具有不可靠结点网络可靠度的计算

提出了几个保持网络可靠度不变的将边可靠,结点不可靠的无向网络转化为有向网络的转化原则,进而给出了一个计算边可靠,结点不可靠的无向网络２ 终端可靠度的新的有效的算法·该算法使得具有不可靠结点的无向网络可靠度的计算得到很大简化     

一个计算无圈有向网络可靠度的有效算法

研究了无圈有向网络结点集合的两部分划分(点化分)与极小割集之间的关系·通过对网络结点集合的满足一定条件的两部分点划分,直接得到了网络的极小割集·根据点划分对应结点集合之间的包含关系,提出并证明了网络可靠度的容斥原理表达式中项的几个相消原则;在此基础上建立了一个基于割集的计算无圈有向网络可靠度的容斥原理公式及算法,算法直接给出了容斥原理公式中的所有不相消项;最后,通过例子说明了算法的有效性·     

曲面嵌入图的圈基

圈基常用于描述图的圈结构.在实际应用算法中,算法的复杂度取决于圈基的选择.圈基的长,即其包含的边数,直接影响算法的速度.2-连通图G圈基长的一个下界是2 |E (G)|-|V (G)|,其中V (G)和E (G)分别是顶点集和边集.若图G包含长为2 |E (G|)-|V (G)|的圈基,则它是平面图.本文应用曲面嵌入图理论将这一结果推广至曲面嵌入图上.     

有向二部图中的独立有向6-圈

证明了若有向二部图D=(V1,V2:A)的最小度至少为5k,则D有k个顶点不交的独立有向6-圈.其中 |V1|=|V2|=3k, k为整数.     

生成有向图全部有向树的新算法

本文算法生成一个有向边集数据做结点的生成林,用来表示有向图G的所有以指定顶点γ为根的有向树集。本文算法打破了H.N.Gabow和E.W.Myers算法(SIAM J.Computer,1978,7)的严格深度优先原则,并提出了有向图桥边集的概念和判据,从而使算法有效性达到新的高度。复杂性:时间D(bK),空间O(b),其中b和K分别为G的边数和算法生成林树梢结点数。     

计算K-终端网络可靠度的一种新算法

讨论了由一个源点s到一个指定的点集K的网络可靠度问题。首先提出了两个网络门限变量化简原则及计算网络K-树和极小K-割的算法。然后,基于具有门限变量的布尔方程和有序二分决策图方法,给出网络K-终端可靠度算法。结果表明这种算法是有效的,改进并推广了Rauzy提出的算法。     

3—状态复杂设备网络可靠度的一个快速算法

本文利用3-状态设备网络可靠度分解定理及保可靠度简化,给出一个计算3-状态有向设备网络可靠度的一个新算法。算法易于计算机上实现。它是文章[2][3]算法在3-状下的拓广。     

利用逻辑扩展计算二终端网络可靠度

利用布尔代数和不交和等方法提出了计算二终端网络可靠度的一个有效算法．运用简单方法将矩阵逻辑扩展中出现的大量的相同矩阵,进行合并,减少了矩阵数,从而有效地减少了运算时间．该算法推广和改进了S.Rai等在文献[1]中给出的计算二终端网络可靠度的算法．     

判别圈向量的一个有效算法

从圈空间?(G)中任取出一向量c,判别它是否圈矩阵之冗余行,可以用c与?(G)中其余各向量比较的办法来解决,所耗时间为O(2|E(G)|-V|G|),,本文通过关联矩阵的变换,给出一个有效算法,其时间复杂度为O(|V(G)|~2|E(G)|)。设B(G)是图G之关联矩阵,c=(q_1,q_2,…q_ε)是圈空间?(G)中任一向量;本文只考虑无向有限单图,计算在0-1二元域内进行。判别c是否圈向量算法如下:     

基于网络简化技术的通风网络可靠度新算法

为了解决在网络可靠度计算中存在运算量过大的问题,利用不交和的原理计算网络的可靠性是当今所有计算网络可靠性方法中最有效的方法之一,但对大型网络依然无法快速确定网络可靠度。针对这一问题,采用直接构造不交化通路集的方法,结合网络简化技术和截断误差理论,提出了一种快速确定大型通风网络可靠度的算法。结果表明:本算法可在24 s内计算出传统算法10 h都无法算出的大型通风网络可靠度问题。该算法对提高大型通风网络可靠度计算速度具有很大作用。     

基于基站辅助定位的无线传感器网络通信协议

无线传感器网络受应用场合和节点结构的限制，要求算法具有低功耗和低复杂度等特点．为此提出了一种基于基站辅助定位的组网算法和路由协议，利用基站对抛撒区域扫描完成网络节点定位和分簇，节点只需接收基站发送的控制信息，节省了通信和计算开销，根据节点剩余能量和信号强度选举簇头、网关，形成以基站为根节点的路由树，减小了成员节点与簇头、簇头与簇头间的通讯耗能，路由协议中定义了源数据包和转发数据包两种数据格式，以实现数据从节点到基站的传输．在此基础上，研究了不同场景下网络的生存期和节点剩余能量、仿真结果表明提出的组网和路由协议能够均衡节点能耗，有效延长网络的生存期．     

无线广播网络的可靠性的一个算法

提出了一个无线广播网络（Ｒａｄｉｏ－ＢｒｏａｃｄｃａｓｔＮｅｔｗｏｒｋ，ＲＢＮ）的概率有向图模型，利用该模型，证明了计算ＲＢＮ的２终点可靠性是个ＮＰ－困难问题，进而提出几个保何靠性约化（Ｒｅｌｉａｂｉｌｉｔｙ－ＰｒｅｓｅｒｖｉｎｇＲｅｄｕｃｔｉｏｎ）和一个计算ＲＢＮ的２－终点可靠性的因子算法。     

通信网络路由新算法

通信网向高可靠性、高利用率和高服务质量方面发展,现有路由算法已难以适应发展要求,需要寻找新算法。研究出一种易于多处理器并行运算的快速路由算法,采用逻辑代数运算规则,按照逐步变换、整合及删除中间节点关联分组方式计算,对于有n个节点的网络只需n-2次整合运算就能得到网络两节点间全部路由,且不会出现违反通信传输规则的闭环问题。详细论证了算法的正确性与合理性,简介了算法的并行运算可行性问题。通过算例详细说明算法的计算过程。     

通信网络各节点和链路重要性的客观评估方法

为了全面和客观地评估通信网各节点和链路的重要性，引入了归一化容量加权可靠性指标概念，并从通信网络总体及局部两个考察角度定义了指标，一个是研究网络全部节点之间可靠性的总容量归一化加权可靠性指标，另一个是只研究两指定节点间可靠性的最大容量归一化加权可靠性指标。研究出了求解网络全部路由的逻辑代数化计算方法，据此推出了适宜于计算机编程的可靠性指标计算的全套代数化计算方法，解决了人工计算繁琐的问题。以节点和链路失效对可靠性指标的影响程度作为评价标准，采取排序方法，实现了节点和链路重要性的客观评估。计算了一种典型拓扑结构通信网的可靠性指标，并从总体与局部角度分别得到网中各节点和链路重要性大小的排序结果。     

A Clas of Distributed Recognition Algorithms for Acyclic Database Schemes

各种非环的数据库模式有许多好的性质，特别是在分布式环境中，研究关系数据库的非环性程度是一个重要的课题．对Ａｌｐｈａ，Ｂｅｔａ，Ｇａｍｍａ，Ｂｅｒｇｅ这几种非环数据库模式，我们给出一组分布式算法．该算法的最坏消息复杂度是Ｏ（｜Ｎ｜２），而最坏时间复杂度是Ｏ（｜Ｎ｜２），其中｜Ｎ｜是给定的网络中结点的个数．     

智能电网中基于平衡树的无线Mesh接入网络路由算法

在智能电网(smart grid,SG)接入层的无线Mesh网络(wireless mesh networks,WMNs)应用中,针对数据流过度地集中在关键节点而导致数据拥塞问题发生,提出一种基于平衡树的无线Mesh网络路由算法。在传统AODV(ad hoc on-demand distance vector routing)算法的基础上,使用平衡树模型,综合考虑节点剩余容量和转发数据所需的路由跳数建立路由判据模型,合理地选择下一跳中继节点,均衡节点数据流。路由算法仿真采用OPNET平台实现,就网络的吞吐量、通信时延以及网络丢包率3个重要方面,对所提的路由算法与传统AODV算法的性能进行了对比分析。仿真结果表明,提出的算法能够有效地解决无线Mesh网络中的数据拥塞问题,相比于传统AODV算法能明显提高网络吞吐量,减小网络通信时延和丢包率,进而提高网络整体的可靠性。     

任意无向图的R点连通扩充

为研究以最少边集扩充一个任意无向图为R点连通图这一尚未解决的优化问题，通过将无向图点连通问题转化为有向图边连通问题，采用增广扩充的方法，提出了一个复杂度为O（｜V｜^5）的算法．利用该算法可最优地将给定无向图中任意2点达到所要求的点连通度．它发展了K点连通最优扩充的研究，从而使图的点连通扩充的研究在应用于网络设计的可靠性设计方面更具有实际意义．     

基于证据理论加权融合的无线传感器网络路由算法

针对当前无线传感器网络路由算法存在数据传输成功率低、 网络时延长和丢包率高等缺陷, 为获得更优的数据传输结果, 提出一种基于证据理论加权融合 的无线传感器网络路由算法. 首先引入聚类分析算法对无线传感器网络进行分簇, 使簇首的分布更均匀, 解决簇首过于集中、 簇成员节点分配不合理的问题; 然后采用证据理论计算剩余能量、 节点间通信距离、通信能耗的权值, 并根据权值对每个节点的性能进行综合评价, 根据综合评价结果选择每个簇最合理的簇首; 最后与其他无线传感器网络路由算法进行对比测试. 测试结果表明, 相对于对比算法, 该算法数据时延均值和丢包率均大幅度减少, 改善了数据传输成功率, 使节点之间的能耗更均衡, 延长了无线传感器网络的生存周期, 建立的无线传感器网络路由可靠性更高.     

基于关键节点的影响力最大化算法

为解决LDAG( DAG Algorithm Based on Linear Threshold) 算法在处理关于社会网络影响力最大化过程中,优先考虑网络影响力传播模型、忽视社会网络的拓扑结构问题,利用社交网络社区的结构,有针对性地选择影响力传播的关键节点,对LDAG 算法进行了改进。利用关键节点简化了有向无环图的构造过程,保证了其高精度与运行效率高的特点,同时也优化了算法的时间复杂度和空间复杂度。通过两个有效的实验数据集对算法进行验证,结果表明改进的算法可以大幅度降低算法的运行时间,且对算法的精度影响很小。