多解空间N元非合作性流量切割调度算法研究

给出了包交换网络基于多约束限制的多级并行调度和流量均衡体系模型，根据单节点路由调度任务的非合作性在极小碎片线性映射的假定条件下推导出了路由空间切割调度算法和量化公式，在节点上实现了IP包头重组的并行化计算。实验结果表明，通过量增大、利用率提升，网络在整个路由空间里有良好的时间响应特性。     

多链路时延反馈共享令牌流量拥塞控制

流量调度的目标是提高网络资源的利用率,改善网络应用的性能,针对多链路环境下流量控制机制存在的问题,设计了一种多链路共享令牌缓冲池流量调度模型,分析了链路中数据传输时延特点,提出一种基于时延反馈信息的共享令牌流量拥塞控制算法,根据链路时延选择函数对多链路进行反馈流量调度。实验结果表明,该算法可以有效地减少数据在链路访问延时,而且链路流量的平滑性、带宽利用率等都比其他传统调度算法要好,适合于高性能宽带接入链路流量控制的应用。     

光网络环境中最先开始路径优先的自适应路由算法

为了优化光网络环境下分布式计算系统的资源调度性能,提出了一种最先开始路径优先的自适应路由算法。该算法基于Dijkstra最短路径优先算法,通过引入一个时间标记变量来估计从源节点到当前目标节点的最先可用时间,绕过调度过程中产生拥堵的链路,选择能够最先开始通信的路由,从而减小通信竞争冲突,缩短了调度长度。仿真结果表明,该算法能够使用较少的网络链路资源来获得最短的调度长度。     

Overlay网络下的超算中心间广域网流量调度研究

广域网上数据中心间的流量互通受复杂互联网环境的影响,跨运营商ISP之间的流量调度对网络传输速率和网络传输延迟影响很大,简单网络架构下的传统流量调度方案已经不能满足迅速增长的网络流量,严重影响了传输服务的质量.本文以国家高性能计算环境为研究背景,提出一个新的互联网环境多超算数据中心流量调度模型,利用Overlay网络构建一个流量调度完全可控的虚拟网络,通过改进底层网络协议和路由更新算法,在端到端节点间使用转发节点进行流量调度.本文通过实际超算环境进行实验,结果表明在跨运营商网络环境下使用基于Overlay网络的流量调度,可以明显降低网络传输延迟,提高传输带宽.     

蓝牙自组个人网监听模式下分散网调度算法

蓝牙自组个人区域网络是由具有蓝牙功能的设备组成一个不需额外网络设备,在某个区域内一起自主协调工作,相互间自由通信的独立无线移动网络.网络中的某些节点采用时分复用方式参与多个微微网中并转发网络数据.由于节点在某时刻只能加入其中一个微微网中,这就需要微微网间或者分散网调度算法.监听模式为分散网调度算法提供了一个比较灵活的方式并且无须更改协议.提出了一种基于监听模式的自适应分散网调度算法,有效解决了这个具有挑战性的课题.算法监控各个链路上的流量,并获得流量变化数据,根据这些数据实时改变节点在各个链路上的监听时隙分配比例.通过对算法仿真结果的对比和分析,证明算法能够提高吞吐量,减少传输延迟,改善网络性能.     

认知无线Mesh网络中联合功率控制与信道分配的拥塞避免

受制于频谱资源有限性及链路负载差异性,网络拥塞成为认知无线Mesh网络研究中亟待解决的关键性问题.针对该问题,通过量化节点通信功率等级,并综合考虑网络干扰、链路有效容量及流量守恒等因素,建模了联合功率控制与信道分配的拥塞避免模型.进一步,提出了基于嵌套优化的拥塞避免机制,包括基于遗传算法的功率控制与信道分配、基于遗传算法的路由调度以及基于链路需求的最优路由算法.分别设计了组合编码和序列编码规则及流量守恒的约束控制机制,以保证个体进化的有效性及算法的快速收敛.一系列仿真实验表明该算法能够有效提高网络吞吐量,满足数据传输的实时性需求.     

基于最短路径搜索序列编码的多下一跳路由

多下一跳路由较之单下一跳路由有许多天然的优势,通过分析现有多下一跳路由实现机制下的路由算法,提出了基于最短路径搜索序列编码的多下一跳路由.针对SPT(shortest path tree)路由实现机制无法利用等距离邻居节点之间链路的问题,提出了采用Dijkstra算法对网络节点编码赋值的思想.该方法可以对节点进行严格有序的赋值,规范了链路传输方向,有效地避免了环路,提高了网络资源利用率.仿真分析结果表明了该算法的可行性和有效性.     

针对不确定流量的多收发机无线网络资源优化研究

多收发机无线网络具有多接口多信道多跳的特点,是今后无线网络发展的趋势。该网络中信道与链路的资源分配,涉及路由、信道分配以及链路调度的联合优化。在以往的研究中通常对网络流量模型进行简化,假设其是确定且相对稳定的。考虑到实际网络中流量不确定性的特征,以网络吞吐量最大化为目标,提出传输流约束、信道资源约束以及干扰约束条件下的资源分配联合优化模型,以及基于不确定流量条件下资源分配最优解的链路调度策略。仿真实验结果证明所提出的路由、信道分配及链路调度方案能够更好地适应变化的网络流量需求。     

多逻辑链路环境下带反馈信息的共享令牌流量调度算法

流量调度的目标是提高网络资源的利用率,改善网络应用的性能,目前,国内外已经有大量的流量调度算法研究工作,但是这些算法不能很好地适应宽带接入中多逻辑链路的动态性、实时性、分布性等特点。针对多逻辑链路环境下流量调度机制存在的问题,分析了链路间流量调度特点,设计一种共享令牌缓冲池流量调度模型,提出一种基于反馈信息的共享令牌流量调度算法,该算法根据令牌缓;中池中可用令牌的资源信息对多逻辑链路流量进行反馈调度。实验结果表明,该算法可以有效地减少链路访问延时,而且链路流量的平滑性、吞吐率等都比其他传统调度算法要好。     

多逻辑链路中反馈信息共享令牌流量调度算法

流量调度的目标是提高网络资源的利用率,改善网络应用的性能,目前,国内外已经有大量的流量调度算法研究工作,但是这些算法不能很好地适应宽带接入中多逻辑链路的动态性、实时性、分布性等特点。针对多逻辑链路环境下流量调度机制存在的问题,分析了链路间流量调度特点,设计一种共享令牌缓冲池流量调度模型,提出一种基于反馈信息的共享令牌流量调度算法,该算法根据令牌缓冲池中可用令牌的资源信息对多逻辑链路流量进行反馈调度。实验结果表明,该算法可以有效地减少链路访问延时,而且链路流量的平滑性、吞吐率等都比其他传统调度算法要好。     

面向时间敏感网络的流量调度方法

从高效流量路由调度计算的角度出发,针对时间敏感流量调度中通常存在的计算效率低、迭代收敛慢等问题,提出一种基于最短路径负载均衡与改进遗传算法的流量调度方法。建立网络模型与流量模型并定义时间敏感网络中的流量传输约束,同时利用基于K最短路径的负载均衡路由算法与改进选择算子和交叉变异概率的遗传算法进行路由与调度计算。实验结果表明,该方法能有效缩短时延敏感流量调度任务的完成时间,提高调度计算效率,并加快迭代收敛速度。     

运力受扰下车辆调度干扰管理问题研究

为解决物流配送系统中因运输车辆毁坏而产生的干扰问题,建立混合整数规划干扰管理模型。针对多车场车辆调度干扰管理问题的特有属性,设计一系列求解简化策略,简化问题的求解空间。结合干扰管理模型的特点,使用基于扰动值的改进节约算法进行求解。数值实验从多车场车辆调度问题和车辆调度干扰管理问题2个角度验证干扰管理模型及改进算法的有效性。     

人工鱼群—粒子群混合算法优化进港航班排序

针对空中交通管理中的进港航班排序问题, 提出了人工鱼群—粒子群混合算法(AFPSO)这一航班排序算法来优化进港航班排序, 使时段内进港航班队列总延误时间最少。算法结合了基本人工鱼群算法(AFSA)和基本粒子群算法(PSO)各自的优点, 先以AFSA在全局寻找满意的解域, 再以PSO算法在这些解域中进行快速的局部搜索获得精确解, 最终使算法提高收敛速度和搜索精度。仿真结果表明, 在单跑道和双跑道情况下, AFPSO算法使得航班队列总延误时间比FCFS调度方法减少了20. 9%和34. 4%, 比基本AFSA减少了3. 2%和3. 5%。算法得到的满意解能够为自动化空中交通管理提供实时支持。     

无线网状网络的多路径路由与调度算法

提出了一种保障服务质量的多路径路由算法,数据分组可通过多条不同的路径进行传输,以提升网络总吞吐量性能.进一步提出了一种多路径调度策略.通过使用调度策略,基于当前可用带宽信息和路径所引入的时延信息,数据分组在传输前可被分成多段并通过不同的路径发送,根据路径时延调整优化调度策略,从而使得数据可通过在不同的路径上进行更高效地传输.仿真实验进一步验证了本文提出的路由机制和调度策略在不同网络负载下的优越性.     

基于集对分析的网络流量大数据均衡调度方法

为了有效降低网络流量传输时的网络负载,基于集对分析策略,提出DNS网络流量大数据均衡调度方法。设计Dramp流量路由控制方法,根据链路权值量化,提出优化函数,实现多路径网络流量的传输,在静态域名解析(DNS)的环境下,重新构建网络链路,设计了一个包括网络流量负载信息和网络信息实体输入信息,且序列一体的传输链路,用于配合路由控制,最后基于集对分析思想,根据定向控制器分析信息,保证路由和链路的匹配,实现网络流量的均衡调度。实验数据表明,与传统方法相比,设计的DNS网络流量大数据均衡调度方法,网络时延降低了21%,丢包率降低了27%,可以有效降低网络负载。     

基于改进遗传算法的车辆调度模型

随着运输网络复杂程度的不断增加,运输车辆会遇到车祸、拥堵等干扰,传统的车辆调度模型缺少对这种干扰风险的分析,无法建立较为准确的调度模型,造成调度车辆遇到干扰时,调度效率大幅降低。为了避免上述缺陷,提出了一种基于改进遗传算法的车辆路径调度算法,引入扬长避短的思想,对所有的车辆运输路径进行编码,并对所有的路径进行选择、交叉和变异运算,运用模拟退火算法提高算法的寻优性能,形成车辆的高效调度。实验结果表明,利用改进算法进行车辆调度,能够提高运输的效率,从而满足实际运输需求。     

基于改进Dijkstra算法的配用电通信网流量调度策略

针对配用电通信网中数据汇聚易产生拥塞的问题,提出了一种复合边权值流量调度路由算法。首先,依据跳数建立节点分层模型;然后,划分配用电业务优先级和节点拥塞等级;最后,以跳数、流量负载率和链路利用率为综合指标计算边权值,对需要流量调度的节点根据改进的Dijkstra算法进行路由选择,同时对重度拥塞节点按照配用电业务优先级进行调度。与最短路径（SPF）算法和贪婪背压算法（GBRA）相比,在数据生成率为80 kb/s时,所提算法紧急型业务丢包率分别减少了81.3%和67.7%,关键型业务丢包率分别减少了79%和63.8%。仿真结果表明,所提算法能有效缓解网络拥塞,提高网络有效吞吐量,降低网络端到端时延和高优先级业务的丢包率。     

A hybrid simulated annealing algorithm for location and routing scheduling problems with cross-docking in the supply chain

The location and routing scheduling problems with cross-docking can be regarded as new research directions for distribution networks in the supply chain. The aims of these problems are to concurrently design a cross-docking center location and a vehicle routing scheduling model, known as NP-hard problems. This paper presents a two-stage mixed-integer programming (MIP) model for the location of cross-docking centers and vehicle routing scheduling problems with cross-docking due to potential applications in the distribution networks. Then, a new algorithm based on a two-stage hybrid simulated annealing (HSA) with a tabu list taken from tabu search (TS) is proposed to solve the presented model. This proposed HSA not only prevents revisiting the solution but also maintains the stochastic nature. Finally, small and large-scale test problems are randomly generated and solved by the HSA algorithm. The computational results for different problems show that the proposed HSA performs well and converges fast to reasonable solutions.     

A variable neighbourhood search for fast train scheduling and routing during disturbed railway traffic situations

This paper focuses on the development of metaheuristic algorithms for the real-time traffic management problem of scheduling and routing trains in complex and busy railway networks. This key optimization problem can be formulated as a mixed integer linear program. However, since the problem is strongly NP-hard, heuristic algorithms are typically adopted in practice to compute good quality solutions in a short computation time. This paper presents a number of algorithmic improvements implemented in the AGLIBRARY optimization solver in order to improve the possibility of finding good quality solutions quickly. The optimization solver manages trains at the microscopic level of block sections and at a precision of seconds. The solver outcome is a detailed conflict-free train schedule, being able to avoid deadlock situations and to minimize train delays. The proposed algorithmic framework starts from a good initial solution for the train scheduling problem with fixed routes, obtained via a truncated branch-and-bound algorithm. Variable neighbourhood search or tabu search algorithms are then applied to improve the solution by re-routing some trains. The neighbourhood of a solution is characterized by the set of candidate trains to be re-routed and the available routes. Computational experiments are performed on railway networks from different countries and various sources of disturbance. The new algorithms often outperform a state-of-the-art tabu search algorithm and a commercial solver in terms of reduced computation times and/or train delays.