一种无线传感器网络分层拓扑推断算法

无线传感器网络中网络拓扑对配置网络资源、优化网络性能具有十分重要的作用.根据在汇聚节点收集到的网络节点报文接收/丢失的信息,提出了一种基于数据聚合的分层拓扑发现算法,该算法同时可以实现对传感器网络节点的分层.针对目前的拓扑发现算法在网络链路丢包率较低的情况下无法快速推断出网络拓扑的问题,提出了一种使部分节点进入睡眠状态的方法推断低丢包率条件下的网络拓扑.仿真结果表明,提出的算法可以利用较少的观测数据准确快速地推断传感器网络的拓扑.     

T-aware:一种基于AS拓扑的可用带宽预测算法

为提高端到端可用带宽的预测精度,提出了一种基于自治域（AS）拓扑的可用带宽预测算法T aware. 该算法结合网络的AS拓扑信息,为符合超度量空间的节点和不符合超度量空间的节点分别选择测量点,对2类节点分别进行预测. 在 HP scalable sensing service数据集上的实验结果表明,T aware的预测精度与PathGuru算法相比可提高10%以上.     

基于蚁群优化的WSN网络数据融合算法

为了减少WSN网络中数据传输量、优化无线传输距离,提出了一种基于蚁群优化的WSN网络数据融合算法.该算法构造数据融合树并根据WSN网络的传输特点改进了蚁群算法,考虑了路径偏转角对路由的影响,调整节点选择概率;同时对最优的多个路径更新信息素,以提升最优路径的全局搜索能力.在WSN网络节点能量消耗、传输延迟方面与经典算法对比,发现该算法能够有效延长网络的生命周期、降低节点能耗,并能改善网络负载均衡.     

基于往返时延的网络拓扑推断

为了减少拓扑推断中采用单向性能参数需要多个节点合作的限制,提出了一种基于往返时延的拓扑推断算法,设计了网络拓扑推断中的往返时延测量方法,基于往返时延的拓扑推断不需要时钟同步及目标节点的配合。从理论分析了基于往返时延推断网络拓扑结构的可行性和正确性,并通过NS2进行了仿真实验。仿真结果表明,基于往返时延的推断算法能够较准确地推断网络的拓扑结构,与基于单向性能参数的拓扑推断算法相比,基于往返时延的拓扑推断算法受到的限制较少。     

基于四元分组测量的网络拓扑推断算法

针对在基于层析成像技术的拓扑推断中测量节点性能时大都需要节点间的时钟同步,并且受到网络负载的影响比较大的问题,提出了一种可以测量时延抖动和丢包率的四元分组序列测量方法,并设计了根据2个网络性能参数计算节点相关性的拓扑推断算法.理论分析与仿真实验证明,该算法受到网络负载的影响较少.     

一种高维数据的因果推断算法

发现数据间的因果关系是科学领域的一个重要问题,然而在高维数据中的因果推断暂时还没有有效的算法. 这里提出了一种基于条件独立性测试和互信息的适应于高维数据的因果推断算法. 该算法先用条件独立性测试和互信息降低数据集的维度,然后利用一种基于非线性加噪声模型的算法对节点间的方向进行判别. 数据试验表明,该算法在高维数据的情况下要优于目前其他的算法.     

基于遗传算法的无线传感器网络路由优化

无线传感器网络节点能量及通信能力有限,建立节能高效的路由路径是延长网络生命周期的关键。针对这一问题,基于遗传算法对无线传感器网络进行路由优化,考虑多种约束条件,提出了一种快速构建节能高效信息传输路径的算法。该算法考虑了网络拓扑结构及节点间的通信距离,避免生成无效个体,进一步优化了网络性能,同时将节点剩余能量及节点间的距离作为路由优化的约束条件,保证最佳路由的有效性。仿真结果表明,与Flooding算法相比,所提算法的网络能量消耗减少了约68%,网络寿命延长了约64%。     

层次化分布域信任模型系统的节点研究

层次化分布域信任模型采用量化方法和合成规则方法得到的信任度对P2P网络中的节点信任进行评估,通过以往交互对该节点能力的认识不断加深和完善,从而形成对节点能否完成后续任务所做出的一种推断,然后利用这种推断来指导节点后续的行为,使得节点能够面临较小的风险而获得较好的服务。本文对层次化分布域信任模型系统的超级节点的形成过程、独立节点加入过程、节点离开过程三方面进行了详细阐述。     

自适应的基于IPDV的网络拓扑推断技术

为了克服基于层析成像的拓扑推断技术中时钟同步及节点间合作的限制,有效减少测量流量,在拓扑推断中提出了自适应的基于时延抖动的拓扑推断算法,该算法不需要节点间的时钟同步和节点间的合作,并且产生的测量流量较少. 从理论上分析了自适应的基于时延抖动推断自适应网络拓扑的可行性和正确性,通过NS2进行了仿真,仿真结果表明,自适应的基于时延抖动推断拓扑结构的效果比基于端到端单向时延推断拓扑的效果好,并且受到的限制少.     

一种基于检测和补偿的多智能体系统弹性平均一致性方法（英文）

一致性是多智能体系统分布式协同控制的基础技术之一,例如智能制造中的多智能体协同控制。本文研究了具有行为不当节点的多智能体系统的弹性平均一致性问题。为保护一致性的收敛值免受不当行为节点的影响,本文通过检测不当行为、减轻相应不利影响并实现弹性平均一致性来解决此问题。本文考虑一般化的不当行为,包括恶意攻击、意外故障和链路故障。基于两跳通信信息,以分布式方式描述行为不当节点的不利影响,并面向确定性系统提出一种基于检测与补偿的一致性算法（D-DCC算法）,且该算法具有衰减容错错误界限。考虑到由于链路随机故障而导致信息集间歇性失效的场景,我们面向随机性系统提出一种基于检测补偿的一致性算法（S-DCC算法）。本文证明了D-DCC和S-DCC算法分别使得节点在统计意义上渐进地实现弹性准确平均一致性和无偏弹性平均一致性。紧接着,本文引入沃瑟斯坦距离来分析S-DCC的准确性。最后,进行大量仿真来验证所提算法的有效性。     

混合模糊认知图

传统的模糊认知图(FCM)仅限于表示单调的或对称的因果关系,不能模拟原因节点间的与或组合关系.针对现有FCM模型的缺陷,提出了混合模糊认知图(HFCM).HFCM以单前件模糊规则拓展传统的因果模糊测度,增强了FCM的语义信息和模拟能力;使用WOWA或OWA集结算子融合因果推理结果,模拟原因节点间的各种与或关系.与传统FCM相比,HFCM具有更强的认知能力.与基于规则的FCM相比,HFCM规则库的规模及复杂度由几何级降至算术级,解决了组合激增问题,提高了FCM的表示与推理性能.HFCM兼有数值型FCM和语言型FCM的优点.     

采用单测量源的拓扑推断算法

为了减少拓扑推断中需要时钟同步和节点间合作的限制,提出了一种仅需要单个测量源并且不需要时钟同步的“运输车”测量方法,该方法可以测量目的地址共享链路的排队时延。设计了根据排队时延推断拓扑结构的算法。理论证明了基于“运输车”测量方法和排队时延推断网络拓扑的可行性和正确性,并通过NS2进行了仿真,仿真结果表明基于“运输车”测量方法和排队时延能够准确的推断网络拓扑结构。     

一种基于蚁群算法优化的WSN分簇路由算法

为了实现无线传感器网络对节点能量的高效利用,提出了一种蚁群优化的分簇路由算法CRAACA。该算法引入簇内平均剩余能量参数,对簇首选择阈值进行改进,以均衡簇内能耗;根据节点间的位置关系建立节点的可中继节点集,控制蚁群算法的搜索空间;蚁群在对可中继节点集进行路径搜索时考虑节点间的距离和节点的剩余能量,以生成节能和较好均衡网络能耗的多跳网络路由;对生成的多径路由依相应概率选择数据传输的路径,提高数据传输的可靠性。仿真结果表明,该算法在网络能量的利用效率、数据传送成功率,以及延长网络生存周期等方面具有较好的性能。     

Efficient topology inference algorithm using the finite mixture model

The performance of the existing efficient topology inference algorithm is highly sensitive to the threshold. To address the problem, a finite mixture model based topology inference algorithm is proposed. Firstly, a leaf node is selected from the original leaf-node set, and then the similarities between the node and the other leaf nodes are measured, after which the original leaf-node set is roughly divided into several subsets using the finite mixture model based on the measured similarities. The internal nodes corresponding to each subset could be inferred afterwards. Subsequently, the above procedures are applied for each subset obtained from rough division, and the process is iterated until all of the internal nodes are found. Analysis and simulation show that the proposed algorithm needs less correlation data than the existing algorithm, and performs almost as well as the existing algorithm with the optimum threshold.     

基于非参数假设检验的拓扑推断算法

针对基于门限比较的二叉树修剪拓扑推断算法稳健性差的问题, 提出了一种基于非参数假设检验的网络拓扑推断算法. 该算法首先应用经典的二叉树拓扑推断算法获得树状网络的二叉树结构, 然后应用维尔科克森秩和检验算法逐个判断二叉树中的每条内部链路是否需要修剪, 最后修剪二叉树, 删除所有需要修剪的内部链路, 得到真实的树状拓扑. 由于该算法使用统计检测的方法, 无需设置门限, 相对门限比较法具有更好的稳健性. 仿真实验表明, 该算法相比基于门限的二叉树修剪算法具有更高的推断精度.     

合作博弈下无线传感器网络功率控制策略

无线传感器网络在动态变化的信道和干扰环境工作时,为获得较高的信干噪比,节点会提高发射功率,致使节点间的干扰不断增大,为抵消其带来的消极影响,节点将继续增加发射功率,这将导致网络环境逐渐恶化,同时过多浪费节点能量.针对以上问题,本文提出一种合作博弈下无线传感器网络功率控制策略,为使节点能够更加精准的根据周围环境信息动态调节发射功率,算法引入节点间距离作为干扰权重因子以修正有效干扰模型,进而改进信干噪比模型;基于合作博弈理论将节点信息传输速率和自身剩余能量整合,建立合作博弈下的效用函数,在对不同效用权重因子下的归一化信息传输速率、发射功率方差值、信干噪比和网络效用4种结果进行综合权衡后,得出适当的效用权重因子值,并证明效用函数存在纳什均衡解,通过算法多次迭代后得出使网络效用达到最高时的节点最优发射功率.仿真结果表明,本文算法得出的最优发射功率方差小,算法收敛速度快,网络在节点较低发射功率时即可获得较高的信干噪比,网络生存周期得以延长,实现更高的网络效用.     

基于优化的同构子图搜索的虚拟网络映射算法

针对现有虚拟网络映射算法的不足,首先提出了一个综合考虑网络中节点资源需求(能力)和拓扑属性的节点资源能力评价方法,合理地评价节点资源能力,优化了虚拟节点的映射顺序;其次改进了虚拟节点映射时备选物理节点的选择过程,提高了虚拟链路映射质量;最后通过考虑物理网络子区域内的资源总量,优化了算法中初始资源分配区域的选择。实验结果表明:与已有的算法相比,本文映射算法在映射质量、长期平均收益、长期平均接收率、算法执行时间等方面均有明显提高。     

潮间带无线传感器网络路由算法

以潮间带无线传感器网络（IT-WSN）为例进行深入研究,提出期望剩余传输次数（PRTX）算法.PRTX算法充分考虑网络端到端延迟时间、节点剩余能量、邻居节点之间的距离,以及链路质量,形成一个综合性的路由判据,并利用指数加权平均算法加强路由选择的稳定性.仿真实验结果表明,PRTX路由算法在网络生命周期上比经典算法期望传输次数（ETX）提升了约19%,保障了较高的收包率,并且在节点通信距离变化时具有较好的性能稳定性.同时仿真实验与实际实验都表明,PRTX算法在网络端到端延迟时间上比经典的ETX算法降低了约10%,并提升了网络能量消耗的均衡性.     

一种面向物联网节点的综合信任度评估模型

针对现有物联网的信任评估模型信任评估准确度较低且不能有效应对节点恶意行为的不足,提出一种面向物联网节点的综合信任度评估模型。首先,设计节点相同质量服务强度评估指标以降低非入侵因素对信任评估的影响; 其次,从节点相似度、评价差异度与节点自身的信任度值方面评估推荐节点的可靠度,并作为推荐信任度的权重; 最后,基于熵计算直接信任度和推荐信任度的自适应权重,计算节点的综合信任度值。实验结果表明,模型在处理恶意服务和恶意推荐行为方面具有一定的优势,且在保证信任度评估有效性的同时可以降低传输能耗。     

基于聚类的超闭球CMAC神经网络改进算法

针对CMAC神经网络的网络节点随输入维数的增大呈几何级数增加的问题,提出了基于模糊聚类的超闭球CMAC神经网络改进算法。该算法通过对输入数据进行模糊聚类确定网络节点数和节点值,并根据输入输出数据通过模糊推理优化算法计算神经网络初始权值。与原算法比较,该算法可有效降低神经网络节点数,提高系统的学习精度。对一个多步时延的非线性系统的辨识仿真结果表明了该算法的可行性与有效性。