基于改进遗传算法的QoS感知Web服务组合

传统遗传算法在种群初始化的时候,普遍采用均匀取种法或随机取种法,这些方法生成的种群的平均适应度比较低,难以保证算法的搜索效率。文中提出一种改进的遗传算法用于QoS敏感的Web服务组合,采用两种不同的算法进行服务选择,避免了随机生成初始种群给算法带来的负面影响。并且,该算法将路径模板化以减少服务组合的工作量,用染色体可变长的编码方式来解决组合服务的多路径选择问题。通过仿真实验,与传统的算法相比,所提出的算法在实现服务组合时收敛更快,最优解的适应度更高。     

基于双线性映射和属性证书的远程证明方案

针对现有TCG组织定义的远程证明机制证明过程复杂和隐私泄漏的不足,通过使用基于双线性映射的BBS’签名算法和属性证书机制代替平台配置信息的方式,提出了一种基于双线性映射和属性证书的远程证明方案（Bilinear Mappingand Property Based Attestation,BMPBA）。与已有的远程证明方案相比,BMPBA方案更好地降低了平台配置信息易泄露的风险,其使用的签名方案具有密钥与签名长度短和计算效率高的优点,从而提高了远程证明机制的运行效率。分析结果表明：利用该方案能够高效率地实现平台间的远程证明,并能较好地保证平台证明的安全性、正确性和不可伪造性。     

认知无线电技术在ZigBee中的应用研究

目前多种无线通信技术共享2．4GHzISM频段,它们之间的相互干扰以及频谱重叠现象已成为人们非常关注的一个问题。文中将认知无线电技术应用到ZigBee网络通信中,针对2．4GHz频段,利用认知无线电的频谱感知功能,对信道状态进行检测,搜寻频谱空穴,并且对频谱进行长期感知和统计,使ZigBee用户选择最可能空闲的频段作为传输信道,同时提出了一个2．4GHz无线环境感知模型。该方法提高了ISM频段的频谱利用率,并且减少了同频段其他多种无线通信技术对ZigBee产生的干扰,保证了ZigBee信号的有效传输。     

基于辅助节点的安全协作频谱感知

在认知无线电网络中,恶意用户会占用授权频段,模仿主用户的信号特征发送信号,导致其他认知用户误认为主用户存在。针对该问题,提出一种基于辅助节点的安全感知机制,在网络中部署若干辅助节点,利用链路特征和加密机制对主用户的活动情况进行识别。设计适用于该机制的融合判决算法,不对授权网络做任何形式的改动即能有效识别恶意用户,并在融合时采用信任节点的感知数据,从而提高融合结果的鲁棒性。仿真结果表明,与K秩、And和Or算法相比,在恶意环境下该算法具有较好的检测性能。     

基于预测与优先级缓存的MIPv6切换算法

为了提升移动IPv6的切换性能,保证实时性要求高的音频、视频等业务的服务质量,针对去除DAD过程的RDMIPv6方案未考虑在传输速率相对较慢的无线信道中,移动节点向NAR本地注册所产生的时延以及切换过程中引入的丢包问题,提出一种优化方案PCRD-MIPv6。PCRD-MIPv6方案结合基于L2触发的切换预测和数据包优先级缓存机制,在L2切换完成之前向移动节点MN维护的接入路由器缓存列表T_AR中的所有AR发送MOA实现本地注册,与此同时,将切换过程中的数据包按优先级缓存在PAR中,在切换完成后发往移动节点,从而减少切换过程中的丢包率。NS-2仿真结果表明,PCRD-MIPv6方案有效地减少了切换时延,降低了切换过程中的丢包率。     

自适应收扩系数的双中心协作QPSO算法

针对量子粒子群优化(QPSO)算法迭代后期种群多样性下降、收敛速度慢、易陷入局部最优的缺点,提出一种自适应收缩-扩张系数的双中心协作最子粒子群优化算法。该算法从2个方面进行改进:(1)自适应调节收缩-扩张系数,其目的是帮助粒子跳出局部最优点,提高粒子的全局搜索能力;(2)双重更新全局最优位置,即在每次迭代中,先后分别采用2种不同的方式更新全局最优位置。第1种方式与QPSO算法一致,第2种方式则引入双中心粒子,使其和当前全局最优位置在相应维度上合作,从而达到更新全局最优位置的目的。从固定迭代次数和固定精度角度分析算法性能,仿真结果表明,相比于QPSO算法,该算法在保证复杂度较低的情况下,可提高收敛速度,增强全局和局部搜索能力。     

色散控制孤子系统的自陡峭效应分析

针对色散控制孤子系统中孤子幅度、脉宽等参数的动态周期变化特性,采用变分法分析了高速色散控制啁啾高斯准孤子在自陡峭条件下的传输演化特性.对160 Gb/s长距离高速色散控制孤子传输系统的传输特性进行了数值模拟,指出了自陡峭效应对系统的有害性和控制的必要性,对色散控制孤子系统设计具有参考价值.     

基于ARED的主动队列管理改进算法

随机早期检测（Random Early Detection,RED）是IETF推荐部署的主动队列管理（Active Queue Management,AQM）算法。 RED存在参数难以配置、无法适应动态网络环境的缺点。 ARED（ Adaptive RED）是RED的自适应版本,通过平均队列长度来动态调整最大丢弃概率,从而达到稳定平均队列长度的目的,但是存在瞬时队列长度振荡的问题。文中研究了拥塞控制中的主动队列管理,对ARED算法进行了改进,优化丢弃概率计算函数,提出TTS-ARED算法,实现在动态网络环境下队列长度的稳定以及丢包率降低。 NS2的仿真结果表明,TTS-ARED算法显著地降低了丢包率,队列长度稳定性比ARED算法更优越。     

基于蚁群的Ad Hoc网络多路径路由的改进

在大规模的Ad Hoc网络中,带宽有限,并且节点移动会引起链路频繁中断,从而导致传输时延较大。针对这些缺点,文中提出了加入了链路失效预测的蚁群多路径路由算法LA-ACO （ Location Aided ACO）。通过蚁群算法的分布式计算来寻找多条路由,并利用多路径路由来进行数据包的负载平衡,同时进行链路失效的预测,利用蚁群的正反馈机制完成快速主动路由修复。在仿真得到的结果中可以发现,该算法有较好的寻优能力,并且适应于Ad Hoc网络的拓扑多变化的特性。     

线性递减的粒子群优化算法

粒子群优化算法（ PSO）是一种仿生类的全局优化算法,它借助记忆与反馈机制完成了寻优搜索。该算法受到了鸟类觅食活动的启发而得,其基本思想源于对鸟类简化社会模型的研究及行为模拟,其中的每个个体充分利用自身与群体的智能,不断地调整学习,最终得到满意解。该算法常用于求解非线性问题、组合优化问题等。因其具有易理解,易实现,控制参数少,收敛速度快等优点,该算法一经提出就吸引了广泛的关注,逐渐成为一个新的研究热点。然而粒子群优化算法也有些不足,如搜索精度不高,易早熟以及易陷入局部极值等。而且算法在搜索后期也有产生振荡现象的可能,使得算法收敛起来会较慢。所以,文中就粒子群在迭代后期所出现的振荡现象进行了研究,并作出改进,提出了一种飞行时间单调递减的粒子群优化算法。新算法改善了算法的寻优能力,减小了粒子在寻优过程中的振荡现象。