排序方式: 共有18条查询结果,搜索用时 15 毫秒
1.
时延作为无线网络的最基本的性能之一,对网络信息分发、路由协议设计、节点部署等都具有重要意义。与传统的无线网络不同,认知无线电网络的频谱资源具有动态变化性,该特性会对网络时延产生极大的影响。因此,如何对动态频谱环境下的大规模认知无线电网络进行时延分析,是一项很具挑战性的课题。为此,首先对动态频谱环境进行建模,将认知用户的频谱接入过程建模为一个连续时间的马尔可夫链,并建立认知用户的生存函数来量化授权用户活动以及信道数量对频谱环境的影响;其次,将上述模型与首次通过渗流理论结合起来,研究了大规模认知无线电网络时延的伸缩规律,并获取了更为精确的时延与距离比的上限值。理论分析及仿真结果表明,动态频谱环境与密度一样会对时延产生极大影响。研究结论对认知无线电网络的设计具有重要的指导意义。 相似文献
2.
运用社会力模型(SFM)模拟人群疏散之前,需要先对人群进行聚类分组;然而,k中心聚类(k-medoids)和统计信息网格聚类(STING)这两大传统聚类算法,在聚类效率和准确率上都不能满足要求。针对这个问题,提出了折半聚类算法(BCA)。该算法结合了围绕中心点聚类和基于网格聚类两类方式,并利用二分法查找思想划分网格,不需要反复聚类。先将数据用二分法划分成网格,再根据网格内数据密度选出核心网格,接着以核心网格为中心将邻居网格聚类,最后按就近原则归并剩余网格。实验结果表明,在聚类时间上,BCA平均仅是STING算法的48.3%,不到k-medoids算法的14%;而在聚类准确率上,k-medoids算法平均仅是BCA的50%,STING算法平均也只是BCA的88%。因此,BCA无论在效率还是准确率上都明显优于STING和k-medoids算法。 相似文献
3.
4.
5.
针对虚拟网络映射中能耗过高、接收率偏低和负载不够均衡等问题,提出一种基于虚拟资源整合的综合性重配置算法——HEAR算法。该重配置算法分为两个阶段:节点重配置阶段优先将映射虚拟节点最少的物理节点上的虚拟节点及其相连虚拟链路迁移,挂起或关闭空负载的物理节点来达到节能的目的;此外对这些迁移节点的目标物理节点进行筛选,避免选择过度拥塞的物理节点达到提高接收率和均衡负载的目的。链路重配置阶段采用能耗感知的方法选择可用于迁移的物理链路集合,再用Dijkstra算法选择最短物理路径并将相关路径迁移过去。实验结果表明,HEAR算法比启发式重配置算法平均能耗下降约20%,接收率提高约10%。 相似文献
6.
7.
针对现有Memetic算法收敛速度慢、容易陷入局部极值等不足,提出一种基于改进粒子群优化和模拟退火算法的Memetic算法(简称为PMemetic算法).在PMemetic算法,基于人工萤火虫算法邻域结构思想改进粒子群优化算法,并将其作为全局搜索策略;同时,采用模拟退火算法作为局部搜索策略.将PMemetic算法应用到6个典型的函数优化问题中,并与粒子群算法进行比较分析,实验结果表明PMemetic算法提高了全局搜索能力、收敛速度和解的精度. 相似文献
8.
迄今为止,已有许多介绍和比较OOA方法的工作,但缺少对OOA方法的目标的深入探析。有鉴于此,本文系统分析了一些OOA方法所声称的两个目标:(1)OOA达到了需求分析的目标;(2)从OOA向OOD的过渡是自然的,从而指出许多OOA方法未能完成需求分析的全部任务,从OOA过渡到OOD也不象一些方法所说的那样容易,同时讨论了从OOA过渡到OOD所存在的一些困难,也给出了实现从OOA顺利过渡到OOD的若干建议。 相似文献
9.
针对传统无线体域网(WBAN)预测模型对感知数据预测精度低、计算量大、能耗高的问题,提出一种基于惩罚误差矩阵的自适应三次指数平滑算法。首先在感知节点与路由节点之间建立轻量级预测模型,其次采用地毯式搜索方式对预测模型进行参数优化处理,最后采用惩罚误差矩阵对预测模型参数作进一步的细粒化处理。实验结果表明,与ZigBee协议相比,在1000时隙范围内,所提方法可节省12%左右的能量;而采用惩罚误差矩阵与地毯式搜索方式相比,预测精度提高了3.306%。所提方法在有效降低计算复杂度的同时能进一步降低WBAN的能耗。 相似文献
10.