基于容量的相对最小影响资源分配算法

在对现有的波长资源分配算法进行了研究和分析的基础上,提出了一种基于容量的相对最小影响波长资源分配算法.该算法通过定义基于容量的影响因子,分析受当前波长分配影响之后各路径在各波长上的可用信道数,更为精确地描述了当前分配波长对于受影响路径的路径容量产生的影响.仿真结果表明,新的算法降低了网络阻塞率,提高了网络资源利用率.     

区分业务的混合网络资源优化方法

为了实现混合网络资源的最大利用,以IP/GMPLS over WDM网络为例,提出了一种区分业务的混合网络资源优化方法.该方法通过不给多跳低等级业务提供光路级保护,以及当承载LSP业务的工作光路故障无关的情况下保护光路共享波长资源的方式,有效降低了光路的建立数以及所需的波长数,在最大程度上提高了网络资源的利用率,降低了网络的整体开销.最后建立了整数线性规划模型,并通过该模型验证了方法的有效性.     

基于链路故障的MANET本地修复技术

针对已有移动自组网本地修复技术的不足,以AODV路由协议的本地修复技术为基础,考虑网络节点状态的变化,提出一种基于链路故障的本地修复技术,对链路故障进行分类,对不同类型的故障采取不同的修复方法。仿真结果表明,改进的本地修复技术可以有效减少路由建立时间并控制分组开销,提高了网络性能。     

多域光网络控制平面互通技术的解决方案

为了提供跨越多域的动态的端到端的业务,对多域光网络控制平面的互通技术进行了研究。根据国际标准化组织的研究,分析了多域光网络控制平面互通技术的研究现状,并介绍了多域光网络的控制平面的分类方法及控制平面互通的需求分析。最后结合控制平面互通的需求分析,给出了几种互通技术的解决方案。分析结果表明,这些方案可以实现不同网络域的控制平面的互通操作。     

一种基于故障的ATM over SDH网的生存性机制

本文在充分分析了ATM over SDH网在生存性方面所面临的各种问题的基础上，结合ATM over SDH网特有的网络结构，在这种多层网的恢复方案中，针对网状网结构提出了一种基于故障的生成性机制，即在不同的故障情况下采取不同的恢复／保护措施，从而满足网络对生存性的要求。     

基于多业务QoS服务的拓扑控制算法研究

随着无线网络技术的不断发展,无线Ad hoc网络中,快速变化的网络拓扑影响着网络的性能。因此,在实现网络能量优化的前提下,如何提供有效的QoS服务来满足多业务要求是无线Ad hoc网络所必须面对的问题。针对此问题,提出了一种基于多业务需求的拓扑控制的方法,该方法考虑业务QoS指标的同时引入跨层的设计思想,实现了跨层的功率控制,减少了网络中节点的能量消耗,延长了网络的生命周期。     

蜂窝网络下设备到设备通信中的联合资源优化

在蜂窝与设备到设备通信混合网络下,把设备到设备通信的系统吞吐量作为优化目标,同时考虑设备到设备链路和蜂窝链路的服务质量,提出了一种联合功率控制和信道分配的优化方案. 在该方案中,信道分配部分采用粒子群优化算法,并在功率控制部分的帮助下来为设备到设备链路分配最优的复用信道;功率控制部分针对信道分配部分给定的信道分配,通过优化链路发射功率来最大化系统吞吐量. 仿真结果表明,所提联合优化方案权衡了系统吞吐量和接入链路数性能之间的折中关系,在保证所有接入链路服务质量的前提下提升了系统整体性能.     

基于惩罚因子的多约束剪枝QoS路由算法

为满足新一代互联网上各业务的服务质量( QoS)要求,设计一种多约束剪枝QoS路由算法PF-MCP,采用剪枝算法思想,综合考虑带宽、时延和抖动多重QoS约束,引入惩罚因子进行综合评价找出多条有效路径并从中选取最优路径。采用固定和随机网络层拓扑进行仿真实验,结果表明,与合成优先权值路由算法相比,PF-MCP算法在QoS满意度、服务节点计算能力及时间复杂度方面性能较优,具有路由运算量小、网络恢复能力强及选取的最优路径可信性高的特点,并且在覆盖网QoS路由方面适用范围广。     

一种改进AVQ的主动队列算法

在讨论了各种算法的基础上，分析和比较了现有的几种主动队列管理算法：随机早期检测算法（RED），自适应RED算法（ARED），自适应虚拟队列（AVQ）算法，动态阈值（DT）算法以及队列长度阈值（QLT）的分组调度算法等，并对AVQ算法进行了改进，将原算法维持单个虚拟队列改为维持多个虚拟队列，从而使其在原性能的基础上增加了区分服务的功能，以达到适应下一代网络发展的需要。     

基于k-近邻域中心偏移的鲁棒性异常检测算法

针对大多数基于距离和密度的异常检测算法敏感于近邻参数k的问题,提出了一种鲁棒性异常检测标准——k-近邻域中心偏移异常因子(COOF).数据结点的k-近邻域中心位置会随着近邻参数k的变化而发生迁移,鉴于异常结点要比正常结点对k-近邻域中心位置偏移量的影响更大,通过累加因递增k而产生的偏移量来表征数据结点的异常程度,并在COOF基础上实现了鲁棒性的异常检测算法.通过综合数据和真实数据的实验仿真可知,COOF不仅对近邻参数k具有鲁棒性,而且相比基于距离的k最近邻算法、基于局部距离的异常因子和基于密度的局部异常因子具有更稳定且更准确的异常检测性能.