基于效用理论的异构无线网络选择

在未来的异构无线网络环境中,为满足数据业务的需求,移动用户总希望能够接入最适合的网络。针对将实际测量的指标值归一化后作为决策值中存在的问题,提出了将效用理论应用到多指标算法中,设计了指标在不同业务、终端状态、用户类型下的效用函数,并用指标效用替代归一化测量值作为决策值计算备选网络的总效用,最后根据总效用值的比较来选择最优网络。仿真表明,此算法能够更好地反映用户的需求,帮助用户选择适合的网络。     

基于决策概率的接入网选择

为了指导移动用户在B3G的异构系统中选择一个最优的无线网络接入,提出了基于决策概率的接入网络选择算法。该决策概率综合考虑了网络服务质量(QoS)的满意度、网络的收费价格和用户与网络间的相对链路质量。在NS2仿真平台下,搭建了UMTS和802.11e的异构仿真环境并模拟了用户依据决策概率所进行的网络选择行为。仿真表明,通过所提出的算法,终端能够选择到满意的网络进行接入。     

异构无线网络接入策略的比较研究

针对目前异构无线网络接入选择算法种类繁多并且功能各异的情况,为了解决异构无线网络中移动终端在任何时间、任何地点进行最优网络接入的问题,该文首先简单介绍了异构无线网络,其次根据优化目标的不同将异构无线网络接入选择算法分为基于决策因素的接入选择算法和基于数学模型的接入选择算法两类,最后分析了目前国内外异构无线网络接入选择算法的研究情况,对现有的异构无线网络接入选择算法在业务类型、用户策略以及网络安全性等方面进行了分析。为选择合适的异构无线网络选择算法提供了有效的依据及借鉴意义。     

基于D−S证据理论的异构无线网络接入选择算法

对异构无线网络中无线资源管理和接入选择进行研究,提出一种基于D?S证据理论的异构无线网络接入选择算法。针对接入判决所需参数具有时变性和不确定性的特点,结合能够有效反映候选网络负载状况的效用函数,建立基于D?S证据理论的接入效用评估模型,得到各候选网络的综合接入效用值。仿真结果表明,该算法具有复杂度低(一般性)的特点,在保证不同业务服务质量(QoS)需求的前提下能够动态调整各候选网络的负载情况,从而有效降低整个系统的呼叫阻塞率。     

一种多属性决策的异构网络选择算法

针对异构网络融合环境下的网络选择不能仅依靠物理信号强度的特点,利用多属性决策理论提出了一种异构网络选择算法。该算法考虑业务要求、用户喜好以及网络差异,通过层次分析法和熵值法确定网络属性的权重,并由此计算可得网络性能,选出最优网络。仿真结果表明,此算法可以准确选择接入网络,并当用户在网络边缘做兵乓运动时有效减小切换次数,降低丢包率。     

基于动态多目标决策的异构环境QoS策略

在未来的移动通信网络中,多种异构的接入网络并存将成为普遍的情况,因此需要根据接入网络与终端当前状况及当前业务需求,动态地为用户提供最佳接入网络选择。提出了一种基于动态信息多目标决策的异构网络选择算法,通过综合考虑以上信息,保证了用户的QoS需求。     

基于多网并行传输技术的海上异构网络接入算法

针对海上异构无线网络中网络接入选择算法存在干扰环境适应性不强、单网传输效率低、业务完成率低的问题,提出了一种基于多网并行传输的海上异构网络接入选择算法。该算法在满足多属性决策的基础上,采用效用函数对网络属性值进行数值标准化,再采用改进的逼近理想值排序(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)法计算出备选接入网络方案的排序,最后选择排序靠前的网络进行接入。仿真结果表明该算法相对于传统TOPSIS算法和模拟人工切换算法能有效降低接入成本,改善用户服务质量,提高业务完成率。     

基于主客观权重的异构网络选择算法

为解决在异构网络环境选择最佳的接入网络问题,提出一种结合综合赋权的异构网络选择算法。在用户端采用层次分析法判断用户偏好,在网络端采用基于指标相关性的客观赋权法判断网络客观状态,并结合基于离差极小化的综合赋权法得到最终权重,同时运用理想值近似排序法进行网络排序,接入最佳网络。基于Matlab的仿真结果表明,该方法能根据不同业务结合网络性能及用户需求选择最佳的接入网络,减少了频繁切换,提高了网络选择结果的合理性与有效性。     

异构无线网络中基于权重平衡的接入选择算法

下一代异构无线网络中,用户业务需求将会更加多样化。针对目前网络接入算法在确定判决属性权重时存在片面性问题,文章提出了一种基于权重平衡的接入选择算法,首先利用改进的层次分析法获取判决属性的主观权重,同时通过熵值法获取属性的客观权重,然后对主客观权重进行平衡处理,最后将得到的综合权重通过简单加权法对各网络进行综合评价以及确定目标接入网络。仿真结果表明,该算法能在满足用户业务需求的基础上,准确地接入最优网络,同时减小“乒乓效应”带来的影响,提高了网络的性能。     

基于移动终端业务的多接入网络选择算法

本文提出了一种基于移动终端业务的多接入网络选择算法,该算法将网络选择的单位从终端转向业务,并通过如下三个步骤为业务确定一个最优接入网络集合：首先,通过充分考虑业务的实际QoS需求以及终端速度的影响,确定各决策因素的权重;其次,通过效用函数模型确定各接入网络的效用函数矩阵;最后,通过最优接入网络集确定适合业务传输的最优接入网络组合。仿真结果表明：本文提出的新算法能根据终端移动速度及业务需求为业务选择最优网络组合,同时能大幅度提高终端网络的吞吐量。     

基于混合优化算法的纳米薄膜参数表征

为了在椭圆偏振测量过程中得到精确的纳米薄膜参数,提出了一种求解纳米薄膜参数的混合优化算法。结合人工神经网络算法反向传播和粒子群算法快速寻优的特点,建立了改进粒子群-神经网络(Improved Particle Swarm Optimization-Neural Network,IPSO-NN)混合优化算法。该算法在较少的迭代次数下具有快速跳出局部最优解的能力,从而快速寻找椭偏方程最优解。文中使用该算法对标称值为(26.7±0.4)nm的硅上二氧化硅纳米薄膜厚度标准样片进行薄膜参数计算。结果表明:采用IPSO-NN混合优化算法计算薄膜厚度时相对误差小于2%,折射率误差小于0.1。同时,文中通过实验对比了传统粒子群算法与IPSO-NN算法,验证了IPSO-NN算法计算薄膜参数时能有效优化迭代次数和寻找最优解的过程,实现快速收敛,提高计算效率。     

基于群智能算法的神经网络建模研究

针对神经网络建模过程中不合理的权值选取,使训练陷入局部最优解而得不到全局最优解这一问题。采用群智能算法得出全局最优解,并且利用检验样本达到最低点时的权值与阈值正确建立神经网络模型。结果表明,网络模型的评价参数表现良好,其中预测精度与相关系数分别为97.55%和96.2%。从而证明了基于群智能算法的神经网络,在遵循建模条件情况下能够保证取得全局最优解,建立的模型性能良好,具有一定的理论与市场应用价值。     

基于局域信息和能量因素的WSN关键点判定算法

In the existing key node decision methods for wireless sensor network,the judgment index was so single that the result judged was deficient.In order to solve this problem,a new key node decision algorithm(KNDA)based on local information and energy factor was proposed.Firstly,the local information model based on the degree and neighbor information of node was established.Secondly,according to the residual energy of node and the change of network energy consumption after the node failed,the models of energy factors were established.Finally,an aggregative key node decision model was formed.Extensive simulation experiments were carried out in the MATLAB simulation platform,by comparing with other algorithms,the results verify that the key nodes obtained by this algorithm are more sufficient.Meanwhile when the key nodes judged by KNDA are protected,the network can show strong invulnerability.     

A joint sensing and transmission power control policy for RF energy harvesting cognitive radio networks

We consider a radio frequency energy harvesting cognitive radio network in which a secondary user (SU) can opportunistically access channel to transmit packets or harvest radio frequency energy when the channel is idle or occupied by a primary user. The channel occupancy state and the channel fading state are both modeled as finite state Markov chains. At the beginning of each time slot, the SU should determine whether to harvest energy for future use or sense the primary channel to acquire the current channel occupancy state. It then needs to select an appropriate transmission power to execute the packet transmission or harvest energy if the channel is detected to be idle or busy, respectively. This sequential decision‐making, done to maximize the SU's expected throughput, requires to design a joint spectrum sensing and transmission power control policy based on the amount of stored energy, the retransmission index, and the belief on the channel state. We formulate this as a partially observable Markov decision process and use a computationally tractable point‐based value iteration algorithm. Section 5 illustrate the significant outperformance of the proposed optimal policy compared with the optimal fixed‐power policy and the greedy fixed‐power policy.     

基于小波变换的网络流量异常监测仿真实验

为有效定位识别和提取网络流量序列的暂态性异常特征,针对网络异常流量特征扰动性和暂态性特点,提出一种基于小波分解的二叉分类回归决策树主分量特征优化跟踪特征提取算法。利用训练集建立决策树模型,采用二叉分类回归决策树模型进行主分量特征优化跟踪建模,利用双正交提升小波分解得到的各层细节信号对暂态性扰动特征的敏感性,通过小波分解得到各层细节信号,将提取的小波分层细节信号的奇异值分解特征再返回到决策树主分量特征优化跟踪模型中,实现网络流量异常特征的定位提取和识别。仿真实验表明,改进算法的抗干扰能力和分辨率提高显著,暂态性异常特征谱图分辨能力提高,异常特征分布谱清晰可见,展示了较好的特征提取和状态识别性能。     

基于混合CS的WSN六边形格状优化分簇路由算法研究

建立基于混合CS的六边形格状WSN分簇模型,定量分析网络数据传输次数与数据压缩比例和分簇大小的关系,并求解最优网络分簇个数。提出基于混合CS的WSN六边形格状优化分簇路由算法,均衡网络通信开销的同时减少数据传输次数。通过仿真实验验证所提出的优化分簇模型与算法优于传统分簇模型,能有效降低网络数据传输次数。建立基于混合CS的六边形格状WSN分簇模型,定量分析网络数据传输次数与数据压缩比例和分簇大小的关系,并求解最优网络分簇个数。提出基于混合CS的WSN六边形格状优化分簇路由算法,均衡网络通信开销的同时减少数据传输次数。通过仿真实验验证所提出的优化分簇模型与算法优于传统分簇模型,能有效降低网络数据传输次数。     

异构网络中多网络并行传输的网络选择算法

为了充分利用异构网络中的无线资源,提出了一种基于多网络并行传输的异构网络接入选择算法,该算法根据终端接收信号功率确定能够进行通信的无线网络,以这些无线网络的任意非空子集作为候选方案,计算各个方案对应的聚合属性,再根据吞吐量和功耗阈值条件限定候选网络方案,对这些方案建立多属性决策矩阵,采用基于用户偏好的逼近理想值排序法(TOPSIS)得到各个候选网络方案的效用函数值,从中选出与理想方案最接近的多网络接入方案。仿真结果表明该算法能有效改善用户服务质量,提高用户吞吐量,降低用户的单位吞吐量对应的功耗和费用,保证网络的负载均衡。      

一个自组网中基于局部状态位置已知的分布式QoS路由算法

在分析自组网的单播QoS路由问题的基础上，提出了一种位置信息已知的利用局部状态信息进行路由选择的的分布式QoS路由算法——LILAGR算法。LILAGR路由算法的基本思想是逐段优化费用和尽快到达目的节点，即在决定节点之间是选择带宽约束费用最小的路径而各个决定节点则是按照贪婪地尽快到达目的节点的原则进行选择。仿真结果表明：LILAGR算法能够以适度的路由消息开销取得较高的路由成功率。此外，LILAGR算法具有可扩展性，可以应用于较大规模的自组网中。     

A Heterogeneous Network Access Selection Algorithm Based on Attribute Dependence

In order to solve the problem which fails to consider the degree of attribute dependence in current network access selection schemes, a novel heterogeneous network access selection scheme based on attribute dependence is proposed in this paper. The scheme translates the network access selection problem into the problem of multi-attribute decision making based on attribute dependence and solves it using the chaotic glowworm swarm based algorithm. First, the degree of attribute dependence is measured and the access selection model is established based on the degree of attribute dependence. Then, the chaotic glowworm swarm based algorithm is used to solve the optimal weight in the model. Finally, the user accesses the network with the best performance based on the access selection model. The simulation results demonstrate the improved performance of the proposed access selection scheme compared with other schemes. The proposed scheme can reduce blocking and handoff dropping rate, as well as the number of handoff. Moreover, the proposed scheme achieves the load balance of each network.     

Heterogeneous wireless network selection algorithm based on group decision

In the environment of heterogeneous wireless networks, it is vital to select a currently optimal network for applications and subscribers. The use of multiple attribute decision making （MADM） for heterogeneous network selection can provide subscribers with satisfactory service quality. Converting heterogeneous network selection into a MADM problem, the authors present an improved algorithm for MADM based on group decision theory. The algorithm combines weight vectors of multiple attribute decision making to obtain a combinational weight vector. Then the results＇ compatibility will be assessed. If they do not meet the requirements of compatibility, the judgment matrix will be modified until a comprehensive vector that satisfies compatibility requirements is produced. The vector is combined with simple weighting method （SAW） for network selection. Simulation shows that the algorithm can provide users with satisfactory quality of service （QoS）.