基于新型路网模型的路径寻优方法研究

 针对传统路网模型描述交通信息节点多、数据冗余及结构稳定性差的问题,本文从实际交通路网本身的特点和人类对路网的认识出发,构建以"道路"为基本元素的路网模型.该模型详细描述道路的空间属性和交通属性,并利用道路间的相交关系描述交通路网.在尝试减少模型数据量、简化模型结构的基础上,采用改进A^*算法进行路径搜索.实例表明,所提出的模型及路径搜索算法可以满足实际应用的需要,并且在存储开销和搜索算法效率上具有一定的优势.     

城市交通诱导系统路径优化方法研究

在交通诱导系统中,如何为出行者提供及时的路况信息,随时随地为出行者提供到达目的地的路径是交通诱导系统最主要的功能,诱导系统除了给出行者群体提供指示信息外,还应能提供给出行者个体所需要的动态起讫点路径,现在的车内诱导系统(导航系统)大多能提供距离最短路径、收费最少路径和系统推荐路径。文章以通行时间为主要因素改进交通诱导系统内的推荐路径算法,为出行者提供起讫点间合理的优化路径,达到优化交通诱导系统的目的,最终使出行者高效出行。     

一种智能攻击模型在RFID防伪协议中的研究

 本文研究一种RFID防伪技术和系统,首先给出了一种基于RFID技术的防伪系统软硬件系统架构,进而分析了该防伪系统的层次结构,然后针对系统中防伪安全协议的复杂性提出了智能伪造攻击模型,利用A^*搜索算法进行路径搜索得到最小攻击代价树,作为对本文提出的防伪系统,尤其是系统中采用的防伪协议的评价.最后在VC+ +和Matlab环境下对本文提出的模型进行了实验验证,实验结果表明攻击模型对RFID防伪协议的验证以及分析是有效的,从而为RFID技术与防伪技术的结合提供了一个全新的参考.     

快速响应高探测度的长波红外探测器

美国新泽西州默里山美国电话电报公司贝尔实验室的Levine及其合作者研制出长波红外区的GaAs/AlGaAs探测器,在77K时响应率为30kV/W,探测度D^*=1.0×10¹⁰cmHz^1/2/W。该探测器工作在8.3μm,带宽>70MHz。     

基于车载终端的动态交通路径规划仿真实验

路径规划和引导是导航车载终端的核心技术,但是,目前的导航研究多基于静态的交通信息,着重于引导指令显示和语音方面的研究、导航指令的内容与触发时间研究、偏离路径的引导以及辅助驾驶等。这样的路径规划虽然能够为出行者带来具有一定参考价值的信息,但是基于静态交通信息的路径规划没有考虑到实时的道路交通状态,比如堵车、交通意外等突发交通情况,因此,需要针对实时道路交通状态     

基于物联网和公交线路的动态路网交通流采集

为了基于路网交通流信息实现动态路径诱导系统,提出通过物联网和公交线路进行路网交通流信息动态采集方案。在各公交站台安装RFID读写器,每辆公交车粘贴RFID电子标签,通过站台子系统采集运营公交车辆到站时间,利用Zig Bee技术将公交车辆、站台系统和交通管理中心连接起来,将运营的公交车辆到达每个站点的时间传递给交通管理中心,交通管理中心根据公交车辆预计到站时间与实际到站时间的延误情况来估计路网交通流,估计出的路网交通流信息可以提供给城市路径诱导系统作为实现动态路径诱导的依据。     

基于模块化交通流组合预测模型

短时交通流预测是智能交通系统的核心能力组件之一,为城市交通管理、交通控制和交通引导提供智能决策支撑。针对交通路网交通流呈现的非线性、动态性和时序相关性,提出一种基于模块化的交通流组合预测模型ICEEMDAN-ISSA-BiGRU。采用改进的基于完全自适应噪声集合经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)方法对交通流非线性时间序列进行分解,获取本征模态分量(Intrinsic Mode Functions,IMF);利用双向门控循环单元(Bi-directional Gate Recurrent Unit,BiGRU)挖掘交通流量序列中的时序相关性特征;基于动态自适应t分布变异方法改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA),实现对BiGRU网络权值参数的迭代寻优,避免了短时预测结果陷入局部最优;基于公开PeMS数据集对短时交通流预测性能进行性能评估与验证。实验结果表明,所提组合模型的短时交通流预测性能优于10个传统模型,改进后的交通流量预测平均绝对误差(Mean Absolute Error,MAE)指标接近10.98,平均绝对值百分误差(Mean Absolute Percentage Error,MAPE)指标接近10.12%,均方根误差(Root Mean Square Error,RMSE)指标接近12.42,且在不同数据集下所提模型具有较好的泛化性能。     

高Q值横向激发体声波谐振器的设计与制备

随着5G移动通信时代的发展,射频前端(RF front-ends)的滤波和信号处理迫切需要高频大带宽的声学谐振器。横向激发体声波谐振器(XBAR)具有超高的工作频率和超大的机电耦合系数(k²),但其品质因数(Q)值不高,阻碍了其在射频前端中的应用。该文提出了一种基于ZY切铌酸锂(LiNbO₃)的XBAR谐振器,通过有限元(FEM)仿真对谐振器进行了优化设计,并在微机电系统(MEMS)工艺下对谐振器进行加工。该文所制备的横向激发体声波谐振器A₁模式的谐振频率为4.72 GHz,k²=26.9%,Q_{3 dB}为384,温度频率漂移系数为-60.5×10^-6/℃。A₃模式的谐振频率为13.5 GHz,k²=4.4%。     

求解最短路径问题的改进人工鱼群算法研究

最短路径问题是交通网络分析中的一个重要问题,它是组合优化领域内经典问题之一。文中分析基本人工鱼群算法模型,指出其在求解交通路网最优路径问题中的不足,对人工鱼初始化和行为进行了改进。仿真实验表明,改进的人工鱼群算法(AFSA)具有更快的全局收敛速度,能有效地克服"早熟"收敛,是一种有效解决最短路径问题的寻优模式。     

基于组合模型的短时交通流量预测算法

交通流量预测是实现智能交通技术的核心问题,及时准确地预测道路交通流量是实现动态交通管理的前提,短时交通流量的预测是交通流量预测的重要组成部分。该文针对十字路口的短时交通流量预测问题设计了基于交通流量序列分割和极限学习机(Extreme Learning Machine, ELM)组合模型的交通流量预测算法(Traffic Flow Prediction Based on Combined Model, TFPBCM)。该算法首先采用K-means对交通流量数据在时间上进行序列分割,然后采用ELM对各个序列进行建模和预测。仿真实验证明,与单一的BP(Back Propagation)神经网络和ELM相比,该组合模型算法建模时间为BP的1/10, ELM建模时间的4倍,均方误差为BP的1/50, ELM的1/20,该组合模型算法决定系数R2更接近于1,模型可信度更高。     

基于改进的路网聚类结合PSOWNN的交通流预测

针对城市路网交通流数据的空间相关性、非线性和平稳与非平稳的特点,提出一种采用基于交通流量数据相关性分析改进的路网聚类算法与基于交通流量分段加权适应度函数的粒子群小波神经网络算法(MC-MPSOWNN)相结合的预测方法,来提高算法的预测精度.首先,利用基于交通流量数据相关性分析的路网聚类算法筛选出空间中与预测点交通流量数据相关系数高的其他观测点,以此精简了样本输入数据,减少冗余数据对预测精度的干扰,提高整体预测精度;其次,再构建一种新型的粒子群算法的适应度函数,给予整体预测样本中非平稳数据段更大的调节力度,以此来进一步提高非平稳数据段的预测精度.最后经实验结果分析,提出的改进预测算法相比未进行改进前预测算法而言,明显提高了整体及非平稳数据段预测精度,达到较好的预测效果.     

Data center traffic scheduling strategy based on Fibonacci tree optimization algorithm

To improve traffic scheduling capabilities in network provider data centers,both network structure and network traffic flow were considered at the same time.The analysis prediction and online scheduling mechanism was proposed in data center based on software defined networking (SDN).Aiming at the multi-dimensional,multi-constrained and multi-modal problems of traffic flow scheduling in data centers,the traffic flow scheduling strategy based on Fibonacci tree optimization (FTO) algorithm was proposed.FTO algorithm was embedded into two stages of analysis prediction and online scheduling,took it advantage of global local alternating and multi-model optimization characteristics,the optimal solution and suboptimal solutions of traffic scheduling had been got at one time.The emulator result shows that,the FTO traffic scheduling strategy can schedule traffic in data centers reasonably,which improves the load balancing capability of network providers' data centers effectively.     

基于FARIMA-GARCH模型的网络业务预测算法

网络流量的波动性与自相似特性为其精确预测提出了挑战。为此,提出了一种基于FARIMA-GARCH模型的预测算法。该算法首先利用分段双向CUSUM检测算法对流量序列的均值进行有效检测,并在此基础上将序列零均值化;然后采用限定搜索法对分数差分阶数进行精确估计;在获得模型参数后,使用FARIMA-GARCH模型对网络流量进行预测。仿真实验表明,限定搜索法能够获得比传统算法更高的估计精度。随后采用真实网络流量验证了预测算法的性能,在保持与FARIMA预测算法等价的时间复杂度下,其均方根和相对均方根误差与RBF神经网络预测算法相当,而高于FARIMA预测算法。同时,预测算法对突发流量的跟踪和预测性能明显优于对比算法,且有更好的区间估计性能。     

Network traffic prediction method based on wavelet transform and multiple models fusion

Accurate prediction of network traffic is an important premise in network management and congestion control. In order to improve the prediction accuracy of network traffic, a prediction method based on wavelet transform and multiple models fusion is presented. Mallat wavelet transform algorithm is used to decompose and reconstruct the network traffic time series. The approximate and detailed components of the original network traffic can be obtained. The characteristics of approximate components and detail components are analyzed by Hurst exponent. Then, according to the different characteristics of the components, autoregressive integrated moving average model (ARIMA) is chosen as the prediction model for the approximate component. Least squares support vector machine (LSSVM) is used to predict detail component. Meanwhile, an improved particle swarm optimization (PSO) algorithm is proposed to optimize the parameters of the LSSVM model. Gauss‐Markov estimation algorithm is adapted to fuse the predicted values of multiple prediction models. The variance of fusion prediction error is smaller than that of single prediction model, and the prediction accuracy is improved. Two actual datasets of network traffic are studied. Compared with other state‐of‐the‐art models, the case study results indicate that the proposed prediction method has a better prediction effect.     

基于欧拉回路的无线传播模型校正路测路径优化方法研究

为了提高无线传播模型校正等路测工作中路径规划的准确性,本文利用图论中的欧拉回路概念,结合中国邮路问题的相关研究,综合考虑测试区域的道路拓扑结构、路径长度、交通规则等因素,提出一种基于欧拉回路并采用改进的深度优先搜索算法实现的道路测试路径优化方法.该方法可以实现自动生成最优测试路线,提升了路测效率.     

多QoS约束条件下的多目标网络优化

多约束、多业务、多目标的网络优化是一个复杂且涉及范围广泛的课题。文中在对该课题进行分析的基础上,提出了一种基于遗传算法的多目标网络优化算法(MOPGA)。该算法使用了多约束条件下的路径集预处理,使得每项业务能够获得所需的QoS服务质量,通过对所有业务的路由号进行编码,将问题的解空间转换到遗传算法的搜索空间,达到对全网业务的综合考虑。改进后的适应度函数刻划了网络的费用、链路利用率方差和最大链路利用率、爆破处理以及个体淘汰机制增加了种群多样性,挣脱了未成熟收敛。以求解精度作为算法终止条件,使得算法运行时间减少。仿真实验表明,所提出的算法能高效、快速解决实际多目标网络优化问题,同时在满足多QoS约束条件下可均衡各子目标函数。     

Research on switch migration method based on minimum cost path

In order to protect the controller,especially the controller in backbone network,from security threats and attacks,improve the security of the software-defined network (SDN) control plane,a switch migration algorithm based on minimum cost path was proposed.A load prediction module was added to the migration model,which executed a controller load prediction algorithm to obtain a load prediction matrix,and then a migration-target controller set was determined according to the load prediction matrix.The improved Dijkstra algorithm was used to determine the minimum cost path.According to the load state of the controller and the traffic priority of the switch to be migrated,the optimal migration switch set was determined.The problem of isolated nodes was solved that may occur during the migration process.The experimental results show that the migration timing of the algorithm is more reasonable,the selection of the migration controller and the target controller is more reasonable,the load balancing of the control plane is realized,the number of migrations and cost are reduced,and the performance of the controller is improved.     

一种新的卫星通信网流量预测算法

在通信网络的设计中,使用基于流量预测的网络规划已成为LTE发展的必然趋势。与地面网络不同,卫星网络由于受资源受限和拓扑时变的不利影响,其流量预测算法必须能兼顾精度和效率,这令传统的地面网络预测方法已不再适用。为了解决以上问题,提出了一种新的基于小波回声状态网络的流量预测算法,该算法通过小波多尺度分解的信号处理方法屏蔽了网络流量的噪声,而后结合了无反馈的回声状态网络联合进行预测。仿真证明,新算法相比传统算法能大幅提升网络流量的预测精度和运行效率,为卫星网络的流量规划提供了强有力的决策支持。     

一种基于差分进化的BP神经网络学习算法

提出了一种基于改进差分进化算法和BP神经网络的计算机网络流量预测方法。利用差分进化算法的全局寻优能力,快速地得到BP神经网络的权值和阈值;然后利用BP神经网络的非线性拟合能力获得高精度的网络流量预测结果。实验结果表明,此方法能在较短的时间内获得较高精度的预测结果,具有较好的应用价值。