基于粒子群优化算法和博弈论的网络学习控制系统带宽调度

研究了双层网络学习控制系统的带宽调度优化问题.为了合理分配子系统的带宽,引入了网络定价体系和动态带宽调度方法,建立了非合作博弈模型,从而将网络控制系统的网络资源分配问题转换为非合作博弈竞争模型下的Nash均衡点求解问题.在此基础上,采用粒子群优化算法得到此框架下的纳什均衡解,并进一步给出了网络控制系统的时间片调度方法.仿真结果表明了所提方法的有效性.     

基于模型分析的城市环境下车载移动Ad hoc网络路由协议改进策略

在Manhattan移动模型的基础上,深入分析了车载移动Ad hoc网络路由协议的性能问题.结合AODV路由协议,提出了一种可以量化分析车载Ad hoc网络路由断链率和路由负载的模型.模型分析指出,传统的移动Ad hoc网络路由协议应用于车载Ad hoc网络时性能会严重下降.针对这一问题,提出了一种基于车辆运动方向信息的类AODV路由协议DBAP,将车辆的运动方向信息作为其路由发现过程中的辅助参数,从而显著地增强了路由稳定性.仿真结果验证了模型的正确性,同时证明了本文所提出的DBAP路由协议在城市车载环境中具有较低的路由负载和路由断链率,在协议性能等方面相对于AODV协议具有显著提高.     

WSN中的路由洞避开机制

贪婪路由选择算法是一种简便高效的路径建立算法,它建立的路径具有非常好的方向性和最优性,是无线传感器网络中基于地理位置的路由算法中非常重要的算法之一,但是,这种算法遭遇到路由空洞问题的可能性比较大.研究了一种路由洞避开机制,仿真结果表明:算法在保证良好的路由方向性的基础上还可以很好地避开路由洞,不仅增加了网络的存活时间,还特别适合应用在异构网络中.     

认知无线电网络自私行为问题及安全解决方案

针对认知无线电网络中出现的两种自私行为问题,结合分簇式认知无线电网络体系结构,提出两种相应的安全解决方案.对路由发现阶段,由信道协商过程产生的隐藏可用信道信息的自私行为,首先通过可信簇头发现自私节点,然后由簇头向目的节点发送转发节点的可用数据信道信息来避免自私行为.对拒绝转发数据包的自私行为,通过节点监视机制确定自私节点,从而避免在路由过程中将自私节点作为转发节点.为了便于检验两种安全解决方案的有效性和可行性,设计了一种分布式认知无线电网络按需路由协议.理论分析和仿真实验表明,这两种自私行为问题可严重降低网络通信性能,相应的安全解决方案是有效和可行的,可分别显著提高合作节点的平均吞吐量和网络吞吐率.     

惩罚与激励双视角下绿色矿山建设的演化博弈与仿真

为推进绿色矿山建设、转变矿业发展方式,基于博弈论和系统动力学构建地方政府和矿山企业的博弈模型,并引入动态惩罚机制和动态激励机制,对博弈双方进行稳定性、均衡点分析以及模型仿真.研究结果表明:在静态机制下,地方政府和矿山企业的行为呈周期性变化,不能达到稳定均衡状态;当地方政府采用动态惩罚机制和动态激励机制时,演化博弈过程呈...     

多路径按需路由协议改进方案分析

移动无线自组织网络具有多跳无线连接的特点,在这样的网络中如何有效提高路由是一个挑战性的问题。文章提出在DSR协议中对不连贯的路由使用两种多路由技术评价其性能的优劣,这两种方案对评价按需路由协议的性能有一定的参考作用。     

WPANT:应用于移动对等网络的轻量级层次蚁群路由算法

针对移动对等网络中存在的节点移动、拓扑多变、资源受限和可扩展性差等问题,提出了一种基于轻量级层次结构的蚁群路由算法.该算法通过选取活动路由上的节点将网络划分成轻量级的层次结构,在此结构上运行蚁群路由算法.轻量级的层次结构提高了蚁群算法中信息素更新机制的效率,同时,蚁群路由算法的自组织和流量均衡等特性增强了轻量级层次结构的健壮性.模拟仿真表明了该算法的有效性.     

基于蚁群的无线传感器网络概率路由算法

针对多数无线传感器网络路由算法易在网络中形成关键节点,而节点的失效往往导致整个网络的失效问题,提出了将随机思想与蚁群算法的特征相结合的一种新的概率路由计算方法.实验表明,该算法对延长整个网络的有效生存时间的效果较好.     

合作进化模型综述

作者综述了合作进化模型的最新研究成果.合作进化模型以"囚徒困境"博弈模型为基础,为合作中的个体提供了一种与个体本身无关的策略优化机制,以此探讨合作策略能够稳定进化的条件.基于直接或间接互惠理论的合作进化模型验证了在小规模社会中建立声誉机制有助于实现稳定的互惠合作;互惠可以看做是对合作行为的奖赏,开放的社会网络有助于实现较大范围内的合作;对非合作行为实施惩罚有助于实现多人合作,在一定条件下,由非合作者实施惩罚时的合作进化相较于由合作者实施时更稳定;群组竞争有利于合作文化或制度的传播,但无法解释群组融合后的合作问题.     

基于预测及优化的多路径路由转发算法

多路径路由是保证Internet可靠性与鲁棒性的有效手段,而路由数据平面采取何种策略作为数据转发的依据是多路径研究的核心问题.针对当前很多应用对丢包率十分敏感的流最特性,将预测思想与最优理论相结合,采用一次指数平滑法作为预测多路径丢包率的手段,利用预测的丢包率作为粒子群优化的条件,使系统平均丢包率最小的最优解作为多路径数据转发比例的依据.分析及仿真结果表明,该算法与最短路径算法和等比例转发算法相比,能有效减少网络丢包率,提高系统的QoS.