基于复杂网络抗毁性与ADMPDE算法的网络拓扑结构优化

复杂网络抗毁性研究的重要内容之一,就是优化网络拓扑结构。在分析常用复杂网络抗毁性测度不足基础上,提出了以自然连通度为复杂网络抗毁性测度,建立了其拓扑结构优化模型;综合运用ADMPDE算法收敛好、寻优速度快等优点,通过适当改进用于求解复杂网络拓扑结构优化模型。通过仿真分析,验证了复杂网络拓扑优化模型及其求解算法的科学性与可行性,得出了拓扑优化过程网络结构变化一般性规律,并分析了网络拓扑结构优化前后,在不同攻击策略下复杂网络抗毁攻击能力。     

基于信息流的军事通信网络抗毁性优化设计

为了保证军事通信网络发挥保障军事组织中信息流顺利传输的基本作用,详细描述了基于信息流的军事通信网络抗毁性优化设计问题.在此基础上定义了基于信息流的军事通信网络抗毁性测度,建立了成本约束下的军事通信网络抗毁性优化设计模型,提出了基于禁忌搜索的模型求解算法.最后结合具体的军事通信网络抗毁性优化设计案例,对所提方法进行了实验验证.结果表明:该方法不仅可行有效,而且具有较好的稳定性和时效性.     

基于Ad Hoc网络覆盖模型的信道分配策略及其抗毁性分析

首先, 基于计算几何与图染色的相关理论, 通过建立自组织网络（Ad Hoc）在假设区域不同约束条件下的最优化模型, 运用MATLAB软件进行编程与系统仿真, 分析并解决了自组织网络区域覆盖与信道分配问题. 其次, 结合概率论与数理统计的思想, 定量分析网络拓扑结构的抗毁性问题. 仿真和实验结果证明了模型的有效性及控制方法的可行性.     

基于复杂网络的危险品运输网络抗毁性测度分析

在构建危险品运输网络模型的基础上,采用复杂网络理论对该网络模型抗毁性测度及特性进行研究。首先,根据网络模型的配送特性,提出"网络风险效率"和"最大连通度"抗毁性测度;接着,通过建立危险品运输网络介数模型和对道路网络节点和边的随机和蓄意攻击,描述网络模型的流量和拓扑特性,继而构建基于复杂网络理论的危险品运输网络抗毁性研究框架。实验结果表明:本文构建的抗毁性测度可以很好表征危险品运输网络的抗毁性能水平,且网络抗毁性是由少数节点和边维系的;无论节点攻击还是边攻击,网络均表现出对随机攻击的鲁棒性和蓄意攻击的脆弱性,故抗毁特性更接近于无标度网络,且边的抗毁性高于节点的抗毁性;此外,在攻击较多节点和边时,度攻击的抗毁性较弱,且网络配送的可达性优于风险值增长水平。     

基于边缘颜色对特征及笔画穿越双层检测车牌定位算法

针对现有车牌定位算法鲁棒性不够、准确度不高以及参数设置困难等问题,提出基于边缘颜色对特征以及笔画穿越双层检测车牌定位算法,不但充分利用车牌边缘颜色搭配信息,而且有效利用了车牌字符结构信息。粗检测阶段:首先进行边缘检测,人工收集所有搭配的彩色边缘特征数据,利用机器学习模型建立车牌边缘颜色对覆盖分类学习模型,然后利用车牌边缘颜色对覆盖分类学习模型,并利用先验信息进行形态学处理形成车牌候选区域。验证阶段:针对粗检测车牌候选区域,扫描车牌边缘穿越信息,最后利用车牌区域整体边缘分布覆盖分类模型进行候选区域验证处理。该方法利用车牌背景与字符具有固定颜色搭配的重要特点,综合利用了车牌的结构特征和纹理特征,提高了车牌定位的可靠性。实验采用100幅含有不同颜色搭配的车牌图像进行实验,定位准确率达到96%以上。     

动态WMN无线网格网抗毁性及仿真

在动态WMN无线网格网络模型中建立了刻画网络节点连通性状的邻接矩阵,提出了基于广度优先搜索法的网络连通判定算法和抗毁率计算方法,通过随机试验模拟了动态WMN无线网格网络节点受毁的情况,计算了与时间相关的网络抗毁率,验证了动态WMN无线网格网络的高抗毁性.     

采用Q学习的软件定义网络抗毁技术分析

针对软件定义网络(SDN)的链路抗毁问题,为使数据传输具有更好的稳健性,设计了一个基于Q学习算法的抗毁策略。该策略选择以网络中每条链路的中断概率为衡量指标,通过Q学习算法,根据网络情况寻找一条中断概率低的路径作为备份路径,从而在网络传输出现故障时能够自动地切换为备份路径,实现抗毁性能的改善。将Q学习算法与现有的算法进行对比,并分析了各自的优劣性。实验仿真结果表明,相比于蚁群算法,Q学习算法的平均吞吐量可提高15%左右,网络传输的平均中断概率可降低38%;相比于最短路径算法(有备份),平均吞吐量提高16.5%,网络传输的平均中断概率降低43%。由此可见,文中所提基于Q学习的抗毁技术可大大提升SDN网络的抗毁性能。     

无线传感网络可信信息覆盖泰森多边形区域划分算法研究

针对无线传感网络区域划分问题,基于可信信息覆盖模型,设计了一种新的面向可信信息覆盖的泰森多边形区域划分算法。首先,该算法利用节点间的协作感知,通过节点聚类形成节点协作感知盘;然后基于可信信息覆盖模型计算各重建点的权值;最后利用权重泰森多边形图理论设计基于该模型的泰森多边形区域划分算法。仿真实验结果表明,该算法与传统圆盘模型下的泰森多边形法相比较,在相同数量节点下划分的泰森多边形区域数量更少,并且有着更高的覆盖率。     

危险品事故背景下城市交通网络级联失效抗毁性研究

为了研究危险品事故背景下城市交通网络的抗毁性,首先基于复杂网络理论构建城市交通复杂网络;其次,通过对危险品事故发生后城市交通网络级联失效现象的分析,构建抗毁性测度,建立网络级联失效模型;最后,通过仿真对城市交通网络的抗毁性进行评价,验证模型的适用性。结果表明:节点的毗邻方式不同,随着节点容量系数变化,网络抗毁性的变化趋势呈现很大差异,并且,城市交通网络抗毁性具有与节点容量系数相关的跃变特性。     

基于级联失效的复杂网络抗毁性

传统的复杂网络抗毁性研究主要基于网络静态连通性,而忽视了网络动态特征。该文在网络动态性基础上,研究级联失效条件下复杂网络的抗毁性能,对ER随机网络模型、BA无标度网络模型和PFP互联网拓扑模型这三种模型在不同攻击策略下的抗毁性进行了对比分析和仿真实验。实验结果表明：在随机攻击下,ER网络表现最为脆弱,而BA网络的抗毁性...     

全局视域下约束性载荷感知局向风险抗毁算法

当前由云计算和大数据引发的网络载荷出现延迟、阻塞等业务失效风险问题日益凸显。为解决此问题,传统算法研究的焦点是通过提取冗余带宽资源来实施风险把控,但是算法的成效仅限于局部性。故考虑从全局适应性角度出发,依托软件定义胖树数据中心网络功能结构的优势,统筹分析如何运用全局网络中软硬件可用开销资源,用以抗毁随机突发模式下具有重载风险数据流载荷在调度过程中所面临的潜在局向瓶颈风险。所构思的抗毁算法在为局向风险计算可调度开销资源期间始终与网络状态保持同步。相对于传统研究,抗毁算法具备良好的动态适应性。测试数据表明,抗毁算法规划的局向方案在多个指标考察中均保持了长效的优势,具备显著的抗毁成效。同时,由于抗毁算法摆脱了对开销资源的依赖,进一步增强了算法在复杂多变网络环境中的实用性。     

无线传感器网络中覆盖区划分的研究

提出了一种基于确定性覆盖的覆盖区划分方法,解决了一个确定的区域需要用多少个活动节点覆盖及覆盖区如何划分的问题.首先把节点覆盖区抽象为几何学中的圆.然后在保证网络一定连通性的约束条件下,通过动态规划的方法优化网络覆盖区数量和覆盖半径,使网络内所有覆盖区的半径累加和最小,剔除冗余的节点降低网络的覆盖成本.最后,对网络的抗毁性进行了分析,验证了本文的网络覆盖划分方法是有效的.     

无线传感器网络中能量均衡参数可控覆盖算法

针对目标节点进行k度覆盖的过程中会出现大量数据冗余迫使网络出现拥塞并导致网络通信能力和覆盖能力降低、网络能量快速消耗等问题,提出了一种能量均衡参数可控的覆盖算法(energy balance parameters-controlled coverage,EBPCC)。该算法利用节点之间的位置关系构造出覆盖网络模型,通过分析网络模型给出监测区域内节点覆盖期望值及对整个监测区域覆盖所需最少节点数的求解过程;在能耗方面给出了工作节点和邻居节点之间的能量转换函数比例关系,利用函数比例关系完成低能量节点的调度,进而达到全网能量平衡。实验结果表明:该算法不仅可以提高网络覆盖质量,还可以有效抑制网络节点能量快速消耗,在相同的监测环境下,该算法的网络生存周期比能量有效的目标覆盖ETCA算法延长了12.91%,覆盖率比事件概率驱动机制EPDM算法提高了7.06%。     

基于最优传输模型的人脸颜色转换

现有人脸颜色转换算法仅基于图像的Lαβ颜色空间匹配均值和方差,因而仅限于线性变换且通常适用于自然图像;同时,现有算法利用人脸关键点信息来定位人脸五官的位置,但由此得到的人脸五官区域信息不是非常准确,通常需要进一步优化处理.针对上述问题,在自动获得人脸区域分割的基础上,为得到更自然的人脸颜色转换效果,基于最优传输模型,提出了一种新的人脸颜色转换的方法.首先利用全卷积网络自动得到人脸区域的分割信息,再利用最优传输模型获得对应的人脸区域的颜色转换结果.试验结果表明,所提算法在人脸五官分割的鲁棒性和人脸图像颜色转换的主观视觉上均得到明显的改善.     

加权BA网络负荷重分配建模及级联抗毁性研究

增强复杂网络在级联故障下的抗毁性具有重要的现实意义。文中考虑了网络中边之间的差异性,基于BA无标度网络模型构建了加权BA无标度网络模型,对负荷重分配策略进行建模,分析了分配过程中局部规模大小对网络抗毁性的影响,确定出了最佳负荷重分配策略,并研究了蓄意攻击条件下采取不同负荷重分配策略时重要网络参数对网络抗毁性的影响。仿真结果表明,局部规模越小、权重系数越小、平均度越大,网络的抗毁性越强,且采用就近局部负荷重分配策略时网络抗毁性始终高于采用就近全局负荷重分配策略时网络的抗毁性。研究结果可为提高复杂系统的级联抗毁性提供理论参考。     

基于自组织特征映射的移动传感器网络控制

针对概率型感知模型的移动传感器网络中覆盖区域为时变的情况,提出了一种基于自组织特征映射的实时覆盖算法.其中自组织特征映射依据实时采样的样本点来对覆盖目标区域进行拓扑映射,并依据多智能体系统中的一致性控制算法使移动传感器载体形成预定编队,完成覆盖任务.最后通过实验仿真验证了该算法的优良性能.     

加权BA网络负荷重分配建模及级联抗毁性

增强复杂网络在级联故障下的抗毁性具有重要的实际应用意义。在考虑了网络中边之间的差异性,基于BA无标度网络模型构建了加权BA无标度网络模型,对负荷重分配策略进行建模,分析了分配过程中局部规模大小对网络抗毁性的影响,确定出了最佳负荷重分配策略,并研究了蓄意攻击条件下采取不同负荷重分配策略时重要网络参数对网络抗毁性的影响。仿真结果表明,局部规模越小、权重系数越小、平均度越大,网络的抗毁性越强,且采用就近局部负荷重分配策略时网络抗毁性始终高于采用就近全局负荷重分配策略时网络的抗毁性。研究结果可为提高复杂系统的级联抗毁性提供理论参考。     

一种大概率强连通鲁棒性的无线传感器网络构造算法

针对无线传感器网络的软硬件必须具备鲁棒性、抗毁性和容错性的特点提出了一个具有大概率强连通鲁棒性的无线传感器网络构造算法并进行了仿真分析.该构造算法不仅具备WSN所要求的鲁棒性、抗毁性,而且也兼顾到传感器节点能量保护和网络功率控制.     

通信网络抗毁性的评价方法

基于多抗毁性度量值的评估技术,以作战运用的视角,对通信网络的抗毁性进行评价.首先,从通信网络抗毁性的定义出发,构建了通信网络拓扑结构的抗毁性评价模型.在所建模型中,选取了用户较为关心的网络抗毁性量度,方差的引入弥补了以往的量度不能体现个体差异的不足.其次,采取的点打击策略没有按度的大小进行打击,而是取路径中出现次数最多的点进行打击,这更符合实际情况.最后利用模型对实例进行了分析,结果表明模型不仅能够评价通信网络拓扑结构的抗毁性,而且还能指出网络结构需要优化的地方.     

一种有向传感器网络改进粒子群覆盖增强算法

优化传感器网络覆盖对于合理分配网络的空间资源、更好地完成信息感知和采集任务、提高网络的生存能力都具有重要的意义。在分析传感器节点有向感知模型的基础上,提出了一种有向传感器网络改进粒子群覆盖增强算法。该算法针对随机部署有向传感器网络,以网络区域覆盖率为优化目标,采用改进的多步式位置可选择更新粒子群优化算法,通过调整传感器节点的主感方向,减少网络感知重叠区和感知盲区,实现覆盖增强。仿真实验表明,该算法简单、高效,优于传统的覆盖增强算法。