FallBack+--一种新的多QoS约束路由算法

FallBack(FB)算法是满足多QoS路径选择的基本算法，是Dijkstra算法的一种改进，在FB算法中，路径选择是按照算法设计者根据经验排序的多QoS为确定的，因此是经验的，所做选择的难以保证是最佳路径。另外FB算法主要以满足多QoS路径选择为目的，并未考虑网络资源的有效利用。本文对FB算法进一步扩充，提出了路径选择的FallBack^ 算法，它不仅满足多QoS约束，有效地利用网络通信资源，并有高的功效。     

基于遗传-蚁群融合算法的OSPF路由算法QoS扩展

OSPF路由协议是现代计算机网络应用最为广泛的路由协议之一,为了适应现代网络应用对路由选择的QoS要求,IETF对其进行了扩展,最短路径算法也采用BF算法。但是,这些算法只能计算满足某一条件的路径集合中最短路径,不能满足对带宽、时延和差错率等多项QoS参数都有要求的最优路由选择。采用遗传算法和蚁群算法相结合的融合算法,继承了遗传算法和蚁群算法的优点,在求精解效率上优于遗传算法,在时间效率上优于蚁群算法,能很好地实现多QoS要求的最优路径计算。测试证明融合算法优化性能和时间性能都取得了很好的效果,可以应用于OSPF协议。     

卫星网络中基于多QoS约束的蚁群优化路由算法

针对蚁群算法在求解多目标优化问题时存在收敛速度慢、容易陷入局部最优解等问题,提出一种面向卫星网络的多约束QoS路由算法。通过改进蚁群算法的启发函数,将链路QoS信息作为蚂蚁选择下一跳节点的重要依据,并结合排序思想与最大最小蚂蚁算法优化信息素更新规则,获取符合当前业务的最优QoS路径。实验结果表明,该算法在满足卫星网络业务多QoS需求的同时,具有良好的收敛速度和寻优能力。     

一种基于服务质量的启发式点对点多媒体通信路由选择算法

1 引言分布式多媒体应用通常有比较严格的QoS需求。通常,如果网络要向分布式多媒体应用提供QoS保证,就应该进行接纳控制并且作出资源预约。但是,接纳测试和资源预约依赖于路由,仅当路由选择算法找到有足够资源满足应用需求的路径时,才能作出资源预约,也才能确定能否提供先验QoS保证。因此,路由选择算法需要考虑应用的QoS需求,同时,从尽可能多地容纳分布式多媒体应用用户的角度出发,在进行路由选择时还应考虑QoS计费。研究基于QoS的网络路由选择机制既有理论意义也有应用价值。     

带数据融合的无线传感器网络QoS路由算法

针对无线传感器网络以数据为中心的特点以及不同业务对QoS的不同要求,提出了一种结合数据融合的QoS路由算法(DAIQoS算法).该算法借鉴TopDisc协议的分簇路由过程对数据进行融合处理.在此基础上借鉴定向扩散(DD)协议中梯度路由的思想,通过维护簇内和簇间两个梯度场建立到sink节点的多条最短路径.选择既能满足数据的QoS要求,又能尽量时其进行融合处理的路径转发数据.仿真实验结果表明,DAIQoS算法能够在满足数据QoS要求的同时有效减少冗余数据,节约能源.     

一种多约束QoS多播路由快速优化算法

多路广播技术可以使多种网络资源得到接近最佳的使用率,提供满足QoS需求的多播服务的关键是如何建立满足多个QoS约束的最小代价树,多约束QoS多播路由选择问题是NP完全问题。论文提出的极值元素算法(EEA)能够快速解决全局优化问题,极值元素算法选择亲本的原则是:该亲本为极值点,与极值点的适应度无关。描述了多约束QoS多播路由问题的网络模型,给出了极值元素算法的原理,并将该算法应用于求解多约束QoS的多播路由选择问题。     

基于软件定义网络的多约束QoS双路径路由优化方法

针对当前SDN架构存在路由算法复杂度高、QoS流满意度低和单链路故障等问题,提出了一种基于软件定义网络的多约束QoS双路径路由优化算法(SDN＿MCQDP)。利用控制器获得全局网络状态信息,生成基于目的节点的有向无环图。在多约束QoS路由选择阶段,通过拉格朗日松弛对偶算法将多约束问题转化为线性规划问题。使用反向链路删减得到满足多约束QoS的节点不相交的双路径冗余链路,使链路故障后的数据传输得到保障。从路由计算时间、链路利用率、QoS流满意度等方面对算法进行仿真实验。结果表明,与MODLARAC、QT、RMCDP＿RD、H＿MCOP算法比较,SDN＿MCQDP能够有效降低传输时延,减少路由计算时间,提高链路利用率,且在链路发生故障后仍能满足QoS需求。     

基于改进蚁群算法的多约束QoS路由方法

高速多媒体网络路由问题是一个多QoS约束的NP一完全问题,提出一种改进蚁群路由算法对该问题进行求解。该算法采取了带记忆的后继节点选择方式,利用蚂蚁已走过的路径启发后继节点的选取;引入了基于目标函数的信息素更新机制,依据目标函数评价蚂蚁路径搜索行为,并根据蚂蚁的表现采取不同的信息素更新策略,提高了算法的寻优能力和收敛速度。仿真实验表明,该算法能快速得到较大程度满足业务QoS要求的路径。     

基于多条件约束的无线传感器网络QoS路径选择算法

多约束QoS路径选择是无线多媒体传感器网络亟待解决的关键问题,已被证明是NP全问题。分析了有线传感器网络使用的多项式时间和伪多项式时间启发式路径选择算法存在着计算复杂度高的特点,不适合无线多媒体传感器网。提出了一种基于改进的模拟退火的多约束QoS路径选择算法,选取控制参数T的衰减函数和控制参数T的终值Tf这两个重要参数进行优化,构造出更精细的冷却进度表。分析表明该算法是一种高效的路径选择算法,在不牺牲算法复杂度的情况下,能够提高最终解的质量。     

多约束QoS多播路由选择优化算法研究

研究了一类通信网络中源节点到目的节点的多约束QoS多播路由选择问题,提出了一种解决此类问题的算法.该算法将带宽、时延、丢失率等QoS参数作为约束条件,用基于最短路径算法构造路径选择函数,并依照该函数修正被选路径,使其满足多约束条件.仿真结果表明该算法有较好的性能和较小的时间复杂度,可以方便地推广到多个QoS参数的情况.     

基于层次最短路径的FallBack路由算法

通常，在多约束条件下的Qos路由是一种NP完全问题。下文首先分析了约束条件的网络特征，然后讨论了基于FallBack算法的有关问题。FallBack算法是满足多Qos路由选择的基本算法，是Dijkstra算法的一种改进；有人提出FallBack^＋算法对其进行了改进，从而可以排除FallBack算法设计者根据经验排序约束条件的问题，并且可以有效利用网络资源；本文则是对FallBack^＋算法的进一步改进，在保留了原算法上述优点的同时加快了算法的收敛速度。     

基于BiLSTM-CRF的细粒度知识图谱问答

基于知识图谱的问答中问句侯选主实体筛选步骤繁琐,且现有多数模型忽略了问句与关系的细粒度相关性。针对该问题,构建基于BiLSTM-CRF的细粒度知识图谱问答模型,其中包括实体识别和关系预测2个部分。在实体识别部分,利用BiLSTM-CRF模型提高准确性,并将N-Gram算法与Levenshtein距离算法相结合用于候选主实体的筛选,简化候选主实体筛选过程。在关系预测部分,分别应用注意力机制和卷积神经网络从语义层次和词层次捕获问句与关系之间的相互联系。使用FreeBase中的FB2M和FB5M评估数据集进行实验,结果表明,与针对单一关系的问答方法相比,该模型对于实体关系对的预测准确率更高。     

鱼群优化下的BP网络在冷轧控制中的应用

在轧机液压AGC系统及其运行机理的基础上,建立了电液位置控制系统数学模型。通过FB Generater、C语言等对优化后的网络进行编写封装,得到了基于改进人工鱼群算法优化的神经网络智能控制器,创建了基于神经网络智能算法的CFC(连续功能图)块,并在西门子FM458平台下对电液系统模型进行控制实验。实验结果表明,人工鱼群算法优化后的神经网络控制器能够准确、快捷的达到控制要求,此方法应用于冷轧AGC控制行之有效。     

一种自底向上的推测链路延迟分布的快速算法*

网络层析技术用端到端的测量结果来推测网络中的链路延迟分布。这方面已有的大部分工作都基于最大似然估计式 (MLE)和期望最大化（EM）算法,它们在求解过程中需要不断迭代,对于大规模网络需要消耗很长的时间。为了克服这方面的不足,提出了一种快速算法FBA,该算法自底向上估计出每层链路的延迟分布。定性的分析和实验仿真结果表明FBA大大减小了计算的复杂度,而且在发包数目足够多的情况下,它的估计结果的精确度接近EM算法。     

最优化问题算法模式的研究

论文在对最优化问题的结构和实例进行严格描述的基础上,提出一种沿算法框架、算法模式再到具体算法的路线来解决最优化算法设计问题的方法。文中对算法模式概念进行了重新定义,给出求解最优化问题的一个算法框架,以及从该算法框架导出算法模式、算法及其实现程序的实例,同时对算法模式的使用步骤,算法框架、算法模式与算法三者之间的关系,算法模式的编程实现技术进行了论述。     

NES-Join算法的改进算法

NES-Join算法是一种无需外排序的连接运算算法,其复杂性优于经典的Sort-Merge Join算法及改进后的SDC-Join算法.在NES-Join算法基础上提出一种改进算法,该算法能够有效压缩原算法中未匹配记录暂存块中的空记录信息,从而使NES-Join算法更具实用性.通过实验和分析表明,改进后的NES-Join算法与原算法时间复杂性相当,但显著提高了磁盘空间的使用率.     

Differences Between People Who Use Only Facebook and Those Who Use Facebook Plus Twitter

Facebook (FB) and Twitter are popular social networking sites. This study examined differences between those who use both sites versus only FB, to test the hypothesis that mono-users differ in their personality characteristics from users active in both websites. Participants were 205 undergraduate students: 96 only used FB, 109 used FB and Twitter. Participants who used both sites reported significantly lower loneliness, higher number of FB friends, and lower number of minutes spent online, as compared to those who used only FB. Loneliness was positively associated with FB use only in those who used FB alone but was negatively associated with and negatively predicted both FB and Twitter use in those who used both websites. Findings suggest that more intense use of online interactions is more frequently found in mono-users (people using only Facebook) as compared to those using both websites, and it is predicted by increased feelings of loneliness. The current study findings provide additional insights on what personality factors may make some people prone to excessive use of social networking sites.     

Increasing mapping based hidden Markov model for dynamic process monitoring and diagnosis

Hidden Markov models (HMMs) perform parameter estimation based on the forward–backward (FB) procedure and the Baum–Welch (BW) algorithm. The two algorithms together may increase the computational complexity and the difficulty to understand the algorithm structure of HMMs clearly. In this study, an increasing mapping based hidden Markov model (IMHMM) is proposed. Between the observation sequence and possible state sequence an increasing mapping is established. The re-estimation formulas for the model parameters are derived straightforwardly based on these mappings instead of FB variables. The IMHMM has simpler algorithm structure and lower storage requirement than the HMM. Based on IMHMM, an expandable process monitoring and fault diagnosis framework for large-scale dynamical process is developed. To characterize the dynamic process, a novel index considering serial correlation is used to evaluate process state. The presented methodology is carried out in Tennessee Eastman process (TEP). The results show improvement over HMM in terms of memory complexity and training time of the model. Also, the power of IMHMM can be observed compared with principal component analysis (PCA) based methods.     

优化的HMM算法在文本相关的说话人识别中的研究

对HMM算法进行了优化,采用遗传算法与LBG算法相结合的方法生成码本,通过实验验证了优化后算法在文本相关说话人身份认证方面效率有所提高.     

一种基于人工鱼群的混合聚类算法

聚类分析是数据挖掘的核心技术之一,它是一种无导师监督的模式识别方式。聚类分析就是按照数据间的相似程度,依据特定的准则将数据划分成不同子类。文中通过分析K-平均算法的优缺点,提出了一种基于人工鱼群算法的聚类分析算法,并把它与传统的K-平均算法结合得到一种新的混合聚类算法。仿真实验表明,该算法是有效的,具有聚类速度快、精度高特点。