异构网络中基于兴趣感知的聚类缓存策略

为应对移动流量的爆炸式增长,在异构网络中引入缓存成为目前的热点研究方向之一。目前缓存部署策略存在缓存命中率不高、缓存数据冗余度较高等问题,没有充分利用存储资源,直接影响网络的性能。针对以上问题,提出一种基于用户兴趣感知的虚拟聚类协作缓存部署策略来提高缓存系统性能。根据用户距离构造虚拟聚类,依据内容请求因子确定系统缓存内容,采用基站协作缓存以及用户间虚拟聚类方式共享缓存内容,以缓存命中率最大化为目标建立优化模型并通过贪婪算法求解。理论分析及仿真结果表明,在异构网络场景下,跟现有方法相比,所提方法在缓存命中率、系统平均传输时延等性能上均有明显提升。     

基于NDN的移动自组织网络协助边缘缓存策略

命名数据网络(named data network, NDN)中一些传统缓存放置策略不能高效地利用移动自组织网络中有限的缓存资源，为提高缓存空间利用率，减小数据传输时延，提出一种基于内容流行度的协助边缘缓存策略。将NDN链路状态路由协议应用于移动自组织网络中进行路由寻址，各路由器实时统计本节点处的数据流行度，结合数据流行度、位置信息以及缓存标志位信息，自主决策是否缓存数据，结果是将请求更频繁的内容缓存至更靠近用户的边缘节点。仿真实验结果表明，与传统的缓存放置策略相比，此缓存策略在缓存命中率、数据响应时延等方面有较好的提升。     

复杂虚拟试验实体聚簇分配策略适应性研究

复杂虚拟试验系统往往需要基于异构网络环境互连的方法搭建,以满足不同试验实体间通信的实时性要求.在不同网络环境中使用相同的聚簇策略很难满足虚拟试验系统的要求.在网络仿真实时性理论和实体交互图基础上,针对复杂虚拟试验的松耦合网络环境定义了系统的细粒度,针对紧耦合网络环境定义了系统的粗粒度.提出了复杂虚拟试验中基于聚簇的实体划分策略,并证明了细粒度下非线性聚簇要优于线性聚簇而粗粒度下线性聚簇要优于非线性聚簇.应用结果表明,该实体分配适应性理论对实体聚合算法的选取和分配方案的评价都具有指导意义.     

基于SSC-tree流聚类的入侵检测算法

由于数据流具有快速、无限、突发等特性,实现高速网络下的实时入侵检测已成为一个难题。设计一种维持数据流概要特征的相似搜索聚类树(similarity search cluster-tree, SSC-tree)结构,在此基础上提出一种基于SSC-tree的流聚类算法用于高速网络的入侵检测。为适应高速、突发到达的数据流,算法采用了链式缓存、捎带处理和局部聚类策略。SSC-tree中的链式缓存区用于临时存放数据流突发时算法不能及时处理的数据对象,缓冲区中的内容随后被捎带处理。在高速数据流未插入SSC-tree参与全局聚类之前,利用局部聚类产生微簇来适应高速流的到达。实验结果表明,该算法具有良好的适用性,能够在高速网络环境下产生较好的聚类精度,有效实现高速网络环境下的入侵检测。     

流量统计窗周期缓存算法仿真研究

传统VOD流媒体服务器点播只考虑用户从电影文件起始位置的连续播放,没有考虑用户快进快退暂停的行为模式.在VCR操作的情况下,如何有效解决磁盘I/O的带宽瓶颈提高字节命中率是一个亟待解决的问题.将通过对USTC影视日志的分析跟踪每部影片内部流行度.同时引入决策统计窗的概念并且提出周期缓存算法.周期缓存算法采用固定的用户访问流量作为统计窗口,并且以间断缓存作为新的缓存接入策略.采用实际点播数据的仿真研究表明:在VCR操作下,统计窗缓存算法的性能优于传统的定长分段算法、指数分段算法.     

协作虚拟样机与协同设计方法

协作虚拟样机技术是在分布式环境下,多领域专家协作建立和应用虚拟样机的方法和技术,本文分析了协作虚拟样机与协同设计的关系,提出了基于协作虚拟样机的协同设计方法,该方法可全面而灵活地支持协同设计,在产品实际设计、制造和使用之前,对其功能、性能进行充分仿真与验证。文中还讨论了协作虚拟样机建模方法和异构仿真方法,并给出了基于协作虚拟样机的协同设计环境的总体结构。     

基于虚拟代理的两阶段网格资源协同分配模型

由于网格资源的分布性和异构性,资源协同分配一直是网格计算的基础研究内容.针对资源协同分配中用户对费用和截止时间的约束,提出一种基于虚拟资源代理的两阶段协同分配模型.虚拟资源代理通过一个两阶段的分配机制来优化资源配置和价格方案,用于满足用户费用约束和提高系统资源收益.同时,虚拟资源代理利用队列系统建立资源工作模型,为用户任务提供量化的截止时问保证.仿真实验从任务截止时间违约率、资源收益和资源利用率三个方面比较了基于该模型的协同分配策略与传统策略的性能表现.实验数据显示,对具有费用和截止时间约束的任务,该模型能有效提高用户QoS满意度和系统资源收益.     

紧急度感知的混合业务分组调度策略

长期演进系统在分组交换域内承载业务,延迟和分组丢弃敏感的实时业务服务质量(quality of service,QoS)难以得到满足。根据业务优先级差异、业务对延迟的敏感度等约束条件,提出了一种基于虚拟队列的分组延迟预测方法,进而根据分组延迟的预测结果确定其对系统资源需求的紧急程度,随后根据分组紧急度对缓存中的分组采用分类调度策略,以最大化系统资源利用率。结果表明,本文提出的调度策略能够有效地提高实时业务的QoS,改善网络的性能。     

基于IFTS的云计算网络动态负载均衡方法

针对云计算网络节点的异构性、资源配置的差异性和用户需求的不确定性等因素导致云计算网络极易出现负载不均衡的问题,在分析云计算节点负载模糊时序变化特性的基础上,构建了基于直觉模糊时间序列(IFTS)预测的云计算网络动态负载均衡模型,提出了基于IFCM的云节点计算资源自平衡方法,设计了基于IFTS预测的主动控制和基于反馈的被动调控相结合的虚拟机调度机制,并给出了云计算网络动态负载均衡策略,增强了云资源池的智能化管理水平,提升了云计算系统的整体性能.最后,通过典型实例验证了该方法的有效性和优越性.     

基于聚簇的大规模虚拟试验实体分配策略研究

在大规模虚拟试验中,能否为数量众多的试验实体合理指定其所在的宿主机将直接影响系统性能.针对现有实体分配算法大都以线性聚簇策略为主,不适用于大规模松耦合的试验环境,提出了一个较为系统性的细粒度实体分配理论.在网络仿真实时性理论指导下,建立了实体交互图EIG,定义了虚拟试验系统的实体粒度.提出了大规模试验中非线性聚簇的实体划分策略,并证明了细粒度下非线性聚簇要优于线性聚簇.该实体分配理论对实体聚合算法的选取和分配方案的评价都具有指导意义.     

基于非正交多址技术的协作中继传输方案

针对星地频谱共享网络中深衰落认知用户传输速率低的问题,提出了一种基于非正交多址接入(non-orthogonal multiple access,NOMA)的协作中继传输方案。该方案的源节点采用NOMA技术广播信息并根据信道特性自适应地调节功率分配因子,中继节点通过中继-源节点功率比参数合理设置其传输功率并进行译码转发,在功率受限情况下最大化认知用户的传输速率。数值分析结果表明,功率比在一定范围内时,与正交多址接入的协作中继方案相比,该方案的传输速率提高了13.7%左右;当两种方案传输速率相同时,该方案的功率节约30%左右。     

基于OFDMA的无线协作多播网络资源分配算法

在传统的无线多播传输中,多播组的系统性能受限于多播组内的最差用户的信道质量。为了克服多播组的系统性能受限的问题,将协作传输引入到基于正交频分多址(orthogonal frequency division multiple access,OFDMA)的无线多播网络中,并提出了在总传输速率受限的情况下,最小化总传输功率的动态资源分配算法。为了减少计算复杂度和保障公平性,提出了协作公平子载波分配算法(cooperative fair, CF)和迭代注水功率分配算法。仿真结果显示,在多播组的用户中进行协作传输的系统性能,要远高于采用传统多播直接传输的性能,并且所提算法也在保证系统性能的同时,实现了多播组间良好的公平性。     

超密集网络中基于聚类的资源分配方案

超密集网络(ultra-dense network, UDN)中,毫微微基站(femto-cell base station, FBS)的密集和随机部署会导致严重的小区间干扰。为了减轻干扰、保障用户服务质量(quality of service, QoS),提出了一种UDN中基于聚类的资源分配方案。首先,设计了一种基于加权密度的改进K-means聚类算法,将FBS动态划分为不同的簇。然后,以最大化UDN系统吞吐量为目标提出了一种两阶段时频资源分配方案:第一阶段,每个聚类内使用贪婪算法执行时频资源块的分配;第二阶段,利用资源补偿分配算法分配剩余的资源块,在考虑用户公平性的同时保证用户QoS。仿真结果表明,本文提出的资源分配方案能够有效提升系统吞吐量,同时保证用户QoS和公平性。     

基于改进d-Xdraw算法的起伏地形下异构多传感器分簇部署方法

为解决起伏地形环境下异构多传感器网络表面覆盖问题,提出了多传感器多阶段分簇部署方法。首先,考虑地形遮挡效应,给出了起伏地形环境下的传感器侦察与通信模型。其次,为快速获取传感器覆盖范围,构建了基于视线交点相似性判断的改进型d-Xdraw可视域求解算法。然后,为增强覆盖率,采用分簇部署策略,将传感器部署过程分为多个阶段,并结合各阶段特点分别采用微粒群和改进虚拟力算法进行求解。实验表明,改进d-Xdraw算法能够在牺牲少量精度的同时,有效提升可视域的求解速度;相较于传统的直接优化部署方法,多阶段分簇部署方法可节省最多26.7%的运算时间,覆盖率可提升10.9%。     

认知无线网络中基于联盟博弈的分布式协作频谱感知方法

针对认知无线网络中感知用户(sensing user, SU)之间协作效用低的问题,将联盟博弈论应用到频谱感知中,提出了一种基于联盟博弈的分布式协作频谱感知方法。该方法首先通过SU进行本地频谱感知,然后利用联盟形成规则将SU分成若干联盟,在单用户优先准则下进行联盟间信息交换,经过迭代形成稳定的联盟分区结构,最后融合联盟内的感知信息完成频谱感知。仿真结果表明,采取的单用户优先准则较传统合并分裂准则,灵活性更高,形成的联盟效用值更大,在协作频谱感知中提高检测概率的同时降低了虚警概率,具有更好的频谱感知性能。     

Resource allocation for cooperative diversity systems based on quadrature modulation

To improve the error performance and the resource utilization of cooperative systems, the optimum resource allocation, i.e., power allocation and partner choice, for an adaptive decode-and-forward (DF) cooperative diversity system based on quadrature modulation is investigated. The closed-form expression of the bit error rate (BER) system performance is derived and an optimal power allocation (OPA) algorithm is proposed to optimize the power allocation between the local and relayed signals under the minimum BER criterion. Based on the OPA algorithm, a partner choice strategy is proposed to determine the partner locations specified by various cooperation gains. Simulation results show that the proposed resource optimization algorithms are superior to the unoptimized algorithms by significantly reducing the BER and improving the cooperative gain, which is useful to simplify the practical partner choice process.     

基于自适应SGD-多智能体的防空资源部署优化

针对分布式环境下的战场指挥资源部署存在的效率低、速度慢、无法达到预期战略、数据集过大导致计算资源损耗过大等问题,提出了一种分布式环境下多智能体联盟的指挥控制资源部署优化算法。通过对深度学习中的梯度下降算法进行学习率的改进,将原本设定的学习率改为自适应的学习率,进而对指挥控制资源部署进行多智能体联盟的设计。仿真证明了该算法对此问题具有优越的适应性,可以高效地解决分布式环境下的多智能体联盟的指挥控制资源部署优化问题。     

基于自相似业务流的AOS延时累积调度算法

针对自相似业务流量下的高突发性及重尾性所引起的空间数据系统调度性能下降问题,分析了高级在轨系统(advanced orbiting system, AOS)虚拟信道存取(virtual channel access, VCA)子层调度策略以及现有基于短相关模型调度算法的不足,引入Hurst参数、紧迫度、流量离差、成帧时间因子等权值参量,提出一种基于延时累积的自适应轮询调度(scheduling of delay accumulated adaptive polling, SDAAP)算法,通过自适应改变延时阀值因子实现多业务的差异化调度,从而优化AOS虚拟信道服务质量及调度性能。采用多信源重尾分布的ON/OFF流量分布模型进行仿真验证,实验结果表明,针对自相似业务流,SDAAP算法在溢出率、平均延迟等方面优于AOS固定阀值和等时调度算法。