多层分割算法在构建层次道路网络中的应用

在大规模道路网络上使用“分层”策略构建层次道路网络能够显著降低路径规划算法的搜索空间,对分层道路网络进行分区可改进数据结构,进一步提升算法效率。现有多种网络图分割算法,本文介绍一类名为METIS的多层分割算法,此类算法通过概化（Coarsening Phase）、分割（Partitioning Phase）、还原（Uncoarsening Phase）三阶段将网络图划分为均等分区,且算法效率高。将两种典型多层分割算法：多层递归二分算法（MLRB）及多层k路分割算法（MLKP）应用于层次道路数据,以检验此类算法是否适用于强调拓扑连通性的道路网络的分区。结果分析表明,多层算法的分区结果并不适合层次道路网络构建,但多层分割的思想值得借鉴。     

认知协作无线电网络下基于能效的资源联合分配

在认知协作无线电网络中,当次用户盲目地参与到中继主用户中,会选择不利于次用户系统能效的主用户,从而降低次用户系统整体的能效。针对该问题,提出一种资源联合分配方案。次用户有权拒绝不利于自身系统的协助申请,而是选择有利于其系统能效的主用户进行协助。在确定主用户集合的情况下,通过有效地分配带宽和功率来提高次用户系统的能效。仿真结果表明,该方案能够在保证各用户服务质量的情况下,实现次用户系统能效的提高。     

基于层次覆盖的多层网络社团发现算法

如何检测多层网络的局部社团是近年来的热门问题之一。现有算法多针对于单层网络衡量指标的设计与改进,但节点往往处于多种复杂关系之中。为了精确的划分多层网络社团结构,一种基于层次覆盖的多层网络社团发现算法被提出。该算法结合RA相似度提取每层的内外连接的拓扑信息,并通过比较每层的拓扑信息关系来提取社团结构。实验结果表明,与CLECC和CLEDCC两种算法相比,提出的算法不仅降低了时间复杂度,而且在划分社团的准确度方面也有所提高,同时可以确定多层网络中无直接相连节点的划分关系。     

基于多层采样多阈值的目标分割算法

文中提出了一种新的阈值化方法用来在自适应背景的应用中把运动物体从景物中分割出来.传统的方法是用一个简单的阈值来分割物体,但是其中存在一个问题就是难以取得一个恰当的阈值在误警率和探测率间取得平衡.文中这种新的方法的提出在减少误警率的同时避免了失检.此方法基于阈值滞后的概念,采用多次子采样在不同的应用层中获取不同的阈值,在不同的应用层中利用不同的分布概率下的阈值来减少误警率和失检率.实验证明该方法较其他方法分割运动物体更为有效.     

认知无线电网络非协作博弈功率分配算法研究

发现干扰节点,并将功率适当地分配至各个可用频谱上,以提高节点数据率和网络吞吐量,是认知无线电网络当前的研究热点.本文提出一种基于非协作博弈功率分配方法(PANG),以提高认知无线网络系统吞吐量.PANG将认知网络节点功率分配问题转化为非协作博弈问题,并采用线性代价因子的方法抑制功率分配时的盲目性.理论分析表明,PANG存在纳什均衡点,具有帕累托最优解.本文使用Matlab对PANG算法进行仿真,仿真结果表明,PANG算法能够比PIWF算法更加合理的进行功率分配,并有效的提高系统吞吐量.     

基于光传输网络的多层恢复研究

以WDM为基础的光传输网络在提供高传输容量的同时对网络可靠性也提出了更严格的要求.通过有效的层间协作和控制可以充分利用光传输网络不同层次的原有恢复能力,并对整个网络业务的恢复时间和冗余资源需求有着重要影响.本文提出的多层恢复框架结构对于组织并实施具体的多层恢复方案提供了很有价值的指导意义.     

无线多跳网络分簇协作路由算法

协作路由将物理层的协作通信技术和网络层的路由选择技术相结合是一种提高网络性能的跨层路由设计方案.现有的协作路由算法没有充分利用网络拓扑结构的特点,难以获得最优的协作路由.基于无线网络节点分布概况,提出一种分簇协作路由算法,以提高网络性能并增强网络的可靠性.该算法的分为三个阶段,簇的形成,簇间路由和簇内路由.算法的每个阶段都从节点分布对协作通信的影响出发优化协作路由设计,充分利用了无线网络中物理介质的广播优势和周围节点协作的优势.仿真结果表明,本文所提出的协作路由算法能够显著降低路由的中断概率,提高网络的可靠性.     

一种基于层次约简的多层网络社区发现算法

如何在多层网络中发现社区是一项巨大挑战。目前有些算法将多层网络表示成三阶张量,然后使用非负张量分解进行社区发现。但在多层网络的每层网络中存在很多社区之间的连接或每层网络都很稀疏的情况下,非负张量分解算法的准确率较差。为了解决这一问题,本文提出一种改进算法。先将原始多层网络进行层次约简,减少多层网络的层数,使其社区结构更加凸显,然后再使用非负张量分解算法进行社区发现。在人工数据集与真实数据集上的实验表明,本文所提出的框架在准确率上有明显的优势。     

一种多中继协作系统中功率优化分配策略的无线网络容量算法研究

针对限制网络容量的主要因素（信道带宽与信道信噪比）,本文提出了一种多中继协作系统中功率优化分配策略的无线网络容量算法。首先,论文提出采用多中继协作的方式,提高网络传输速率,建立网络最大流数学模型。然后,在网络总功率受限的情况下,对中继节点进行功率优化分配,建立最大化网络容量计算数学模型。最后,论文建立网络仿真环境,对比多中继协作且能量优化分配与非中继协作且能量等分两种策略在中断概率、网络容量等方面的表现。得出如下结论：网络容量随节点数量增加呈现先增后减的趋势,多中继协作且能量优化分配策略更加有利于提高无线网络容量。     

基于网络的多操作者多机器人协作研究

研究基于网络的多操作者多机器人的协作方案,分别提出了针对机器人约束和非约束体协作条件下的协调策略,并在局域网内建立一个仿真实验系统对机器人协作进行仿真.在约束情况下以机器人协同搬运为研究点,提出采用"主、从"机器人控制方法,确定工件运动轨迹后采用位置反解算法确定机器人运动.在非约束情况下提出采用"时间戳"、"回滚"方法协调操作.在整个仿真系统中采用基于AABB的碰撞检测算法确保机器人操作的安全性.仿真实验的结果验证了协调策略的可行性和正确性.     

多服务交换资源虚拟分割算法的研究

为用户或应用提供多样性服务是网络发展的趋势，不同的服务需要相应的网络转发或交换机制支持，实现多服务交换或转发的关键是资源分配和管理，该文提出一种支持面向应用的多服务交换路由器的资源虚拟分割算法，它结合可编程路由器，根据不同应用的转发需求，为不同转发服务分配一定范围的虚拟资源区间，该虚拟分割区间能够隔离和保护不同应用网络流，为其提供一定的服务质量保障，并使服务间能够可控，动态地共享多余的资源。     

基于蚁群算法的多机器人协作策略

蚁群算法是一种通过对蚂蚁社会长期观察得来的优化算法．它建立在蚁群的一种叫“外激励”的联系方式上，对解决一些分布式控制问题和复杂的优化问题十分有效．将“外激励”这一概念引入多机器人系统中，设计了一种基于蚁群算法的多机器人协作策略．这一策略可以解决多机器人系统在未知环境工作时所面临的一项艰巨的任务：自主协作规划．定义了多机器人系统在未知环境中可能存在的一个问题：任务死锁；将衰减因子引入协作算法，以防止任务死锁的发生；通过仿真验证了算法的性能．     

一种双信道协作中继的认知网络功率分配算法

针对认知无线网络主、次用户的互相干扰对网络中断性能以及系统传输效率的影响进行了研究,采用一种双信道协作中继的传输方案来减少干扰,并提出一种基于中断概率的最优功率分配方案来改善中断性能和传输效率。在该传输方案中,主、次系统通过对接收的主信号和复合信号进行处理,采用连续的干扰解码和消除得到去干扰信号。该功率分配方案在保障主系统中断性能的前提下,提出次系统中断概率的优化方程,通过关联功率分配因子来实现最大化次系统吞吐量。实验结果表明,该算法在改善中断性能和系统吞吐量方面具有较好的效果。     

基于修正蚁群算法的多机器人气味源定位策略研究

为了使多机器人系统能够模仿蚁群寻找食物源的行为方式来搜索室内环境中存在的气味源,通过对蚁群算法的修正,形成一种新的多机器人协作策略．修正的蚁群算法包括局部遍历搜索、全局随机/概率搜索和信息素更新三个阶段．为了实现多个气味源的定位,在迭代搜索中加入了气味源确认机制．仿真结果表明,局部遍历搜索能够保证机器人逐步靠近气味源,而在全局搜索中设置气味浓度检测阈值可以避免机器人“群聚”现象的形成．最后验证了从不同入口点分散进入搜索区域时,机器人对多个气味源的搜索定位效果．     

Wi-Fi网络下多AP协作边缘计算资源分配策略

近年来, AR/VR、在线游戏、4K/8K超高清视频等计算密集且时延敏感型应用不断涌现,而部分移动设备受自身硬件条件的限制,无法在时延要求内完成此类应用的计算,且运行此类应用会带来巨大的能耗,降低移动设备的续航能力.为了解决这一问题,本文提出了一种Wi-Fi网络多AP (access point)协作场景下边缘计算卸载和资源分配方案.首先,通过遗传算法确定用户的任务卸载决策.随后,利用匈牙利算法为进行任务卸载的用户分配通信资源.最后,根据任务处理时延限制,为进行任务卸载的用户分配边缘服务器计算资源,使其满足任务处理时延限制要求.仿真结果表明,所提出的任务卸载与资源分配方案能够在满足任务处理时延限制的前提下有效降低移动设备的能耗.     

认知无线电中子谱缺失下的似然恢复算法

在使用滤波器组对信号频谱进行分割、插空的过程中,如果用户信号频谱带宽大于空余频带的总和或者插空信道出现强干扰,用户的信号检测会受到干扰。针对该问题,提出一种子谱缺失下的似然恢复算法。结合频谱分割技术,构建子谱缺失场景下的等效信道模型,并采用自适应似然信号恢复算法抑制非理想信道的干扰。仿真结果表明,该算法能够有效恢复失真信号,改善认知无线电中子谱缺失下的信号检测性能。     

基于能量获取下协作认知网的资源联合分配

频谱共享和能量获取是提高带宽和能量效率的前沿技术,满足了无线传输数据的不断增长的要求。在协作认知无线网络中,由混合接入点提供无线能量的次用户系统帮助主用户传输数据。作为回报,次用户以时分多址的方式获得频谱接入的机会来传输自己的数据。为了最大限度地提高次用户系统的吞吐量,提出了一个次系统吞吐量最优的资源分配方案。在满足主系统基本性能的约束下,根据次用户参与度来选择最佳次用户集合,联合对SUS进行时隙和能量的分配。     

多信道无线Mesh网络公平带宽分配算法

针对基于IEEE802.11的无线Mesh网络(WMN)在按多跳方式转发数据时存在带宽分配不公平的问题,提出一种改进算法DBAS。通过检测子节点包含的活动终端数量,计算分配指数并发送给子节点,使其能根据分配指数调整介质访问控制层的竞争窗口参数。在子节点向父节点发送数据时,采用加权轮询调度算法进一步保证带宽分配的公平性。NS2实验结果验证该算法的有效性。     

基于多策略的多目标粒子群优化算法

针对目前多目标粒子群优化算法的收敛性能和非劣解的多样性不能同时得到满足等缺陷,提出一种基于多策略的多目标粒子群优化算法（Multi-Objective Particle Swarm Optimization algorithm for Multi-Strategy,MS-MOPSO）。采用非支配排序和拥挤距离排序相结合策略,重新划分外部种群和进化种群;采用小生境选择策略,在外部种群中选择最佳粒子作为领导粒子,用于领导进化种群中粒子的进化;在进化种群中利用多尺度高斯变异策略,平衡算法的全局搜索和局部精确搜索;采用邻域认知个体极值更新策略,不断更新个体极值。将该算法应用到典型的多目标测试函数,并与其他多目标优化算法进行对比分析,测试结果表明该算法中四个策略的有效性和互补性,同时验证了该算法不但具有较好的收敛性和收敛速度,而且该算法最优解的分布具有良好的均匀性和多样性。