干扰车载网络中增强连通性的资源分配算法

随着车载网络中各种业务的飞速增长,网络密集程度不断增加,因此,愈发严重的干扰问题对网络的连通性构成了很大的挑战。已有研究中网络的连通性仅由信号强度或车辆之间的距离确定,而没有考虑资源分配引起的干扰对网络连通性的影响。针对这个问题,为了表征网络中资源与干扰对连通性的影响,使用图论对网络连通性进行了建模,定义了与资源分配相关的连通性度量指标;利用染色理论对能够保证网络连通性的所需资源数目的最小值进行了分析;提出了一种基于最小生成树的资源分配算法,以改善网络的连通性。仿真结果证实了相比其他算法,该算法能够提高车载网络的连通性。     

无向网络最大流问题研究

通过改变无向网络最大流问题的描述,给出了一种寻找无向网络最大流的适用算法,这种算法每迭代一次,就可以找出多条增量路径,因此,有较高的计算效率。     

复杂网络特性对大规模多智能体协同控制的影响

随着分布式多智能体系统应用领域和系统规模的不断扩大,网络特性已成为影响系统性能的一个重要因素.通过研究和分析复杂网络特性对大规模分布式多智能体系统协同控制的影响,对多智能体系统性能的影响做出系统性分析,同时为提出大规模多智能体组织结构的优化算法提供依据.主要针对随机网络、小世界网络、网格网络和无尺度网络这4种典型复杂网络特性,从理论和仿真两方面进行分析.在理论方面,通过基于马尔可夫链的信息传输过程在不同网络结构下的建模,对比分析了信息无偏随机游走模型和智能决策模型下的传输效率.在仿真建模中,主要从智能体间信息传输效率、不同应用领域中集成协同控制效率、对网络故障恢复的影响这3个典型的多智能体系统协同控制应用对比分析复杂网络特性对系统性能的影响.研究结果表明,复杂网络特性如小世界和无尺度特性可以在相同的控制策略下形成明显的性能差异,如果设计合理的控制算法,复杂网络结构将有助于多智能体系统性能的提升.     

一种面向目标的有向传感器网络连通覆盖算法

针对传统的有向传感器网络目标覆盖算法只考虑网络覆盖率而不能保证网络连通性的问题,利用目标点部署圆内覆盖最多邻居目标点的候选节点集合和整数线性规划(ILP)模型设计了一种面向目标的连通覆盖算法(CTA)。该算法通过建立目标部署圆内覆盖最多邻居目标点的候选节点集合对随机部署的节点进行初步调度,在此基础上,通过ILP模型找出实现目标检测,并保证整个网络连通性的最少节点数和最佳位置的节点集合。仿真实验表明:CTA在保证目标覆盖率的前提下,不仅极大地降低了网络部署成本,而且保证了网络连通性。     

适用于无向网络的动态Dijkstra算法优化

网络拓扑发生变化时,利用静态Dijkstra算法重新计算最短路径树(SPT)会造成冗余计算。动态Dijkstra算法解决了这个问题,但目前动态算法一般是基于有向网络模型进行的研究。在已有的动态Dijkstra算法基础上,提出适用于无向网络的动态Dijkstra算法。算法主要解决了在无向网络中如何确定待更新节点的问题,对网络中的一条边权值增大、减小的处理方法进行了详细描述,并对已有的算法的筛选机制进行了优化。为了验证算法的正确性,用仿真实验实现了该算法并与静态算法进行性能比较。实验结果表明,新算法更能提高节点更新的时间效率。     

一种连通性覆盖的无线传感器网络节点调度算法

研究传感器节点随机部署于监测区域内,无节点地理位置信息情况下,如何能量有效地保证网络的通信连通与感知覆盖;节点采用基于概率的联合感知模型。提出CDS-based SSCA算法,其为一种基于连通支配集构造树的节点调度机制,每个节点根据剩余能量和与父节点的距离来设置等待时间及成为候选节点优先级。模拟实验结果显示,本算法能够能量有效地满足感知覆盖和连通覆盖要求;与ASW算法相比较,工作节点个数较少,网络生命周期明显延长,降低了网络整体耗能。     

基于复杂网络的智能变电站网络测量点选取算法研究

智能变电站的网络异常会影响整个智能电网的安全,因此智能变电站的网络测量成为认识网络规律、了解网络行为的前提工作。网站测量的首要问题是如何合理地选取网络测量点,提高网络测量的准确性,为网络预警提供准确数据。针对智能变电站网络测量点选取是一个综合技术,安全,经济等因素的课题。文章主要是针对智能变电站网络提出一种基于节点接近度及关键度评估方法选择网络测量点的算法,通过对智能变电站的关键节点进行监控,能够更快地发现网络的问题,并以湖北省220kV智能变电站网络为例进行分析,为智能变电站建设中网络测点规划提供参考。     

非平衡有向网络下带约束的连续时间分布式优化算法设计EI北大核心CSCD

本文基于权重不平衡有向网络,对一类分布式约束优化问题进行研究,其中全局目标函数等于具有李普希兹梯度的强凸目标函数之和,并且每个智能体的状态都有一个局部约束集.每个智能体仅知道自身的局部目标函数和非空约束集.本文的目标是用分布式方法求解该问题的最优解.针对优化问题,提出了一种新的分布式投影梯度连续时间协调算法,利用拉普拉斯矩阵的零特征值对应的左特征向量消除了图的不平衡性.在某些假设下,结合凸分析理论和李雅普诺夫稳定性理论,证明了算法能够获得问题的最优解.最后,通过仿真验证了算法的有效性.     

一种新的复杂网络聚类算法

揭示网络簇结构的复杂网络聚类方法研究具有重要的理论意义和应用价值。应用两种谱方法将复杂网络簇结构发现问题转换为空间数据聚类问题,并将粒子群聚类算法应用到对复杂网络簇结构的探测,提出了两种新的结合粒子群聚类的复杂网络簇结构探测算法。最后在两类复杂网络上进行实验并对实验结果进行了比较分析,提出的新算法在聚类准确性方面效果更好。     

分层抽样的无标度复杂网络可靠性度量算法

针对大型无标度复杂网络的幂律分布特性,提出了一种基于分层抽样技术的算法SSBA,通过分析样本网络推导出大型无标度复杂网络的可靠性度量参数,并给出这些参数的Bootstrap置信区间。大量的实验表明,SSBA算法能有效估算出大型无标度复杂网络的可靠性度量参数。     

基于生物脑网络连接特性的高效神经网络算法

人工神经网络发展至今,已经在计算机视觉、类脑智能等方面得到广泛应用.在过去几十年中,人们对神经网络的研究注重追求更高的准确率,从而忽略了对网络计算成本的控制.而人脑作为高效且节能的网络,其对人工智能的发展起到了重要启示作用.如何仿真生物脑网络的连接特性,建立超低能耗的人工神经网络模型实现基本相同的目标识别正确率成为当前研究的热点.为建立低能耗的人工神经网络模型,本文结合大脑网络的连接特性,通过改变人工神经网络的连接实现网络的高效性.实验结果表明,结合生物脑网络的连接特性,改变网络的连接,很大程度上减少了网络的计算成本,而网络的性能并没有受到明显影响.     

基于R2指标和参考向量的高维多目标进化算法

在高维多目标优化中, 不同的优化问题存在不同形状的Pareto前沿(PF), 而研究表明大多数多目标进化算法(Multi-objective evolutionary algorithms, MOEAs) 在处理不同的优化问题时普适性较差. 为了解决这个问题, 本文提出了一个基于R2指标和参考向量的高维多目标进化算法(An R2 indicator and reference vector based many-objective optimization evolutionary algorithm, R2-RVEA). R2-RVEA基于Pareto支配选取非支配解来指导种群进化, 仅当非支配解的数量超过种群规模时, 算法进一步采用种群分解策略和R2指标选择策略进行多样性管理. 通过大量的实验证明, 本文提出的算法在处理不同形状的PF时具有良好的性能.     

一种判定图中Hamilton圈的邻接边增长算法

一个图是否为Hamilton图在于图中是否有Hamilton圈。文中提出了变换的方法来寻找图中的Hamilton圈，即在图的顶点集中寻找满足包含给定图中所有顶点的自归邻接边增长变换的方法来寻找给定图中的Hamilton圈。由此，设计了一个在Edmonds意义下的有效算法——自归邻接边增长算法(AEG)来寻找给定图中的自归邻接边增长变换，证明了该算法能正确判断给定简单无向图中有无Hamilton圈且时间复杂度为O(n^2)。最后通过应用实例说明该算法的有效性和实用性。     

标记法求解网络和图的最短距离算法

采用深度优先搜索法,文章首次提出了在搜索过程中采用标记距离的算法,有效地求解复杂网络和图的最短距离问题。通过对网络最短距离问题运算效率的分析,表明该算法具有理想的运算效率。文章给出了一个具有现实应用价值和更具潜在应用价值的智能问题算法。     

无向双环网络G（N；±1，±s）的直径求解改进算法

利用计算机算法研究无向双环网络直径在国内外文献中尚不多见，文献[1]中提出了一种算法，并成功实现，其不足之处是利用数据库存取中间结果，严重影响了计算速度，当N值很大时需要计算的时间过长。针对这一不足，提出利用数组取代数据库来存取中间结果的改进算法。实验结果表明该算法较文献[1]算法极大地提高了运算速度，并列出了两个N大值直径分布图。     

无线传感器网络1点和2点连通可靠性研究

无线传感器网络集成了传感器、微机械电子和网络通讯技术,它的巨大应用前景引起了军事部门、工业界和学术界的广泛关注.它的节点不是预先安置,而是随机撒放,那么就有问题:在假定每个传感器节点通讯半径一定,一个固定区域要抛撒多少节点才能保证这些节点组织的网络基本连通?要抛撒多少节点才能保证满足2点间的连通可靠性.本文进行了大量的计算机模拟试验,采用了随机抛撒节点,然后进行连通度测试的方法,给出了节点数、通讯半径和连通关系的曲线簇.通过对曲线簇的对数变换和对变换后曲线簇的回归分析,给出了仿真区间内的单点连通和二点连通的经验公式,取得了满意的效果.给出了通过几何变换可能推广任意通讯半径的方法.本文同时给出了在仿真中的重要参数:随机抛撒均匀分布的节点的邻居节点的分布规律,抛撒后节点满足通讯半径要求建立的连接数的分布规律.这些直接指导无线传感器网络的节点个数和通讯半径选择,连通可靠性设计.     

基于图神经网络的最大化代数连通度算法

随着智能体数量的增加, 多智能体系统中潜在的通信链路数量呈指数级增长. 过多冗余链路的存在给系统带来了大量的能源浪费和维护成本, 而盲目地去除链路又会降低系统的稳定性和安全性. 代数连通度是衡量图连通性的重要指标之一. 然而, 传统的半正定规划(SDP)方法和启发式算法在求解大规模场景下的最大化代数连通度问题时非常耗时. 在本文中, 我们提出了一种监督式的图神经网络模型来优化多智能体系统的代数连通度. 我们将传统的SDP方法应用于小规模任务场景中, 得到足够丰富的训练样本和标签. 在此基础上, 我们训练了一个图神经网络模型, 该模型可用于更大规模的任务场景中. 实验结果表明, 当需要去除15条边时, 我们的模型的平均性能达到了传统SDP方法的98.39%. 此外, 我们的模型计算时间极其有限, 可以推广到实时场景中去.     

基于因子图模型的动态图半监督聚类算法

针对动态图的聚类主要存在着两点不足:首先, 现有的经典聚类算法大多从静态图分析的角度出发, 无法对真实网络图持续演化的特性进行有效建模, 亟待对动态图的聚类算法展开研究, 通过对不同时刻图快照的聚类结构进行分析进而掌握图的动态演化情况.其次, 真实网络中可以预先获取图中部分节点的聚类标签, 如何将这些先验信息融入到动态图的聚类结构划分中, 从而向图中的未标记节点分配聚类标签也是本文需要解决的问题.为此, 本文提出进化因子图模型(Evolution factor graph model, EFGM)用于解决动态图节点的半监督聚类问题, 所提EFGM不仅可以捕获动态图的节点属性和边邻接属性, 还可以捕获节点的时间快照信息.本文对真实数据集进行实验验证, 实验结果表明EFGM算法将动态图与先验信息融合到一个统一的进化因子图框架中, 既使得聚类结果满足先验知识, 又契合动态图的整体演化规律, 有效验证了本文方法的有效性.     

数字孪生与平行系统:发展现状、对比及展望

随着物联网、大数据、人工智能（Artificial intelligence,AI）等技术的发展,针对促进新一代信息技术与制造业深度融合、实现制造物理世界与信息世界交互与共融的需要,数字孪生和平行系统技术成为智能制造和复杂系统管理与控制领域研究的热点.本文对数字孪生和平行系统技术的基本概念、技术内涵、相关应用等进行了研究与总结,对比了两者之间的异同,并分析了两者的发展趋势,预期能够给复杂系统管理与控制领域的研究人员提供一定的参考和借鉴.