基于邻接信息熵的网络节点重要性识别算法

通过研究节点与其直接相邻和间接相邻节点之间的关联关系,提出了基于邻接信息熵的网络节点重要性识别算法,算法只需获取节点与其直接邻居及间接邻居间的关联关系,通过计算网络各节点的邻接度,进而计算各节点的信息熵,利用节点信息熵的大小表征节点在网络中的重要性.通过对一个基础网络、无向无权ARPA网络和加权有向ARPA网络进行实验仿真,证明该算法对不同类型网络的通用性;利用该算法对网络按节点重要性进行节点删除实验,研究网络形成子网络的数量与规模,证明了算法的准确性.     

高能效传感器网络调度算法研究与仿真

无线传感器网络用于事件探测是一个重要的研究方向,由于传感器节点能量受限,为了延长网络寿命,设计了EAWS高能效节点调度算法。该算法根据节点的剩余能量安排节点的工作强度,在保证网络探测性能的前提下,达到平衡能耗的效果。为了评估EAWS算法性能,作了全面的系统仿真和理论分析,通过OPNET软件搭建一个近似真实的传感器网络探测模型,验证了EAWS算法的探测概率、探测延时和网络能耗三个指标,结果表明EAWS方法具有能量高效性和较好的探测性能。     

节点可靠感知的差异保护虚拟航空网络映射算法

针对集成僵化的传统航空网络难以在节点出现故障后快速高效调度网络资源，从而恢复任务执行的问题，提出了无线网络虚拟化环境下节点可靠感知的差异保护虚拟航空网络映射(node reliability-aware protection-differentiated virtual airborne network embedding, NRPD-VANE)算法。首先，节点映射采用新的节点重要度评价方法，综合感知故障可能、无线干扰和网络资源，为虚拟节点映射可靠物理节点；其次，链路映射根据节点重要度，采用P圈保护技术对映射路径节点实行差异保护。仿真结果表明，相比传统的节点保护映射算法，所提算法在保持较低恢复时延的同时，提高了映射成功率。     

节点重要度贡献的复杂网络节点重要度评估方法

引入m阶邻居节点的概念,提出了一种基于m阶邻居节点重要度贡献的复杂网络节点重要度方法,并引入α和γ两个参数,用于调节节点重要度评估对节点自身特性及m阶邻居节点的依赖程度。综合考虑了节点自身及1到m阶邻居节点的重要度贡献。为检验算法的有效性,采用ARPA网络拓扑并针对算法在不同m取值条件下的节点重要度情况进行了评估。评估结果显示,与度值法、介数法、节点删除法等评估方法相比,具有更高的评估精度,能显著地区分复杂网络中节点之间的重要性差异,能准确地确定网络中关键节点,保证节点重要度评估的准确性;此外,实验结果还揭示了一个重要动力学现象,即当邻居节点所考察的深度m值大于网络的平均路径长度L时,该方法可得到可靠且精度较高的评估结果。     

基于虚拟势场和学习自动机的有向传感网覆盖控制

针对目前有向传感网中覆盖增强和冗余节点体眠调度算法存在的问题,提出虚拟势场结合学习自动机的覆盖控制算法.引入基于质心距离和重复感知率的虚拟力改进模型,综合考虑虚拟向心力和切向力对感知角度调整的影响,建立微观虚拟力与转动角度的关系模型,并根据网络整体覆盖率增长率对节点调整幅度进行宏观控制,合理调整节点感知方向.在此基础上,根据节点重复感知率和能量因素建立学习自动机与环境信息的交互机制,学习最优的冗余节点休眠调度策略.仿真实验结果表明,该算法能够显著增强网络覆盖,并有效地控制网络覆盖冗余.     

基于虚拟传热的能耗均衡幂律重部署算法

针对大规模双层无线传感器网络自移动传感器节点覆盖控制的能耗均衡问题,提出一种基于虚拟传热的重部署算法。建立了以二次熵为基础的幂律熵模型,设计传感器节点与汇聚节点之间的绝对移动方法;利用邻居节点之间幂律熵流动的平衡关系,建立熵平衡方程,采用相对熵求得相对移动中参照节点选取概率的权重,设计相对移动方法。叠加两种自移动方法,进行迭代,达到网络熵平衡。实验表明,所提算法能够高效实现能耗均衡,及时避免能量空洞,延长了网络生命周期,并提升了覆盖率。     

高速动车组列车网络控制系统仿真与建模研究

研究了高速动车组列车网络控制系统的过程数据调度及事件仲裁算法。针对高速动车组网络控制系统的特点,提出了列车网络控制系统主节点和从节点的实现算法,并利用OPNET仿真软件建立了列车网络控制系统的模型。在不同的仿真场景下运行仿真模型,通过对仿真和理论计算得到了列车通信网络协议的数据通量和端对端延时特点。针对消息数据的事件仲裁机制,通过仿真得出了不同条件下的碰撞特性。仿真结果表明了所提出方案的有效性,为实际高速动车组网络控制系统的设计和调试提供了依据。     

知识网络的结构及过程模型

针对知识网络同时具有的小世界结构和无标度连接度分布特征, 构造了知识网络特定结构形成的过程模型. 新知识创造立足于一定的知识基础, 而这个基础内部的知识点之间通常是强相关的; 模型首先在知识增长网络中择优选择并连接定位节点, 以确定知识的主要理论来源, 然后在定位节点的邻居节点中随机选择节点并进行连接, 反应知识的内聚性和知识创造者的领域限制, 过程模型最终形成兼具前述两种结构特征的知识网络; 实际数据统计和仿真实验验证了模型的有效性.     

局域世界随机增长的加权网络模型

提出了一种新的加权网络模型.在该模型中新节点择优的局域世界是随机增大的,另外新节点除了以较大的概率在局域世界内择优连接之外还以较小的概率在局域世界外择优连接,并且已有的节点之间允许有新边的生成.该模型生成的网络的度分布、边权分布和点强度分布均为幂律分布.特别是许多实证研究表明这些分布具有的胖尾现象也能被该模型反映出来.该模型还指出点强度高度依赖于度并且它们之间服从幂律函数关系.     

择优选择节点构成的复杂网络模型研究

针对Barabasi-Albert无标度网络模型(BA模型)模拟现实世界的局限性,在其算法基础上作了适当扩展,将原算法中新节点加入每次依概率全局择优的机制改为首先全局择优选择节点构成初始模型后,新节点以等概率连接的机制,并依新算法生成扩展BA模型。依据二者度分布等静态统计量性质进行性态比较,证实了扩展模型的拓扑结构和发展状况更接近于现实网络,并且扩展模型生成网络的鲁棒性更好。     

基于Bayesian统计推理的分布估计算法求解, 柔性作业车间调度问题

在Bayesian统计推理理论的基础上, 提出一种新的求解柔性车间调度问题的分布估计算法.首先, 根据所有工件的工序排列顺序提取进化过程中种群的优良信息, 建立一个不断更新的先验分布概率模型, 再以相邻工序出现的频率为基础建立条件概率模型; 然后, 结合两个模型的信息使用Bayesian公式建立一个后验概率模型, 该模型综合了进化过程中不断更新的优良信息和相邻工序出现的频率信息, 可用以更好地指导产生新群体.仿真结果表明算法具有较好的寻优能力.     

杂波环境下可移动主被动传感器长时调度方法

针对杂波环境下的多目标跟踪问题, 基于可移动主被动传感器系统, 提出了一种辐射控制的长时调度方法。首先, 建立调度模型, 对多目标运动状态和量测结果、传感器调度动作等进行数学描述; 同时, 基于雷达工作原理和截获概率的思想, 提出改进的辐射风险量化方法。随后, 利用高斯混合概率假设密度滤波算法预测长时跟踪精度, 利用所提改进的量化方法预测长时辐射代价, 并利用改进的灰狼优化算法求解传感器调度方案。最后, 执行调度方案获得多目标量测信息, 采用联合广义标签多伯努利滤波算法计算目标估计状态。仿真实验表明, 所提调度方法在保证跟踪精度的基础上, 能够实现对辐射代价的有效控制, 与其他方法相比具有明显的优势。     

基于大规模FSP问题Block性质的SA算法

对于大规模流水线调度问题(FSP),模拟退火算法(SA)中邻域候选解的被接受概率,因邻域增大和邻域中的劣解数的增多而大大降低,SA算法的性能因而大为降低。针对这一问题,提出一种基于FSP问题Block性质的SA算法。将邻域划分成若干个子邻域,用子邻域中的最好解作为候选解,以提高候选解被接受的概率。引入FSP问题的Block性质,减小邻域尺寸,将搜索集中在邻域中“最有希望”的区域,进一步增强算法性能。数值仿真实验表明,该算法能在较短时间内获得大规模FSP问题的近优解。     

高密度无线传感器网络分簇定位算法

节点自身定位是无线传感器网络应用的支撑技术之一。提出了一种适用于大规模高密度无线传感器网络的分簇定位算法。首先定义了节点的势作为簇首选举依据,网络中节点间的距离由接收信号强度和通信半径的关系间接计算得到,各簇内的拓扑信息由簇首保存,簇首利用线性规划法实现簇内相对定位;随后从sink节点开始逐步进行簇间位置融合,最终实现全网的绝对定位。相比集中式的凸规划定位算法,所提算法计算复杂度低、通信量小、定位精度高,且不需要预先知道环境中的信号衰减因子,有一定的抗噪声干扰能力。仿真结果显示,在节点按均匀网格分布和均匀随机分布两种情况下,所提算法能取得较好的定位效果。     

面向跟踪任务需求的主动传感器调度方法

以多传感器多目标跟踪为背景,针对跟踪任务需求中辐射风险控制问题,提出一种面向跟踪任务需求的主动传感器调度方法。该方法首先结合不敏卡尔曼滤波,给出了仅考虑跟踪任务需求的传感器调度策略;然后建立基于部分可观马尔可夫决策过程的辐射模型,并采用隐马尔可夫模型滤波器动态更新传感器辐射;最后考虑跟踪任务需求和传感器约束,将辐射风险控制下传感器调度问题转化为非线性约束下寻优问题。仿真实验结果验证了所提方法有效性。     

基于分支剔除的低轨星座实时传感器调度算法

针对低轨星座目标连续跟踪的传感器资源调度问题,通过对调度约束因素的分析,提取跟踪精度、资源松弛度和资源分配均衡因子三个优化参数,建立了传感器实时调度模型;并建立长时调度决策树,将标准代价搜索方法和分支剔除技术相结合,提出了一种基于分支剔除的实时传感器调度算法。仿真实验表明,标准代价搜索和分支剔除技术的引入明显降低了调度算法的运算量,尤其对于多目标和大步长的情况,且调度传感器跟踪目标的误差略小于短时调度方法。     

一种无线传感器网络分布式加权容错检测算法

针对无线传感器网络的容错事件区域检测问题,提出一种分布式加权容错检测算法。考虑"邻域的邻域"的容错范围,首先利用邻域节点与其周围节点的信息交换,对邻域节点的状态值进行估计,然后采用加权容错方法对邻域节点的估计状态值进行加权综合,完成对中心节点的错误检测。仿真结果表明,该算法在传感器网络初始错误率达到20%的情况下,仍能够检测和纠正90%以上的错误。相比其他算法,该算法具有较高的错误检测精度,极大改善了事件发生区域边界节点的纠错问题,且算法运行时整个网络所消耗的能量适中。     

基于GA-SA的低轨星座传感器资源调度算法

针对基于低轨预警系统的多目标跟踪,提出了兼顾跟踪精度与系统效率的传感器资源调度算法。首先,建立了目标跟踪模型。然后,以调度周期内后验克拉美罗下界(posterior Cramer-Rao lower bound,PCRLB)变化率、卫星切换率为指标,建立了传感器调度的混合整数规划模型,在此基础上,采用遗传(genetic algorithm,GA) 模拟退火(simulated annealing,SA)混合算法对调度模型进行优化求解,提高了对解空间的搜索能力与求解速度。最后,仿真试验表明本文调度模型的正确性与GA-SA混合优化算法的有效性。     

组网冗余MEMS惯性传感器网络优化配置与融合处理方法

针对单个惯性传感器精度与可靠性问题,提出了一种组网冗余微机电系统(micro-electro-mechanical system, MEMS)惯性传感网络优化配置与融合处理方法。首先,研究了多惯性传感器节点的空间配置形式,给出了网络观测模型。利用节点之间的最优化冗余配置策略,提升系统测量可靠性。在此基础上,进一步考虑MEMS陀螺仪和加速度计的安装误差对输出结果的影响,提出了相应的误差模型及校正算法。以随机游走为主要误差源,设计了新型的卡尔曼滤波方法,实现了冗余配置下的高精度导航信息解算。最后,采用自主构建的实验系统进行试验,证明所提出的融合方法能够有效降低陀螺仪和加速度计的随机游走误差。车载试验进一步证明了所提出的方法及系统的有效性。