题规模越大,优势越明显。     

排序合并Join算法的新结果

Join操作是数据库中最昂贵和最常用的操作.排序合并Join算法是实现Join操作的重要算法,得到了普遍接受并广为应用.在重新研究了排序合并Join算法后发现,同时对两个Join关系进行外排序是不必要的,会带来很大的额外开销.针对这个问题,提出了一种基于单关系外排序的分治Join算法,并在该算法的基础上提出了基于单关系外排序的并行分治Join算法.理论和实验结果证明,基于单关系排序的分治Join算法高于排序合并Join算法.特别是在并行计算环境下,基于单关系排序的并行分治Join算法的效率远远高于排序合并     

改进的模拟退火和遗传算法求解TSP问题

对遗传算法和模拟退火算法的特点进行了比较,阐述了遗传算法与模拟退火算法集合的必要性。提出了一个用于求解TSP问题的改进的模拟退火和遗传算法。利用遗传算法的全局搜索能力弥补了模拟退火算法容易陷入局部最优的问题。在遗传算法中改进了传统的交叉机制,利用父代染色体与子代染色体进行交叉,解决了传统遗传算法中存在的“早熟”问题。针对模拟退火算法收敛速度慢等问题,提出了新的解生成机制和改良算法,提高了算法的收敛速度。实验测试的结果表明,该方法具有较好的收敛效果和更高的稳定性。     

基于空间势函数加权的模糊C均值聚类分割算法

提出了一种基于空间势函数加权的FCM图像分割新算法。该方法将空间邻域的势函数信息融入到原始的FCM算法中，权重在该方法中起核心作用，它是根据最近邻(k-NN)算法的原则将势函数信息扩展到邻域像素中。算法中使用基于统计直方图的快速FCM算法进行初始化，收敛速度大大提高。实验结果表明了该方法的有效性及其对噪声的较强鲁棒性。     

基于改进粒子群算法的无线传感器网络节点定位

针对传统距离矢量-跳数(DV-Hop)算法中最小二乘法的估计误差过大、粒子群(PSO)算法易陷入局部最优的问题,提出了一种改进粒子群算法与DV-Hop的融合算法。首先从粒子速度、惯性权重、学习策略、变异方面对粒子群算法进行改进,增强算法跳出局部最优的能力,提高迭代后期算法的搜索速度;然后在DV-Hop算法第三阶段采用改进粒子群算法优化节点的定位结果。仿真结果表明:相比传统DV-Hop算法、基于混沌粒子群算法的DV-Hop改进算法(MPSO1-DV-Hop)和基于改进型粒子群优化的DV-Hop算法(MPSO2-DV-Hop),该算法的定位精度高,稳定性好,适用于定位精度和稳定性要求较高的场景。     

数据聚类算法的改进及其应用

在分析和比较k平均分区算法和层次凝聚算法的基础上,提出了一种新的改进算法(NQ算法)。并以贵州民族学院近四年学生试卷数据作为测试数据,对NQ算法与k平均分区算法和层次凝聚算法进行了性能对比,实践证明:NQ算法是有效、可靠和快速的。     

基于遗传模拟退火算法的雷达正交信号设计*

针对雷达正交信号的波形设计问题,提出了一种基于遗传算法和模拟退火算法的新遗传模拟退火算法。该算法利用遗传算法实现全局搜索,利用模拟退火算法实现局部搜索,改进了遗传算法的选择策略,并在交叉、变异概率中引入自适应的概率变化机制,自适应地保存最优个体,并对遗传算法的进化结果有选择地进行模拟退火操作,有效地解决了这两种算法的早熟现象和时间问题。实验结果表明,该算法是有效可行的,性能优于传统遗传算法和模拟退火算法。     

基于目标函数变化率的混合蚁群遗传算法

根据蚁群算法和遗传算法收敛性互补的特点,提出了一种基于目标函数变化率的混合蚁群遗传算法。该算法的基本思想是：用蚁群算法的解作为遗传算法的初始种群,根据目标函数的变化率交叉地调用蚁群算法和遗传算法。每当种群进化接近停滞时,调用蚁群算法。这种方法可动态地控制蚁群算法和遗传算法的调用时机,再配合相应的信息素更新方法,以提高算法的收敛性。将新算法用于车间调度基准测试问题,仿真结果表明,与常规混合蚁群遗传算法相比,新算法的全局收敛性和局部收敛性有了明显的提高。     

基于贪心算法和遗传算法的仓储车辆调度算法

针对仓储车辆调度问题提出一种基于贪心算法与遗传算法的调度算法。它主要利用遗传算法为框架筛选、进化出高效的调度方案,算法又融合了贪心算法对调度中的任务排序进行了快速优化。此融合使得遗传算法的编码简便,排除了不可行解的可能,从而使得算法性能大大提高。算法已经C++语言编程实现,实验分析证明:算法有效地提升了调度方案的效率。     

一种基于改进k-means的RBF神经网络学习方法

针对传统RBF神经网络学习算法构造的网络分类精度不高,传统的k-means算法对初始聚类中心的敏感,聚类结果随不同的初始输入而波动。为了解决以上问题,提出一种基于改进k-means的RBF神经网络学习算法。先用减聚类算法优化k-means算法,消除聚类的敏感性,再用优化后的k-means算法构造RBF神经网络。仿真结果表明了该学习算法的实用性和有效性。