基于离散粒子群算法的数据中心网络流量调度研究

数据中心网络利用多个并行路径为集群计算等网络服务提供高对分带宽.然而,现有的流量调度算法可能会引起链路负载不均衡,核心交换机冲突加剧,造成网络总体性能降低.本文将流调度问题转化成0-K背包问题求解,提出基于离散粒子群的流调度算法DPSOFS（Discrete Particle Swarm Optimization Flow Scheduling）.该算法根据Fat-Tree结构特点定义了粒子速度、位置和运算规则,以两次迭代冲突流个数差值作为目标函数,并限定路径搜索范围,减少随机搜索的盲目性.仿真实验验证了该算法对减少流冲突快速有效,能提高网络对分带宽.     

WSN中一种基于网络效益最大化的数据收集方案

数据收集问题是无线传感网中的研究热点之一。针对现有的数据收集方法能耗过大以及数据收集精度低下的问题,提出一种基于网络效益最大化的数据收集方案。首先基于压缩采样得到各个节点感知数据的测量值,然后在融合节点处采用随机高斯矩阵对测量值进行编码后传输,最后将编码后的测量值传输问题建模为网络效益最大化问题,并利用拉格朗日乘数法得到近似最优解。仿真实验结果表明,该方法是有效的,在数据重构精度以及网络生命周期等方面都要优于传统的方法。