面向能效优化的控制队列时延算法

针对一种具有严格时延约束的网络数据流量到达与离开的场景,分析其流量转发过程的能耗特性,提出一种面向能效优化的控制队列时延算法——eeCoDel(Energy Efficient CoDel)。该算法根据数据包时延约束,动态选取最大速率进行数据转发。进行仿真实验对比CoDel、DCQA以及eeCoDel算法的转发能耗。结果表明eeCoDel相比其他两种队列管理算法能够有效降低数据转发过程中的能耗,并且能够兼顾数据流的QoS要求。     

基于动态权重的传感网络路径选择算法仿真

在传感器网络路径选择过程中,网络路径选择具有较高的动态性,导致传统采用流体神经网络算法,依据单一标准明确属性权重,无法针对变化的网络属性进行有效分析,不能得到有效的网络路径.提出了一种采用动态权重的传感网络路径选择算法,根据层次分析法确认不同业务状态下各网络路径属性的重要性,选取带宽、时延、抖动、丢包率四个属性作为网络路径选择的判决准则,构建属性的判断矩阵,采用特征根法计算不同判断属性的权重,按照业务类型动态调整权重,明确各属性的综合权重,采用灰色关联分析方法明确不同备选网络路径的灰色关联系数,对备选网络路径进行加权排序,进而选择最佳传感网络路径.仿真结果验证了所提方法选择路径过程中的收敛迭代次数以及有效解数量都优于传统方法,并且所提方法下的传感网络具有较高的数据传输效率.     

动态矩阵主动队列管理算法

针对Internet网络这种大延迟,变化复杂,存在严重干扰的系统,基于约束模型预测控制理论,提出了一种新的主动队列管理算法(DMAQM算法).首先根据预测模型和状态估计器,预测瓶颈链路队列的未来动态特性,它是确定丢包率的基础;然后将拥塞控制的控制要求转化为优化目标函数,在线求解优化问题得到丢包率.DMAQM算法通过滚动优化来适应网络环境的变化,提高了算法鲁棒性;同时在求取丢包率时显式地考虑了网络中存在的约束.仿真结果显示DMAQM算法控制性能优于RED算法,在满足约束的前提下,具有较强的抗干扰能力,同时具有较好的稳定性和鲁棒性.     

基于动态权重裁剪的快速Adaboost训练算法

提出了基于动态权重裁剪的快速Adaboost训练算法,当训练数据集较大时,可以大大提高训练速度.基于动态权重裁剪的Adaboost训练算法在每次迭代过程中舍去权重较小的大多数样本,保留权重较大的少数样本进行训练,迭代完成后检查这个利用少量样本训练得到的弱分类器在所有样本上的分类性能,如果错误率大于0.5,则扩大样本的数量重新训练本次迭代的弱分类器.由于在大多数迭代过程中,只利用了少量样本进行弱分类器的训练,从而提高了整个算法的训练速度.     

一种基于动态惯性权重的鸟群优化算法

鸟群算法（BSA）作为一种新型的元启发式群智能算法,存在易陷入局部最优、收敛速度慢和求解精度低等问题。针对原鸟群算法在求解最优化问题中的不足,提出一种基于动态惯性权重的鸟群优化算法(DBSA)。该算法通过引入非线性动态惯性权重修正鸟群飞行间隔,平衡种群全局搜索与局部搜索能力;在模拟鸟群生产者觅食的过程中引入莱维飞行,替换原算法中生产者的觅食策略提高算法活力和有效性。实验表明改进后的鸟群算法有效提高了算法的收敛速度和寻优精度。     

含有动态自适应惯性权重的蜘蛛猴优化算法

蜘蛛猴算法（Spider Monkey Optimization，SMO）是受蜘蛛猴觅食行为启发提出的一种群集智能优化算法，为增强蜘蛛猴算法的局部搜索性能，提出一种基于动态自适应惯性权重的SMO算法（DWSMO）。通过在惯性权重中引入目标函数值，使得惯性权重随着目标函数值的变化而动态改变，从而减少惯性权重变化的盲目性，有效平衡算法的全局探索能力以及局部开发能力。将改进的蜘蛛猴算法在函数优化问题上进行测试，仿真实验结果表明，改进的蜘蛛猴算法可有效提高函数寻优精度，加快收敛速度，且具有较强的稳定性。     

基于权重动态离散模型的WSNs定位算法

针对测距误差和距离权重对定位误差的影响,提出一种离散距离权重动态修正的定位算法。算法首先分区域获取动态路径损耗指数,建立接收信号强度测距简化数学模型,抑制接收信号强度测距误差。然后将静态距离权重因子离散化,为离散距离权重匹配动态权重系数,并在划定的动态取值范围内寻找最优权重系数,权重系数与接收信号强度正相关。基于MATLAB平台仿真结果表明,与其他算法相比,该算法能够较好地抑制接收信号强度测距的误差影响,显著降低平均定位误差,提高定位精度。     

一种动态调整惯性权重的粒子群优化算法

针对粒子收敛速度慢、搜索精度不高和算法性能在很大程度上依赖于参数的选取等缺点,提出了一种非线性指数惯性权重粒子群优化算法(Exponential Inertia Weight in Particle Swarm Optimization,EIW-PSO)。在每次迭代的过程中, 采用粒子最大适应值和最小适应值的指数函数来动态调整 算法中的惯性权重,更有利于算法在寻优过程中跳出局部最优;同时,引入随机因子以确保种群的多样性,使粒子更快地收敛到全局最优位置。为了验证该算法的寻优性能,通过8个基准测试函数将标准PSO、线性递减惯性权重LDIW-PSO、均值自适应惯性权重MAW-PSO在不同维度和种群规模下进行测试比较。实验结果表明,提出的EIW-PSO算法具有更快的收敛速度和更高的求解精度。     

基于李雅普诺夫优化的容器云队列在线任务和资源调度设计

为在保证任务服务质量（QoS）的条件下提高容器云资源利用率，提出一种基于李雅普诺夫的容器云队列任务和资源调度优化策略。首先，在云计算服务排队模型的基础上，通过李雅普诺夫函数分析任务队列长度的变化；然后，在任务QoS的约束下，构建资源功耗的最小化目标函数；最后，利用李雅普诺夫优化方法求解最小资源功耗目标函数，获得在线的任务和容器资源的优化调度策略，实现对任务和资源调度进行整体优化，从而保证任务的QoS并提高资源利用率。CloudSim仿真结果表明，所提的任务和资源调度策略在保证任务QoS的条件下能获得高的资源利用率，实现容器云在线任务和资源优化调度，并且为基于排队模型的云计算任务和资源整体优化提供必要的参考。     

Ad hoc网络中一种能效的QoS拓扑控制算法

越来越多的新应用要求在Ad hoc网络中能够提供QoS保证,对此提出了一种能效的QoS拓扑控制算法。该算法通过调整节点发射功率来构造新的网络拓扑以满足业务流对带宽和时延的要求,同时使得节点总的能耗最小。仿真结果显示该算法具有较好的性能,可以为移动网络中实现多媒体应用提供一种有效途径。     

控制时延的主动队列管理算法

针对现有的主动队列管理(AQM)算法造成的队列时延无法满足VoIP、音视频等流媒体传输需求的问题,提出一种直接控制队列时延的主动队列管理算法--DCQA。该算法使用PID控制器计算路由器缓存的数据包丢弃概率,用其对即将进入缓存排队的数据包做丢包判断并采取相应动作,以控制队列时延在期望值以下。实验仿真了3种网络环境下DCQA的性能,链路利用率分别是99.93%、99.88%和99.95%。并且,队列时延分别有50.45%、51.59%、52.4%被控制在期望值以下,比CoDel算法分别提高了3.6%、40.53%、50.69%。实验结果表明,DCQA在不同的网络环境中都可以获得较高的链路利用率,而且控制队列时延的能力优于CoDel算法,适用于流媒体的传输。     

云存储内容分发网络中的能耗优化方法

针对云存储内容分发网络(CCDN)中的高能耗问题,研究CCDN的能耗优化管理方法。首先,分析CCDN运行原理,给出每台云服务器和每条网络链路的能耗计算公式,利用加权图刻画整个网络系统;然后,基于加权图,给出满足CCDN系统服务质量(QoS)和网络系统数据分发的能耗优化图(MEG)算法。通过模拟实验将该算法与贪心站点(GS)算法和优化静态放置和路由(OSPR)算法进行比较,结果显示:在系统可扩展实验中,MEG 能耗比GS和OSPR能耗分别少6.6%和30%;在保证用户QoS的实验中,MEG能耗比GS和OSPR能耗分别少28.9%和60.2%;在网络拓扑密度实验中,MEG的能耗比GS和OSPR能耗分别少32.2%和89.3%。实验结果表明,所提算法能够大幅度降低CCDN的能耗开销。     

一种新颖的网格工作流调度算法

针对当前网格工作流调度算法中大多只考虑DAG结构的网格工作流、涉及QoS参数较少及将多QoS参数聚合成一个单目标函数进行优化调度的现状,提出了一种新颖的网格工作流调度算法。该算法基于表达结构丰富的AGWL语言建模网格工作流,且基于MOPSO算法所设计的带多QoS约束的多目标优化的网格工作流调度算法。通过与基于NSGA-Ⅱ算法的网格工作流调度算法比较,表明了该算法的有效性。     

支持多类业务的移动Ad Hoc网络拓扑透明MAC调度码

设计了一类用于支持多种业务类型的移动自组织网络拓扑透明媒质接入控制(MAC)调度码。这类调度码保证最低优先级用户在一帧中至少有一个时隙成功传输信息的前提下,码长最小。这种调度码设计方案不仅简单易行,而且发送时隙选择灵活。性能分析表明,基于这类调度码的无线网络能够支持多个业务类型的用户,并为各类用户提供有保证的服务质量。     

自适应补偿的无线通用处理器共享模型调度算法

针对无线网络信道易出差错和信道容量时变性特点,以严格保证调度公平性、提高补偿平缓度和满足网络业务服务质量(QoS)为目标,在理想通用处理器共享(GPS)调度模型基础上,改进原有共享份额,定义了一种根据终端有效吞吐量动态调整的时变共享份额,重新定义了虚拟时间的概念,并形成一种自适应补偿的无线通用处理器共享模型调度算法。理论证明了该算法的公平性,实验仿真证明其时延特性、补偿平缓度和公平性均优于目前常用的无线公平服务调度算法。     

一种费用敏感型家电能量优化动态调度算法

本文提出了一种应用于家庭能量管理系统（Home Energy Management System,简称HEMS）中的能量优化动态调度算法。该算法在满足用户满意度的情况下,最大可能的节省用户用电费用。本文提出的费用敏感家庭能量动态管理（expense-aware Home Energy Dynamic Management, eHEDM）算法,选择家庭中耗能较大的四种电器,综合考虑用户用电的满意度和用电费用节省,以及家庭中总能量消耗的限制来调度家用电器。仿真结果验证了本文提出的eHEDM算法可以在满足用户满意度的条件下,节省较多的用电费用。     

Rapidio网络QoS多目标优化

针对现有Rapidio网络路由管理策略的缺点,提出了一种基于改进的遗传算法的优化策略。通过改进的路由分配策略以及对传统遗传算法编码、交叉和变异等方面的改进,明显提高了Rapidio网络服务质量（QoS）诸项指标;同时相对于传统遗传算法,改进的遗传算法拥有更快的收敛速度。该算法适用于基于Rapidio网络的嵌入式应用,具有较强的工程实用价值。     

Ad Hoc网络中多约束的QoS路由协议和性能分析

多媒体应用的发展使得在Ad Hoc网络中提供服务质量(QoS)保证具有重要的意义。提出了一种基于AODV协议的多约束QoS路由协议(MQAR),扩展了QoS路由表项,允许中间节点发起路由回复(RREP)和资源预留,并且采用局部路由修复机制。仿真实验表明,MQAR协议在保持较高的报文传输率的情况下,有效地减少了路径建立时间和修复时间,大大降低了路由开销。