一种改进的ZigBee网络能量均衡簇树路由算法

针对ZigBee网络中的簇树路由算法存在网络节点能量消耗不均衡造成网络过早瘫痪的问题,提出一种改进的能量均衡簇树路由算法.该算法综合考虑单个节点生存周期和整个网络能量消耗,定义了节点能量水平以及节点权值,根据节点父子关系和权值建立了一种分簇机制,避免单个节点的不必要能量消耗和死亡,并优化AODVjr算法缩短路由距离,降低簇间通信延迟和路由开销.仿真结果表明,该算法相较于簇树路由算法减小了3.6％的网络整体能量消耗,延长了约15％的网络生命周期.     

基于虚拟场的能量高效传感器网络地理路由

针对现有的无线传感器网络(WSN)地理位置路由在遇到空洞时,集中使用空洞边缘节点转发而导致能量迅速耗尽的问题,提出利用虚拟场模型均衡节点能量消耗的路由算法.传输节点根据虚拟场模型,采用空洞信息、自身位置及目的节点位置作为参数,计算当前位置的虚拟场矢量.根据此矢量方向进行贪婪路由选择.受虚拟场模型的引导,数据传输路径在未遇到空洞时已提前开始绕行,路由能耗不再集中于空洞边缘,而是更均匀地分布于全网.实验表明,该算法在网络生命周期和数据包投递率方面明显优于现有的地理位置路由,在传输延迟方面两者接近,验证了虚拟场模型具有平衡节点能量消耗、提高能源利用率的效果.     

一种基于蚂蚁算法的移动自组网节能路由算法

提出一种改进的蚂蚁算法用于移动自组网节能路由问题,以使网络的生存期尽量延长.算法中考虑了节点上电池剩余能量及剩余能量的方差,电池剩余能量方差反映了节点之间能量消耗的均衡程度.算法在蚂蚁选择路由时引入随机小概率变异策略,避免陷入局部最优解.同时算法在运行过程中设置了跳数限制,提供了一定的QoS保证.仿真计算表明,提出的节能路由算法节能效果明显,能进一步延长网络的生存期.     

稀疏移动网络中时延软约束的低能耗路由算法

针对稀疏移动网络中能量高效的数据传输问题,提出一种满足时延软约束的路由算法.将多个时隙的静态网络拓扑建模为虚拟的空时图模型.该空时图模型既包含网络拓扑在每一时隙的连通信息,也包含由移动性引起的链路变化信息.重新定义端到端的路由问题为寻找一条低能耗空时路径,并满足时延软约束.根据重新定义的路由问题,提出一种满足时延软约束的低能耗路由算法.仿真结果表明,该算法可以实现能量消耗与传输时延的权衡.     

可靠传感网聚类路由算法研究

为延缓传感器网络寿命，提高能量使用效率，提出一种新的能效高的可靠聚类路由算法--多类头方法的传感网 聚类路由算法.该算法采用每个类多类头节点共同承担类头节点的作用--收集数据、融合数据并发送数据包到基站，来 解决单类头节点因故障等原因带来的不可靠而导致的能量损失，以及改善网络能量使用效率和提高数据传输可靠性.在仿 真环境下，该算法与单类头方法的聚类路由算法进行了比较，结果表明，该算法改善了能量消耗均衡性，提高了能量使 用效率以及类头节点数据传输可靠性，从而也延长了网络寿命.     

一种基于K最短路径的QoS路由选择算法

针对多约束服务质量路由问题,提出了一种基于K最短路径路由选择算法QRBKP。该算法首先计算针对各约束度量参数的K最短路径,然后在所有的最短路径中选择满足多约束的QoS路由,其中最短路径数k根据各QoS约束自适应变化。基于此,本文提出了节点对之间的路由空间再分配技术和节点对内部的路由空间再分配技术,确保总的路由表空间不会超过设计路由空间。理论分析表明,QRBKP不仅能够解决加性度量参数受约束的QoS路由问题,而且能够解决加性与非加性度量参数混合受约束QoS路由问题。仿真结果表明:在求解QoS路由问题时,在相同的计算次数下,QRBKP算法比同类算法具有更高的路由计算成功率。     

一种能量有效及负载均衡的Ad hoc路由协议

移动Ad hoc网络是能量受限系统,节点由电池供电,因此减少移动节点电池能量消耗,延长网络总的生存时间,已经成为评价路由协议性能的重要指标,但IETF的MANET小组提出的几种经典的路由协议,是最小跳数路由,没有考虑能量因素.针对这个问题,提出了Ad hoc网络中基于AODV能量有效、负载均衡的按需路由算法.新协议根据节点的剩余能量和节点当时的负荷情况,决定节点接入路由的延迟时间,从而使剩余能量较多和负载较轻的节点能够更快地接入路由,使网络中的能量消耗更公平,负载更均衡,使数据流不在某些路段上过于集中.仿真结果表明改进的协议和原协议相比,降低了端到端的延时,提高了网络吞吐率,延长了整个网络的生存时间,提高了整个网络的性能.     

基于QoS保障的服务功能链动态部署算法

第5代移动通信系统（5G）网络场景下服务功能链的部署是网络功能虚拟化研究中亟待解决的问题,现有部署方法难以在优化时延的同时保证服务功能链部署的可靠性,为此,提出了面向服务质量（QoS）需求的服务功能链部署模型,并设计了一种基于QoS保障的服务功能链动态部署算法.该算法在虚拟网络功能部署阶段通过对网络拓扑和可靠性的感知,采用基于PageRank思想的算法对节点进行评价,以负载均衡和协调链路映射为原则,将虚拟网络功能部署在综合资源能力最大的底层节点上,实现了时延和可靠性的全局优化,并通过选择满足可靠性需求的时延最短路径进行链路映射.仿真结果表明,该算法在降低服务功能链端到端时延的同时保证了部署的可靠性,并且提高了请求接受率和资源利用率.     

改进的蚁群优化算法在无线传感器网络中的应用

针对无线传感器网络节点能量十分有限的特点,将蚁群优化算法应用到传感器网络的路由中,提出了一种改进的蚁群路由算法(IARA)。在考虑节点剩余能量、传输方向和节点距离等因素的基础上,对基本蚁群算法的概率选择公式和信息素更新公式进行了改进,实现了能量在整个传感器网络上的均衡消耗。仿真结果表明:该算法减少了传感器网络的能量消耗,并且使能量消耗更加均衡,从而提高了整个无线传感器网络的生存寿命。     

一种能量有效的RPL多路径数据分发机制

针对低功耗有损网络路由协议（RPL）能耗不均衡问题,提出一种能量有效的RPL多路径数据流分配算法.建立了一种更加符合实际的节点能量消耗模型,提出一种能量离散程度度量标准,以有效判定节点的能量均衡程度.基于该度量,提出一种快速求解算法,以获得数据的最优分发方案.实验结果表明,所提出的RPL多路径数据流分配算法均衡了节点的能量消耗,提高了路由的可靠性,延长了网络的生存时间.     

基于DRL的MEC任务卸载与资源调度算法

为提高多接入边缘计算（MEC）任务卸载效率,提出了一个任务卸载和异构资源调度的联合优化模型.考虑异构的通信资源和计算资源,联合最小化用户的设备能耗、任务执行时延和付费,并利用深度强化学习（DRL）算法对该模型求最优的任务卸载算法.仿真结果表明,该优化算法比银行家算法的设备能耗、时延和付费的综合指标提升了27.6%.     

面向移动边缘计算的动态规划算法研究

移动边缘计算可以将用户任务卸载至边缘服务器,以减少移动设备的能耗与时延。通过研究边缘计算场景,提出了一种自适应动态规划算法,以优化用户的卸载决策。所提算法采用创新的比特流填表方式以节省计算时间,同时在满足时间约束的条件下减小能耗与时延。结果表明,该算法可在满足应用程序执行时间约束的前提下找到近似最优解,同时在不损失计算效率的前提下处理较大的卸载问题。     

基于安全与低能耗的传感云边缘协同优化策略

多传感器传感网数据采集效率低下,且大量数据在传感云处理存在数据泄露风险。基于此,首先设计了一种安全、节能及高效的分布式边缘协同传感网资源选择架构,提出了一种边缘协同分析节点选择(ECANS)方案。通过对用户请求的分析,获取传感网节点的选择策略,以降低传感节点数据采集的时延和能耗。其次,构建了一种最大化隐私熵的边缘协同传感网隐私保护数据卸载模型,并通过智能启发式算法得到隐私熵最大的边缘资源选择策略。实验结果表明,与ENS数据采集方案相比,ECANS方案使节点时延与能耗分别降低了56.71%和57.66%;在边缘资源选择阶段,与GA资源选择方案和PSO资源选择方案相比,最大化隐私熵模型使系统隐私熵分别提高32.07%及15.36%;与不引入no-EC相比,传感网节点时延和能耗平均降低了46.92%与11.26%。     

移动边缘计算时延与能耗联合优化方法

针对移动边缘计算中时延与能耗是关键性能指标,且相互制约的问题,研究了通过在边缘与终端之间进行任务分配,对时延与能耗进行联合优化。首先,建立了能耗与时延联合优化的0-1整数规划模型;其次,设计了对任务进行分配的分支定界算法。仿真结果表明,该方法能够有效降低移动边缘计算能耗与时延。     

Collaborative offloading of overloaded MEC servers in ultra-dense heterogeneous networks

Mobile Edge Computing (MEC) can perform computational task offloading with the help of edge servers, and is no longer limited by the power of mobile terminals (MTs). When the edge server is overloaded, it often chooses to queue, postpone or reject the MT’s offloading request. QoS (Quality of Service) of users will deteriorate greatly due to service disruption and extended waiting, but the existing research work does not consider how the MEC-BS can relieve load pressure at this time. In this paper, we study how to enhance the computing offloading service of the MEC-BS by offloading the task of the overloaded base station to the other MEC-BS in the same collaboration space. Combining the penalty function with the two-step quasi-newton method, an optimization algorithm is proposed to minimize the joint utility function including the total delay and energy consumption of the edge computing network. Empirical factors are used to adjust the optimization deviation according to the different needs of the optimization target for time delay or energy efficiency. Simulation results show that the proposed scheme is better than two other schemes in improving the system performance and convergence speed.     

面向6G边缘网络的云边协同计算任务调度算法

提出了一种分布式的第6代移动通信系统（6G）云边协同计算架构,设计了基于近似雅可比交替方向乘子法的云边协同计算任务的调度算法.将云边协同计算任务的调度问题建模为综合考虑时延、能耗、带宽成本及服务质量损失等因素的系统开销最小化问题,并通过高效的分布式并行计算方式进行求解.仿真实验结果表明,该算法可在保障用户服务质量的同时降低网络运营成本的开销,收敛速度快,执行效率高.     

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.     

MEC计算卸载与资源分配联合智能优化方案

移动边缘计算(MEC)中的分布式基站部署、有限的服务器资源和动态变化的终端用户使得计算卸载方案的设计极具挑战。鉴于深度强化学习在处理动态复杂问题方面的优势,设计了最优的计算卸载和资源分配策略,目的是最小化系统能耗。首先考虑了云边端协同的网络框架;然后将联合计算卸载和资源分配问题定义为一个马尔可夫决策过程,提出一种基于多智能体深度确定性策略梯度的学习算法,以最小化系统能耗。仿真结果表明,该算法在降低系统能耗方面的表现明显优于深度确定性策略梯度算法和全部卸载策略。     

基于节点能耗的IEEE802.11s路径选择优化方法

在保证服务质量的前提下对节点的发射功率进行了优化,讨论了Mesh节点的能耗模型,将节点能耗情况引入到空时参数中,将其作为路径选择时的一个重要因素,得出改进的路径选择方法。采用NS-3仿真工具建立了网络拓扑结构,将改进路径选择方法的能量消耗及包传输时延情况与改进前进行了仿真对比分析。仿真结果表明,改进方法有效降低了节点能耗,同时引入节点能耗参量并不会带来过大的传输时延,保证了用户业务的QoS。     

基于机器学习的MEC随机任务迁移算法

针对移动边缘计算（MEC）,提出了一种基于机器学习的随机任务迁移算法,通过将任务划分为可迁移组件和不可迁移组件,结合改进的Q学习和深度学习算法生成随机任务最优迁移策略,以最小化移动设备能耗与时延的加权和.仿真结果表明,该算法的时延与能耗加权和与移动设备本地执行算法相比节约了38.1%.