一种基于优化思想的网络拥塞控制算法

分析了现有网络优化框架的基本模型,研究了更一般的条件,将静态模型扩展到了动态模型,使模型的应用范围更广。运用子梯度方法求解新模型的对偶问题,得到了一种新的基于对偶问题的分布式算法框架,并证明了这种新算法的收敛性。同时,又证明了已有的算法只是新算法的一个特例。因而本文给出了一类具有更一般意义的分布式算法框架,推广了已有的网络模型算法。     

基于动态种群的分布式遗传算法

提出了一种基于动态种群模型的分布式遗传算法并对其进行了理论分析，该模型由传统并行模型演变而来，但更适合于分布式并行处理，在一组由PC机构成的网络环境下给出了该算法求解TSP问题的数值结果，数值试验证明了该算法的有效性和可行性。     

时滞多智能体网络中的Push-Sum分布式对偶平均算法研究

利用Push-Sum通信协议,结合分布式对偶平均方法,讨论了一类时滞多智能体网络中的分布式凸优化问题。提出了时滞的Push-Sum分布式对偶平均算法,并分析了算法的收敛性,得到算法的收敛率为O[(τ+1)~2/T~(1/2)]。这种算法可用于求解分布式优化问题,且不要求网络通讯矩阵是双随机的。     

带非线性优先连接规则增长模型的节点度分布

把非线性优先连接规则、每一时间步添加新节点或新边等考虑在内,提出了一种更一般的复杂网络增长模型,给出并采用概率方法严格证明了该模型的节点度分布表达式,利用节点度分布表达式计算了2个不同节点加权函数对应网络模型的节点度分布.研究结果表明,已有的一些著名网络模型为该模型的特例,相应网络模型的节点度分布也可由该模型的节点度分布表达式得到.此外,针对2个不同加权函数对应网络模型的实验结果表明,理论结果与仿真实验结果相符.     

网络构件软件体系模型并行算法研究

基于网络和本地代码序列协调、同步运行的构件化框架,提出了网络构件系统的并行优化算法,并且给出了算法的形式化描述,讨论了并行代码构造(CCCA)算法和分布式数据流(DFDM)算法对系统性能的影响,实验数据证明,网络并行算法模型能有效地提高软件系统的性能.该并行算法为分布式软件体系结构下的本地框架和远程服务提供了一种有效耦合的方法.     

无线传感器网络中的动态对偶密钥建立算法

基于密钥预置技术,提出了一种新的传感器网络动态对偶密钥建立算法。该算法中节点在部署前首先被预置一个全局初始密钥;在部署之后,邻节点之间将基于预置的全局初始密钥来动态生成一跳的对偶密钥。理论分析与实验结果表明,由于该算法是完全分布式的,且节点间的对偶密钥是在节点部署之后动态生成,能保障节点间具有很高的直接和间接对偶密钥建立概率,更有效保障传感器网络的通信安全。     

具有隐私保护的分布式共轭对偶梯度算法

针对多个体系统中个体(节点)间信息交流易导致隐私泄露的问题,提出了一种基于共轭对偶梯度(CDG)的隐私保护算法—隐私保护分布式共轭对偶梯度算法(PP-CDG)。首先,针对优化问题研究了共轭对偶梯度算法,通过添加正则项来防止共轭函数震荡、保证界更小、便于有效地进行对偶转换;其次,将同态加密机制(Paillier Cryptosystem)与共轭对偶梯度算法相结合提出PP-CDG算法,并证明当网络无向时变且本地损失函数是强凸时所提算法的收敛性;最后,进一步的理论分析表明敌对个体在收集多步中间信息时无法窃取邻居个体的敏感信息,因此算法能够有效保护个体的隐私。     

非平衡交通分配的离散网络平衡设计模型与算法

交通网络设计问题是指对一个已经存在的交通网络,用定量的方法确定添加哪些新路段、对哪些已有路段进行改造以提高其通行能力的问题,并分为连续网络设计问题和离散网络设计问题.针对该问题提出了一种新的离散网络平衡设计二层规划模型,模型不仅考虑了新增路段及已有路段的扩容,而且允许不同等级的扩容选择.模型求解中,上层问题采用粒子群算法,下层问题采用路径生成式logit非平衡交通分配算法.数值结果显示,本文提出的算法可以快速有效地求解这类新的网络平衡设计二层规划模型.     

基于网络切片的高频谱效率无线资源管理

为满足差异化业务场景下不同类型用户的服务质量需求,构建了基于网络切片的无线资源分配模型.为获得最佳资源调度方案,将用户服务质量需求转化为无线资源需求,以系统总速率最大化为目标,构建网络资源管理和分配机理及其优化问题.该优化问题为混合整数非线性规划,直接求解复杂度较高,因此提出了基于拉格朗日对偶理论的解决方案,并给出求解算法.通过与比例公平算法和最大系统容量算法进行对比及仿真分析,证明了所提算法在牺牲了部分公平性的前提下提高了系统容量,并验证了所提算法的有效性.     

基于定价的网络资源分配策略

为了使网络资源能够在用户间有效地分配,研究了一种基于博弈和定价理论的资源配置机制,并且建立了基于用户效用函数的中心化和非中心化数学模型. 为了使模型更容易在网络中实现,给出了模型解的异步对偶梯度投影算法,并且给出了算法的实现方式. 计算机仿真结果验证了模型在网络资源分配上的有效性及对偶梯度投影算法的收敛性.     

基于自适应参数混合蚁群算法的双资源约束作业车间调度

文章针对以生产成本最小为目标,考虑差异性工人的双资源约束作业车间调度问题,提出参数按算法迭代结果自适应调整,基于蚂蚁流量自适应控制路径选择的混合蚁群算法,在算法前期扩大解搜索空间,后期加快算法收敛,实现算法性能的分阶段性能优化。通过对仿真实验结果的分析,该混合蚁群算法能有效求解双资源约束车间调度问题,且能够在保证得到较优调度结果的同时,具备优秀的收敛性能。     

基于PDA的非线性分布式跟踪算法

研究目标不确定性量测、不确定性机动环境下的分布式多雷达跟踪。针对目标未知机动，把交互多式模型算法中的模型样本空间分成若干子集，分别在多个处理器上进行并行滤波，再在融合中的处理器上将各子处理器结果进行交互处理，形成了分布交一线式多模型算法，然后将它与概率数据关联ＰＤＡ相结合，得到了一种新的分布式鲁棒跟踪算法。     

LTE系统中基于缓存信息的非实时业务调度算法

为解决LTE系统中非实时业务调度算法比例公平PF(proportional fair)算法在分组数据业务模型下性能一般的问题,结合分组数据业务特点,在有限缓存队列模型下,提出一种兼顾系统吞吐量和用户公平性的非实时业务调度算法-基于缓存信息的调度BIBS(buffer information based scheduling)算法.该算法综合考虑了用户信道条件和缓存区内待传送的数据包信息.仿真结果表明,在不同平均速率的业务下,与PF算法相比,本文提出的算法在有效地提升系统吞吐量的同时,用户间公平性和通信中断性能也得到了极大的改善.     

基于加性噪声模型的基因调控网络构建算法

为在统计推断方法通过相关性来筛选基因对时,能够体现调控关系的因果性,受因果定向算法能够有效定向调控关系的启发,将加性噪声模型与因果定向算法相结合,用基于加性噪声的定向算法度量因果关系的程度,提出了一种基因调控网络构建的算法.该算法首先将加性噪声模型的因果定向算法扩展为一个特征选择算法,并通过建立调控因子集合与每个基因间的加性噪声模型来选择基因的调控因子.在DREAM5的3个数据集上的实验结果显示,结果比其他算法有明显提升,该算法可有效构建基因调控网络.     

基于协同供应的维修备件协同库存控制模型及其算法研究

在对维修备件库存控制方法分析研究的基础上,针对有协调中心的维修备件管理和控制问题,建立了维修备件协同库存控制模型结构和基于协同供应的维修备件协同库存控制数学模型,给出了一种基于遗传算法的协同库存控制数学模型求解算法,结合实例对模型算法进行仿真验证。     

动能拦截弹姿控发动机组合点火算法研究

为了提高拦截弹的拦截精度,通常要在弹体上引入侧喷直接力姿控系统。对于由小型固体脉冲式发动机阵列构成的该系统,必须解决多发动机组合点火问题。根据组合点火问题的特点,将动能拦截弹姿控发动机组合点火算法问题转化为用0-1规划模型处理的数学问题。鉴于常规的求解0-1规划问题算法的复杂度均比较大,无法满足高超声速动能拦截弹对响应时间的要求。而贪心算法具有时间复杂度小、求解结果比较合理等特点,故采用了贪心算法对该问题进行了快速近似求解。仿真实例结果表明由贪心算法实现的点火策略计算时间稳定在1-0 5S数量级上,且所得到的解与理论值相比误差不超过3.7%,完全满足高超声速动能拦截弹的要求。     

基于BP_Adaboost的目标跟踪算法应用研究

BP神经网络对目标跟踪时,由于其学习效率低及易于陷入局部极小的缺陷影响了跟踪算法的准确性。为提高BP神经网络跟踪模型的准确性,将Adaboost算法和BP神经网络相结合,提出了一种BP_Adaboost神经网络跟踪模型。通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器跟踪模型,将该模型应用于视频运动目标跟踪进行有效性验证。实验结果分析表明．该方法对运动目标能够准确地进行跟踪．大大提高跟踪算法的兽椿性．     

低剂量CT图像模型参数估计及统计去噪研究

由于提高低剂量CT图像的信噪比是低剂量CT获得有效临床应用的关键,为此,提出了一种低剂量CT投影域的自适应统计降噪算法.针对低剂量CT投影图像的非平稳高斯噪声特性,采用EM算法自适应地估计图像模型中的参数,并在此基础上对图像进行最大后验概率估计,从而达到图像降噪的目的.在对参数的估计过程中,引入MCMC的吉布斯采样技术,并在算法中引入两项初始化技术,从而减少了参数估计过程中的计算量,加快了算法的收敛速度.对仿真投影数据以及真实投影数据的实验结果表明,与传统算法相比,该算法在抑制噪声及保持分辨率方面均具有明显优势.     

Design and implementation of a large-scale multi-class text classifier

The objective of text classification is to parse in-coming unlabeled message or document data into prede-fined categories based on information extracted from atraining set of labeled messages or documents.A widerange of statistical and machine learningtechniques havebeen applied to textclassification,includingmultivariateregression models,nearest neighbor classifiers,probabi-listic Bayesian models,decision trees,neural networks,symbolic rule learning,and support vector machines.The support vec…