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%。     

840路实用化光通信系统

由于光纤具有许多优点，近年来在通信领域中得到了广泛本文介绍了８４０路实用化光通信系统采用新的编码方式、帧结构和同步扰码技术，阐述了该系统的工作原理、监控功能、组网运用。     

域内自愈路由研究综述

 路由的自愈性是指在网络故障发生后,路由系统能够自动恢复或重建路由,保证分组转发不受影响的能力.虽然目前的域内路由协议都具备一定的自愈能力,但是它们的自愈时间通常在几秒到上百秒之间,难以完全满足用户的需求.在自愈过程中,网络路由可能是错误的,甚至会出现\"路由黑洞\"或\"路由环路\",导致分组丢失,影响网络应用.为了解决这个问题,研究者设计了很多域内自愈路由方案.本文在总结和分析了当前域内自愈路由的问题后,提出了自愈路由模型,依据模型将这些方案分成五类:调整设置权值、限制洪泛、快速重路由、多路径和本地重路由.在分析每类中典型算法的基础上,总结对比了各类方案的特点,详细分析了算法的有效性.最后探讨了域内自愈路由研究中需要进一步考虑的问题.     

基于强化学习的自适应网络覆盖优化算法研究

随着第五代移动通信技术（5G）的发展以及网络架构的演进,网络覆盖的分析以及优化不仅需要考虑基站天馈系统的链路预算,而且需要结合基站覆盖区域的时空特性,从而设计出更精确的覆盖优化方案。文章提出了一种基于Q学习的自适应网络覆盖优化算法,首先采用一种基于数据挖掘的网络覆盖预测模型,通过小区天线参数的配置预测出接入终端的覆盖情况,并基于真实数据验证模型预测的准确性;其次,改进强化学习中智能体的动作选择策略,根据覆盖率设置各小区不同的优化优先级,结合贪心策略,选择出需要优化的小区及其优化参数值,有效地降低了迭代过程中陷入局部最优的概率。仿真结果表明,文章所提算法可提高优化过程收敛速度,同时对网络覆盖率的提升幅度可达到20%。     

复杂真实约束条件下的多星测控资源调度

测控资源调度是卫星调度研究领域的关键问题之一,其在多星条件下面临着因约束信息来源不同、结构差异大、表达模糊而难以建立统一的约束模型,以及求调度问题的最优解是NP-hard的且不易得到较优解的问题。为此,首先将多星测控问题表达为组合优化模型,再将复杂的约束信息归纳为一套约束,最后提出了一种双层并行约束匹配算法求解问题。与用户现有算法对比,所提算法的周期测控调度成功率提升了9%左右,且可以处理更多约束信息类型。     

求解不确定资源约束下的模糊调度算法

以排序健壮性最大为优化目标对不确定资源约束下的模糊调度问题进行了研究,设计了编码形式为任务链表的遗传算法求解该问题,并通过具体实例验证了算法的有效性.     

基于强化学习的异构无线网络资源管理算法

为了充分利用各种无线网络的资源,需要实现异构网络的融合,而异构网络的融合又面临接入控制与资源分配的问题。为此,提出一种基于强化学习的异构无线网络资源管理算法,该算法引入 D2D （device-to-device）通信模式,并可以根据终端不同的业务类型、终端移动性及网络负载条件等状态,选择合适的网络接入方式。同时,为降低存储需求,采用神经网络技术解决连续状态空间问题。仿真结果表明,该算法具有高效的在线学习能力,能够有效地提升网络的频谱效用,降低阻塞率,从而实现自主的无线资源管理。