边缘节点的自适应半径调整算法

降低覆盖冗余度是提高无线传感器网络覆盖度的一种措施.在DCAC(Dynamicadaptive coverageadjustingscheduling)的算法的基础上,给出了边缘节点和局部全约束状态的定义,并且提出了边缘节点的自适应半径调整的算法.与DCAC算法进行比较其仿真结果表明,无线传感器网络的覆盖冗余度相对降低,提高了网络的覆盖度,并且活跃节点的个数相对减少.     

基于k-覆盖保证的异构传感器网络节点调度策略

在分析已有传感器网络覆盖控制协议的基础上,提出了一种分布式覆盖控制算法.针对节点随机部署的异构网络,通过研究网络中节点交点的必要性,得出必要节点交点的最低覆盖度即为区域覆盖度的结论,由此可将区域覆盖度的计算转化为特殊点的覆盖度计算,从而解决了覆盖算法计算复杂度高和不精确等问题.在此基础上,又提出了一种以保证k-覆盖为目标的节点调度策略(SEC),该策略按照时间轮次,根据精确覆盖度算法可分布式地确定节点的状态.仿真结果表明,SEC能够减少节点的通信量,使工作节点数摆脱总节点数的影响,从而延长了网络的生命周期.与经典覆盖控制算法相比,所提算法在保证网络覆盖度的前提下可有效降低工作节点的数量,提高大规模传感器网络的可扩展性.     

无线传感器网络覆盖优化策略

针对无线传感器网络节点覆盖容易出现空洞和盲区的问题,提出一种基于改进人工鱼群算法的无线传感器网络覆盖优化算法.首先构建网络节点的信任度模型,进行节点轮换调度修复路由,然后采用改进人工鱼群算法进行无线传感器网络节点的自适应定位寻优,以人工鱼群优化的节点分布模型重构无线传感器网络(WSN)节点覆盖连通图,实现优化网络覆盖.仿真实验结果表明,利用覆盖优化算法进行WSN网络节点设计,明显地改善了网络节点的覆盖质量,提高了无线传感器网络的安全性能.     

基于强化学习的物联网可信信息覆盖优化算法

针对物联网覆盖优化问题,基于可信信息覆盖(CIC)模型和强化学习提出了一种物联网可信信息覆盖优化算法．算法采用CIC模型定义传感器覆盖,利用博弈论强化学习方法将覆盖问题建模成一个基于状态的势博弈,每个节点通过效用函数均衡节点的覆盖收益,并采用二进制对数线性强化学习方法来求解博弈问题．仿真结果表明：算法具有良好的收敛性,并且在保证收敛到纳什均衡的同时,在覆盖率和覆盖价值方面都优于分布式异构同步覆盖学习算法．     

无线传感器网络多目标关联覆盖

针对多目标网络覆盖中传感器节点和目标的关联关系,依据数据挖掘中的关联规则挖掘技术,设计了多目标关联覆盖算法MTACA．考虑到能量的有效性,利用关联规则挖掘方法动态地确定目标集合和传感器节点集合,通过节点集合工作状态的转换完成目标的完全覆盖,延长了网络使用寿命．同时,改进了适应区域覆盖的PEAS算法,使其适应多目标覆盖的应用．通过仿真对MTACA和改进的PEAS算法进行了性能分析．结果表明：MTACA算法和改进的PEAS算法在目标完全覆盖能力和网络使用寿命上明显优于随机部署网络;MTACA算法在目标完全覆盖能力、网络使用寿命、网络剩余能量以及节点间能量消耗均匀性上明显优于改进PEAS算法．     

无线传感器网络覆盖漏洞修补策略研究

为避免静态无线传感器网络中常出现的覆盖漏洞对网络性能的影响,提出了一种覆盖漏洞修补策略.该算法首先根据估算的覆盖漏洞面积大小将覆盖漏洞分类成无需修补的覆盖漏洞、仅需一个节点修补的覆盖漏洞和需多个节点修补的覆盖漏洞;然后针对需要修补的两种覆盖漏洞分别提出了最小覆盖圆修补算法和蜂窝生长修补算法;最后,利用小型无人机将增补感知节点放置到算法所求的坐标位置处实现对静态无线传感器网络覆盖漏洞的修补.仿真结果表明,该算法在修补覆盖率和所需节点数上较其他修补算法更具有优势.     

面向客运车站环境监测的WSN覆盖策略

客运车站环境的监测对于保障车站安全运营和为旅客提供舒适出行具有重大意义.基于无线传感器网络(WSN)的客运车站环境监测全覆盖策略,依据被监测区域中已部署的传感器节点对区域进行Voronoi划分,计算Voronoi图中三角形的覆盖比,提出基于Voronoi三角形覆盖比的全覆盖算法,该算法通过逐个添加新的传感器节点修复覆盖空洞.仿真结果表明:所提算法在实现监测区域全覆盖的同时能够有效减小由于大量部署传感器节点所造成的覆盖冗余.     

无线传感器网络中一种基于节点序列的覆盖算法

针对覆盖问题是无线传感器网络中的一个基本问题.不同的应用场景对网络的覆盖度有不同的要求,提出一种基于节点序列的覆盖算法(CNS)来判断网络的覆盖情况、消除覆盖漏洞.算法首先讨论如何判断网络1度覆盖情况,然后通过调整距离覆盖漏洞最近的传感器节点的感应半径来动态提高网络的1度覆盖率.同时,还对CNS算法进行扩展,用来解决多度覆盖问题.模拟结果表明:CNS算法在性能上要比现有覆盖算法优越.     

无线传感器网络中最优覆盖节点集的求解算法

在传感器节点高密度部署的环境中,如何保证在满足"覆盖要求"的同时,使用的节点数目最小是一个NP完全问题.结合遗传算法在处理集合搜索中的广泛应用,设计了一种基于遗传算法的节点集搜索机制.在保证充分覆盖的前提下,令一部分冗余节点进入低功耗休眠状态,形成最优覆盖节点集.最后进行了算法的性能评价和网络覆盖的仿真实验.结果表明,该算法能以较小的代价完成最优节点集的搜索,有效提高整个网络的生存时间.     

基于无线传感器网络的优化点集覆盖算法

针对无线传感器网络对目标区域覆盖过程中会产生大量冗余节点,从而导致网络能量消耗过快以及节点覆盖的不完全性等不足,提出了一种基于优化点集覆盖算法.该算法利用高斯正态密度函数和覆盖区域的概率函数对点集进行优化,通过节点感知半径与节点数之间的定量关系给出满足一定覆盖率要求下最优节点集,进而优化了网络资源,提高了网络生存周期和...     

一种无线传感器网络节点自定位新算法

节点自定位是无线传感器网络应用的关键。质心算法是基于距离无关的定位技术,但其定位精度不高。本文提出一种虚拟锚节点定位算法,具体方法是在不增加锚节点密度的情况下,首先根据未知节点与其周围定位的锚节点之间的几何约束关系,确定该未知节点的可能出现的区域位置;其次,根据节点之间的几何约束,确定出虚拟锚节点的坐标范围,最后,在已经划定的可能区域内,采用最小二乘法寻求虚拟锚节点与未知节点之间距离差的最小值,以该数值对应的坐标值作为所定位的未知节点的坐标值。仿真结果表明,采用虚拟锚节点算法能够实现未知节点的定位,并能有效提高定位精度。     

机会网络下一种采用二审分析法的网络恶意节点检测机制研究

机会网络中一旦有了恶意节点,则会引起网络拥塞甚至系统崩溃。因此,如何检测并拒绝接收恶意节点发出的消息是保证机会网络能够正常顺利运行的一个亟待解决的问题。为解决这一问题,本文提出一种基于“二审分析法”的方式来对节点的恶意特征进行评价,并建立恶意节点黑名单。该算法首先通过主观分析算法对消息节点进行甄别,对无明显恶意特征的节点发送的传输消息进行“放行”,之后对具有恶意特征的嫌疑节点再利用客观分析算法进一步判断,并将满足条件的节点加入黑名单。正常节点不接收黑名单中各节点发送的消息,以此来抵御恶意节点的注入式攻击。该算法兼顾机会网络节点间的传输机会和节点内部资源,提高了节点恶意性的分析效率。同时提出“有效报文投递率”“有效传输延时”“有效网络开销”等概念,即各项统计指标不再纳入真实恶意节点产生的数据,通过各项“有效指标”,将更准确地对数据进行观察。     

一种基于博弈论的对等网络带宽分配方案

为解决对等网络中多个异构下载节点从多个源节点下载的带宽分配问题,提出一种基于注水算法及能够容纳自私节点的对等网络带宽分配方案.以节点的满意度为效益函数、以整个网络总效益达到最大为目标,设计一种带宽分配方案,使得未达到其接收能力的下载节点的带宽水面高度保持相平,并且使下载节点在源节点带宽耗尽时进行带宽水面高度的转换.证明了这一方案是约束优化问题的最优解.利用博弈论中的Vickrey-Clarke-Groves(VCG)算法,通过支付函数,设计一种容纳自私节点的机制.利用这种机制,节点只有诚实报告其接收能力,才能使其自身效益最大.     

复杂网络独立集的免疫策略分析

根据独立集的概念,提出了新的复杂网络的免疫策略,免疫一个独立集中度数最大顶点的免疫方法,称为独立集的目标免疫。当独立集中免疫节点度数和等于全网络的目标免疫节点度数和时,独立集的目标免疫策略比全网络的目标免疫更加有效,并从网络结构的角度阐明这一结果出现的原因。随后比较了独立集中的随机免疫策略与全网络的随机免疫策略,实验结果表明对独立集的随机免疫并没有去掉更多的高度数节点。对于经典的SI传播模型,所有节点都只有两种状态：易染状态和感染状态。在复杂网络免疫策略的研究中,SI传播模型与SIR、SIS传播模型相比较,使用SI传播模型对于免疫策略的研究将更加有利。     

基于质心-Taylor的UWB室内定位算法研究

针对室内环境影响定位精度的非视距传播(non-line-of-sight,NLOS)问题,在对基于到达时间差(time difference of arrival,TDOA)的超宽带(ultra wideband,UWB)室内定位模型和算法进行分析研究的基础上,提出了质心-Taylor混合定位算法。该算法利用对测距误差不敏感的质心算法对目标进行初始粗定位,然后将其作为Taylor级数展开法的迭代初值进行二次精细定位,并动态地将前期定位完毕的节点转化为后续定位过程的参考节点,最大限度地利用不断增加的已知信息,在提高Taylor初值质量的前提下减少预设参考节点数目,降低系统硬件成本。采用MATLAB软件进行了模拟仿真。仿真结果表明,该算法定位性能优越,尤其在NLOS测距误差较大的环境下能有效地提高系统的定位精度。     

无线传感网络中预设节点优先级的延时分析

随着无线传感网络节点的增加,网络延时、丢包随之增加.基于有的节点产生的数据相对其他节点会比较重要.为有效减小这类节点的延时,提出了一种优先级算法,在可能改变其他节点传输延迟的情况下,通过给这类特定节点预设较高数据传输优先级,以较小竞争延时来使其能比其他节点更及时地发送产生的数据.仿真结果表明,在实时传输方式下,预设了节点数据传输优先级的网络能传输更多的重要数据.此外,该方案不仅使重要节点的延时大大减小,而且使整个网络的平均延时明显比无优先级节点网络的小,使网络整体性能显著提高.     

基于信念的动态博弈理论的P2P激励模型

P2P是自治的网络系统,近年来P2P网络中出现了大量的free-riding节点和恶意节点,这些节点的不合作行为不仅不能对系统提供服务,还会对系统进行恶意的破坏,对系统的性能和用户满意度造成了很大的影响.为此,该文利用博弈论的相关知识提出了基于不完全信息的动态博弈理论的P2P激励机制,经过分析及仿真实现表明,该文提出的机制是简单且有效的.     

能量均衡的间断连接无线网络数据转发策略

针对间断连接无线网络中节点负载不均衡和能量资源受限的问题,提出了一种能量有效的数据转发策略.该策略根据网络运行的历史相遇信息,充分考虑网络特性,以分布式方式估计节点的活跃度、剩余能量和数据转发率,准确地估计节点效用值,感知网络节点的服务能力,以帕累托最优作为自适应选择最佳下一跳中继节点的理论依据,执行数据转发操作,有效地解决了由于节点自私性所导致的网络性能下降.数值结果表明,与其他能量管理机制相比,所提出的机制能够均衡网络节点负载,有效解决网络"热点"问题,延长网络生存时间,使投递率、时延等系统性能都得到大幅度提升.     

基于边聚类系数的谱聚类社区划分方法研究

针对图谱划分方法在划分社区结构不是很明显的网络时,不能得到好的划分效果,该文提出了基于边聚类系数的谱聚类社区划分方法.由于社区内部节点之间的连接比各个社区间节点的连接稠密,边聚类系数的大小反映了节点的聚集程度,因而通过网络中的边所构三角形的数量定义了聚类系数矩阵,矩阵中的元素即处于网络中的边实际构成三角形的数量.在增益函数最大化的过程中,使用了矩阵的特征值和特征向量,以此来进行社区划分.通过在真实网络数据中进行实验,结果表明该算法可行.     

基于邻域信息的网络结构表示学习

针对传统网络表示学习方法无法学习节点网络结构相关性的问题, 提出一种基于邻域信息的网络结构表示学习模型. 该模型首先定义基于邻域信息的节点间结构相似度计算方法, 对不同邻域范围内节点间结构相似度建模； 其次构建深层自编码器, 将节点结构相似度作为监督信息优化网络表示, 在网络嵌入过程中学习节点结构信息. 与node2vec,SDNE,struc2vec三种相关算法进行对比的实验结果表明, 该方法有更好的网络结构识别能力, 能学习到节点间的结构相关性, 所得到的网络表示能适用于角色识别相关任务. 此外, 跨网络分类实验结果还体现了该方法在迁移学习方面的潜力.