活动网络时间费用优化的截集算法

从活动网络中建立了流量网络，通过找出流量网络的最小载集及反截集。给出了活动网络时间费用优化算法，本文的算法比例举法更有效，比线性规划法更方便。     

基于灰色关联的网络性能模糊评估

随着网络规模的不断扩大,对IP网络性能进行评估可以指导网络设计并为改进网络运行状况提供支持。针对模糊法、投影寻踪法的不足,提出了一种新的灰色模糊网络性能评估方法。首先选取了影响网络性能的5个关键指标,利用灰色关联分析得到各评估指标的关联度,进行归一化处理后作为指标权重集,然后构建了指标集到评语集的模糊关系矩阵,进行模糊运算后,最终完成对7个网络对象的性能评估和排序。与灰色关联、TOPSIS以及投影寻踪法进行对比后发现,利用文中算法,评估结果中体现了指标的内在关联性,算法权重确定更为客观,并给出了网络性能的具体分值。文中算法简单,为网络性能评估提供了一种新的思路。     

施工网络计划的Fuzzy方法

采用模糊数学的方法,确定了网络图中工序时间的隶属函数,利用λ-截集时间参数的计算公式,可求得模糊网络各工序λ-截集的时间参数及关键线路的模糊完成期,此方法可行、实用,更接近工程实际,优于传统的PERT法。     

无线传感器网络中能量有效的最小连通支配集算法

提出了一种分布式最小连通支配集求解算法,对Rule K算法中的标记算法进行了优化,从而形成了连通支配集,并通过新的剪枝算法对连通支配集进行了有效缩减.模拟仿真结果表明:在增加算法复杂度的前提下,该算法求得的连通支配集比前算法更小.     

无线网络中一种智能路由算法

一个ad hoc网络是一个多跳无线网络，网络中的节点互相通信而不依赖于预先架设的固定基础设施，这种动态网络的最重要特点是寻找在通常情况下很好执行的路由算法。基于“簇”的算法是最有效的算法，目前，创建和维持“簇”通常是基于启发式方法。MWIS是一个分布式算法用于在一个无线网络拓扑图中确定最大权独立集算法，而划分网络节点为“簇”的问题可以很容易简化为寻找最大权力集问题。基于MWIS，我们提出了寻找一个最大向量权独立集算法MVWIS并且通过MATLIB进行了仿真实验。     

无线Ad Hoc网络MCDS的贪心分布式近似算法

在无线Ad Hoc网络中基于最小连通支配集(MCDS)构建虚拟主干网可以有效缓解广播风暴,提高网络性能,延长网络生存时间.利用单位圆盘图中极大独立集的性质,使用2阶段贪心分布式近似算法构造了MCDS.从理论上分析了算法的时间复杂度、信息复杂度和近似比.     

模糊聚类法实现初始码书的优化

应用模糊数学理论,在限定条件下,从训练矢量的空间分布出发,对训练矢量空间进行胞腔划分,通过动态控制λ截集水平,调整截集数量和相应胞腔大小,然后求出相应的形心作为代表矢量构成一个优良的初始码书。采用该初始码书作为LBG矢量量化算法的叠代初值比分裂法、随机法更优。     

监测奶牛无线传感器网络的连通支配集构造

基于一个对奶牛行为特征监测的自组织无线传感器网络,构造骨干网以解决节点多跳通信问题,并采用图的连通支配集来实现。提出了一个基于极大独立集的最小连通支配集的分布式构造算法,并证明了该算法的正确性。采用计算机程序仿真的实验结果表明,此算法简单有效、适应于节点移动和网络拓扑变化的环境、且构造的连通支配集占节点的比例为30%左右,有效减少冗余的转发节点,可节省宝贵的网络资源。     

极大网络寿命的认知无线电网络组网算法

根据认知无线电网络的特点，本文提出一种基于鱼群算法与图论中极小独立集支配集算法相结合的认知无线电组网算法 (maximal cognitive radio network lifetime MCRNL)。该算法分为鱼群大小确定阶段和簇头选举阶段，前者以极小的能量完成节点配置和确定受影响的认知用户范围，后者确保以极小的能量进行通信，极大化网络寿命和簇头选举的公平性。仿真结果表明，该算法整体消息复杂度为O(n)，最坏时间复杂度为O(log(D+n))，算法性能优于MWMIDS，可以有效的应用于认知无线电网络基于MCRNL的路由协议中。     

基于多元组Rough集的不相容决策

Ｒｏｕｇｈ集理论是一种具有模糊边界集合理论,它被广泛应用于不相容决策 规则提 文讨论了基于多元组Ｒｏｕｇｈ集的不相容决策方法,并给上应的算法,同时 不相容规则的相容度作了分析,该方法比普通Ｈｏｕｇｈ集方法更简单、更有效、文中所给出的算法特别适用于具有重复元素且的决策表。     

矿井通风网络最小割集不交和可靠度的计算

运用可靠性工程理论及不交型积之和定律,在大型网络系统可靠度计算的基础上,提出了矿井通风网络系统最大线性无关最小割集予以真子集涤除的不交和可靠度算法及其实现步骤.根据此算法,当最小割集按所含网络分支的多少进行升序排列时,还可进一步减少中间过程的计算量,从而达到最佳不交和简化计算的效果.实例分析表明:采用升序排列的最小割集并按不交型积之和定理予以真子集涤除的不交和处理后,不仅计算值等同于一般网络分析中用全概率公式计算的矿井通风网络系统可靠度,而且计算中具有所含网络分支布尔积的代数和项数少,计算工作量大为简化等特点.图2,表1,参9.     

一种计算通信网络最小路集和割集的新算法

提出了一种新的简易算法，可用以确定通信网络任一端对的全部最小路集和当网络为平面网络时的全部最小割集     

网络计划最低费用日程的一种新解法

根据网络计划的特点,在求解其最低费用日程时,引入最小割的概念,从而改进了该问题的求解方法。文中给出了解决问题的算法流程,并附有算例.此法运用较简便,且易于计算机计算,自动化水平高,因而便于有关人员采用.     

立体化城市交通网络的合理定向问题研究

基于整体平衡性考虑,提出了立体化城市交通系统中道路网络合理定向的定义,给出了合理定向的数学规划模型,并结合非平面交通网络的特点,给出了非平面交通网络合理定向的三维断头切算法。     

一种虚拟化网络功能启发式动态编排算法

随着信息化的发展,网络业务的种类越来越多,业务的功能越来越强大,网络的基础设施为业务提供动态服务的能力已跟不上业务发展的速度,研究动态部署虚拟化网络功能具有重大意义.在不违反服务水平协议的情况下,研究了虚拟网络功能编排问题,并提出了虚拟网络功能编排的整数线性规划数学模型,接着基于动态编程的启发式算法对模型求解,最后对现实世界网络拓扑进行跟踪模拟.仿真结果表明,所提出的启发式算法可以降低网络运营成本,相关性能优于传统的硬件中间件方法.     

利用神经网络外推预测油田综合含水率

逻辑斯特（Ｌｏｇｉｓｔｉｃ）模型常被用来预测油田晚期勘探阶段的石油资源，还可用来预测一个油区的含水率变化过程。文中应用改进的神经网络算法和结构，预测油田的含水率变化趋势；并与Ｌｏｇｉｓｔｉｃ模型预测结果进行了比较，结果表明；神经网络是一种可行的石油资源外推预测方法。     

基于神经网络的交通参数预测方法

为能够迅速准确地采取相应措施处理交通拥堵问题,改善行车安全,进而提高路网效率,研究了基于神经网络的交通参数预测方法,预测了交通流量、速度和占有率.在分析常用BP(Back Propagation)神经网络算法的基础上,研究误差平方和最小化的L-M(Levenberg-Marquart)算法.相对于常规预测方法,基于神经网络的交通参数的预测方法对于随机的参数变化具有更好的适应性,能及时跟随交通参数的变化,所以精确度更高,适应性更好.仿真结果显示,L-M算法的训练速度相比于常规BP算法要快几十倍,预测交通流量、速度和占有率等参数的效果优于常用的指数平滑算法,因此基于神经网络的交通参数预测方法可以应用于交通领域.     

基于注意力网络特征的社区发现算法

现实世界中许多网络都是根据社区结构紧密组织起来的, 发现社区对于了解复杂网络的结构及其关系有很大的帮助, 文中提出了一种基于注意力网络特征的社区发现(community discovery algorithm based on attention network features, CANF)算法, 利用标记节点频率和反示例节点频率度量初始网络标记特征, 并且引入注意力机制, 对示例节点的每个邻居节点更好地分配权重, 将初始权重与分配权重相结合, 使初始度量的网络特征获取更多与目标有关的细节信息。文中通过分配的注意力网络特征进行复杂网络预处理以及社区博弈归并, 于真实网络中进行验证, 实验结果表明, CANF算法在准确度、模块度以及运行时间方面优于其他社区发现算法。     

基于复杂网络的微吧话题流行度预测研究

微吧是微博平台的贴吧,具有良好的话题主题性,为更好地进行话题流行度预测研究,对电影吧作为研究对象,建立复杂网络模型,并设计自适应差分进化算法对网络进行训练。在算法参数的设计中,通过对算法复杂度边界的推导得到最优参数。对比实验表明,较于神经网络该模型结构更加灵活,较于拟合模型该模型能够对话题特性进行更为全面的描述,并且在话题流行度的预测中具有更高的准确度和稳定性。     

一种改进AFSA-Elman边坡位移预测网络

Elman网络在边坡位移序列预测的应用中,对于网络隐含层神经元个数、阈值的选取没有具体的定论,且收敛速度慢,容易陷入局部解.基于此,将人工鱼群算法与 Elman 网络相结合,建立了改进的 AFSA-Elman 边坡位移预测网络,修正鱼群算法的步长,并利用经改进后鱼群算法强大的寻优能力,对Elman网络的初始权值和阈值进行优化,提高了Elman网络的预测精度和收敛速度.将改进的AFSA-Elman网络与传统Elman网络以及AFSA-BP网络进行对比,并模拟了3种网络的迭代过程,发现改进的AFSA-Elman预测网络较以上两种预测网络具有较高的精度,收敛性更好,更适用于边坡位移的预测.