基于拓扑区域一体化成型映射机制的物联网快速收敛算法

为解决物联网快速收敛算法存在的收敛性能较差、网络稳定时间较短的不足,提出了基于拓扑区域一体化成型映射机制的物联网快速收敛算法。首先,根据物联网节点分布具有的随机分布特性及泊松分布特性,通过聚类方式来构建聚合度-权重值裁决模型,以实现路由的稳定收敛,消除因簇头节点失效而导致的区域上传缓慢的现象;随后,采用退避机制来提升簇头节点的传输性能,有效降低因能量受限而导致的网络传输缓慢的现象,优化路由收敛性能,降低因路由抖动而导致的网络瘫痪概率。仿真实验结果表明:与常见的时间度一体化物联网收敛算法(Convergence Algorithm for Time-Integrated Internet of Things,TI-IOT算法)、路由集中度快速收敛算法(A Fast Convergence Algorithm for Routing Concentration Degree,RCD算法)相比,所提算法具有更高的网络稳定工作时间及较快的收敛速度,以及更小的路由冗余度。     

基于攻防混沌度边界预警机制的网络安全存储算法研究

考虑到当前网络安全存储算法普遍存在的防御策略集收敛性不足,抗攻击性能差的难题,提出了一种基于攻防混沌度边界预警机制的网络安全存储算法。根据网络供给侧进行混沌度边界建模(网络供给侧-需求侧边界预警模型),提高安全边界对攻击集合的匹配程度,增强防御资源的合理利用;随后,基于防御资源需要动态攻击集合的问题,引入马尔科夫边界攻击者集合收敛机制,实现对最高强度-次高强度攻击行为的两次预警,有效提升网络安全防御的纳什均衡解,进一步降低了防御成本,从而提高了网络的安全存储性能。仿真实验表明,相比于当前网络安全存储领域使用较广的峰值强度映射过滤算法(Peak Intensity Mapping Filtering Algorithm,PIMF算法)、超线性纳什维度均衡策略算法(Superlinear Nash-Dimension Equilibrium Strategy Algorithm,ND-SES算法),本文算法在资源受限条件下能够实现混沌度高级别预警,降低防御成本,改善了误比特率及丢包率性能,具有更高的抗攻击峰值带宽及二次冗余带宽性能。     

基于收敛启发机制的人工网络安全迁移算法研究

针对当前人工网络安全迁移算法研究中存在迁移时间长、误码率高且容易造成网络瘫痪等不足,提出了一种基于收敛启发机制的人工网络安全迁移算法。首先,利用社区网络进行网络迁移时具有的波动特性,通过带宽函数均值起伏率和网络存储冗余率两个指标进行迁移裁决,有效减缓了迁移过程中网络出现拥塞的概率,实现数据迁移并提高网络安全迁移过程中的鲁棒性。随后,针对当前算法迁移过程中难以进行误差评估的不足,通过启发映射机制设计了网络存储冗余带宽迁移方法,用以改善网络数据传输过程中的抖动,改善网络迁移时的效率,具有很强的迁移质量。仿真实验表明:与当前常用的超混沌云网络预估迁移机制(Predictive Migration Mechanism of Hyperchaotic Cloud Networks,PMM-HCN机制)、社区网络大数据峰值安全迁移机制(Peak Security Migration Mechanism of Large Data in Community Network,PSMM-LDCN机制)相比,本文算法具有网络迁移时间少、网络迁移数据误码率小、网络抖动时间短、网络瘫痪频率低等特性,具有很强的实际部署价值。     

基于聚合度热点适应机制的网络舆情 大数据收敛算法

为解决当前网络舆情大数据收敛算法普遍存在的收敛困难及热点聚类生成速度较低等难题,提出了一种基于聚合度热点适应机制的网络舆情大数据收敛算法。首先,通过增量用户节点与存量热点之间的信息交互关系,设计了一种基于聚合度初始化机制的数据收敛方案,采用匹配机制逐个对存量热点与增量用户节点间差异度及聚合度进行比对,能够将增量用户节点纳入性能最佳的存量热点所形成的种子聚类,提高聚类形成速度。随后,针对热点数量处于密集状态等极端情况,特别是用户特征匹配过程中难以实现快速匹配等不足,设计迭代方式,以逐步消除种子聚类差异度,提升大数据匹配性能,改善用户节点与热点之间信息交互质量。仿真实验表明:与当前常用的时间片累积挖掘收敛方案(Convergence Scheme for Time Slice Cumulative Mining,TSCM算法)及热点度显影收敛方案(Convergence Scheme of Hotspot Degree Development,HDD算法)相比,本文算法具有更高的收敛速度和聚类形成质量。     

基于多维攻防博弈机制的LTE-5G网络防御算法研究

针对当前LTE-5G网络防御算法需要预设先决条件,且在多维攻击环境下难以实现防御行为自收敛等难题,提出了一种基于多维攻防博弈机制的LTE-5G网络防御算法。首先,对攻击行为进行大数据建模,综合考虑攻击行为数学分布特性,即DDos攻击特性,并精确匹配DDos攻击带宽,实现对攻击危害行为的确定性分析,提高网络主动防御性能,达到对攻击行为预分析的目的;随后,考虑到传统算法的网络收敛概率评估较差的问题,采取Q分析方式进行随机博弈,构建了Q博弈-单向数据攻击模型,成功获取单向数据攻击集合,并进行了攻击行为持续期间的纳什均衡,改善算法的网络防御效果。仿真实验证明:与当前LTE-5G网络中广泛使用的次高频载波指纹网络过滤防御算法(Secondary High Frequency Carrier Fingerprint Network Filtering Defense Algorithm,SHFCF-FD算法)、带宽峰值匹配过滤防御算法(Bandwidth Peak Matching Filtering Defense Algorithm,BPMFD算法)相比,所提算法具有更大的抗攻击带宽强与网络传输带宽,以及更低的裁决错误率低与信道误码率,具有很强的实际部署价值。     

UWSNs移动节点部署优化策略

为了提高UWSNs对目标监测区域的网络覆盖度,提出基于混沌理论的(Underwater Chaos Glowworm Swarm Algorithm,UCGA)来部署优化目标区域。在节点随机布撒阶段,借助混沌映射优化位置;在重部署阶段,运用混沌扰动性替换适应度值较低的解并进行搜索以跳出极值点。通过移动节点针对水下目标区域不完全覆盖的仿真实验表明,相比传统萤火虫算法,UCGA具有更高的网络覆盖度和更忧的收敛速率。     

收敛因子非线性变化的鲸鱼优化算法

针对基本鲸鱼优化算法在处理复杂全局优化问题时存在解精度低和收敛速度慢等缺点,提出一种收敛因子随进化迭代次数非线性变化的改进鲸鱼优化算法.该算法利用混沌方法替代随机方法初始化种群,使群体具有较好的多样性.受粒子群算法惯性权重启发,设计出一种随进化迭代次数增加而非线性变化的收敛因子更新公式,以平衡算法的全局搜索和局部搜索能力.对当前最优鲸鱼个体执行混沌扰动策略以扩大其搜索范围.选取6个高维标准测试函数进行数值实验,结果表明该算法具有较高的收敛精度和较快的收敛速度.     

一种基于帝企鹅差分算法的WSN覆盖优化

为了解决无线传感器网络覆盖优化智能算法中存在的局部最优、精度不高和收敛速度慢的问题,提出了一种改进群智能算法即帝企鹅差分算法(Emperor Penguin Difference Algorithm,EPDEA). EPDEA将种群初始化设置以及计算当前的个体适应度值,通过群聚行为不断进行位置更新,搜索比当前个体更佳的企鹅个体并进行替换,当最优值陷入局部最优状态时引入差分进化算法对个体进行变异、交叉、选择,直到满足最大迭代次数. EPDEA有效防止原算法陷入局部最优并增加原集群多样性.将EPDEA与灰狼改进算法在不同节点数情况下进行仿真,结果显示EPDEA可以在更快速收敛的同时达到接近97%的覆盖率,且传感器节点在空间分布下容纳度更优.研究表明,EPDEA可有效地优化WSN的节点分布,提高网络覆盖率,提升网络质量.     

基于随机博弈机制的物联网安全收敛算法研究

为解决当前物联网安全收敛算法存在的节点覆盖区域冲突,读写性能不强,难以解决信号干涉等不足,本文提出了基于随机博弈机制的物联网安全收敛算法。首先,采取信号正交调节方式,确定信道发射过程中最佳信噪比性能,且通过随机博弈方式进一步调节节点覆盖半径,降低因节点间频率干涉而导致的覆盖区域冲突及读写性能不强等问题,改善了节点间因工作频段相似而导致频率干涉问题;随后,考虑到单纯通过调节节点覆盖半径方式存在的精确化程度不够的问题,采取调整节点发射过程中时间戳读写的措施,构建时间戳读写规避机制,通过调整物联网节点进行信道发射过程中的时间窗口,实现对发射信号的精确传送,进一步降低了信号干涉发射的概率。仿真实验表明:与当前广泛部署的节点能量感知退避算法(Node Energy Aware Backoff Algorithm,NEAB机制),时间窗口感知调整算法(Time Window Aware Adjustment Algorithm,TW2A机制)相比,本文收敛算法具有更小的网络完全收敛时间与节点读写时间,以及更少的单节点最大收敛次数,具有很强的实际部署价值。     

基于频域窄带莱斯噪声消除机制的OFDM网络信号发射精度增强算法

为改善当前OFDM网络信号精度增强算法中难以高效消除频域窄带莱斯噪声,且系统误码率较高的不足,提出了一种基于频域窄带莱斯噪声消除机制的OFDM网络信号精度增强算法.首先,基于128频相移键控调制方法,在获取信号时域特征的基础上,引入快速傅里叶变换,对信号进行离散化,并基于信号投影机制,构建正交星座图,实现信号投影矢量在预发射状态下的正交分层排序,消除了信源状态下频域窄带莱斯噪声对系统的干扰;随后,引入快速傅里叶逆变换,对预发射信号进行加密处理,且通过量化评估模型对信号精度进行优化提升,有效节约了传输带宽,提高了信号发射性能,改善了信道抗衰落效果.仿真实验表明,与当前常见的时间窗消除机制(time window elimination mechanism, TWE)、频率拓扑映射机制(frequency topology mapping, FT)相比,本文算法的误码率更低,且具有更高的信号增益效果.     

一种改进Logistic混沌序列安全网络编码设计

针对多源组播带宽利用率较低和构造算法收敛时间过长的不足,提出了确定线性逐层构造算法.该方案只需通过一次试播,即可逐层构造各个编码节点的编码系数,并对出现数据冗余的链路进行修剪枝操作,最终使信宿端接收到的全局编码矩阵满秩,从而顺利解码.针对网络编码中的全局窃听攻击和污染攻击,从密码学角度出发,提出了一种基于混沌序列的安全网络编码方案,通过改进Logistic混沌序列对原始消息的最后一维数据进行加密,并利用m序列扰动混沌序列构造全局编码矩阵,实现将加密的原始信息与全局编码矩阵线性组合进行传输并在信宿端点构造线性列表,对污染信息进行过滤.通过仿真与数据分析可得:该方案提高了多源组播的通信效率,在抵抗全局窃听攻击的同时,还可以滤除污染信息,使网络的安全性进一步得到提高.     

基于混沌二进制粒子群算法的认知无线电频谱分配策略

为了解决认知无线电网络中以最大化网络效益为准则的频谱分配难问题,提出一种基于混沌二进制粒子群算法的动态时变频谱分配策略。在该策略中,针对二进制粒子群算法收敛速度慢且后期粒子搜索具有单一性的缺陷,引入混沌映射对初始种群和每代粒子位置进行遍历优化,以提高粒子的全局寻优性能,搭建降维频谱分配数学模型,降低算法计算繁杂度,减少时间开销。实验结果证明,所提算法收敛速率快,可获得较高的网络收益。     

基于改进灰狼优化算法的WSN覆盖优化

针对无线传感器网络（WSN）节点在随机部署时,存在分布不均匀的情况,从而导致覆盖率较低的问题,提出了一种改进的灰狼优化（GWO）算法.首先利用Tent混沌映射初始化种群,增加种群的多样性;其次利用改进的非线性收敛因子,平衡算法的全局搜索能力与局部搜索精度;最后将差分进化（DE）算法的变异、交叉的理念融入GWO算法,避免算法陷入局部最优,并提高算法的收敛速度.基本测试函数仿真结果验证了改进算法的有效性,随后将其应用于WSN覆盖优化问题,可以使节点的分布更加均匀,显著提高覆盖率,进而改善网络性能.     

基于超基性机制的5G网络信道安全编码方案

为解决当前5G信道安全编码方案中存在的编码复杂、传输性能较差及数据冗余度高的不足,提出了一种基于超基性机制的5G网络信道安全编码方案。首先,利用5G信道编码过程中的极化序列具有的正交特性,通过模二运算和张量积运算来实现序列特征矢量的极化分割,有效降低5G信道编码过程中冗余比特数量,高效调度传输序列,提升网络信道安全编码效率。随后,考虑5G信道矫正比特序列具有的极化性质,通过正交权向量映射方法,设计二次编码极化方法,用于降低信道预发射过程中存在的冗余码元数量,改善码元拥塞现象,提高信道发射效率,具有较高的信道码元基性极化率。仿真实验表明:与当前常用的时间片分支累积算法(Time Slice Branching Accumulation,TSB算法)、信道最低分割度编码算法(Channel Minimum Segmentation Coding Algorithms,CMSC算法)相比,本文算法具有数据传输带宽高、时间片误比特数低、编码速率快、周期重传次数少等特性,具有很强的实践部署价值。