加权网络簇系数

近年来不少研究者把无权网络的簇系数加以扩展,应用于加权网络。借鉴前人加权网络簇系数的思想,提出了新的加权网络簇系数。该簇系数对加权网络的各边权重进行了较全面的考虑,理论分析表明,这种考虑较为合理;并且该簇系数能与无权簇系数衔接一致,在无权簇系数和Zhang等人定义的加权网络簇系数之间建立联系。此外,进行了仿真比较,其结果与理论分析相符。     

基于交通引力场的复杂网络路由选择方法*

为提高网络吞吐量、缓解交通拥塞程度,结合复杂网络理论和引力场理论研究了在交通引力场下的动态路由选择过程,定义了传输路径对数据包的引力计算公式。基于路径的引力,顾及数据包的传输路径长度、节点畅通度及介数对传输过程的影响,提出了一种在介数约束下的引力场路由选择策略,并引入参数 用于调节路由过程对节点介数的控制强度。为描述数据包传输过程的有效性,引入有序参数 , 利用其由自由流到拥塞态的指标流量相变值度量网络的传输能力,并对网络节点拥塞分布情况进行了统计分析。仿真结果显示,与最短路由选择算法相比,本文路由策略较大地提高了网络传输能力,有效地均衡了网络交通负载,大部分节点均得到了高效利用,路由算法稳定、可靠。     

网络仿真及其在网络拥塞控制研究中的应用

网络仿真是一种专门对实际网络进行模拟与分析的工具,是网络研究者研究新理论新算法经济而有效的手段.本文研究网络仿真软件NS2的功能扩展及网络仿真实现过程,并将其应用于网络拥塞控制的研究中,研究了模糊自适应PID网络拥塞控制算法,取得了较好的效果.     

多路径路由网络负载均衡算法研究

研究多路径路由网络通信优化均衡问题,由于网络中通信量增多时,链路因为数据量太大用而产生通信链路拥塞的现象.针对传统的多路径路由网络通信中,造成通信不畅的问题,提出一种基于粒子群优化的多路径路由负载均衡的算法,通过粒子群算法感知链路状态,提取多个链路性能指标,动态选择能够快速实现通信的最优路径,避免了重复选取权值和最小的路径通信造成的通信拥塞而带来的通信实时性不高的问题.仿真证明,粒子群优化的多路径路由负载均衡算法,能够保证选取合适的通信网络,完成实时通信,取得了满意的效果.     

基于改进遗传算法的网络路由优化研究

针对QoS多目标优化问题,提出一种改进的遗传算法,并将其应用到解决路由优化问题。该算法在路由器数学模型的基础上满足带宽、延迟、花费等要求,以资源消耗和负载均衡分布为目标,使得资源消耗最小同时负载均衡分布,从而降低网路拥塞的发生。仿真证明该算法具有一定的优越性。     

无线Mesh网络中基于路由信息的拥塞控制策略研究

针对无线Mesh网络的网络特性,分析了无线Mesh网络的拥塞控制策略,对无线Mesh网络的拥塞程度进行分级,并提出了一种无线Mesh网络的拥塞控制算法——RICC算法.该算法主要通过移动节点不同的拥塞程度发送不同的拥塞通告消息,收到拥塞通告消息的移动节点动态地调整发送数据的速率以达到拥塞控制的目的,并通过仿真验证了该算法可提高无线Mesh网络性能.     

数据中心网络路由研究进展

随着云计算的迅速发展,运营商对数据中心的需求与日俱增.作为数据中心网络的关键技术,路由负责在数据中心内部以及数据中心之间为流量选路,为不同服务质量要求的流量提供差异化的路由转发服务.当数据中心规模比较大时,由于应用不可预估的通信流量以及数据中心网络的拓扑特点,传统因特网路由方法不能提供令人满意的高吞吐率和资源利用率,网...     

包交换网络群组通信关键技术研究

采用IP组播技术的群组通信将是包交换通信网络中非常重要的一类应用。文章首先描述了基于包交换网络群组通信的特点及要求。然后从基本要求、主要算法和研究进展等方面对群组通信的组播路由、拥塞控制和安全等关键技术进行了概述。最后指出了将来的工作方向。     

基于鲸鱼优化算法的无人机通信网络链路拥塞控制研究

为了提高无人机通信网络的安全性,解决由于链路拥塞而导致的通信数据误码与丢失问题,提出基于鲸鱼优化算法的无人机通信网络链路拥塞控制方法。采用NetFlow技术获取无人机通信链路实时运行数据,度量链路利用率等指标,识别当前网络链路的拥塞状态。模拟无人机通信与链路拥塞过程,综合考虑无人机通信直视径、反射径和散射径三个分量,构建网络链路模型。在无人机通信网络链路拥塞控制协议的约束下,均衡调度无人机通信数据,利用鲸鱼优化算法选择通信链路的最优解,完成通信链路切换工作,实现无人机通信网络链路的拥塞控制任务。实验结果表明:在设计方法控制下,无人机通信网络链路的时延减小了61s,吞吐率提升135kbit/s,证明优化方法能够有效缓解链路的拥塞程度,通过对通信网络误码率和溢出丢包率的分析,证明优化控制方法不会对网络的通信任务产生明显影响。     

视频通信的网络自适应传输控制技术

针对视频传输中的拥塞控制问题,对网络自适应传输控制技术进行了研究,该技术综合了UDP与TCP的传输特性,能够对网络拥塞进行自适应控制。提出了该技术的技术框架和实现方案,并将其应用在一个端到端的视频传输系统中。实验结果表明,网络自适应传输控制技术可以为视频通信提供良好的传输质量保障。     

基于复杂网络的 Internet 流量分析

基于复杂网络理论对 Internet 网络结构进行分析,模拟 Internet 网络中选择服务器的过程,建立一个基于距离和流量的 Internet 自组织网络结构模型(FDM).通过仿真Internet 网络数据传输过程,分析比较 FDM 与 BBV 模型的丢包率,研究 Interact 网络中心连接节点的缓存器容量、...     

基于BBV的有向加权网络模型

在BBV模型基础上,结合方向性和网络演化特性,提出一种有向加权网络模型。引入参数p、q,将节点强度分为入强度和出强度,根据BBV建模思想进行模型择优和演化。理论分析和数值模拟仿真结果表明,该模型的节点出入强度和出入度分布满足幂律指数为[2,3]的幂律分布,且通过调节参数可使平均路径和聚簇系数符合复杂网络特性。     

应用在网络结点中的流量控制模型研究

网络流量的有效算法直接关系到网络服务质量（QoS）。对网络流量稳定性控制的非线性模型进行了分析和模拟，验证了模型的科学性和可行性，并将该模型应用在网络结点中，能提高结点的吞吐率，有效地改善网络的服务质量性能。     

基于自适应加权平均的TCP友好拥塞控制机制

TCP友好拥塞控制是保证实时媒体流和组播业务在Internet广泛应用的关键技术.基于收端TCP模拟方案TEAR(TCP emulation at receivers),提出了一个根据丢包类型和当前拥塞周期的持续时间动态调整加权平均参数的拥塞控制机制,称为自适应TCP友好拥塞控制方案ATFCC(adaptive TCP-Friendly congestion control).仿真结果表明,ATFCC方案在速率平滑程度和TCP友好性方面的性能优于TCP友好速率控制协议TFRC(TCP-Friendly rate control).     

一种改进ACO的WSNs能量高效路由算法

针对能量和存储能力在无线传感器网络（Wireless Sensor Networks,WSNs）路由上的特殊要求,为了使节点能量消耗相对均衡,同时避免出现拥塞,提出了一种改进的蚂蚁算法。仿真结果表明该算法能够更有效地降低通信负载,减少能量消耗。     

具有社团结构的加权网络的病毒传播研究

文中根据Barrat等提出的BBV网络的建模思想,考虑网络社团结构特性,构建一种具有社团结构的加权无标度网络模型,利用SI传染病模型,研究该网络模型中权值增长系数和网络社团强度对病毒传播行为的影响。结果表明,权值增长系数增大时,病毒由感染源社团扩散到其他社团的时间变长,进而抑制了网络中的病毒传播。另外,研究还表明,在加权无标度网络中,较弱的社团强度能抑制病毒的传播,这与无权网络中的结论正好相反。     

加权网络中考虑边权和度的熟人免疫策略

在加权网络中,节点之间的边权值代表节点之间联系的紧密程度,节点的度表示该节点的邻居个数。为了有效抑制加权网络中的病毒传播,提出一种考虑边权和度的熟人免疫策略（AI-CWD）。该策略考虑免疫边权值与度乘积最大的节点,并分别在人工网络和真实网络中对该策略进行了实验分析。同时,进一步研究了边权值和度在乘积中的占比对该策略免疫效果的影响。研究结果表明,在相同的免疫节点密度下,对边权值与度乘积最大的节点进行免疫后网络中感染节点的密度比最大权值免疫、改进的熟人免疫和基于ClusterRank算法免疫的方法要低,亦即AI-CWD免疫效果要优于以上三种免疫策略。并且在相同免疫节点密度下,通过对边权值和度的占比与感染节点密度关系的研究,可以得出：存在一个最优的[α]值,使得最终的感染节点密度最低。     

基于神经网络的城市快速路交通拥堵判别算法

针对城市快速路的常发性拥堵和偶发性交通拥堵,提出了一种基于神经网络的自动判别算法.该方法利用改进的自适应梯度算法优化神经网络的权值参数,既能保证神经网络参数收敛到全局最优值,又具有快的学习速度,提高了神经网络的检测效果.利用微观交通仿真软件PARAMICS建立了城市快速路网,通过多次仿真获得了包含各种交通拥堵的学习样本,增强了算法的鲁棒性.将训练好的神经网络对多种实际的交通数据进行了仿真试验.实验结果表明,该算法在城市快速路交通拥堵判别中具有较高的检测率和较低的误报率.     

基于拥塞控制的无线传感器网络数据汇集树生成算法

针对无线传感器网络数据汇集应用中, 由于数据流量大, 相邻路径之间容易发生串扰、信道竞争和冲突, 造成拥塞问题, 提出了基于拥塞控制的无线传感器网络数据汇集树生成算法(Data gather tree algorithm based on congestion control, DGT-CC). DGT-CC算法通过层次发现、邻居发现、启发式搜索和流量均衡策略构造一棵最短路径最小拥塞权值树. 理论分析证明DGT-CC算法收敛, 并能够构造一棵最短路径最小拥塞权值树, 仿真实验表明DGT-CC算法在丢包率、网络吞吐量和时延方面都较普通的最短路径树具有更好的性能.