流通网络中随机流动的仿真研究

堵塞流是指网络在堵塞情况下通过网络的最大流量，而网络最小流量是网络在最严重堵塞情况下通过网络的最大流量。研究表明，很难从理论上确定一个网络的最小流的准确数值，因此必须借助网络的随机流动仿真试验。本文通过建立流通网络中的随机流动仿真模型来研究一般网络中的堵塞现象及堵塞流运动规律。探索了堵塞流值的概率分布规律，提出了流通网络在随机流动情况下的流通能力的新概念，并证明了作者提出的网络最小流算法的正确性。     

基于蚁群算法的SDN数据中心网络大象流调度研究

针对传统方法调度大象流时容易造成数据中心网络拥塞和负载不均衡等问题,提出一种基于蚁群算法的SDN（software defined network）数据中心网络流量调度算法ACO-SDN。对大象流调度问题建立整型线性规划ILP（integral linear programing）模型,优化目标为最小化最大链路利用率。通过重定义蚁群算法的参数和操作求解ILP模型,得到大象流重路由的最优路径。实验结果表明,与ECMP（equal-cost multi-path routing）和GFF（global first fit）流量调度算法相比,ACO-SDN算法降低了网络最大链路利用率,有效地提高了网络对分带宽。     

连续时间容量网络的最短动态时间流问题

针对一类带节点处理速率限制的连续时间容量网络,提出了该网络中的最短动态时间流问题,并给出其线性规划形式;通过分析该网络与经典网络之间的内在联系,利用最大接收流和退流的思想分别设计出准确求解两种网络最短动态时间流的高效算法;证明了算法的正确性并分析出算法有较小的复杂度;最后,通过一个算例演示了算法的执行。     

基于SDN的混合分段路由概率流调度机制

针对数据中心网络流量路径分配不均匀、易造成大流碰撞,以及控制器流表开销大等问题,提出了一种基于SDN的混合分段路由概率流调度机制SRPFS（segment routing probability flow scheduling）。利用SDN集中控制与全局视图特性,首先采用混合分段路由完成流量初始转发;然后选用粒子群优化算法,重定义粒子群内部寻优过程来对流量进行筛选;最后构造全局节点概率矩阵,设计概率调度算法选举出流量转发最优路径。实验结果表明混合分段路由转发技术在流表开销方面优势较大,并且SRPFS相比于其他较典型的流传输机制,在平均网络吞吐量、链路利用率、标准网络吞吐率等方面有明显优势,能够有效减轻控制器的流表负载,保证了较好的网络性能。     

网络最大流部分割矩阵算法

网络最大流问题是图论研究中一个经典的模块。首先,利用粗糙集属性约简的差别矩阵算法思想,定义网络的一个部分割容量矩阵。其次,通过集合的交和并运算,找出网络的所有割集,从而得到最小容量割集。之后,在最大流最小割定理的基础上,得到网络的最大流。     

基于栈的网络最大流算法

针对网络最大流问题,在割集定义和最大流-最小割定理基础上,以邻接矩阵为网络数据存储结构,利用栈作为数据组织形式,遍历网络中所有割集,最小容量的割集即为网络最大流。流量网络其余分支流量由网络结点流量平衡条件来求解。该算法具有：开辟了一种求解流量网络最大流的新的方法,克服了割集和最大流-最小割定理仅仅具有理论价值、没有实用价值的局限性;根据最小容量的割集可以方便确定决定网络最大流的关键分支,为扩展网络流量提供直接技术支持。算法测试表明：基于栈的网络最大流算法是完全可行和有效的。     

基于EHWSN的能量均衡动态最大流路由算法

针对最大流算法应用于能量收集无线传感器网络求解网络负载流量时,存在能量不均衡,网络容量受初始容量限制的问题,提出了一种能量均衡的动态最大流路由算法--EB-DMF.该算法在增广路径的选择中引入能量均衡机制,并根据节点收集的能量动态更新容量值,使网络能耗均衡,达到延长网络生命期,增大网络负载流量的目的.仿真结果表明与最大流算法相比,该算法能在增大网络负载流量的同时延长网络的生命期.     

计算随机流量网络可靠度的算法综述

随机流量网络比二态网络更适合用于描述现实生活中的许多系统。给定要求d，随机流量网络的可靠度定义为最大流不小于d的概率。这一领域的研究提供了许多算法来估计系统的可靠度。本文介绍了这些算法(特别是基于最小路径和最小割集的算法)的来源及思想。文章最后给出了将来研究工作的方向。     

带有时间和费用双重限制的网络容量扩充问题

该文将网络容量定义为最大s-t流的流量,建立了带有时间和费用双重限制下的网络容量扩充问题的一般模型。通过网络变换,将带有时间限制的容量扩充问题转化为线性最小费用流问题,并给出了具体证明和求解容量扩充问题的算法。该模型和算法不仅适用于各种情形的容量扩充问题,而且还可应用于网络流规划。最后通过具体例子的求解,说明了模型和算法的正确性和有效性。     

一简单实用的LAN动态监测系统设计

本文针对以太网的特性采用了一种简单的测试方法，能够对本网的信息流量进行统计分析，通过包过滤算法，将各信息包分类以分析网络分段的合理性。     

分层法求解网络最大流的研究

网络最大流问题是经典的组合优化问题,随着网络规模的增加,提高算法效率成为解决问题的关键.为了降低求解大规模网络最大流的计算量,针对单源单汇网络提出基于网络分层的最大流问题求解新方法.分层法首先构造原有向网络对应的层次网络,接着在构造出的层次网络中计算各相邻结点层之间的最大流,以此为基础最终获得整个网络最大流的快速估算.分层法有效降低了计算的复杂性,为在大规模网络中快速获取最大流的求解提供了方便,并给出了一个解决最大流问题的新思路.不同网络上测试的实验结果显示,最大流的近似解误差可控制在1%左右,而平均运行时间仅为经典算法(Ford-Fulkerson算法)运行时间的11%,最好情况下的运行时间仅为经典算法运行时间的2%,是two-phase capacity scaling改进算法运行时间的25%,表明分层方法的有效性.     

软件定义网络中基于网络切片和ILP模型的路由方案

针对软件定义网络(SDN)中数据层的路由优化问题,提出一种基于网络切片和 整数线性规划(ILP) 多约束优化的路由方案。首先,根据多租户业务的链路需求,基于Kruskal算法对数据层中的链路资源进行网络切片,尽可能形成相互隔离的租户子网络。然后,在考虑链路约束和租户业务的服务质量(QoS)约束下, 以最小化传输延迟为目标, 构建一个ILP整数线性规划(ILP)路由优化模型,并获得最佳的路由方案。仿真结果表明,所获得的路由方案具有较少的共享链路,有效降低了链路拥塞和传输延迟。     

基于原始对偶方法求解网络流量监测集算法

考虑网络节点的流守恒特性,网络流量的有效监测问题可抽象为求给定图G(V,E)的最小弱顶点覆盖集的问题和基于流划分的最小弱顶点覆盖集的问题,这是NP难的问题.首先分析了弱顶点覆盖集的约束关系,并给出了问题的整数规划形式.然后利用原始对偶方法构造了求解最小弱顶点覆盖集的近似算法,并分析了算法的比界为2.进一步分析了求解基于最大流划分的最小弱顶点覆盖集的近似算法.     

基于矩阵运算的公交查询高效算法

目前绝大多数公交查询算法是基于最短路径查找算法的改进,但最短路径算法本质上不适合公交线路的查询。定义一种新型的直达矩阵,并提出两种新的矩阵运算。在此基础上,建立起了一种基于矩阵运算的高效公交查询算法。对算法进行分析后,引入了一些重要的改进。最后在计算机中把提出的算法应用到实际数据,取得了理想的效果。     

一种线性约束规划问题的神经网络模型及其应用

提出了一种基于梯度投影矩阵下的求解线性约束下规划问题的神经网络。针对解的稳定性问题,导出了该网络相关参数之间的关系。由文中定义可知,该网络不但适合于求解线性约束下线性或非二次规划问题,而且也用于求解线性或非线性方程组问题,比其它规划问题的神经网络方法更具有一般性。     

任意视角的多视图立体匹配系统

为了得到高精度深度图,通过特征点提取与匹配、计算基础矩阵F、引导互匹配、捆集调整等一系列技术,求出每幅视图在同一空间坐标系下的高精度摄像机矩阵P.为任意角度的多个视图建立可扩展的主框架,不需要图像矫正.基于图像坐标和自动计算出的视差范围建立三维网络,为每条边分配适当的权值,把多视图立体匹配问题转化为网络最大流问题.算法保证了高准确率和平滑性,实验结果表明此方法适用于三维模型重建.     

多跳多接口无线网络中的协作路由

协作通信可以利用空间分集效应抵抗无线信道衰弱而得到广泛关注。在多业务流多跳多接口无线协作网络中,研究联合路由选择和协作节点分配的最优化问题,将最大化最小业务流速率的联合优化问题建模为混合整数线性规划问题。针对这个问题提出一种基于分支定界的启发式算法JFRBB。JFRBB算法基于分支定界的思想是将原问题分解为多个子问题通过迭代获得最优解。仿真实验结果表明,JFRBB下的多接口协作网络获得的传输速率、聚合流量明显优于多接口无协作网络和单接口协作网络的性能。     

利用改进ILP和二进制穷举择优法的低成本物联网流量多目标路由感知方法

针对无线网络不能为多样化应用需求提供支持及卸载移动通信核心成本较高的问题,提出了一种改进整数线性规划模型(IILP)结合二进制穷举择优法的低成本混合物联网流量多目标路由感知方法。首先,基于IILP对混合物联网流量路由感知进行建模,获得准确的能量感知模型;其次,采用多目标MAXI路由感知算法对多目标路由感知模型进行了求解,降低了流量路由求解的延时;最后,采用二进制穷举择优法对流量路由感知的吞吐量进行扩展。仿真实验表明,与现有算法相比,提出方法降低了求解的延时,提高了流量的吞吐量,减少了流量的丢包率,同时还降低了混合物联网多目标路由感知的成本。     

基于线性约束规划问题的神经网络模型

提出了一种基于梯度投影矩阵下的求解线性约束下规划问题的神经网络模型，并导出了线性约束下规划问题的稳定解法，该网络模型既适合于求解线性约束下线性或非二次规划问题，又适合于求解线性或非线性方程组，与其它规划问题的神经网络相比，更具有一般性。