基于深度强化学习的网络路由优化方法

针对同一网络拓扑下不同网络负载的路由优化问题, 在深度强化学习方法的基础上, 提出了两种依据当前网络流量状态进行路由分配的优化方法。通过网络仿真系统与深度强化学习模型的迭代交互, 实现了对于流量关系分布的网络路由持续训练与优化。在利用深度确定性策略梯度(deep deterministec policy gradient, DDPG)算法解决路由优化问题上进行了提升和改进, 使得该优化方法更适合解决网络路由优化的问题。同时, 设计了一种全新的链路权重构造策略, 利用网络流量构造出用于神经网络输入状态元素, 通过对原始数据的预处理加强了神经网络的学习效率, 大大提升了训练模型的稳定性。并针对高纬度大规模网络的连续动作空间进行了动作空间离散化处理, 有效降低了其动作空间的复杂度, 加快了模型收敛速度。实验结果表明, 所提优化方法可以适应不断变化的流量和链路状态, 增强模型训练的稳定性并提升网络性能。     

ChordPlus:a scalable,decentralized object location and routing algorithm

Object location is a fundamental problem in distributed system such as grid computing and peer-to-peer environment. Chord is one of the typical scalable object location algorithms for peer-to-peer network. The simplicity, provable correctness and provable performance of Chord make it an attractive option for distributed lookup. However its lookup performance is not satisfying. Based on the decentralized object location mathematical model. This paper proposes ChordPlus, an improved Chord algorithm, by enlarging dimension size of space M (M = 2 in Chord) and utilizing data redundancy technology. ChordPlus is a scalable, fault-tolerant, completely decentralized and self-organizing object location and routing algorithm for overlay network. Results from theoretical analysis and simulation experiments show that increasing the dimension size of space or neighborhood set length can enhance the routing performance of ChordPlus. In a simulation network with 5 000 nodes, the average routing path length of ChordPlus is only as many as half that of Chord algorithm.     

数据驱动的技术创新网络模体分析

针对现有技术体系如何实现定量化的网络化建模和识别技术创新的模式和机理两个主要问题,提出数据驱动的技术创新网络构建方法,挖掘出技术文档的关键字向量,结合向量空间模型实现技术相似度的定量计算,生成技术创新时序网络。讨论了技术创新网络基本结构,分析了技术创新网络的模体类型与特性,并计算了模体重要性剖面以进一步确定其网络特征,得出技术创新具有强合作性且技术创新网络与生物网络以及信号传输网络属于同一个网络超家族的结论。并以技术评论数据为例验证了该方法的有效性。     

虚拟人体建模技术的应用与发展

本文描述了虚拟人体的研究现状及虚拟人体开发前景,分析了虚拟人体建模中海量信息存储处理受现有计算机技术发展的局限。介绍了近年来如火如荼发展中的网络分布式处理技术,提出了可以应用网络分布式处理技术来突破现有计算机数字人体建模中数据处理的瓶颈问题。     

递归神经网络在堆石坝地震响应分析中的应用

针对堆石坝系统的地震响应分析问题，提出了一种递归神经网络建模方法。该神经网络模型包含内部状态神经元的反馈并具有状态空间形式。借助于该网络模型的逼近能力和动态信息存储能力，从观测的结构动态系统输入输出数据中重构原系统的输入输出特性，并对新的输入信号做出相应的预测和响应。分别对理想的有限元响应数据和实测的响应数据进行了仿真。结果表明，所提出的神经网络方法较好地学习了这两组结构系统的动态特性，并显示出较好的预测效果。     

面向LVC训练的蓝方虚拟实体近距空战决策建模

真实-虚拟-构造为近距空战对抗训练提供了有力支撑。针对课题对蓝方虚拟实体的实际决策建模需求, 在对比分析深度强化学习与经典智能优化方法的基础上, 从优化理论的角度对神经网络的权值空间和结构空间进行定义, 提出基于智能优化的进化神经网络决策模型及其求解方法。首先,分析近距空战战术特点, 战机飞行运动模型, 实际决策建模需求。其次,分别设计战机关键飞行状态、动作空间、适应度函数, 实现蓝方端到端感知与决策。最后, 给出基于经典遗传神经网络的决策模型及求解示例。结果表明, 所提方法可实现蓝方战机通过对抗数据来学习对手作战特点的功能, 验证了模型及方法的有效性; 同时所提方法对目前智能优化及其改进算法, 以及不同结构神经网络具有通用性。     

大型城市地下物流网络优化布局的模拟植物生长算法

交通拥堵问题的加剧使传统物流网络在我国大型城市已达到极限, 未来地面物流系统将逐步向地下不同层次里转移并释放出城市地上空间.本文以斯坦纳最小树(SMT)为理论模型, 建立了符合我国大型城市不断扩展这一特点的树状地下物流网络布局模型. 由于 SMT 为 NP-完全问题, 因此算法的寻优能力是研究的关键. 本文所采用的模拟植物生长算法(PGSA)是以植物向光性理论为启发式准则的智能算法, 该算法是利用人工植物在给定物流节点集解空间中的生长过程得到城市地下物流网络的最优布局. 通过对国际公布的STEINLIB实例数据计算并与蚁群算法和模拟退火算法进行比较, 表明模拟植物生长算法具有较强的精确性、稳定性和全局搜索能力.     

基于RBF神经网络的海杂波建模

从相空间重构理论出发，构造了一个RBF神经网络预测器来重构海杂波的内在动力学，并且利用这个确定性的模型时海杂波的演变进行预测。为验证模型的推广性能，采用了多步预测。对雷达采集的实际海杂波数据的实验结果表明，这个确定性的模型可以很好地追踪海杂波的演变。文中还分析了该RBF神经网络预测器在不同高斯白噪声条件下的预测性能，得出了其预测误差与杂噪比（CNR）的关系。     

融合LSTM和MoE的倒闸操作识别

为解决不同人员相同操作的个体差异以及同一人员不同时间相同操作差异的问题，提出一种基于混合专家系统(mixture of experts，MoE)和长短期记忆神经网络(long short-term memory，LSTM)的倒闸操作识别方法MoE-LSTM。基于MoE对LSTM进行集成，学习不同来源数据的特征分布。采集加速度动作数据构建倒闸操作数据集，基于滑动窗口对动作序列进行切分；将动作序列输入到MoE-LSTM中，由不同LSTM独立学习不同动作的时序依赖；通过门控网络选择对当前输入分类较好的LSTM的输出作为动作识别结果。仿真结果表明：不同LSTM对来自不同时空的动作数据都有擅长分类的特征空间。     

基于作战环的空间信息时效网关键节点分析模型

体系作战中的空间信息网络具有复杂动态性特点,其本身带有不同于其他网络的时间和空间尺度,具有动态的节点关系和不可逆的时间关系等特征属性。为了刻画这些特征属性在空间信息网络构建、网络关键节点分析中的作用,引入时效网络,提出了空间信息时效网关键节点分析模型。首先,基于标准作战环提出了基于时效网络的作战环模型;其次,侧重网络边属性的时效性建立了空间信息时效网络模型;最后,以作战环为基础构建了网络拓扑结构的关键节点分析指标与模型,仿真实验结果验证了其有效性。     

基于贝叶斯网络的复杂系统故障预测

针对复杂电子系统信号具有不确定性的特点,提出一种基于贝叶斯网络的故障预测模型。该模型通过对连续的信号特征进行量化处理,利用专家知识结合信号建立贝叶斯网络结构;对不同样本采用不同算法来进行网络学习,采用概率推理定量估计信号的区间预测概率,从而建立一个可推理的预测模型。将该方法应用于电源系统进行故障预测,针对不同数据样本进行实验,结果验证具有较高的区间预测率,为复杂系统的故障预测提供了新手段。     

高分辨雷达目标识别的研究

本文研究基于一维距离像的高分辨雷达目标识别方法。文中讨论了三种识别方法(频率域RBF神经网络方法、频率域相关滤波器和距离域相关滤波器),并用我国实验ISAR录取的数据比较了这三种方法在不同信噪比下的识别性能。     

空间网络路由协议研究

空间网络的开放媒质、动态拓扑、分布式合作、资源受限等特点,使路由协议成为该领域的研究难点,在研究空间网络节点运行规律的基础上,提出一种空间网络路由协议,采用静态配置与动态调整相结合的路由策略,在网络拓扑变化时自动对路由进行调整。利用网络仿真软件NS2搭建了空间网络仿真平台进行仿真实验,结果表明,该协议信令开销较小,具有良好的网络性能,适合应用于空间网络。     

NTS Model and Its Application

NTS(The network of time and space)is a new network that describes both the conceptof time and the concept of space.This paper mainly illustrates the theory of NTS,the analysis ofparameter,the chief characteristics and the application.     

一类基于神经网络的非线性模型预测控制

在研究非线性对象输入/输出数据的基础上，将对象输出的Taylor级数展开式取线性项作为预测模型，提出一种非线性系统模型预测控制算法，为了保证预测模型的准确性，以神经网络做辩识器估计系统建模误差，对非线性对象进行单频预测控制，理论上已证明三层BP网能任意逼近L2上的非线性函数，本文通过仿真研究也表明了当神经网络逼近系统建模误差时，所提出的预测控制算法对复杂非线性对象能达到良好的控制效果。     

基于组织自愈机制的空间信息网络抗毁路由技术研究方法

抗毁路由技术是确保空间信息网络长期稳定运行的关键技术之一。提出了一套借助机体组织病理自愈机制展开空间信息网络抗毁路由技术研究的思路与方法：结合现代病理学研究,分析机体组织疾病自主调理机理,总结形成适应天基信息网络路由故障自愈机制研究的启发性结论。据此分析天基信息网络业务特征、组网结构、路由过程、路由影响因素及故障产生条件与原因,构建并深入分析天基信息网络路由故障自愈调控策略与模型,设计满足自愈调控实施的包括分群管理、链路修补、增量修正等天基信息网络路由故障主动调控技术。最后,设计满足天基信息网络路由故障自愈的抗毁路由算法,借助相关的仿真平台与工具,设计适应本文研究需求的天基信息网络路由故障自愈仿真框架与环境,对提出的天基信息网络组网结构、路由故障自愈机制、抗毁路由算法进行仿真分析与评估。     

探索性分析框架EAF的设计

实现了一个探索性分析框架原型系统EAF，使得问题的分析与相关模型独立开来，因而更具柔性。探蠹陛分析框架是由初始输入，问题探索求解控制，输出数据综合分析等三个模块组成。其中初始输入模块主要完成分析问题背景的初始化设置，探索空间的确定，分析决策目标的确定等等功能。问题探索求解控制模块主要完成基于静态或动态优化控制机制，控制探索过程，以减少探索空间规模的工作。输出数据的综合分析模块完成收集探索计算的结果，综合分析数据，为分析人员提供决策支持，并辅助生成分析报告。     

无线传感网多模簇维护机制与算法

无线传感网因节点众多、应用场景多样和资源约束严格而具有复杂的分布特征、组网灵活性和高度动态性,基于簇的网络管理模式面临着如何实现针对不同的簇受损情形的高效簇维护问题。建立了一种可以适应不同簇维护需要的多模簇维护机制,以自适应局域按需簇维护为目标,根据网络中簇的动态变化时间和空间进行分类簇维护,将簇维护转化为局部性和事件触发的操作,触发机制包括簇头剩余能量低于设定阈值、簇头负载不均、新节点加入或簇内节点失效退出等,基于单个簇或相邻簇的状态变化关系启动单簇(簇内)维护或多簇(簇间)维护方案。基于NS2的仿真结果表明:与传统周期性、全网重新成簇的维护模式相比,该机制能够明显降低网络维护开销,有效均衡网络节点能耗、增加传输的数据包总量、100%节点存活时网络的平均生命周期最高可延长1.8倍。     

基于元数据与领域概念树的文本相似度计算

随着网络与信息技术的快速发展,导致网络上产生了大量的电子文本,而文本间的相似度计算是文本处理的一种重要手段。对于大规模的文本集,通常采用向量空间模型（vector space model, VSM）进行文本表示,但是该方法面临着文本向量维度较高及文本语义相似度难以度量的问题。提出一种改进的文本相似度计算方法,从大量的特征空间中选择出具有代表性的元数据特征向量元素,以降低向量空间的维度;构建领域概念树并设计基于领域概念树的文本相似度算法,对领域概念中广泛存在的同义词进行处理,以提高文本之间语义相似度度量的性能。实验结果表明：通过降维和概念相似度计算可提高文本相似度计算的性能。     

用于神经网络直接逆控制的连续空间遗传算法

为解决神经网络直接逆控制中训练样本的获取问题 ,提出了一种神经控制器的设计方法。通过对连续空间遗传算法的编码和遗传算子进行适当改进 ,采用保留精英的线性排序选择 ,避免成熟前收敛 ,并给出算术交叉算子和乘法变异算子 ,使算法同时具有好的搜索精度和搜索效率 ;然后采用这种改进的遗传算法对非线性动态系统的控制进行优化 ,获得了基于一定性能指标的期望的状态轨迹及相应的最优控制序列 ,并以此训练神经网络控制器。最后给出了以同步机为控制对象的仿真结果。