Ad hoc网络中的抢先式路由算法

在无线Ad Hoc网络中,由于节点的频繁移动导致的路由失效引起了网络性能的严重下降。文中提出了一种针对无线Ad Hoc网络按需路由协议的抢先式路由算法。该算法以链路状态分析为基础,在路由发现时尽量保证新发现路由的可靠性;若节点接收信号强度小于危险阈值,则启动链路状态分析模块预测链路失效时间,如果预测结果小于反应时间,就提前进行路由维护。仿真结果表明,该算法能以可接受的开销有效地减少路由失效数、降低分组投递延迟,提高了网络性能。     

星地通信链路快速建立方法研究

针对星地链路的快速建立问题,提出一种星地通信链路的快速建立方法,设计建链数据帧格式,并给出星地链路建立条件下伪随机序列长度设计的基本原则。对建链概率和建链时间进行数学建模,仿真结果表明,在建链时间和传输时间近似相等的情况下,当信噪比为?20 dB时该方法可获得接近1的建链概率。     

通过链路失效预测机制提高AODV协议的性能

将链路预测机制引入AODV协议中,使节点利用接收分组的能量及时发现并删除缓存中的失效路由,并在此基础上利用跳数值进行了优化。仿真结果表明,改进后的AODV协议在高负载网络中明显降低了端到端分组平均时延,提高了网络中的报文投递率。     

数据链通信实时数据传输QoS控制研究

目前基于数据链通信的服务器节点大多采用FCFS的服务模型进行实时数据传输,并没有根据实时数据的时效性及优先级提供良好的QoS控制。提出一种基于数据链通信的实时数据传输QoS控制算法,其通过在应用层对实时数据进行QoS分级并采用一种最早截止时间优先的优先级可控制算法(PC-EDF)进行调度,以保障在数据链通信带宽受限的条件下实时数据端到端传输的低时延以及可靠性。实验结果也验证了该方法的有效性。     

AODV协议路由维护改进方案

在AODV路由协议的路由维护阶段,当节点检测到链路中断时,会采取一种链路修复机制,然而该机制的实施难以避免数据包的丢失和传输时延的增加,针对这个问题本文提出一种对AODV协议的改进方案。该方案通过计算节点间的链路生存期,在AODV协议的路由发现阶段引入优先节点机制,在路由维护阶段引入链路中断避免机制。仿真实验结果表明,改进的AODV路由协议减少了RREQ消息的数量,降低了丢包率,并且缩短了传输时延,特别适用于节点密度较大的车载网络。     

改进天鹰算法求解时间依赖型车辆路径问题

针对速度时变的时间依赖型车辆路径问题,分析时间依赖型路网的行程时间计算方法,提出了一种改进天鹰优化（improved Aquila optimizer, IAO）算法。设计了一种天鹰位置-顾客序列（Aquila-customer, A-C）编解码方式,结合天鹰狩猎的拓展勘探、缩小勘探范围、扩大开发范围以及缩小开发范围四种搜捕猎物的方式,重新定义其智能寻优行为,引入自适应大规模邻域搜索策略,设计多种邻域破坏算子与修复算子,并在算法中加入劣解接受准则,提出循环启发式扰动机制与精英解扰动机制两种停滞扰动策略。Solomon基准算例对比实验以及基于Figliozzi测试算例与遗传算法、粒子群算法、蚁群算法的仿真对比实验均验证了IAO算法的优化性能,同时实际案例的实验结果充分证明了IAO算法在收敛速度与求解质量上的优越性,表明其具备求解时间依赖型车辆路径问题的应用价值。     

基于高精度时间的时间同步方法研究

为了实现低成本、高精度的时间同步,根据时间戳获取的不同方式,设计了3种方法,并分析了采用这3种方法所能取得的时间戳精度.在此基础上,提出了一种基于Windows平台的时间同步方法,通过在网卡驱动程序和传输驱动程序之间插入一层处理程序,截获时钟计数器并在应用层与系统时间建立关联,同时引入时钟频率调整算法,实现了高精度时间同步.实验结果表明,该方法的同步精度达到亚毫秒级,从而证明了模型的可行性和算法的有效性.     

有向动态网络中基于模体演化的链路预测方法

以往传统的链路预测方法大多数针对无向网络,而实际上大多数社交网络是有向的,并且没有考虑网络中同一节点对之间的重复边以及微观演化信息,因此不能较好地解决有向动态网络中的链路预测问题。针对有向网络,将节点对之间的重复边信息转换为该节点对之间连边的权值;接着采用了基于三元组模体的演化模型,对滑动窗口中相邻时间片的模体转换概率进行统计后,采用指数加权滑动平均法对其进行时序分析得到不同模体转换概率的预测矩阵,进而使用该矩阵对网络中的链边进行预测。这不仅充分利用了网络微观演化信息,而且解决了动态网络中重复边的问题。最后对实验结果进行分析发现,在高全局聚类系数高平均度的网络中AUC相比Triad Transition Matrix方法提高了近0.01,而相比Common Neighbor方法提高更多。因此,所提方法能够较好地应用网络微观演化信息进行链路预测。     

一种时序有向网络中的链路预测方法

真实网络大多是有向的,且网络结构随时间动态变化,传统的链路预测方法大多适用于无向网络,其分析方法不能有效挖掘真实网络中的信息。针对以上问题,提出了一种基于归一化AA和LAS的时序有向的链路预测算法,该算法基于共同邻居、节点度属性及局部社团相似性,为每个链接分配时间影响因子并将其引入NALAS指标进行计算,考虑了网络有向性和网络历史结构的影响。在真实社会网络数据集上对该算法进行了仿真并与Salton、Jaccard等算法进行对比。结果表明,提出的算法与其他算法相比,预测精度得到了提高,说明该算法可以有效地在时序有向的社会网络中进行链路预测。     

一类交通网络模型下路段行程时间的解析解

针对一类路段输入流量具有时变特性的路段行程时间进行讨论．所讨论的路段行程时间与路段流量具有指数函数关系．因无法直接求出这类方程关于路段行程时间的解析解,故对指数函数按级数进行展开,得出了路段行程时间以及输出流量随输入流量变化的关系．最后用数值试验对所得结论进行了仿真,结论令人满意．     

基于Copula函数的交通网络行程时间可靠度计算方法

针对有效利用路段行程时间随机性特征计算路径、OD对（origin and destination,出发和到达地点）及交通网络上的行程时间可靠度问题进行了研究,提出一种更加准确的求解路径和OD对之间行程时间可靠度的计算方法。该方法基于Copula理论,通过构建Copula函数求出能够反映路径与OD对随机性特征的行程时间联合密度分布。新算法将路段流量实测数据用于模型的标定,并且考虑到了同一路径上不同路段的相关性。结合三种拓扑结构下的实际路网作为算例,模型算法的有效性得到验证,结果表明,当不考虑路段间相关性时,路径行程时间可靠度的计算结果会被高估。