改进混合蛙跳优化的片上网络低功耗映射算法

随着片上网络集成度的提高,低功耗映射逐渐成为研究的热点.文中利用调整序思想,将混合蛙跳算法应用到片上网络低功耗映射问题中;同时对混合蛙跳算法进行改进,引入自适应混沌方法优化较差个体,采用多邻域退火策略优化较优个体.实验结果表明,相比于传统混合蛙跳算法和模拟退火混合蛙跳算法,改进混合蛙跳算法具有更优的搜索能力,从而能进一步降低通信功耗.     

无线自组织量子通信网络的Grover路由算法研究

介绍了无线量子通信网络的发展和无线量子通信网络中的路由算法.路由度量基于相邻节点间的纠缠量子对数目.结合Grover量子搜索算法,在限定跳数内搜索路由度量最大的路径作为目标解径,以避免量子信道因纠缠量子对的消耗而断开.路径搜索成功后,节点采用两端逼近的方法建立起量子信道,实现从源节点到目的节点的量子态的传递.采用Grover算法的路由搜索保证了成功率,降低了量子通信网络的网络计算量,使路由搜索快速收敛.     

类电磁优化的片上网络低功耗映射算法

针对基于2D Mesh结构的片上网络功耗优化问题,提出了一种类电磁优化的片上网络低功耗映射算法．该算法采用实数编码机制,将类电磁算法应用于求解离散问题．使用轮盘赌的选择机制进行种群初始化,提高初始化粒子的质量,从而提高算法效率;利用调整序的方法进行局部搜索,提高粒子在局部范围内的精细搜索能力;设计电荷计算公式求解合力,用阈值滤掉作用力甚微的粒子,提高搜索最优解的效率．实验表明:改进类电磁的映射算法与现有的遗传算法、蚁群算法相比,平均节能达20.35％和12.58％,有效地降低了片上网络通信能耗,并且能耗分布更加均匀,算法效率更高．     

一种网络编码的多播路由算法

提出一种基于网络编码的新多播路由算法,该算法借助Dijkstra约简网络搜索源节点到各接收节点的路径族,并在搜索过程中考虑不同路径族之间链路的共享,以降低带宽资源消耗,改善链路负载均衡,提高了网络性能．仿真验证了算法的有效性,而且其性能逼近基于网络编码的最小费用多播算法．最后,数学分析表明该算法节约了40％左右的计算量．     

基于广度优先搜索的虚拟网络映射算法

针对虚拟网络映射中的资源分配问题,通过建立节点资源度量模型,采用图的广度优先搜索遍历方法和节点同步遍历策略,依次将虚拟网络中相邻的虚拟节点映射到物理网络中邻接的物理顶点上,协调完成虚拟节点和虚拟链路的映射操作,降低虚拟链路的映射路径长度。仿真实验表明,提出的BFS-VNM算法有效地降低了虚拟链路扩张因子,提高了网络收益与开销比和虚拟网络请求接受率。     

基于负载均衡的M2M网络多径路由算法

针对现有多径路由算法中存在的路径间干扰问题,通过屏蔽干扰节点,建立非干扰路径。同时,为了均衡网络能量消耗,根据每条路径当前的性能指标值,对源节点流量负载进行合理分配,从而延长网络生存周期。仿真结果表明,基于负载均衡的多径路由(Z-LBMR)算法相对同类型的路由算法在分组投递率、平均端到端时延和网络生存周期方面都有明显改善。     

路径重链接的GRASP最优化无线自组织网络能耗

针对无线自组织网络的能耗和容错问题,提出了一种基于路径重链接的贪婪随机自适应搜索程序(GRASP)启发式算法.首先,通过构建双连通图使得任意2个连通的节点之间至少有2条通信路径,从而提高容错能力;然后,在双连通网络的基础上,利用对功率的操作进行局部搜索,找出功率分配的最优值,从而达到优化整个网络能耗的目的.在随机生成的非对称测试问题上的仿真实验结果表明,相比MST-aug算法和贪婪算法,提出的算法在欧氏实例中的总能耗分别降低了37.85%、5.39%,在随机实例中的总能耗分别降低了74.63%、3.15%,且明显降低了边干扰和节点干扰,适用于故障容错需求较高的无线自组织网络环境.     

UWB室内信道下一种低复杂度的TOA估计新算法

针对室内信道,提出一种基于UWB多径信号中最强路径检测的TOA估计算法．通过卷积运算进行最强路径搜索,进而完成TOA估计．TOA估计过程不依赖视距路径(line-of-sight path)检测,适合于NLOS(non line-of-sight)情形,且最强路径搜索避免了阈值设置过程,相比LP搜索计算复杂度低．通过对IEEE.802.15.4a标准下NLOS信道模型的仿真实验,讨论了各参数估计偏差对定位性能的影响,验证了本定位算法在室内多径信道下的适用性．     

一种基于多智能体强化学习的流量分配算法

传统的流量工程策略的研究大多集中在构建和求解数学模型方面,其计算复杂度过高,为此,提出了一种经验驱动的基于多智能体强化学习的流量分配算法.该算法无需求解复杂数学模型即可在预计算的路径上进行有效的流量分配,从而高效且充分地利用网络资源.算法在软件定义网络控制器上进行集中训练,且在训练完成后再接入交换机或者路由器上分布式执行,同时也避免和控制器的频繁交互.实验结果表明,相对于最短路径和等价多路径算法,新算法有效减少了网络的端到端时延,并且增大了网络吞吐量.     

用于容错片上网络的可工作性评估框架

针对片上网络良率分析过程忽略了诸如任务映射的结果与路由策略引入的通信约束等细节、不能准确地评估片上网络的实际工作情况的问题,提出"可工作性"概念和可工作性评估框架.该框架整合了良率、映射、路由3个模块和1个蒙特卡洛分析流程.通过仿真实验分析发现,不合适的映射算法与路由策略组合会使得可工作性比良率低80%以上;合适的映射算法与路由策略组合,能够保证可工作性与良率一致.使用这一框架,设计者能够评估片上网络芯片的可工作性,与良率评估相比,可工作性更接近片上网络的实际工作情况,因此更具有实际意义.     

面向无人机航迹规划的自适应乌贼算法

面向无人机在线/离线航迹规划应用,针对传统乌贼算法的长时搜索局域化及精度变差问题,提出了一种联合修正的自适应乌贼路径搜索算法.首先,提出联合混沌扰动与变异学习的混合调节机制来扩充乌贼搜索深度,以提高搜索精度;然后,引入自适应权重机制来减小乌贼搜索范围,以提高搜索效率;同时引入适应度自动筛选机制来改善乌贼种群多样性,以防止陷入局部最优.通过6个基准函数测试验证了所提算法的有效性与先进性,最后对所提算法进行不同场景下的航迹规划仿真验证.针对离线航迹规划,所提算法规划航迹成功率高达100%,规划航迹最接近全局最优,其航程均值相比传统乌贼算法可缩减7.3 units,比粒子群算法缩减可达28.3 units.仿真结果表明:所提算法全局规划性能和搜索精度显著增强,同时随着场景复杂度的提高,其航迹优化效果更加显著;针对在线航迹规划,首先将全局路径规划问题转化为若干个航迹分段的规划,然后引入启发式方法确定分段节点.仿真结果显示所提算法满足实时性要求,规划航迹精度高,进一步验证了所提算法的有效性.     

基于遗传算法的片上网络缓冲分配算法

针对片上网络有限的缓冲资源,提出了一种缓冲分配算法．该算法首先通过分析模型估算出路由器每个输入通道的负载大小,随后根据输入通道的负载分布情况采用遗传算法来实现缓冲资源的分配. 实验结果表明,在均匀随机流量下,与均匀分配算法和贪婪分配算法相比,新算法能获得更小的网络数据包延时,并可节省约333%的缓冲资源.     

一种资源占用最小的并行LSPs流量分配算法

提出了一种资源占用最小的并行标签交换路径(LSPs)流量分配算法。该算法根据LSP(label switch paths)的跳数和时延来进行自适应流量分配,避免了传统基于最短路径路由流量分配算法引起的网络拥塞。仿真表明,该算法经过约15次迭代就可以收敛到预定的阈值,实现多协议交换网络资源的优化利用。     

一种低能耗的片上网络映射算法

对于满足带宽约束的低能耗片上网络映射问题,提出一种基于灾变遗传退火的映射算法.该算法以标准遗传算法为基础,引入Boltzmann选择方法,对遗传操作后的较优个体采用多邻域的模拟退火操作进行优化,对处于停滞状态的种群使用灾变操作重新初始化部分较差个体,跳出局部极值.实验结果表明:与标准遗传算法相比,该算法具有优化性能好,收敛速度快的优点,映射结果比混沌遗传算法平均节能21.7%,有效地降低了片上网络系统通信能耗.     

基于人工蜂群算法的低能耗高性能NoC映射

针对网格型拓扑网络中心容易产生热点及高能耗问题,通过分析片上网络(NoC)结构,建立低能耗高性能多目标映射模型,提出了基于人工蜂群的IP核映射算法进行多目标求解．该算法通过模拟不同蜜蜂的操作以分别获取低能耗和流量均衡的映射解集,并采用交集选优策略完成最优映射的选取．仿真结果表明,相比现有算法,提出的映射算法不仅可以快速完成IP核到网络节点的映射,而且产生的映射结果在能耗、时延和流量均衡方面具有优势．     

自适应混沌遗传退火的片上网络映射

针对带宽和时延约束的低能耗片上网络（NoC）映射问题,提出了一种自适应的混沌遗传退火映射算法. 该算法利用Boltzmann更新机制选择遗传个体,引入自适应混沌方法优化适应度较差个体,采用多邻域的退火策略优化较优个体. 实验结果表明,所提算法有效地避免了早熟收敛,提高了算法收敛速度,与标准遗传算法和混沌遗传算法相比,平均节能分别为45%和226%,有效地降低了NoC系统通信能耗.     

电力通信业务路由分配算法

针对电力通信网中重要通信业务集中于少数几条路径,提出了业务风险均衡K-shortest path算法.建立了电力通信节点、通道段风险度模型,并在此基础上提出了业务通道风险均衡度评价模型;采用改进的Dijkstra算法搜索K-shortest path作为候选路径,并基于最大最小模型进行风险均衡路由决策;通过仿真实验评价了业务风险均衡K-shortest path算法与已有算法的性能差异,验证了新算法的有效性.     

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。     

Multi-robot task allocation for exploration

The problem of allocating a number of exploration tasks to a team of mobile robots in dynamic environments was studied. The team mission is to visit several distributed targets. The path cost of target is proportional to the distance that a robot has to move to visit the target. The team objective is to minimize the average path cost of target over all targets. Finding an optimal allocation is strongly NP-hard. The proposed algorithm can produce a near-optimal solution to it. The allocation can be cast in terms of a multi-round single-item auction by which robots bid on targets. In each auction round, one target is assigned to a robot that produces the lowest path cost of the target. The allocated targets form a forest where each tree corresponds a robot＇s exploring targets set. Each robot constructs an exploring path through depth-first search in its target tree. The time complexity of the proposed algorithm is polynomial. Simulation experiments show that the allocating method is valid.