编码分组网络的效用最大化研究

对基于网络编码方案的分组网络(即编码分组网络)的效用最大化问题进行研究。利用网络编码和网络流的对应关系以及组播树分解方法提出单通话编码分组网络效用最大化模型。基于对偶分解理论推导出解决单通话编码分组网络效用最大化问题的分布式次梯度投影算法,找到一个有效的Lipschiz常数从而得到算法收敛的充分条件。通过仿真验证了该算法的正确性。     

无线传感网络中速率效用与链路能耗的联合优化

针对能量受限的无线传感网络,提出了一种基于功率相关链路容量约束的源节点速率效用与链路能耗联合优化模型。针对传统对偶次梯度算法在分布式求解时存在收敛速度慢的缺点,提出了多步加权加速梯度方法,利用过去迭代计算历史信息来加快拉格朗日乘子的更新速率,从而快速取得速率效用与链路能耗的联合优化解。仿真实验表明,所提出的加速梯度方法取得了比对偶次梯度算法更快的收敛性。     

基于效用优化的网络编码拥塞控制模型

描述一类多编码组播情形下的网络效用最大化问题,引入用于稳定发送节点窗口和中间节点队列的约束。基于问题的原始及原 始-对偶形式,分别提出2种网络编码拥塞控制模型,并通过Lyapunov判据证明了模型的全局渐近稳定性。该模型是完全分布式的反馈控制系统,所描述的算法只要求端到端的信息交换,能应对网络的动态变化,且具有类TCP拥塞控制的形式,从而显示其与现行网络架构的兼容性。     

无线传感网络中拥塞控制与路由的跨层设计:分布式牛顿法

无线传感网络应用广泛, 其性能与路由选择和拥塞控制密切相关. 致力于拥塞控制与多径路由的跨层优化, 以实现在链路容量受限和节点能量受限情况下的无线传感网络效用最大化. 针对对偶次梯度算法具有收敛速度慢与信息交互量大等缺陷, 设计了具有二阶收敛性能的分布式牛顿算法来实现网络效用最大化. 通过矩阵分裂技术, 实现了只需单跳信息交互的牛顿对偶方向的分布式求解方法. 仿真结果表明, 分布式牛顿算法的收敛性能显著优于对偶次梯度算法.     

基于效用最大化的网络跨层映射

基于网络效用最大化的思想研究了网络跨层映射,给出了应用层的服务映射到传输层的多个连接再映射到网络层的多条路径的多对多映射的数学模型,指出了映射的目标就是合理地为源端用户分配路径传输能力,从而使用户的聚合效用达到最优.针对该映射模型,为了得到各个用户的最优带宽分配,提出了一种分布式算法.该算法是渐进稳定的,且平衡点就是映射模型的最优点.仿真结果验证了算法的收敛性.另外,理论分析了映射机制的安全性和可靠性,分别给出了当网络中存在侦听和分布式攻击时,服务能够成功完成的概率.仿真结果表明,多对多映射确实提高了数据传输的安全性和可靠性.     

无线Mesh网中一种基于效用最大化的资源分配方案

许多新一代应用程序(比如视频流)往往为了给终端用户提供高质量服务而对最小数据速率提出要求。针对多跳无线Mesh网络,提出一种干扰和最小速率要求约束下的网络流量效用最大化解决方案。为实现效用最大化,对以下参数进行调节:1)各节点的发射功率;2)为不同通信链路分配的信道。以考虑链路间干扰和干扰的交叉分解技术为基础,算法的输出包括明确各时隙激活哪些链路的安排计划,及这些激活链路相关参数。如果所有网络流量的最低速率要求无法满足,则智能拒绝部分流量,并对剩余流量重新计算资源分配计划。另外,还提出一种访问控制机制,以确保能在满足当前网络流量速率要求的情况下,接纳新的网络流量。仿真实验结果表明,与已有的资源分配算法相比,该算法在不同网络拓扑结构下的性能表现更优。     

基于网络编码的分布式无线光网络在线优化

最近, 一种集成骨干光传输网络、无源光网络和无线接入网的混合宽带无线光网络被提出。这种网络具有大带宽、低费用和无处不在的信息接入等特点。考虑在这种网络中的基于网络编码的多播会话的设计问题, 使得网络效用最大化, 而布网的费用最小化。这个问题被转换为一个混合的整数非线性规划问题, 精确求解极其困难。为了使得问题简化, 采用了一种两步优化方法进行求解, 交替地为多播会话选择光网络单元和网关。在每一次迭代过程中需要解决两个问题：光网络的网络编码设计问题和无线网络的用户和带宽分配问题。前者通过基于拉格朗日对偶分解的分布式方法实现; 后者通过广义Benders分解实现。通过仿真验证了所采用的方法的有效性。     

基于网络效用最大化的车联网功率控制算法

针对车联网（IoV）中车流密度增加到一定程度时,即使无线信道中只有信标消息,信道拥塞也会发生的问题,提出一种分布式加权公平功率控制（D-WFPC）算法。首先,考虑车联网的实际信道特性,采用Nakagami-m衰落信道模型建立随机信道模型;然后,考虑车联网中节点的移动性,基于网络效用最大化（NUM）模型建立功率控制优化问题,控制本地信道负载在阈值之下,从而避免拥塞;最后,通过对偶分解和迭代法解决该问题,设计分布式算法,每辆车根据周围环境的邻居车辆的信标消息,动态调整发射功率。仿真实验中,与固定发射功率方案相比,随着车流密度增大,D-WFPC算法能有效降低时延和丢包率,最高降幅分别达到24%和44%;与公平分布式发射功率拥塞控制（FCCP）算法相比,D-WFPC算法全程性能占优,时延和丢包率的最高降幅分别达到10%和4%。仿真结果表明,D-WFPC算法能快速收敛,保证车联网中消息的低时延、高可靠传输。     

mesh网络中基于效用转发的网络编码算法

在已有的无线Mesh网络路由算法的基础上,针对网络的动态变化性和差异性等因素带来的问题进行了研究,提出一种基于效用转发的网络编码算法.首先利用节点间的历史通信数据,动态获取不同网络环境下影响效用值的各因素所占的权重值;然后在簇头节点和汇聚节点处进行二维随机线性网络编码,结合节点的剩余能量、效用值和丢包率判断节点能否进行编码,并且采用编码包优先传输的策略转发数据包;最后综合利用网络时延、效用值和节点间的跳数,选择最优的下一跳转发节点.仿真结果表明,该算法能更好地提升数据包的转发效率,降低传输时延,提高网络的性能.     

基于网络效用最大化与冲突避免的无线传感器网络MAC协议

针对周期汇报型无线传感器网络(WSN)中的无线信号冲突和能量利用效率问题,提出了一种基于网络效用最大化与冲突避免的媒体访问控制(UM-MAC)协议。该协议基于时分多路复用(TDMA)调度机制,将效用模型引入无冲突的节点工作时隙分配过程中,把链路可靠性、网络能耗归纳到一个统一的效用优化框架中;进而提出了一个启发式算法,使网络能够快速找到一个基于网络效用最大化与冲突避免的节点工作时隙调度方案。将UM-MAC协议与S-MAC协议和冲突避免MAC(CA-MAC)协议进行比较,在不同节点数量的网络环境中,UM-MAC获得的网络效用较大,平均数据包成功发送率较高,生命周期介于S-MAC与CA-MAC之间,在不同的网络负载下所有节点发数据包到汇聚节点的平均时延有所增加。仿真实验结果表明:UM-MAC协议较好地解决了冲突干扰问题,提高了网络的数据包成功发送率和能量利用效率等性能;在低网络负载时,TDMA类协议的性能并不比竞争类协议好。     

静态最大可解网络编码的构造

单源最大可解线性网络编码可以提高网络容量,但没有考虑边失效或点失效的情况。为此,利用贪心算法,基于启发式规则,提出一种静态最大可解网络编码的构造方法。该方法在每次迭代时,通过向构造的编码向量中加入已有的向量,并删除使用过的边,提高网络传输速率。实验结果证明,该方法在网络容量方面可以获得较大的增益。     

联合编码开销与安全性能的网络编码优化方案

网络编码技术在提高网络吞吐量和传输效率等方面具有很大优势,但该技术需要在节点处进行额外编码操作,增加了编码开销。针对在保证最大多播速率的前提下,降低编码开销的同时兼顾网络编码安全程度的问题,现提出一种联合编码开销与安全性能的网络编码优化方案。该方案首先在基于预选择机制的小生境遗传算法的基础上加入了预处理机制。其次,构建了新的适应度函数。最后采用了一种更科学的种群规模的确定方式。仿真结果表明,该算法比传统的基于遗传算法的网络编码优化方案在收敛时间、进化代数、编码开销和安全程度四个方面更具优势。     

基于小波包分解和遗传神经网络的癫痫识别

基于小波包分解和遗传神经网络对正常脑电和癫痫脑电进行识别。通过分析脑电数据找出信号特征;利用一维离散小波包分解提取含有识别特征的脑电信号频率段,并以脑电各频段的相对能量作为信号特征;然后建立基于遗传算法优化的BP网络,用于对癫痫脑电识别。实验结果表明,该方法可以有效提取信号特征,并且对信号进行准确的识别。     

一种基于极大连通子图的电信社群网分割算法

随着电信事业的发展,电信社群网的分析逐渐兴起。根据电信数据的特点,以关系数据库为基础,实现了一个极大连通子图求解算法（MCSG）。该算法利用等价类的概念实现了图数据分层处理,利用边标识法表示极大连通子图,确保了结果中顶点和边信息的完整性。实验表明,MCSG算法有效实现了对电信社群网的分割。     

基于网络编码的协作中继技术

为提高协作中继中网络编码的性能,提出了一种软网络编码-软估计转发( SNC- SEF)的改进方案.在中继节点中对接收到的多路信息依次进行软输入软输出的信道编码、网络编码以及最为重要的基于最大似然准则推导的软符号调制的操作.该方案在最大限度地保留了软信息的同时可以获得解码增益.仿真实验结果表明,SNC-SEF方案相比传统的网络编码-解码转发(NC-DF)方案有明显的系统增益.     

基于效用模型的网络定价策略研究

网络定价问题一直是宽带通信网中的核心问题。在传统定价策略基础上,将服务级别引入效用模型,寻找同时满足客户效用最大化和网络提供商收益最大化的价格均衡点,在理论模型基础上,通过设定具体的用户效用函数以及网路提供商成本函数,运用仿真模拟的方法验证了这种定价策略的现实可行性。     

System reliability maximization for a computer network by finding the optimal two-class allocation subject to budget

In the real world, a computer/communication system is usually modeled as a capacitated-flow network since each transmission line (resp. facility) denoted by an edge (resp. node) has multiple capacities. System reliability is thus defined to be a probability that d units of data are transmitted successfully from a source node to a sink node. From the perspective of quality management, system reliability is a critical performance indicator of the computer network. This paper focuses on maximizing system reliability for the computer network by finding the optimal two-class allocation subject to a budget, in which the two-class allocation is to allocate exactly one transmission line (resp. facility) to each edge (resp. node). In addition, allocating transmission lines and facilities to the computer network involves an allocation cost where the cost for allocating a transmission line depends on its length. For solving the addressed problem, a genetic algorithm based method is proposed, in which system reliability is evaluated in terms of minimal paths and state-space decomposition. Several experimental results demonstrate that the proposed algorithm can be executed in a reasonable time and has better computational efficiency than several popular soft computing algorithms.