输电线路OPGW光纤网络可靠性分析与设计

文章针对基于OPGW单芯光纤的输电线路监测系统网络的远距离、高带宽特点和低抗毁性的缺点,提出了一种基于多级级联技术的OPGW光纤网络的组网方法,给出了二级级联模式下系统失效的马尔科夫模型与概率计算公式,与单芯传输模式下的可靠性进行了分析对比,并分析了该模式下系统的抗毁性.采用多级级联技术的网络可靠性优于单芯传输模式,并且可靠性随着级联数的增加而提高.     

复杂网络抗毁性研究进展

随着复杂网络研究的兴起,复杂网络抗毁性研究的重大理论意义和应用价值日益突显出来,成为极其重要而且富有挑战性的前沿科研课题.本文总结综述了国防科技大学信息系统与管理学院在复杂网络抗毁性领域取得的研究进展,具体包括:研究了不完全信息条件下复杂网络拓扑结构抗毁性;提出了复杂网络拓扑结构抗毁性的谱测度方法;分析了3种结构属性对复杂网络拓扑结构抗毁性的影响;提出了基于禁忌搜索的复杂网络拓扑结构抗毁性仿真优化方法.     

基于业务的复杂通信网络抗毁性仿真分析

针对Internet这一典型的复杂网络,结合TCP拥塞控制协议能重新调整数据流流速的特点,提出了两个基于业务的抗毁性测度-通信效用和带宽利用率,从不同角度分析了Internet的抗毁性.并与经典的随机图进行了比较分析,仿真结果表明,Internet仍然具有鲁棒且脆弱性.     

基于QoS测度的电力通信网的抗毁性

根据电力业务的QoS要求,提出了基于业务特征指标的电力通信网抗毁性评估方法.该方法考虑业务传输有效性的多项指标,对业务QoS指标与重要度进行有效融合,以此为基础构建了网络抗毁性评估模型.对不同攻击方式下的电力通信网抗毁性进行了分析,结果表明,网络最优攻击和贪婪攻击下的抗毁性较差,且业务在各链路上分布得越集中,网络的抗毁性越差.以仿真结果为基础,利用动态更新链路权值实现了负载均衡,提高了网络抗毁性.     

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.     

基于遗传算法的多自由度振动陀螺仪优化设计

针对微陀螺仪灵敏度与带宽的制约问题,通过一种新型的生物进化遗传算法,提出了一种基于灵敏度和带宽最优化的优化设计方法.编写了多目标遗传算法的相关程序,该方法基于特征提取确定约束条件,以微陀螺振动系统振子质量比、结构频率比以及弹性梁刚度系数比为设计变量,灵敏度与带宽为设计目标,采用多目标遗传算法对模型进行优化.以双检测单驱动三自由度微机械陀螺仪为研究对象进行分析与优化,获得的灵敏度和带宽与二次序列规划算法(SQP)相比分别提升了18 dB和2 175 Hz.结果表明,采用该方法对微陀螺仪的性能进行分析和优化,能在大大提高优化效率的同时有效提高灵敏度与带宽,达到提升多自由度微陀螺性能的目的,为微机械振动陀螺仪的优化设计提供了新的有效方法.     

云计算模式下服务器抗毁性能研究

云计算下服务器的异构性,由于在于云计算环境下服务器的设计规则较多,无法建立统一的标准的抗毁性评估标准,本文提出基于服务器容量的云计算下的服务器抗毁性估计方法。根据服务器的容量与权重的关系建立服务器的非线性负载容量模型;在进行服务器抗毁性估计的过程中,根据服务器抗毁性的估计结果,通过调节服务器容量的方法能够使服务器的抗毁性保持最优。     

数据中心间网络中保证带宽的基于OpenFlow路径规划（英文）

为了实时满足依托于数据中心间网络(IDN)的云服务在不同时间尺度的不同带宽需求,提出了一个基于OpenFlow的保证带宽路径规划(OPPBG)策略.当一个流到达时,OPPBG采集实时网络链路状态,生成一个满足带宽需求的虚拟拓扑,并通过基于OpenF low的软件定义网络(SDN)平台为该流规划出一条优化路径.仿真结果表明:与采用传统路径规划策略的IDN相比,基于OPPBG的IDN能够在保证带宽的同时,实现低丢包率和较高的带宽利用率.     

IP over WDM网中基于p圈的保护设计

在介绍了GMPLS和目前基于p圈法对IP层进行保护设计的研究成果基础上,分析了多层抗毁研究中IP层和光层各自不同之处,设计了将GMPLS和p图法相结合,对光层进行抗毁保护的算法.并对该算法进行了仿真实现和分析.     

一种航空电子WDM网络消息调度方法

针对WDM(wavelength division multiplexing)广播选择型网络结构,提出了一种高信道利用率的航空电子周期和非周期消息的实时调度方法 MMAS(multichannel multiclass avionics scheduling).对周期消息,采用多信道静态轮转调度策略,其中RL(round length)轮转参数优化方法,可以有效地提高信道负载率,减少带宽碎片;同时提出的多信道消息分配策略能有效减少消息拆分次数.对非周期消息,采用动态预留的多信道调度策略,提出了基于周期消息剩余带宽循环序列矩阵的方法提高了信道利用率,提出了非周期实时消息的准入条件.最后,一个具体的算例验证了MMAS中周期消息RL优化方法、消息分配方法以及非周期消息剩余带宽调度策略.结果表明,周期消息分配方法能降低消息的拆分次数,RL优化设计方法和非周期剩余带宽的调度方法能有效提高信道利用率水平.     

采用约束蚁群优化的贝叶斯网结构学习算法

针对贝叶斯网络结构学习问题,提出了一种约束蚁群优化算法.该算法根据贝叶斯得分的局部一致性原理设计了一种增边规则,并且将此规则引入蚁群算法的框架中,从而实现了在搜索过程中利用启发式信息动态缩减搜索空间、同时减少运行时间的目的.此外,还从理论上证明了增边规则的正确性,而且从实验角度讨论了约束蚁群优化算法的参数敏感性.实验结果表明,在解决较大规模的贝叶斯网络结构学习问题时,约束蚁群优化算法在保证求解精度的条件下比蚁群优化算法的运行时间减少40%以上.     

基于顺序优化的液压集成块孔道连通设计

在全面分析液压集成块内部孔道结构特征和设计规律的基础上,提出了一种基于顺序优化的液压集成块孔道连通优化设计方法,并给出了该问题的数学优化模型;通过对两端线网的连通顺序及其连通算法的研究给出了单线网孔道连通设计方法,研究了多条线网的连通优化策略,实现了液压集成块内部多线网孔道网络连通优化设计,为提高集成块设计水平和自动化程度提供了必要的技术支持.最后的实例验证了方法的可行性和有效性.     

利用Alopex改进的粒子群优化算法及其在软测量建模中的应用

提出了一种利用A lopex算法改进的粒子群优化算法,并将其应用于神经网络的建模中。改进的粒子群优化算法改善了粒子群优化算法摆脱局部极小点的能力,对典型函数的测试和基于神经网络的软测量建模表明:改进算法的全局搜索能力有了显著提高,特别是对多峰函数能够有效地避免早熟收敛问题。     

基于分层模型的配电网拓扑辨识

传统的电网模型主要描述网络元件和网络元件联结，其网络模型最终要解决的问题是在某一输入下的输出响应情况。而配电网的网络拓扑描述不仅要表示出各顶点之间的联结关系，而且在描述出当开关状态改变时，其运行网络结构的变化及对应对数的变化。同时配电网中存在T接点、分支，使配电网的负荷分配、网络重构、恢复供电等功能采用图算法难以实现全局最优。基于分层的拓扑模型不仅可以有效地辨识处理区域与分支，而且采用分层拓扑模型可以方便地对配电网各顶点进行状态估计，从而为配电网图算法的解实现全局最优提供了强有力的拓扑分析方法。     

ES-SOFM混合模型及其在水环境评价中的应用

提出一种基于进化策略（Evolutionary Strategy,ES)和自组织特征映射（Self-Organizing Feature Map,SOFM)神经网络的混合模型进行水环境评价的新方法。把SOFM网络嵌入到ES中，根据SOFM网络的运行状态构造ES的适应性函数，利用ES的强搜索能力克服SOFM网络对初始权向量和样本输入次序敏感的弱点。在水环境评价中的应用效果表明，此方法比模糊聚类法分类更合理。     

核偏最小二乘法及其在P-glycoprotein抑制剂设计中应用

介绍了一个新的基于优化推导出的核偏最小二乘(kernel partial least squares.K-PLS)的算法原理和实现步骤.并且给出了利用K-PLS法构建P-糖蛋白(P-glycoprotein,P-gp)黄酮类抑制剂的定量构效关系(QSAR)模型.利用该方法结合几个简单的分子拓扑参数.构建了具有高准确率的预测模型.该模型将有助于P-gp黄酮类抑制剂的虚拟筛选和理性设计.结果证明K-PLS是一个十分稳定可靠的方法,将会在化学计量学领域得到较好的应用和推广.     

Parex过程基于神经网络简化模型的操作优化

以芳烃吸附Ｐａｒｅｘ过程为例，在建立其稳态机理模型的基础上，采用正交设计方法获得了 特性数据；根据这些数据建立具有一个隐层的神经网络模型，并以此作为优化操作的简化模型。采用一种新的优化方法，得到吸附塔的最佳操作条件，以实现计算机的二级优化控制。     

基于神经网络的内燃机零件可靠性优化设计

应用神经网络技术提出了内燃机零件可靠性优化设计的一种新方法,建立了神经网络优化数学模型,并以实例表明该方法是可行的,且比常用的数学规划方法更适合于并行处理优化计算．     

一种面向传感器网络的蚁群优化路径恢复算法

为了找到动态传感器网络中的能量有效路径,提出了一种基于蚁群优化的传感器网络路径恢复算法.设计了一种新的路径选择概率模型,使得能够找到一条从源节点到sink的能量有效路径,该路径兼顾了路径能量消耗和节点剩余能量情况.为了适应网络动态变化,提出了局部信息素再初始化规则,利用该规则可在网络失效节点的附近进行局部信息素再初始化,在保留大部分原有最优路径的信息的同时,还能进行局部搜寻,以寻找新的路径,从而达到快速路径恢复的目的.仿真实验表明,所提算法在寻找路径上所消耗的能量最少,节点的剩余能量最大,在网络存在失效节点的情况下能够快速恢复路径.     

基于粒子群算法的电力通信光纤网络恢复优化

针对电力通信光纤网络的恢复,提出一种基于粒子群算法的电力光纤网络恢复优化算法,算法以电力光纤网络的虚拓扑结构为主要研究对象,模拟鸟群觅食行方式获得网络业务受损节点恢复方案。结果表明,粒子群算法可以快速、有效求得网络恢复问题的优化解,是求解网络恢复问题的一个较好方案。