排序方式: 共有84条查询结果,搜索用时 125 毫秒
81.
在空间信息网络中,卫星硬件在线升级难度大且并发业务数量多,导致现有服务功能链(SFC)映射算法的服务请求接收率降低且资源开销过大。利用流量缩放因子与虚拟网络功能间的依附关系构建SFC,以最小化处理请求时延与总资源消耗为目标,提出一种空间信息网络SFC映射算法。通过调整预测函数的权值来控制搜索范围,从而获得全局最优的快速映射方案,有效解决节点随机失效问题。仿真结果表明,与OMD算法相比,该算法在较高的并发服务请求下可使处理请求时延和总资源消耗平均降低19%和6%。 相似文献
82.
由于进化算法求解多目标问题时易过早丧失种群多样性,造成早熟收敛,提出一种粒子多样性判别方法.基于随机选择的聚类算法与模糊贴近度原则综合求解粒子多样性贡献度,用于混合量子行为粒子群和可调节遗传算法的粒子群迭代中,结合随机新增粒子更新个体最优解,引导粒子向Pareto最优解靠近.仿真表明,所提方法是一种有效的多样性保持方法,具有更强的全局寻优能力,可有效提高求解质量,在武器-目标分配问题上求解精度更高. 相似文献
83.
84.
在户外光线追踪场景下,针对毫米波大规模多输入多输出(Multiple-Input Multiple-Output, MIMO)系统受户外环境噪声干扰导致估计精度低的问题,提出了一种融合残差挤压激励网络(Squeeze-and-Excitation Network, SENet)的条件生成对抗网络的信道估计方法。该方法采用条件生成对抗网络将低分辨率接收信号重建为高分辨率的原始信号完成信道估计,同时在生成器网络中引入SENet网络模块来抑制户外场景下显著性噪声干扰,提高估计精度;最后将残差网络中的残差块添加到SENet的放缩操作后,提高条件生成对抗网络的收敛速度。仿真结果表明,相较于正交匹配追踪算法、卷积神经网络、去噪卷积神经网络和条件生成对抗网络算法,所提方法在户外噪声环境下估计精度平均提高了约2.2 dB,且在高噪声强度下估计精度的提高更为显著。 相似文献