使用模糊线性回归的自组网有效洪泛

简单地描述了自组网的特点,对相关工作进行了比较;说明了大多数预测方法不适合自组网应用;为了保持拓扑稳定,文中采取了一个模糊线性回归模型用于预测长寿命链路;提出了一个路径可靠性和路径寿命的分析建模架构.分析结果表明,基于长寿命路径选路的路由协议可靠性更好,寿命更长.仿真结果也表明,和AODV路由协议相比,该协议有高的分组递交率和低的控制开销.     

MPLS网络环境下组播应用研究

组播与MPLS是两种互补的技术，将二者结合起来，对提高网络性能、解决组播的可扩展性问题及控制开销等有着深远的意义。本文首先简要介绍了MPLS和组播的基本原理及优点，接着概括了MPLS网络环境下组播技术应用及实现技术，最后讨论了发展趋势和进一步研究的方向。     

传感器网络定向扩散机制中梯度生成算法的研究

如何生成优化的梯度是传感器网络定向扩散中的一个关键问题,本文在分析一种基本梯度生成算法的问题基础之上,利用兴趣包的转发次数对其进行改进,设计了一种分布式的最短路径梯度生成算法.该算法极大的降低了邻居节点间建立"平行梯度"和"逆向梯度"的概率,可构建从源节点到sink节点的多条最短路径.仿真表明,改进的算法可建立更为有效的梯度,从而使得定向扩散中数据报文沿着更短的路径传输,无线传感器网络的能量利用率更高.     

无线传感器网络中的最优感知节点分布及分布优化算法

无线传感器网络中，感知节点的合理分布以及网络拓扑的动态调整对于更加有效地进行信息收集以及提高网络的生存期限都具有重要的作用。为此，针对传感器网络的初始规划提出了一种基于遗传算法的最优分布。仿真结果表明，算法能够针对特定的目标区域获得较好的节点分布。在最佳分布的基础上，结合传感器网络的拓扑管理和节点定位，引入了一种有效的传感器网络拓扑和节点分布优化方法，为传感器网络的拓扑性能管理提供了有效的算法保证。     

自组网的不确定性建模与仿真

网络仿真在自组网开发过程中评估新的协议性能的基本技术，该文介绍了网络建模问题，比较了各种传统路由算法和自组网算法。讨论了自组网的确定性和不确定性建模，分析了NS、OPNET和MATLAB等几种仿真工具。基于不确定建模原理，使用MATLAB和C设计并实现了一个无线自组网路由仿真器。     

无线传感器网络节点定位问题研究

定位技术是无线传感器网络重要的共性支撑技术之一。对无线传感器网络的定位问题进行了分类;把节点定位过程分成4个基本步骤,并以此分类和节点定位过程组成为线索,介绍并分析了现有的具有代表性的节点定位算法。指出了今后无线传感器网络节点定位算法研究可能的几个热点方向。     

服务级管理中的性能可用性算法研究及实现

随着网络和网络多媒体业务的迅速增长乃至基于Web的网络服务方式的普及，客观上要求Web服务不仅能够提供快速的服务，也要满足较高的服务可靠性和可用性的要求，为了更有效地管理Web服务质量，本文提出了一种服务级管理中的性能可用性分析算法，该算法能够在对QoS的延迟，抖动，丢失率，吞吐量等参数测量的基础上，基于网络服务元素多态性和周期性分析算法，该算法能够在对QoS的延迟，抖动，丢失率，吞吐率等参数测量的基础上，基于网络服务元素多态性和周期性轮询机制完成对Web服务的性能可用性参数的计算和预测，最后将该算法应用到一个简单的Web服务器组中进行性能参数测量并计算出具体数值。     

多目标优化遗传算法在移动网络规划中的应用

将多目标遗传算法NSGA—I应用于移动网络规划中的自动基站布置。采用多维实数向量的编码方式，使用状态转移矩阵对遗传算子进行描述。对NSGA—I算法进行改进，在进化操作中增加了随机数交换算子和删除算子，加快了算法的收敛并避免了早熟。仿真结果证明该算法能逼近Pareto域，并在该域中均匀分布，经一次运行便可提供更多基站分布候选方案。     

基于Proxy-agent的网络智能管理模型

现代企业网络的复杂和异构化迫切需要有效的计算机网络管理工具 .本文分析了 ISO及 IETF的网络管理信息模型 ,将被管对象按时间要求和变化频率进行分类处理 ,提出了一种基于 Proxy- agent的可扩展的、灵活的新型网管结构模型 ,并且基于这种模型 ,给出了企业级复合网络智能管理软件的设计和实现方法     

计算无线通信网络2-终点可靠性的快速算法

提出计算无线通信网络从源点到汇点(ST)可靠性的一个新拓扑公式．该公式中各项和网络的一类特殊子网络一一对应，与相应的Satyanarayanna公式比较，该公式包含更少的项和更少的算术运算．提出一个计算从网络源点到汇点(ST)可靠性算法．这个算法本质上是通过系统地枚举网络的一类特殊子网络而计算其ST可靠性或生成可靠性表达式．由于所需枚举的子网络数量小于相应的Satyanarayanna算法需枚举的子网络数量，因此新算法性能优于Satyanarayanna算法．最后通过一个具体例子说明了这个结论．