基于事件驱动的无线传感器网络动态分簇路由算法

为了降低应用于突发事件监测的无线传感器网络的能量消耗,设计实现了一种基于事件驱动的动态分簇路由算法.在人体神经系统工作机制和传感器网络分簇路由协议的基础上,建立了基于人体神经系统的传感器节点模型,提出簇的生存时间和覆盖范围依据事件情况而动态调整,以有效提高数据融合性能,避免冗余分簇.仿真实验结果表明,该算法与TEEN相比消耗的能量更少,可以有效延长网络的生存时间.     

无人机通信网络动态联盟形成方法

无人机之间通过相互协作形成无人机网络以完成相应任务,现有研究较少考虑无人机的移动性所造成的无人机网络的拓扑结构变化而引起的通信方面的问题。本文将无人机网络在通信范围内的通信延迟最低作为目标,基于贝叶斯联盟博弈解决无人机的移动性所造成的的网络结构动态性,以及协作无人机的选择策略问题。在贝叶斯联盟博弈模型中,针对无人机的移动性,将无人机分为两种类型:协作行为的无人机和不协作行为的无人机。基于信念更新机制来帮助无人机观测其他无人机的行为并找到可能的联盟结构。仿真结果表明,由贝叶斯联盟博弈算法得到的通信延迟最小的无人机联盟结构是纳什稳定的。     

基于Stackelberg博弈与深度强化学习的计算卸载策略

为使5G混合专网结构的2种用户能获得最优计算卸载策略，将2种用户竞争移动边缘计算(mobile edge computing,MEC)服务器资源的问题建模成Stackelberg博弈，并分别讨论了完全信息博弈和不完全信息博弈下的策略。完全信息博弈下，存在唯一纳什均衡解；不完全信息博弈下，将环境建模为部分可观测的马尔可夫决策过程(partially observable Markov decision process,POMDP)，并提出一种基于二阶段深度强化学习(two-stage deep reinforcement learning,TSDRL)的最优卸载策略。仿真实验表明：该算法相较于D-DRL算法能减少20.81%的时延及3.38%的能耗，有效提高用户QoE(quality of experience)。     

集中式网络拥塞控制的高效RPL路由协议

针对低功耗有损网络中采用博弈论的网络拥塞控制(game theory based network congestion control protocol, GTNCC)路由算法在路由构建过程中仅仅考虑无线链路质量不能使网络拓扑最优,以及在拥塞控制过程中由拥塞节点的子节点判断是否切换父节点不能快速高效地缓解网络拥塞等问题,提出一种基于多维度量结合的集中式网络拥塞控制(centralized network congestion control based on multi-metrics combination, CNCCMC)路由协议。首先,为了降低网络拥塞发生的概率,CNCCMC路由协议综合考虑了节点剩余能量、缓存占用率、无线链路质量和中继节点当前子节点个数等多维度量完成路由构建;其次,当检测到网络拥塞时,CNCCMC路由协议依据网络拥塞节点进行流量分析和判断的结果采取集中式的方式控制其子节点的切换;最后,在网络拥塞缓解过程中,提出一种“乒乓效应”避免机制。理论分析和仿真结果表明,与GTNCC路由算法相比,CNCCMC路由协议在降低网络拥塞发生的概率、延长网络平均生存寿命和提高网络吞吐量等方面的性能得到了有效提升。     

相关邻近集合分布式多跳层次路由协议

提出了基于相关邻近集合的能耗均衡多跳分簇路由协议(relative neighborhood set based distributed multi hop clustering routing protocol, RNS-MCRP)。网络初始化阶段,基站计算若干个簇头节点以及所有节点的相关邻近集合,并广播簇头信息和所有节点的相关邻近集合。网络启动后,所有节点根据簇头节点的位置信息划分自己的邻居集合,并从邻居集合中选择剩余能量最大的节点作为下一跳节点。簇头节点推举本簇内部最大剩余能量的节点作为下一轮的簇头节点。实验结果显示,与LEACH (low energy adaptive clustering hierarchy)协议相比较,RNS MCRP具有更好的能耗均衡特性,提高了网络生命时间。     

LEO&GEO双层卫星网络的动态路由技术

基于低地球轨道和静止地球轨道（low Earth orbit & geo-synchronous Earth orbit, LEO&GEO）双层卫星网络结构,对其覆盖特性和星间链路（inter satellite link,ISL）特性进行了仿真分析。提出了分层分簇的管理方法,只有主簇头与GEO卫星有连接关系,简化了互联关系的复杂性。在该卫星组网结构中,利用星座网络拓扑的特点,提出一种负载均衡的动态路由算法,综合考虑了路径时延和ISL链路负载。与单层卫星网络相比,双层卫星网络可以更加均匀地分配通信量,仅在低层LEO卫星路由跳数超出一定阈值或者卫星网络链路利用率超过某个门限范围时,才利用上层GEO卫星进行中转传输,仿真结果表明,所提路由算法可以实现更低的时延、延迟抖动以及更优的服务质量性能。     

基于组织自愈机制的空间信息网络抗毁路由技术研究方法

抗毁路由技术是确保空间信息网络长期稳定运行的关键技术之一。提出了一套借助机体组织病理自愈机制展开空间信息网络抗毁路由技术研究的思路与方法：结合现代病理学研究,分析机体组织疾病自主调理机理,总结形成适应天基信息网络路由故障自愈机制研究的启发性结论。据此分析天基信息网络业务特征、组网结构、路由过程、路由影响因素及故障产生条件与原因,构建并深入分析天基信息网络路由故障自愈调控策略与模型,设计满足自愈调控实施的包括分群管理、链路修补、增量修正等天基信息网络路由故障主动调控技术。最后,设计满足天基信息网络路由故障自愈的抗毁路由算法,借助相关的仿真平台与工具,设计适应本文研究需求的天基信息网络路由故障自愈仿真框架与环境,对提出的天基信息网络组网结构、路由故障自愈机制、抗毁路由算法进行仿真分析与评估。     

带有群体智能的能量感知分层数据转发机制

无线传感器网络层次型数据转发过程中,分层和路由构建是两个典型的待优化问题。为了有效延长网络生存期,提出了一种能量感知的分层数据转发机制。利用粒子群优化算法,结合多目标函数进行智能搜索,通过粒子进化不断地优化簇头选取和路由构建,以低复杂度的方式得到分层部署的网络结构,进而实现了能量有效的数据转发。数值结果表明所提机制与现有机制进行对比,可以显著地提高网络能量使用效率,改善网络性能,延长网络生存期。     

嵌入式大气数据系统神经网络算法仿真

针对嵌入式大气数据系统(FADS)的特点,研究了其空气动力学模型,提出了相应的神经网络算法结构,并对动压与静压神经网络计算模块进行了部分仿真。通过仿真比较了BP神经网络L-M优化算法与贝叶斯正则化算法在FADS中的应用,并通过相应的仿真研究了不同压力点组合计算动、静压时的差异。仿真结果表明贝叶斯正则化算法的泛化能力较好,具有工程应用潜力。     

基于多尺度贝叶斯网络的SAR图像分割

提出了一种多尺度贝叶斯网络模型和相应推断算法,并将其应用于合成孔径雷达（synthetic aperture radar, SAR）图像分割。首先根据SAR图像的多尺度序列构建多尺度贝叶斯网络模型;然后设计了模型估计的置信传播（belief propagation, BP）算法,该算法包括同尺度结点之间的信息传播、细尺度到粗尺度的信息传播和粗尺度到细尺度的信息传播;最后计算出细尺度隐含结点的最大后验概率（maximum a posteriori probability, MAP）,实现SAR图像的分割。实验结果表明,与单尺度贝叶斯网络模型方法和基于条件迭代模式的Markov随机场模型方法相比,基于多尺度贝叶斯网络的SAR图像分割方法具有较好的分割效果。     

论坛中的意见领袖自动发现算法研究

论坛中"意见领袖"的自动发现对于我们掌握舆情,及时引导舆论有重要作用.为此设计了一个从论坛中自动发现意见领袖的算法.根据构成意见领袖的基本属性,设计了基于贝叶斯信息增益最大化准则的X-means迭代聚类筛选模型,然后利用该模型找到特征空间中的意见领袖特征点.实验表明,应用该模型的算法在发现意见领袖的查全率,查准率方面性能优越,可以有效实现网络舆情监控.     

基于机会性中继的加权协同路由算法

协同路由技术通过节点间相互中继转发数据,可以有效地提高网络的性能。提出了一种无线Ad hoc网络中的机会性加权协同路由算法,加权的量度分别是中继的剩余能量和节点间的信道状态信息,同时给出了协同路由模型及策略, 并基于NS 2进行了仿真。相对非协同的目的序列距离矢量路由协议,比较了机会性加权算法与最佳信道状态以及最大剩余能量算法的性能差异。结果表明,该算法获得了以上两种算法服务质量（递交率和网络寿命）之间的折衷,并且通过调整加权因子,可以权衡两个量度的比重以满足不同网络性能的需要。     

救援效率视角下灾后动态应急配送网络优化

针对应急救援问题,在受灾点的位置、需求以及受灾人口等信息动态变化的情况下,建立动态有向救援网络,以救援效率最大化为目标构建数学模型.运用数据包络分析模型,对各段救援路线的效率进行评价;建立基于效率的动态路由模型,通过时间片的划分将动态路由转化为多阶段的静态路由;设计了改进的混合贪心蚁群优化算法对模型进行求解,并将该算法...     

信息不完备小样本条件下离散DBN参数学习

针对信息不完备小样本条件下离散动态贝叶斯网络参数学习问题,提出约束递归学习算法。该方法通过前向算法建立含有隐藏变量的离散动态贝叶斯网络参数递归估计模型,以当前时刻网络参数为变量,构建均匀分布表示的先验参数约束模型。在此基础上利用优化算法获得近似的Beta分布,将该分布下的先验参数信息加入递归估计模型中完成参数学习。通过无人机动态威胁评估模型验证了该方法的有效性和精确性。     

基于节点分级的NNSs跨层MAC协议设计

针对组网导航系统(networked navigation systems, NNSs)中节点高速移动、能量受限及通信时滞的问题, 融合了基于移动汇聚节点的交叉路由树构建及链式分簇相结合的路由协议(cross routing tree construction based on mobile sink and chain clustering, CRTCC), 设计了一种基于节点分级的跨层媒介访问控制协议(medium access control protocol based on graded nodes, GN-MAC)。GN-MAC采取了基于竞争的媒介访问方式, 结合CRTCC协议特点定义GN-MAC包格式并完成具有多级别节点的自适应虚拟分簇, 同时设计了改进型节点移动性检测算法, 作出了最优簇间切换决策, 提出了基于优先级的竞争机制以及多信道通信机制。最后通过算例仿真, 验证了GN-MAC在节点高速移动和多移动节点情况下, 时滞和能耗得到了有效的控制。     

基于产品回收定价的逆向物流车辆路径优化问题

针对逆向物流车辆路径优化问题研究在产品回收定价调整和车辆路径优化调度结合方面存在的不足，以智能回收箱为研究对象，考虑多频次回收和车辆共享调度策略，提出基于产品回收定价的逆向物流车辆路径优化方案。首先，构建了智能回收箱回收量与回收定价的线性函数；然后，构建了包含共享车辆运输成本、维护成本、违反时间窗惩罚成本和环境外部性收益之和最小化的逆向物流回收运营成本模型，并建立了回收中心产品的最大化收益模型；其次，根据模型特点设计了考虑智能回收箱地理位置、回收频次和回收时间窗的时空聚类算法，进而提出一种改进的混合算法，该混合算法结合了遗传算法全局搜索能力强与粒子群算法收敛速度快的特点进行了算法间的优势互补，同时采用了精英保留策略，增强了混合算法的搜索性能，并通过与HGA算法、GA-TS算法和HACO算法进行比较分析，验证了模型和算法的有效性；最后，结合重庆市某智能回收物流网络的实际数据进行优化研究，分析了不同产品定价下的回收频次和车辆共享调度情况。结果表明，本文所提的模型和算法能够进行产品回收定价策略的有效选择、产品回收车辆的资源共享以及合理的车辆路径优化调度，并可在回收中心获得最大化收益的同时有效降低逆向物流的运输成本，进而为逆向物流企业进行产品回收定价和车辆回收路径优化调度提供方法支持和决策参考。     

基于单调性约束的离散贝叶斯网络参数学习

针对小样本条件下的离散贝叶斯网络参数学习问题,提出一种基于单调性约束的学习算法。首先,给出了单调性约束的数学模型,以表达定性的先验信息;然后,将单调性约束以狄利克雷先验的形式集成到贝叶斯估计中,并利用贝叶斯估计进行参数学习;最后,通过仿真实验与最大似然估计和保序回归方法进行比较。实验结果表明,在小样本条件下,所提算法在准确性上优于最大似然估计和保序回归,但时效性介于二者之间。     

基于DDBN-Cloud的舰艇编队防空目标威胁评估方法

海上编队防空作战中,针对来袭目标威胁评估过程中不确定性因素较多、观测数据易缺失以及已有评估方法难以考虑动态威胁态势的问题,提出了基于离散动态贝叶斯网络云模型(discrete dynamic Bayesian networks cloud, DDBN-Cloud)的威胁评估方法。通过分析来袭目标特征,构建了目标威胁评估体系;为避免节点威胁属性值在小范围内连续变化所引起的重复计算,采用模糊逻辑理论将体系中的连续型变量转化为离散型变量;针对评估过程中指标数据缺失问题,采用前向信息修补算法进行信息预测修补;采用证据可信度对不确定性节点的先验概率进行赋值,使得贝叶斯网络(Bayesian network,BN)参数更贴合实际;最后,利用云模型将得到的威胁评估概率转化为确定的威胁度,实现由定性概念到定量数值的转化,进行威胁排序;仿真实验表明,该方法适用于目标数据缺失时的动态威胁评估,与静态贝叶斯网络云模型(Bayesian networks cloud, BN-Cloud)法和相对熵排序法相比,其结果更合理,具有一定的实用价值。     

基于深度随机博弈的近距空战机动决策

针对空战中作战信息复杂、难以快速准确地感知态势做出决策的问题,提出一种博弈论与深度强化学习相结合的算法。首先,依据一对一典型空战流程,以随机博弈为标准,构建近距空战中红蓝双方对抗条件下的双机多状态博弈模型。其次,利用深度Q网络(deep Q network, DQN)处理战机的连续无限状态空间。然后,使用Minimax算法构建线性规划来求解每个特定状态下阶段博弈的最优值函数,并训练网络逼近值函数。最后,训练完成后根据网络输出求得最优机动策略。空战仿真实验表明,该算法具有较好的适应性和智能性,能够有效地针对空战对手的行动策略实时选择有利的机动动作并占据优势地位。     

基于蚁群策略的无线传感器网络能量有效路由算法

从无线传感器网络自身的特点出发,提出了一种基于蚁群策略的无线传感器网络能量有效路由算法(energy efficient routing algorithm based on ant colony optimization for wireless sensor network,EEAWSN).该算法设计了一个新的能够均衡传输能量消耗和节点剩余能量的蚂蚁前向移动的选择概率模型,并给出路径最优度的概念来评价路径的最优性.仿真结果表明,与其他蚁群策略的路由算法相比,该算法找到了一条路径最优度最优的路径,在此路径上传输能量消耗最小,并且兼顾了节点的剩余能量,从而延长了整个网络的生存时间.