车间作业调度问题中调度规则算法的设计方法研究进展

 调度规则是解决实际生产中的动态车间作业调度问题的有效方法,但它的效率取决于系统特征、加工条件参数和调度目标,因此没有一个规则在所有的调度环境下都比其他规则要好。综述了调度规则的发展、分类及特点,并对调度规则的设计方法进行总结。介绍了调度规则的设计方法,包括早期使用的手工方法和表现较好的智能方法,给出进化算法、遗传规划和数据挖掘方法,并分析比较了其优缺点。针对调度规则设计方法存在的不足,指出了未来的研究方向。     

命名数据网络中的一种双模式转发模型

命名数据网络(named data networking,NDN)是为了解决当前IP网络中因存在大量重复冗余传输所造成的流量爆炸问题而提出的一种新型网络架构.NDN的网内缓存机制极大地提升了网络资源的利用效率,对于传统的端到端业务来说却略显支持性不足.针对于这一问题,提出了一种NDN网络中的双模式转发模型.该模型对内容分发类业务采用传统的NDN转发机制进行转发处理;对端到端业务,采用定长的标签交换代替变长的名字查找来加速转发,并且不再进行缓存操作.基于ndnSIM的仿真结果表明,相较于传统NDN的单一转发机制,使用该转发模型后有效地节省了内容缓存的空间,同时端到端业务的响应时间减小了约37％.     

基于软件定义网络的MPLS TE和VPN网络实现方法

利用SDN网络可编程特性和全局网络资源抽象性,提出了一种基于Open Flow协议的软件定义MPLS流量工程TE和虚拟专用网VPN的实现方法.该方法使用传统标准MPLS的数据面和基于Open Flow协议的更加简单且可扩展的控制面,且在原型系统中验证了MPLS TE和VPN功能.原型验证结果也进一步说明了软件定义网络技术对于简化传统TCP/IP协议体系网络控制面和现有网络设备软件的复杂性均很有效果.     

FPC: A New Approach to Firewall Policies Compression

Firewalls are crucial elements that enhance network security by examining the field values of every packet and deciding whether to accept or discard a packet according to the firewall policies. With the development of networks, the number of rules in firewalls has rapidly increased, consequently degrading network performance.In addition, because most real-life firewalls have been plagued with policy conflicts, malicious traffics can be allowed or legitimate traffics can be blocked. Moreover, because of the complexity of the firewall policies, it is very important to reduce the number of rules in a firewall while keeping the rule semantics unchanged and the target firewall rules conflict-free. In this study, we make three major contributions. First, we present a new approach in which a geometric model, multidimensional rectilinear polygon, is constructed for the firewall rules compression problem.Second, we propose a new scheme, Firewall Policies Compression(FPC), to compress the multidimensional firewall rules based on this geometric model. Third, we conducted extensive experiments to evaluate the performance of the proposed method. The experimental results demonstrate that the FPC method outperforms the existing approaches, in terms of compression ratio and efficiency while maintaining conflict-free firewall rules.     

Peer-to-Peer流量缓存部署建模

为了在网络中更好地部署对等网络(P2P)流量缓存,从而优化网络的性能,提出了一个评价方法量化在不同链路上部署P2P缓存的收益。基于该方法建立了最优化模型:在给定部署开销的约束下最大化收益。分析了问题复杂度,提出了优先选择收益开销比的链路进行部署的启发式算法求解。对实际校园网络的仿真结果表明:在10%的链路上部署P2P流量缓存,能够降低30%的平均链路利用率。该文提出的P2P流量缓存部署模型和算法可以有效地指导P2P缓存的部署,优化网络性能。     

基于区域集中存储的CCN路由策略

针对在内容中心网络(content-centric networking, CCN)中如何结合缓存资源提高路由效率,优化网络性能的问题,提出一种轻量级的基于区域集中存储的路由策略(regional centralized storage routing strategy, RCSRS)。提出区域集中存储思想,以节点度中心性、紧密中心性、介数中心性和凝聚度为指标,选取区域中心度最高的节点作为核心节点集中缓存内容资源,剩余普通节点仅负责路由转发;并设计基于集中存储的路由机制,路由时快速引导兴趣包至区域核心节点以查找内容。仿真结果表明,与传统路由策略相比,该方案在较低网络开销下,平均命中率、平均请求时延和平均跳数减少率方面有明显提升。     

Peer-to-Peer流量缓存部署建模

为了在网络中更好地部署对等网络(P2P)流量缓存,从而优化网络的性能,提出了一个评价方法量化在不同链路上部署P2P缓存的收益。基于该方法建立了最优化模型:在给定部署开销的约束下最大化收益。分析了问题复杂度,提出了优先选择收益开销比的链路进行部署的启发式算法求解。对实际校园网络的仿真结果表明:在10%的链路上部署P2P流量缓存,能够降低30%的平均链路利用率。该文提出的P2P流量缓存部署模型和算法可以有效的指导P2P缓存的部署,优化网络性能。     

命名数据网络中VIP转发方案的性能优化

命名数据网络(named data networking,NDN)是信息中心网络(information centric network,ICN)的一个典型实例,是未来网络一种可能的架构.为优化NDN的转发性能,要求转发平面能根据不同的网络环境自适应地调整转发策略、选出最优的转发接口.“虚拟兴趣分组”(virtual interest packet,VIP)架构是一种基于NDN的联合动态转发与缓存的网络架构,通过VIP架构对转发方案进行了性能优化.VIP架构的转发方案使用了背压算法,该算法在网络处于轻负载状态时时延较大,为此引入偏差函数进行优化.为检测优化效果,对原始VIP架构和优化后的VIP架构的转发性能进行了仿真实验对比.实验结果显示,优化后的转发方案相比原方案在转发时延上有一定降低.且由于偏差函数的引入不会增加原转发方案的时间复杂度,因此提出的方法可以优化VIP转发方案的性能.     

物联网中一种面向聚集点的机会路由算法

物联网中感知设备可以随身携带,具有明显的社会属性.在设计转发策略的时候,需要考虑感知设备的社会属性对路由算法性能的影响.针对人们在日常生活、工作当中展现出的群聚行为,提出了一种面向聚集点的机会路由算法.该算法结合传统的多备份路由机制以及直接等待传输策略,通过在聚集区域内放置一个静态节点来辅助移动节点进行数据转发,解决移动网元之间以及移动网元于静态网元之间的数据转发问题,进而改善了传统机会路由算法的性能.     

基于改进Rete算法的RFID复合事件检测方法

针对现有RFID复合事件检测方法将复合事件的规则表达式和相应的处理代码绑定在一起,不利于应用系统扩展的弊端,提出了能将二者分离的基于规则引擎的RFID复合事件检测方法.针对传统的规则引擎算法——Rete算法会缓存大量的部分匹配结果,而RFID事件通常具有时间约束的特点,提出一种基于部分匹配过期的过期数据回收机制,及时删除过期的部分匹配结果,减小计算过程中缓存的压力.仿真测试结果表明,改进的Rete算法有效地缓解了Rete规则网络中缓存的压力,更适用于RFID复合事件检测.     

网络数据包安全指标关联规则挖掘应用与研究

对网络通信中,安全指标间关联规则的挖掘速度缓慢问题进行研究。网络通信数据的高容量、多样性和复杂性,使网络安全指标间关联规则挖掘的信息处理难度较高、时间效率低,为此提出一种基于并行FP-树频集算法的关联规则数据挖掘方法并成功应用于网络通信的安全指标挖掘中。首先对网络通信数据进行Netflow流量数据采集,对其进行预处理以信息熵的形式存储。然后将频集压缩到频繁模式树上,再引入并行算法在多个处理器上为频繁模式树的节点创建条件模式库和条件模式树,在不同的并行处理器上进行同时处理,最后生成反映网络安全信息的关联规则。该方法提高了网络信息安全指标间关联规则挖掘的效率,在同样的支持度阈值和置信度阈值的条件下,可减少处理时间4~7 s。     

利用IP转发技术在集群服务器中实现负载均衡

研究集群服务器系统中实现网络服务网载均衡的软件方法,讨论由专用路由实现负载均衡的特点及设计软件实现方法,使用分配器将客户机的请求分配到多个服务器中去,达到网络服务的负载均衡,并研究了服务器分配算法,系统性能开销和高可用性实现问题,利用IP转发技术,在不需要加特殊网络设备的条件下,用软件方法在集群服务器系统中实现网络服务的负载均衡。     

求解混合Flowshop调度问题的简化禁忌搜索方案

针对 HFS系统的最小化 Makespan调度问题 ,提出一种禁忌算法和优先级规则相结合的方案 :采用改进的 RA算法对第 1级工件进行排序 ,并用禁忌搜索对其进行优化 ;采用 FAM算法给工件分配设备 ,其他级工件的排序采用最大剩余时间优先级规则 .和其他 HFS的局部搜索算法相比 ,该方案大大缩减了搜索空间 .仿真结果表明 ,该方法能够较好地解决 HFS调度问题 .     

无线传感器网络自适应拥塞控制的路由算法分析

无线传感器网络中节点的覆盖范围有限,因而采用多跳路由传输方式.无线自组网中的多跳路由是由普通节点协作完成的,选择不同的转发节点,会对网络的信息传输产生不同的影响.对不同路由(洪泛路由、最短路径等)算法下的网络自适应拥塞控制进行了分析,研究了不同路由算法下的网络性能和拥塞控制效果.根据节点跳数与缓存占用的关系,提出一种基于节点跳数和缓存占用的性能函数的改进最短路径算法,算法选取使性能函数值最小的节点作为转发节点.最后,通过实验比较了最短路径算法与改进路由算法的网络性能,发现改进路由算法相比最短路径算法,具有较好的网络性能和服务质量.     

基于梯度和模糊神经网络的容迟网络路由算法

高效的路由算法是保证容迟网络性能的关键技术.为提高适用于容迟网络的路由算法的性能,提出了一种基于梯度和模糊神经网络决策的容迟网络路由算法.该算法具有如下特点:改进了网络描述向量,采用节点自身信息及节点间链路状态信息来描述网络,实现对网络的全面描述;将有限历史信息的动态平均与精确预测相结合,自适应维护网络描述向量的各分量,进而为路由决策提供准确的量度;采用模糊径向基神经网络进行路由决策,实现路由决策过程的智能化;依据多跳传输成功概率引导分组沿梯度方向转发,提高分组转发效率.仿真结果表明,在同等网络条件下,该算法表现出比传染路由算法和下文感知路由算法更优异的网络性能.     

理想高速缓存模型及其高效算法研究

分析了在高速缓存有效的算法设计中提出的一个新的存储模型———理想高速缓存模型,并通过理论分析和性能测试,证明了基于该模型设计的高速缓存参数无关算法不仅具有最优的工作复杂性和高速缓存复杂性,而且具有很好的实验性能.     

故障诊断知识获取的一种神经网络理论方法

基于神经网络的竞争学习机制,提出了一种新的基于神经网络专家系统的自动化生产过程监控的知识获取理论方法.这种理论方法在故障诊断的知识获取上是通过竞争学习机制来实现的,与以往人们一般较常采用的BP学习算法相比,具有算法简单、易于实现及无需教师进行监督等特点.利用此方法,经在一个铣削加工过程监控系统上进行仿真研究表明:这种理论方法是非常有效的.     

支持大规模地震探测数据快速可视化的云端数据缓存技术

首先, 基于云计算应用模式, 提出一种能有效利用云存储架构的双层缓存技术. 通过在客户端和服务器端建立分布式缓存, 能有效避免用户频繁访问远端数据, 为用户构建轻量级的客户端, 解决了目前地学数据可视化软件大量占用用户本地存储容量的问题. 同时服务器端也避免了多次访问云存储文件系统, 减少了大量的数据检索与加载时间. 其次, 提出一种ARLS(association rule last successor)访问预测算法, 根据用户的历史访问记录, 利用关联规则挖掘用户的访问模式, 对其访问行为进行预测, 进而提前加载数据, 提高缓存命中率, 解决了用户在可视化过程中不断移动兴趣区域, 频繁更换渲染数据的问题, 能有效应对用户具有多种访问模式的情况, 提高了预测准确率. 实验结果表明, 该云存储架构显著减少了本地资源消耗, 访问预测算法的准确率在最差情形下可达47.59%, 平均准确率达91.3%, 分布式缓存的平均缓存命中率达95.61%, 可有效支持云端大规模地震数据的快速可视化.     

基于大数据的公共自行车运营分析及调度模型

为解决公共自行车系统在交通高峰时间段自行车借还困难问题,提升公共自行车系统的运行效率和用户 满意度,以某市的现有公共自行车系统运营情况为研究对象,通过大数据归纳了公共自行车系统的借用和返回 规律,分析了公共自行车的运行特点,研究公共自行车的时间特性和周转特性,并且为调度模型的建立提供了 数据基础,最后通过改进蚁群算法建立了较好的公共自行车调度模型。实验结果表明,建立的静态调度行驶路 径优化模型得到了最优调度行驶路径,从而使高峰时间段自行车借还困难问题得到了有效解决,减少了调度所 需时间并提高了工作效率。     

基于Q-学习的动态单机调度

针对当前基于Q-学习的Agent生产调度优化研究甚少的现状,利用Q-学习对动态单机调度问题在3种不同系统目标下的调度规则动态选择问题进行了研究.在建立Q-学习与动态单机调度问题映射机制的基础上,通过MATLAB实验仿真,对算法性能进行了评价.仿真结果表明,对于不同的系统调度目标,Q-学习能提高Agent的适应能力,达到单一调度规则无法达到的性能,适合基于Agent的动态生产调度环境.