改进遗传算法应用于全光网中静态路由与波长分配的优化

文章对静态情况下光网络的路由和波长分配问题进行了深入研究,创新性地提出了两条规则调整波长关系图,使得波长关系图中的连通度比较均衡,减少了波长使用数量1/3。文章同时改进了遗传算法,提出了一种新的可以自我调节变异和交叉因子的值的算法(VMCR-GA),通过交叉算子的操作,形成了一种正反馈机制,可以大大加速遗传算法的解空间搜索速度和收敛速度。通过对CERNET网络的仿真计算,发现无论在最短路径还是在优化路由算法中,改进的遗传算法和波长分配方法的性能都比基本遗传算法的性能有很大的提高,证明这种改进的算法和方法是非常有效的。     

全光网络中波长转换器配置问题的蚁群算法

研究提高网络的利用率,在全光网络中放置波长转换器是打破波长一致性约束,为了降低网络阻塞率,提高网络通信能力的有效途径。但限于波长转换器的高昂成本,不可能为网络中的每个节点都配置波长转换器,所以波长转换器应以最优方案放置在网络中的个别关键节点上。提出了一种基于蚁群算法的波长转换器配置方法,通过蚁群算法寻找给定网络中任意源、目的节点之间的最优路径,并利用蚂蚁对最优路径的记录,统计路径在节点处发生波长转换的次数,将具有较高波长转换次数的节点作为网络中波长转换器放置节点。最后通过对一个5节点的网络进行算法演示和仿真分析,结果表明该算法能求得波长转换器的合理配置,得到较好的通信效果。     

并行LU分解的通信模式在WDM环网上的波长分配算法

波长分配是光网络设计的基本问题，设计波长分配算法是洞察光网络通信能力的基本方法．不同的并行算法具有不同的通信模式，如何在光互连网上实现这些通信模式，是当前一个颇受关注的研究领域．本文基于WDM环网络，针对矩阵的并行LU分解，构造了一种并行LU分解的通信模式，讨论了将该通信模式嵌入在环形光网络中的波长分配问题．在解决该问题的过程中，得到了将一种特殊的二分图结构的通信模式嵌入在环网中的波长分配算法．通过分析和证明得到了在WDM环网上实现该并行LU分解通信模式所需的最小波长数．     

树形全光网络中波长转换器配置算法

配置有限数量的波长转换器使网络阻塞率最低,是全光网络中需要解决的一个关键问题.通过考虑网络的直径、中心以及节点和链路的通信量,采用网络分解和迭代的方法,提出树形网络中基于赋权直径的波长转换器配置算法、基于节点加权中心的波长转换器配置算法,以及基于光路加权中心的波长转换器配置算法.算法演示表明,提出的3个算法总是将波长转换器放置在阻塞率较高的节点上,从而大大降低网络整体阻塞率.     

波长路由树形全光网中波长转换器配置算法

在波长路由全光网中,波长转换以及路由和波长分配算法（RWA）是降低网络阻塞率、改善网络性能的两个重要方法。研究了树形网络中波长转换器的配置问题,结合树形网络的特点,对影响波长转换器配置的主要因素进行了分析。综合路径长度、路径通信负荷以及节点的度,提出了基于网络直径的波长转换器配置算法和基于网络中心的波长转换器配置算法。通过算法演示和仿真,表明提出的两种算法各有优点。     

全光网波长转换器配置问题的一种启发式算法

波长转换技术可以消除全光网络中的波长一致性限制,降低网络阻塞率,因此在具有波长转换器的全光网中,如何通过合理配置、使用数量有限的波长转换器来最大程度的降低网络的阻塞率,这是全光网络需要解决的一个关键问题。因此对网络中通过节点的路由数量、通信量、路由长度及节点处于路由的中心距离进行分析,并给上述四个参数赋予一定的权重进行加权处理,提出了一种基于节点权的全光网络波长转换器配置算法,并针对一般拓扑网络进行了算法演示和分析。     

光网络中波长转换器的优化放置问题求解

基于分层图模型,提出了一种的简化的计算具有波长转换器光网络中光链路阻塞率的数学模型和公式,并应用于遗传算法的迭代函数,通过遗传算法对波长转换器在光网络中的优化放置问题进行求解,分析了波长转换器的最优放置和波长转换器的最小使用数量。通过在美国自然科学基金网(NSFNet)的仿真模拟,得出了使用部分和全部波长转换时的网络阻塞特性。     

多粒度光网络中动态路由与波长分配算法

通过分析多粒度光网络路由与波长分配的特点,针对WAPG算法的波长碎片问题,通过定义5种不同的逻辑链路权重,修改了WAPG算法的波长权重标注方法,达到减少波长碎片的目的。仿真结果表明,提出的修正算法有效地减少了多粒度光网络中的波长转换数,降低网络的阻塞概率,同时节省网络资源。     

部分波长转换全光网阻塞概率的近似计算

该文基于链路波长占用独立性假设，改进了Birman 在1996年提出的分析模型，提出了一种部分波长转换全光网在固定式路由和随机分配波长条件下阻塞性能的近似分析方法，该方法可以适用于任何网络拓扑，任何业务量分布模式条件下网络中任意链路上配置任意数目转换器情况的研究，扩大了Birman模型的适用范围，对于转换器均匀放置的网络，在业务均匀分布或者业务量信中在短跳路径的情况下，近似计算能够较好地与计算机仿真相吻合，对于业务量集中在长跳路径的情况或者转换器非均匀放置的网络，近似计算能够很好地跟随计算机仿真结果。     

流媒体网络传输中基于速率的控制方法

介绍了一种新的基于速率的拥塞控制方法，重点讨论了速率控制方法在流媒体网络传输中的具体应用。该方法通过监测网络状态变化和客户端缓冲区状态，动态调整服务器端的发送速率，以提高服务质量。研究表明，相对于传统的基于窗口型拥塞控制方法，速率控制方法在流媒体网络传输中可取得更好的效果。     

卫星时变拓扑网络最短路径算法研究

在提出卫星时变拓扑网络模型的基础上,首先证明了传统网络中的最短路径算法（如Dijkstra算法）在卫星时变拓扑网络中使用存在局限性,给出了一种可适用于卫星时变拓扑网络的最短路径算法并利用卫星节点间邻居关系的相对规律性,对算法进行了优化．相关仿真表明该算法比目前常用的卫星网络路由算法（如DVTR）更适合于切换频繁的卫星网络．     

因子分解二终端网络可靠度近似计算

因子分解算法可以用来计算网络可靠度精确值,但对于大型网络,可靠度精确值的计算非常困难。基于时间和精确度的双重考虑,在精确算法的基础上通过改进得出一种近似算法。实验结果证明,该算法得到的近似值接近精确值,而且计算时间要低于精确算法。     

Detecting community structure in complex networks using genetic algorithm based on object migrating automata

Community structure is an important topological feature of complex networks. Detecting community structure is a highly challenging problem in analyzing complex networks and has great importance in understanding the function and organization of networks. Up until now, numerous algorithms have been proposed for detecting community structure in complex networks. A wide range of these algorithms use the maximization of a quality function called modularity. In this article, three different algorithms, namely, MEM-net, OMA-net, and GAOMA-net, have been proposed for detecting community structure in complex networks. In GAOMA-net algorithm, which is the main proposed algorithm of this article, the combination of genetic algorithm (GA) and object migrating automata (OMA) has been used. In GAOMA-net algorithm, the MEM-net algorithm has been used as a heuristic to generate a portion of the initial population. The experiments on both real-world and synthetic benchmark networks indicate that GAOMA-net algorithm is efficient for detecting community structure in complex networks.     

带杂交算子的蚁群算法求解动态网络中的最短路径问题

动态网络与传统的网络模型相比更具有现实意义,具有广泛的应用领域。本文对动态网络模型进行了描述,用实例证明了著名的Dijkstra算法在动态网络中不能有效地求解最短路径问题,提出了一种用带杂交算子的蚁群算法来求解动态网络最短路径问题的新算法。此算法不仅能够以较大的概率找到最优解而且对网络没有任何约束条件,即对离散
散和连续的动态网络模型都有效,而且用实例证明了算法的稳定性。     

电力无线通信异构多网共存环境中的网络选择算法

综合考虑电力业务需求和无线专网性能因素,针对邻域网、LTE无线专网、WiMAX无线专网和230 MHz无线专网等构成的异构多网混合共存场景,提出一种网络选择算法。该算法以AHPTOPSIS算法为基础,首先构建能表征候选网络与决策属性之间关系的决策矩阵,归一化处理获得归一化决策矩阵;利用AHP算法,依据不同业务类型下决策属性与网络性能之间的相对关系定义权重,对归一化决策矩阵加权获得加权归一化决策矩阵;然后对TOPSIS算法进行改进,依据加权归一化决策矩阵确定正负理想值,利用正理想值与候选网络之间的最小距离以及负理想值与候选网络之间的最大距离确定理想网络,计算各候选网络与理想网络之间的有效距离;据此执行候选网络排序和最佳网络选择,以避免运行TOPSIS算法可能存在的排序异常。仿真结果表明,该算法能根据电力业务需求对候选网络进行正确排序和最优选择,且能在满足业务服务质量的同时,提高资源利用率。     

一种适应于异质网络的RED改进算法

随着Internet的发展,异质网络结构成为发展的趋势。由于RED算法在异质网络环境下会引起队列长度波动较大、丢包率较高等现象,所以针对这些特点文中提出了一种改进算法,即通过在限定时间内的数据报重传次数进行数据传输控制。这种算法在指定的异质网络环境下能够有效地提高网络性能。最后,经过仿真试验表明,改进后的算法较RED算法在性能方面有明显的提高。     

基于蚁群算法的定向扩散算法研究

无线传感器网络中定向扩散算法周期性地进行探测分组扩散时采用的是洪泛方式,这样会给网络带来巨大负载,严重影响网络的传输性能。提出一种改进的蚁群算法并将其应用于定向扩散协议中,算法中将定向扩散中的梯度建立在蚁群的信息素与网络节点剩余能量基础上,在寻找优化路径的同时,使网络节点能量得到均衡消耗。通过仿真实验验证了新方法的可行性,仿真结果表明新方法有效地控制了网络节点能量的均衡消耗,延长了整个网络的生存周期。     

蚁群神经网络在短期负荷预测的应用

为了进一步提高BP神经网络的性能,实现准确、快速预测电力系统负荷的目的,将蚁群算法(ACA)作为BP神经网络的学习算法,建立了一种新的蚁群神经网络(AcAN)预测模型.对某电力系统短期负荷预测的计算实例表明,基于蚁群神经网络的负荷预测方法与传统的BP神经网络预测方法相比,具有较强的自适应能力和较好的效果.     

Community-based anomaly detection in evolutionary networks

Networks of dynamic systems, including social networks, the World Wide Web, climate networks, and biological networks, can be highly clustered. Detecting clusters, or communities, in such dynamic networks is an emerging area of research; however, less work has been done in terms of detecting community-based anomalies. While there has been some previous work on detecting anomalies in graph-based data, none of these anomaly detection approaches have considered an important property of evolutionary networks??their community structure. In this work, we present an approach to uncover community-based anomalies in evolutionary networks characterized by overlapping communities. We develop a parameter-free and scalable algorithm using a proposed representative-based technique to detect all six possible types of community-based anomalies: grown, shrunken, merged, split, born, and vanished communities. We detail the underlying theory required to guarantee the correctness of the algorithm. We measure the performance of the community-based anomaly detection algorithm by comparison to a non?Crepresentative-based algorithm on synthetic networks, and our experiments on synthetic datasets show that our algorithm achieves a runtime speedup of 11?C46 over the baseline algorithm. We have also applied our algorithm to two real-world evolutionary networks, Food Web and Enron Email. Significant and informative community-based anomaly dynamics have been detected in both cases.     

GIS时变权值网络最短路径算法研究

最短路径分析是GIS网络分析的基础。传统的最短路径算法中,比较经典的算法是Dijkstra算法。由于地理信息系统中的数据具有不确定性、数据量庞大等特点,因此采用传统的Dijkstra算法进行最短路径分析就不适应。为此本文分析了传统网络中的最短路径算法-Dijkstra算法在时变权值网络结构中的局限性,给出了一种适应于时变权值网络的最短路径算法,并且利用改进的邻接表作为存储结构对算法进行了优化。