基于深度强化学习的卫星光网络波长路由算法

针对由卫星光网络拓扑动态变化、业务多样化和负载不均引起的路由收敛慢和波长利用率低的问题, 提出了一种基于深度强化学习的卫星光网络波长路由分配方法。基于软件定义中轨/低轨(medium earth orbit/low earth orbit, MEO/LEO)双层卫星网络架构, 利用深度强化学习算法动态感知网络当前的业务负载和链路状况, 构造基于时延、波长利用率和丢包率的奖励函数进行选路决策。为了解决单跳链路对整个光路的影响, 引入链路瓶颈因子, 搜索符合服务质量(quality of service, QoS)约束的最优路径。研究结果表明, 与传统卫星网络分布式路由(satellite network distributed routing algorithm, SDRA)算法和Q-routing算法相比, 所提算法降低了网络的时延、丢包率, 提高了波长利用率, 同时也降低了高优先级业务的阻塞率。     

WDM光网络仿真系统的数学建模与设计

根据WDM光网络系统中光网络结构优化设计以及有限网络资源条件下光网络性能分析与优化的仿真要求,建立了用于实现WDM光网络仿真系统计算机模拟的数学模型,该模型能够体现WDM光网络系统组成原理、系统结构、系统参数等方面的不同。此外,考虑到WDM光网络仿真系统的用途、仿真的层次、仿真系统的运行条件以及仿真结果的表现方法的不同,对WDM光网络仿真系统的功能进行了分析,并实现了系统的设计。最后,对该仿真系统的优越性和创新点进行了总结。     

基于深度强化学习的网络路由优化方法

针对同一网络拓扑下不同网络负载的路由优化问题, 在深度强化学习方法的基础上, 提出了两种依据当前网络流量状态进行路由分配的优化方法。通过网络仿真系统与深度强化学习模型的迭代交互, 实现了对于流量关系分布的网络路由持续训练与优化。在利用深度确定性策略梯度(deep deterministec policy gradient, DDPG)算法解决路由优化问题上进行了提升和改进, 使得该优化方法更适合解决网络路由优化的问题。同时, 设计了一种全新的链路权重构造策略, 利用网络流量构造出用于神经网络输入状态元素, 通过对原始数据的预处理加强了神经网络的学习效率, 大大提升了训练模型的稳定性。并针对高纬度大规模网络的连续动作空间进行了动作空间离散化处理, 有效降低了其动作空间的复杂度, 加快了模型收敛速度。实验结果表明, 所提优化方法可以适应不断变化的流量和链路状态, 增强模型训练的稳定性并提升网络性能。     

一种基于蚁群的机会网络多目标路由算法

机会网络是一种由移动对等通信节点组成、节点具有消息存储能力、节点间接触随机出现的网络.现有的机会网络路由协议绝大多数仅考虑针对单个路由目标进行路由决策,不能很好的适应上层应用需求或环境的变化,同时难以提高路由协议的综合性能.面向可加性可乘性,极值性三种类型的路由目标,通过运用多目标决策理论及蚁群算法,给出了一种机会网络中多目标路由算法Multiple Objective Decision Making ruting,MODM).该算法中路由决策取决于多项路由指标,能够为不同的应用需求或环境提供不同的路由服务,提高了机会网络下路由算法的综合性能.实验结果表明该算法能够根据不同的需求对多个路由目标进行优化,与传染病、First Contact等机会网络路由算法相比拥有较好的综合性能.     

弹性光网络中路由与频谱分配算法综述

弹性光网络(elastic optical networks, EONs)作为下一代极具潜力的光网络近年来受到广泛关注, 其中路由与频谱分配(routing and spectrum allocation, RSA)是实现网络设计和控制的核心技术之一。本文系统分析了EONs的概念内涵, 对RSA这一关键问题进行了详细描述, 从静态和动态角度出发, 以不同特性的算法框架为基础, 依照精确算法、智能优化算法、启发式算法以及学习型算法4个大类对RSA算法的国内外研究现状进行了总结剖析。结合EONs的未来应用需求, 阐述了该领域所面临的问题与挑战, 展望了RSA算法的发展趋势。     

无人机自组网中基于蚁群优化的多态感知路由算法

无人机自组织网络具有节点移动性强、网络拓扑变化快、数据交互频繁、应用环境复杂等特点, 采用传统的路由算法会使该网络在传输延时、丢包率、路由开销等方面性能均较差, 以至于无法为多无人机协同执行任务提供有效的通信保障。为了解决该问题, 提出一种基于蚁群优化的多态感知路由(ant colony optimization based polymorphism-aware routing, APAR)算法。该算法将蚁群算法与动态源路由算法相结合, 通过感知路径长度、路径拥塞度和路径稳定性, 计算出由路由发现过程得到路径的信息素水平, 并将其作为选路标准, 经过改进的信息素挥发机制也被引入该算法。同时, 根据无人机编队的变化做出合适的调整, 以保证其网络性能不下降。仿真结果表明, 与其他经典算法相比, APAR算法提高了数据包成功传输率, 降低了平均端到端延时, 减少了路由开销, 且在战场环境下有较高的可靠性。     

组播核心结点选择算法及仿真分析

核心结点的选择对组播共享树的形状和路由的性能有重要影响。通过建立组播网络的抽象模型,分析相邻结点之间偏心距的关系,提出了一种适用于大规模网络拓扑的中心结点选择算法,偏心距减小(EccentricityDecreaseAlgorithm,简称EDA)算法。利用VC 语言制作的仿真测试平台,对EDA算法和穷举算法进行了仿真分析。仿真结果表明:EDA算法能够选择出拓扑图的中心结点,在CPU运行时间上优于穷举算法。     

WSN中基于跨层策略的低能耗/高可靠通信问题研究

可靠通信、低能耗是无线传感器网络的热点研究性能指标.为了提升网络的整体性能,首先在物理层、路由层上分别提出功率反馈控制算法与一种路由量度;其次分析了上述两种性能指标内在的矛盾,并在此基础之上设计一种以可靠通信为前提,节约能量的跨层优化算法.研究结果发现,现有的跨层优化算法可以在一定程度上提升网络性能,但是存在局限性;从性能指标内在矛盾出发,合理设计算法才可以在众多矛盾之中找到最优解.     

LLN中基于环路避免的高效路由修复算法

针对低功耗有损网络(low power and lossy networks, LLN)中现有路由修复算法存在控制开销冗余、修复时延较大和路由环路等问题,提出一种LLN中基于环路避免的高效路由修复算法(highly-efficient loop-free based repair routing protocol for LLN,HLR-RPL)。该算法提出了3个优化思路:首先,采用一种修正后的面向目的地的有向无循环图(destination oriented directed acyclic graph, DODAG)信息请求消息(DODAG information solicitation amend, DIS-A),使得链路中断通告过程和寻路过程同时进行;其次,提出一种减少控制消息回复机制,避免所有接收到DIS-A消息的节点均回复DODAG信息对象消息;最后,提出一种链路中断节点的子节点切换机制,从而优化了网络拓扑。仿真结果表明,HLR-RPL算法在控制开销和路由修复时延等性能方面优于现有的路由修复算法,且能够彻底避免路由环路的产生。     

网络模拟器中分层路由协议的问题及改进

网络模拟被广泛地应用在网络研究领域,以测试和评价网络协议的性能。在目前被广泛使用的网络模拟器ns中,分层路由协议只能静态地计算路由,而不能在模拟的过程中动态适应网络拓扑的变化。本文首先深入分析了ns分层路由协议实现中的不足,然后介绍了一个经典的分层动态路由协议,给出了其在ns中的实现框架和细节,最后是模拟结果和性能分析。     

基于蚁群优化算法的0-1背包问题求解

蚁群优化算法在求解旅行商问题、指派问题、Job-shop调度问题和网络路由问题等获得了极大的成功．将蚁群优化算法应用于0—1背包问题，首先将0—1背包问题表示成相应的构造图，并针对该图设计了两个状态转移公式，蚂蚁根据这两个状态转移公式在带权图中移动直到死亡．此时，蚂蚁所走过的路径即构成背包问题的一个可行解．仿真实验对该算法的参数进行了讨论，再与遗传算法进行比较，结果显示该算法具有较高的性能．     

基于遗传算法的ATM网络中VCC路由选择方法

针对遗传算法强大的全局寻优和并行处理能力 ,提出了一种改进的遗传算法调度ATM网络动态路由的新算法。综述了使用遗传算法进行通信网络节点选择的问题 ,指出了原有算法进行遗传算法优化时存在的不足 ,并提出一种新的基于动态惩罚的解决策略 ,其思想是在进化的过程中 ,逐渐减小对可行解惩罚的力度 ,使网络向可行解逼近。通过简单模型的仿真 ,验证了动态惩罚策略的可行性和有效性。     

基于SDN的卫星网络多QoS目标优化路由算法

针对传统卫星网络中业务类型多样化导致的网络配置复杂和业务服务质量(quality of service, QoS)无法得到有效保障的问题,研究了基于软件定义网络(software-defined networking, SDN)的卫星网络架构,提出了一种能够满足多种QoS需求的自适应路由算法。首先,建立了软件定义卫星网络多约束条件路由选择优化模型；然后，使用拉格朗日松弛法对模型进行松弛处理；最后，使用梯度法进行迭代求解,搜索出满足带宽、时延、丢包率等多种QoS的最优路径。研究结果表明,该优化算法在QoS满意度方面相比近地轨道卫星路由算法提高了64%,在时延满意度和丢包率满意度方面相比软件定义路由算法提高了28%。     

考虑模糊不确定的地铁货运系统成网布局规划

为解决不确定条件下依托地铁开展城市地下物流的网络设计与优化问题,提出双层地铁-货运系统(metro-based underground logistics system,M-ULS)设施构成,建立地下货运环境效益期望下的M-ULS网络流量配置模型,以综合成本和系统利用率为目标,构建M-ULS网络选址-分配-路径模糊随机规划模型并提出其线性精确化方法,设计离散二进制混沌遗传粒子群算法和精确算法进行组合寻优。结果表明：与确定性情景相比,模糊随机情景下的M-ULS最佳布局方案更加保守,地下物流的环境外部效益可以抵消10%~12%的网络建设运营成本。     

一种能量均衡的无线传感网络生命期优化算法

针对传统路由算法在无线传感器网络中的不足,选取能耗小、节点剩余能量多的路由以均衡网络能耗并最大化网络生命期。通过构造目标优化度评价函数,以达到网络路由能量均衡最优化的目的。算法通过调整各目标优化度函数的取值范围,以满足业务对能耗和剩余能量的不同要求。最后的仿真结果显示,与传统的路由算法相比,本算法在网络生命期、能量均衡分布及总体能耗等方面具有明显优势。     

无人机集群网电攻击行动协同目标分配建模

以一体化综合防空系统中的雷达为作战对象,从体系对抗的高度研究了无人机集群网电攻击行动协同目标分配的思路与方法,并以目标重分配规则与有人机/无人机协同规则为重点构建了基于协同目标分配规则的协同目标分配模型。然后研究了基于智能优化算法的协同目标分配模型求解方法,运用混合离散粒子群优化算法模拟有人机目标分配,运用基于协议规则算法模拟无人机目标分配。最后进行了仿真实验测试,实验结果证明了协同目标分配模型的有效性,并反映了集群自组网状态对于集群作战效能的重大影响,为无人机集群以及反无人机集群的战法设计提供定量依据。