基于Q学习的无线传感网络自愈算法

无线传感网络存在关键区域节点能量消耗过快,节点能量供应有限以及通信链路拥塞等问题,容易造成节点故障和路由破坏。为减小上述问题对网络传输造成的影响,提出一种基于Q学习的无线传感网络自愈算法,通过引入Q学习的反馈机制,动态感知网络的状态信息,当故障发生时,自适应地选择恢复路径,保证数据实时顺利传输。仿真结果表明,该算法降低了错误选择故障或拥塞路径的概率,在故障感知、故障恢复和延长网络寿命等方面,表现出了良好的性能。     

WMN中基于免疫算法的QoS路由研究

无线Mesh网络的路由技术是影响网络性能的一个关键问题。针对无线Mesh网络的QoS多约束路由算法难于找到最优路径的问题,提出了一种基于免疫算法的路由算法,利用免疫算法的寻优能力,实现了无线Mesh网络QoS多约束条件下的最优路径选择,并与基于遗传算法的路由算法进行了比较。实验结果表明,利用免疫算法获得满足QoS要求的最佳路径时,不容易陷入局部最优,且收敛速度快,性能优越,更符合无线通信实时性的要求。     

一种新的基于通道保护的SDH环自愈机制

ＳＤＨ网的自愈机制是ＳＤＨ网生存性研究的主要内容,也是确保ＳＤＨ正常运行的关键。本文在分析了传统的ＳＤＨ自愈环的基础上,提出了一种新的双向四纤智能通道保护型自愈环（ＢＳＨＲ／４１Ｐ）自愈机制,并通过计算机模拟。对其改进进行了分析。     

基于蚁群优化算法的多QoS选播路由算法研究

提出一种基于蚁群优化算法的多QoS选播路由算法.算法设计了合理的路径评价方法,从平衡网络负载的角度出发,寻找适当的选播路由路径.通过对迭代最优解路径上的信息素的调整和算法重启的策略,算法有效地避免了陷入局部最优的缺陷,扩大了算法的搜索范围.实验结果表明,该算法能找到满足QoS约束的全局最优解,并在资源预留的基础上较好地满足用户对于带宽、时延的要求.     

具备自愈能力的高压智能电网研究

近些年来,国家对于超高压、特高压输电及统一坚强智能电网的战略部署越来越重视,并且已经开始了深入研究,以前传统的输电、变配电等环节的各种测量用设备,还有相应的数据处理和控制技术已经跟不上时代的要求,无法满足现代生活中的智能电网的要求了.由于在现在的电网中,投入了越来越多的高新科技的电力设备和检测方法,对于电网的性能要求也是相应的在逐步提高.高压智能电网这个概念就是在为了符合用电负荷的高需求还有为了降低故障损失和消耗的前提之下提出的.而具备自愈能力的高压智能电网就是指实现了不同程度的智能化的电网.     

一种基于粒子群优化的多QoS约束选播路由算法

提出一种基于粒子群优化算法的多QoS约束选播路由算法(RDO-PSO).算法使用特殊相加算子,使得路径之间能够相互进行学习,解决了较差路径向较好路径学习的问题;通过设计随机扰动算子,使算法在陷入局部最优时迅速跳出局部最优,保证了粒子的多样性.网络仿真结果表明,算法有效可行,收敛速度快.     

基于多属性QoS约束的网格资源调度算法研究

本文以Min-Min调度算法为基础,以提高调度过程中的用户满意度为目的,提出了改进的Min-Min算法DQ(double QoS).在DQ算法的基础上,采用进一步细化QoS参数和划分任务权值的方法,设计了多属性QoS约束的调度算法(multi-QoS constraints scheduling algorithm,MQCSA).该算法通过选取任务的完成期限和网络带宽属性以及完成任务所需的CPU参数,有效地解决了不能预期完成的任务占用网格资源的问题.采用GridSim工具包模拟了相关的调度算法,验证了DQ算法和MQCSA的效率.     

SDH自愈环的路由算法研究

本文分析了四纤双向共享保护环的几种业务路由算法，对各种算法所需的环路容量配置进行了计算机的随机统计模拟，基于上述模拟结果，讨论了用户接入网、局间中继网等网络所具有的不同业务分布模型与路由算法的关系，探讨了根据网络自身的业务特点选择业务路由算法的方法     

SDH多环网络情况下自愈问题的研究

以往考虑SDH网的恢复时，即使实际网络由多个SDH环构成，也以单环恢复机制进行恢复。在此我们讨论了从多环网的角度考虑SDH网恢复的必要性和现实意义，并针对这一问题，提出了相应的解决方案。     

基于协同学的异构无线网络选择算法

终端接入的网络需要满足各类业务需求,对此提出了一种基于协同学的异构无线网络选择算法.该算法将终端网络选择看作一个系统化的问题,可选网络是一个复合系统,终端上运行的每一种业务都是一个子系统,依据熵的概念得到复合系统的熵值,熵值的大小反映了子系统之间的协同度,进而体现了网络的整体性能.仿真结果表明,在终端多业务的情况下,基于所提算法选择的网络业务QoS满意率达到了95％,比基于TOPSIS算法选择的网络业务QoS满意率提升了近4倍,能够很好地解决多业务终端网络选择问题.     

机器类通信中集中式与分布式Q学习的资源分配算法研究

针对海量机器类通信（massive machine type communication,mMTC）场景,以最大化系统吞吐量为目标,且在保证部分机器类通信设备（machine type communication device,MTCD）的服务质量（quality of service,QoS）要求前提下,提出两种基于Q学习的资源分配算法：集中式Q学习算法（team-Q）和分布式Q学习算法（dis-Q）。首先基于余弦相似度（cosine similarity,CS）聚类算法,考虑到MTCD地理位置和多级别QoS要求,构造代表MTCD和数据聚合器（data aggregator,DA）的多维向量,根据向量间CS值完成分组。然后分别利用team-Q学习算法和dis-Q学习算法为MTCD分配资源块（resource block,RB）和功率。吞吐量性能上,team-Q 和 dis-Q 算法相较于动态资源分配算法、贪婪算法分别平均提高了 16%、23%;复杂度性能上,dis-Q算法仅为team-Q算法的25%及以下,收敛速度则提高了近40%。     

一种基于Chirp探测的短波频率分配算法

针对短波通信网频率优化分配问题,本文利用chirp探测系统提供的信道参数,建立了带有信道约束的数学模型,并研究了用遗传算法求解模型的具体方法.该遗传算法采用的编码方式是信道频点的整数序列号,个体是一组经过分配的序列号.在仿真过程中发现由算法本身带来的严重违反约束条件的问题,通过比较三种不同约束处理方法得以解决.仿真计算的结果表明,模型建立得当,算法有效解决优化分配的问题.     

SDN中基于Q-learning的动态交换机迁移算法

由于网络流量动态变化,控制器负载均衡成为大规模部署软件定义网络研究的重点.提出基于Q-learning的动态交换机迁移算法,首先对软件定义网络中的控制器部署问题建模,再应用Q-learning反馈机制学习实时网络流量,最后根据Q表格将交换机从高负载控制器动态迁移到低负载控制器上,实现控制器的负载均衡.仿真结果表明,所提算法能够获得较低的控制器负载标准方差.     

宽带OFDM系统中基于部分信道反馈的预处理优化算法

为克服OFDM系统中的符号块间干扰(IBI)和载频间干扰(ICI),基于满信道状态信息(CSI)的发端预处理算法已被提出,系统性能得以提高并简化了接收机。不过,反馈满CSI将占用紧张的频谱资源,并且在一些实时性要求高的系统中也是不现实的。为解决这一问题,基于部分CSI反馈提出了一种预处理优化算法,并对优化矩阵的3种处理方案进行了分析与讨论。仿真结果表明,所建议的优化算法能有效地抑制IBI和ICI,提高系统的性能。与已有的基于满信道信息的发端预处理传输方案相比,在满足一定服务质量要求的情况下,本方案的频谱效率得以提高,反馈量和计算复杂度明显降低。     

ATM网络抗毁和自恢复技术研究

基于ATM/MPLS技术的通信网络是承载宽带多媒体业务的综合平台。为了对承载业务进行抗毁保护,对ATM的最基本的1+1、1∶1、m∶n抗毁保护结构进行了研究和总结。同时结合网络传输层,如:PDH、SDH、WDM、MPLS的保护和应用层业务,如:IP、电路交换、以太网和帧中继的抗毁迂回策略,提出了ATM的多层次抗毁自恢复组网结构,为ATM的应用研究提供了借鉴。     

基于改进灰狼优化算法的服务功能链映射算法

随着工业互联网、车联网、元宇宙等新型互联网应用的兴起,网络的低时延、可靠性、安全性、确定性等方面的需求正面临严峻挑战。采用网络功能虚拟化技术在虚拟网络部署过程中,存在服务功能链映射效率低与部署资源开销大等问题,联合考虑节点激活成本、实例化开销,以最小化平均部署网络成本为优化目标建立了整数线性规划模型,提出基于改进灰狼优化算法的服务功能链映射(improved grey wolf optimization based service function chain mapping,IMGWO-SFCM)算法。该算法在标准灰狼优化算法基础上添加了基于无环K最短路径(K shortest path,KSP)问题算法的映射方案搜索、映射方案编码以及基于反向学习与非线性收敛改进三大策略,较好地平衡了其全局搜索及局部搜索能力,实现服务功能链映射方案的快速确定。仿真结果显示,该算法在保证更高的服务功能链请求接受率下,相较于对比算法降低了11.86%的平均部署网络成本。     

基于IC-PSO和ISM的反馈控制算法设计

为了提高光纤偏振模色散(PMD)补偿系统的动态自适应补偿能力,提出了用改进粒子群优化(PSO)算法作为搜索算法,用改进单纯形法(ISM)作为跟踪算法的反馈控制算法设计方案,从而实现对PMD补偿单元的动态调整。在PSO算法中,引入免疫克隆(IC)原理提高了搜索算法的全局优化能力;对SM的反射操作和扩张操作进行改进,从而提高算法的收敛速度;用映射操作代替原有的顶点代换操作,从而使单纯形在迭代过程中不发生退化现象。实验结果证明了该算法用于PMD补偿系统的有效性和可行性。     

星地融合网络中基于Q学习的切换算法研究

基于地面辅助基站（ATC）的星地融合网络（MSS-ATC）具有覆盖范围广、用户体验佳的特点,切换机制是该融合网络主要研究的问题之一。针对卫星链路时延大、卫星网用户速度范围广的特点,综合考虑了用户接收信号强度（RSS）和用户运动速度,提出了一种基于卡尔曼滤波和Q学习的切换决策算法。比较了所提算法与传统算法在链路衰减率、切换次数和网络收益的性能,实验结果表明所提算法在性能上得到了很大的提升,并且能很好地适应高速运动状态。     

基于泛函网络求解随机优化问题的EM算法

研究了一类带有随机变量的不确定优化问题。为了解决这类随机优化问题,首先用随机仿真为泛函网络产生训练样本,用泛函网络逼近随机函数的均值,将随机函数的均值转为不合随机变量的确定性函数,然后用类电磁算法求解确定性函数的最优解。最后,给出一些数值例子验证了所提算法的有效性。