基于免疫原理的多拓扑路由生成算法

针对现有多拓扑路由生成算法存在存储资源利用不合理、多故障恢复能力无法有效适应网络环境等问题,提出了一种结合生物免疫原理的多拓扑路由生成算法。该算法以适应网络环境中常见的多故障为目标,根据免疫原理中抗原与抗体决定基无须完全吻合而只需关键部位相匹配的机制,将子拓扑生成看作免疫原理中的抗体产生,增强了多故障情况下的网络抗毁性,同时引入人工免疫算法来解决算法中的寻优问题。实验结果表明,该方法提高了网络在多故障环境下的抗毁性。     

基于动态流量的多拓扑链路权值优化算法

针对网络流量动态变化和不同流量对拥塞控制和传输代价的要求不同的现象,提出一种基于小生境粒子群的多拓扑路由子层链路权值优化算法。该算法以适应网络流量动态变化为目标,设置了以时段划分的业务量矩阵和适应流量动态变化要求的权重因子。优化目标函数从拥塞代价影响和传输代价影响两方面进行了改进,并利用小生境粒子群算法对目标函数进行寻优,以解决一般优化算法存在的容易陷入局部最优的问题。实验结果表明,算法能够在网络中实现负载均衡。     

基于阴性选择的网络限制洪泛算法

为使网络在洪泛故障信息时洪泛时延和业务质量两方面性能都能够得到改善,提出了一种基于阴性选择的限制洪泛算法.该算法根据网络环境对洪泛时延和业务损失的侧重程度,分别给出了洪泛时延与业务损失两方面代价函数以及综合两方面因素的优化目标函数,利用阴性选择算法进行寻优,计算出能够最大程度适应网络需求的限制洪泛范围,通过对故障的洪泛范围进行限制,将故障洪泛对网络造成的影响降低到最小.实验结果表明该算法能够改善网络的性能.     

基于支持向量数据描述的网络可生存性综合评估

针对网络可生存性综合评估方法中指标权重难以确定的问题,提出了基于支持向量数据描述(SVDD)的网络可生存性综合评估方法。该方法分析了SVDD的几何意义,采用二进制粒子群(BPSO)算法对建立的评估特征指标集进行特征选择,将所得的特征指标集视为整体来建立SVDD分类模型,并以测试样本点与模型的相对距离为依据评估系统的可生存性,避免了综合评估中指标权重确定的主观性。最后通过网络实例验证了评估模型的有效性。     

复杂环境下网络抗毁性综合评估方法

为了量化、客观地评估网络在复杂环境下的抗毁性能评估,提出了一种多目标网络抗毁性评估方法。该方法引入结合粒子群算法的环境参数集概念,用于表示各项指标在不同环境下的重要程度,以体现不同环境对网络抗毁性能指标的不同要求;并从节点角度考虑将网络的鲁棒性、可用性、适应性与成本等目标综合起来,给出一种量化反映网络在不同环境下综合抗毁性能的算法,以弥补现有方法主观、非量化及无法适应复杂环境等缺陷。通过仿真实验验证了该方法的有效性。