一种智能多路径路由及子流分配协同算法

传统单一路径的传输机制难以满足当前以智慧城市为代表的新一代应用对时延、丢包率等网络性能的要求,而现有多路径传输机制在路由算法及子流分配等方面不能根据网络实时状态调整且互相缺乏协同。引入强化学习理论并结合软件定义网络,提出多路径路由及子流分配协同算法。基于Q-learning设计多路径路由算法,并从策略协同角度对其进行改进,实现路由与子流分配的相互协同。在此基础上,通过Q-value的回环消除方法保证路由准确性并提高算法收敛速度。实验结果表明,该算法在网络负载动态变化过程中能实时调整最佳的多路径路由及子流分配协同策略,提高了传输成功率。     

基于在线排队模型的信道优化分配研究

针对认知无线电中信道资源短缺和信道资源分配不合理的现状,提出一种线星型网络信道质量评估和信道资源优化分配算法。该算法产生一组以可靠性为准的排队序列和权重分配方法,作为簇头和网关处信道资源的分配基础。由于同一层簇头节点对信道的评判能力差、感知能力弱,利用网关节点合作感知以在线排队模型与最优融合准则,实现对信道资源分配。此外,引入遗传算法,结合其基础原理,运用变异和重组的方法对网关节点处形成的专家意见权重进行调节,实现信道资源优化分配。利用MATLAB软件进行仿真,实验结果表明利用该算法对信道的优化分配具有一定的优越性。     

基于强化蚁群算法的高层住宅电梯群调度研究

在电梯群调度系统研究中,蚁群算法应用较为广泛,但仍存在迭代次数多、收敛速度慢等问题,同时高层建筑电梯鲜有优化调度.针对上述问题,提出一种将强化学习和蚁群算法相结合的高层电梯群控调度方法:建立以用户乘梯体验和系统运行能耗的多目标函数优化调度模型,用Q-learning迭代寻优后的Q值初始化蚁群算法的信息素,同时也将Q值引...