一种认知无线Mesh网络中负载均衡的组播路由算法

提出了一种负载均衡的无线链路权值函数及计算算法LBWC,在此基础上,提出了一种满足QoS约束的负载均衡组播路由与频谱分配算法LMRS2A.LMRS2A的目标是:在满足无线组播业务QoS约束的情况下,均衡化网络的负载,最小化传输次数,优化网络资源的使用.LMRS2A算法首先采用LBWC算法计算无线链路的权值,进行负载均衡组播树的构造,然后采用基于无线广播特性的QoS约束频谱分配算法WBA2S对无线链路进行信道分配.仿真结果表明LMRS2A能达到预定目标,不仅避免了拥塞节点的产生,而且需要较少的传输次数.     

ACM/ICPC对培养信息学科创新型人才的作用

ACM/ICPC旨在使大学生通过计算机来充分展示其分析问题和解决问题的能力。计算机实践教学是信息学科创新型人才培养的保证。文章分析计算机实践教学的不足对培养信息学科创新人才的影响,指出ACM/ICPC在培养信息学科创新人才方面的作用。     

延迟容忍移动传感器网络中基于社会网络的数据传输策略

延迟容忍移动传感器网络(DTMSN)是一种广泛应用的数据采集网络.提出一种基于社会网络的数据传输策略SNBD(social network-based data delivery scheme)应用于DTMSN.SNBD引入社会网络中的相互作用强度和相称机制,通过计算两传感器节点之间的相互作用强度值和相称值,作为消息传输时选择下一跳的依据.为了优化节点队列,SNBD采用消息的重要因子和TTL决定队列中消息传递的优先顺序和丢弃原则.模拟实验表明,与现有的几种数据传输策略相比,SNBD不但具有较高的数据传输成功率,而且具有较低的数据传输能耗和传输延迟,并且通过分析发现SNBD的网络寿命是SRAD和FAD的8倍.     

SWFPM:一种有效的数据流频繁项挖掘算法*

分析了数据流频繁项挖掘算法EC的不足之处,如不能准确地挖掘最近一段时间内数据流的频繁项。提出了一种频繁项样本特征复合四元组的数据结构来保存样本集合,在此基础上,提出了一种基于滑动窗口的数据流频繁项挖掘算法——SWFPM。该算法能准确地挖掘出该滑动窗口中的频繁项。实验数据采用IBM合成数据发生器产生的顾客购物数据和1998年世界杯官方网站的访问日志数据。实验结果表明,该算法具有很高的频繁项挖掘准确度、快速的数据处理能力。     

一种频率域相关性分布式扩散最小均方算法

以均方误差为代价函数的最小均方（LMS）自适应滤波算法具有结构简单、易于实现、计算复杂度低、稳定性好等优点,然而在对未知系统的脉冲响应进行估计时,传统的分布式扩散最小均方（DLMS）算法易受到噪声的干扰,从而降低估计精度。针对该问题,提出一种频率域相关性分布式扩散最小均方（FCDLMS）算法。利用不相关信号的相关函数值趋近于零的性质,在DLMS算法基础上分别将输入信号的自相关函数以及输入和期望信号的互相关函数作为新的观测数据,消除噪声干扰,从而给出相关性DLMS （CDLMS）算法,并将算法扩展至频率域,在频率域中使用乘法运算而非卷积运算来更新抽头系数,减少计算复杂度。实验结果表明,与传统DLMS算法相比,频率域相关性分布式扩散最小均方算法在噪声环境下对分布式自适应网络中的未知系统脉冲响应具有更好的估计结果,算法性能更优,同时也能较好地适应多抽头数、多节点数、强噪声的复杂环境。     

认知无线网络中基于约束算子的二进制粒子群频谱分配算法

无线网络的频谱资源短缺问题日益严重,而动态频谱分配算法是解决此问题的一个有效方法.本文提出一种基于约束算子的二进制粒子群频谱分配算法,若多个次用户使用同一个频谱有干扰,则在对粒子做约束满足操作时,将此频谱分配给当前已获得频谱数较少的次用户,以提高频谱分配的公平性.仿真结果表明:与免疫克隆选择算法和传统的颜色敏感图着色算法[10]相比,在大多数情况下能实现更高的网络总带宽,提升频谱分配的公平性;在频谱干扰严重的情况下,频谱分配公平性提升更大.     

认知无线电中结合差异性的免疫克隆优化频谱分配算法

频谱分配是认知无线电中的重要问题,而传统的频谱分配算法并未考虑频谱的差异性。提出一种基于免疫克隆优化算法、考虑频谱差异性的频谱分配算法,算法引入可信度矩阵对频谱的时间差异性进行建模。进行约束处理时,通过差异性算子(DCSO)的使用能将可信度更高的频谱分配给认知用户,从而提高系统的总收益。对于冲突激烈的认知用户,使用公平性算子（FCSO）能够增加它们被分配频谱资源的可能性,从而提高系统的公平性效益。仿真实验表明,相较于传统的免疫克隆优化算法、颜色敏感算法和遗传算法,本算法能显著增加网络的总收益、可信度,提高网络的公平性。     

认知无线Mesh 网络中QoS 约束的组播路由算法

对认知无线Mesh网络中满足QoS约束的联合组播路由及频谱分配问题进行研究,提出了一个针对该问题的求解框架,包括问题描述、解决方案的表示、适应度函数以及频谱分配算法.基于两种具有代表性的智能计算方法:遗传算法、模拟退火,提出了两种满足端到端延迟约束的组播路由及频谱分配算法GA-MRSA和SA-MRSA.这两种算法追求的目标是最小化组播树信道冲突总数,并且在获得较低的信道冲突数的情况下,还能占用较少的信道.仿真结果表明,所提出的两种算法能够达到预期目标,获得较低的信道冲突总数.     

基于渐增最小支持度函数的数据流频繁项挖掘

目前数据流频繁项近似挖掘算法大多采用误差参数控制挖掘的结果,时间与内存开销越高,挖掘结果的正确性越低.针对这样一个问题,提出了渐增最小支持度函数作为误差参数.如果某数据项在滑动窗口中的保存时间越长,则该数据项的出现频率必须相应的增加才能继续保存在滑动窗口中.这样,在滑动窗口中需要保存的数据项的数量将减少,时间开销与内存开销也相应的减少.在此基础上,提出了一种基于渐增最小支持度函数的数据流频繁项挖掘算法GFFPM.该算法能准确的挖掘出滑动窗口中的频繁项.实验结果表明,该算法具有很高的正确性.     

自适应的认知无线Mesh网络QoS约束的路由与频谱分配算法

提出了一种自适应的满足QoS约束的路由与频谱分配(SA2JR)算法,SA2JR的目标是:在满足无线业务QoS约束的情况下,最大化无线业务接受率,让尽可能多的无线业务需求能够被满足.SA2JR包括2个部分,按需的κ-路径路由(κ-Routing)算法,以及QoS驱动的频谱分配(QDSA)算法.κ-Routing负责为每一个需求产生κ条潜在路由路径,QDSA算法自适应地进行频谱分配,目标是从κ-Routing产生的κ条潜在路由路径中找出一条满足QoS约束的可行路由路径.仿真结果表明SA2JR能达到预定目标,获得了较高的无线业务接受率.