基于VRNET的卫星路由算法研究与仿真

分析了目前已有卫星路由算法,讨论了其中具有代表性的多层卫星网络路由算法MLSR,在此基础上提出并设计了一种适合LEO&MEO&GE0多层卫星网络的路由算法DTMLSR,该算法充分利用了卫星通信网络的规律性和可预知性,利用地面网关来传输部分链路信息,有效地减少了路由计算开销,缩短建路时间.另外通过增加卫星网络流量监测及接入卫星的选取机制,平衡了网络流量分布,降低了网络的丢包率,并在一定程度上减少了通信业务的端到端时延.     

基于拥塞避免的卫星网络路由算法

提出一种基于低轨道和静止轨道星座的双层网络新路由算法, 利用低轨道卫星及其星间链路构成的网状拓扑对星上路由进行计算, 并通过拥塞避免和数据包分类机制进行优化, 解决了卫星网络中由于业务流量大而导致的网络拥塞问题. 仿真结果表明, 该方法降低了网络平均端到端的时延和平均丢包率, 从而提高了网络性能.     

无线Ad-hoc网络中考虑功耗的QoS路由协议

提出了一个有节点功耗限制的QoS(保证传输带宽、传输延迟)路由协议.对网络吞吐量、端到端延迟和丢包率进行了仿真,结果表明提出的方案有较好的性能.     

一种基于移动Agent卫星网动态路由算法

为克服现有卫星网路由算法的不足,结合单层卫星网负载分布不均匀的特点,提出了一种新型的适用于单层卫星网的基于移动Agent的动态路由算法(SDRA-MA)。该算法通过移动Agent在卫星节点间迁移,收集星际链路时延、卫星纬度等信息。当条件满足时,移动Agent往回迁移,并在每个中间卫星节点基于卫星地理位置计算所探测路径的代价、更新路由表。通过在类Iridium星座中的仿真结果表明,SDRA-MA能够适应网络拥塞,实现负载平衡。尤其在高负载情况下端到端时延、丢包率等指标均优于传统的卫星路由算法。通过复杂度分析得知,SDRA-MA具有较低的通信、存储和计算开销。     

卫星网络中基于蚁群优化的概率路由算法

为了提高空间信息传输的有效性和可靠性,针对传统蚁群优化(ant colony optimization,ACO)容易造成最优路径负载过重而发生拥塞的问题,提出了一种基于蚁群优化的概率路由算法(ant colony optimization based proba-bilistic routing algorithm,ACO-PRA).根据卫星网络拓扑动态周期时变的固有特点,将拓扑周期均匀分为若干个时间片,形成基于不同时间片的卫星网络拓扑连通图;根据网络拓扑连通图,将星间链路带宽和链路容量引入到目标函数中,建立时延最小的优化模型;根据蚁群算法的节点概率函数选择下一跳节点,进而找到一条能同时满足时延带宽和链路容量要求的最佳信号传输路径.仿真结果表明,提出的基于蚁群优化的概率路由算法不仅能够降低平均端到端时延和丢包率,而且能够有效地提高网络吞吐量、平衡网络负载.     

基于蚁群算法的卫星网动态路由算法

卫星网络路由应当具有使用较小的通信开销和处理能力计算出最优路径,并能够适应卫星网络拓扑结构动态变化等特点,这与蚁群算法的特征相匹配,能很好地解决这一问题。以此为背景,提出了一种新型的基于蚁群算法的卫星网动态路由算法(DRAS-ACA),并在NS2网络仿真平台上实现了该路由算法,使用gnuplot分析了仿真结果。     

一种满足多服务质量约束的动态组播路由算法

建立了网络模型，描述、简化了研究的问题，并提出了一种新的满足多服务质量(QoS)约束的动态组播路由算法(DMRMQ)．该算法采用Bellman—Ford算法作为路径搜索算法，能在满足带宽、延迟、延迟抖动和丢包率约束的前提下确定具有最小跳数和开销的动态组播路由．仿真实验表明，在假定网络节点输出链路容量相等的情况下，与Greedy、LeastHop两种不考虑QoS的算法相比，DMRMQ能在满足多QoS约束的前提下建立动态组播路由，且路由请求平均成功率提高约10％，路由平均延迟降低约20％，路由平均跳数基本持平．     

基于模糊视觉与快速路由的移动自组织网络路由协议FH-OLSR

在大规模密集的高速移动自组织网络中,节点的快速移动使网络拓扑变化频繁,从而需要加快路由更新,由此导致路由开销不断增加,网络性能下降.针对这一问题,本文提出了FH-OLSR路由协议,该协议基于优化链路状态路由协议(OLSR)设计,并引入模糊视觉技术与快速路由技术,通过监听节点链路状态的变化情况,自动调整握手消息与拓扑控制消息的发送频率与发送范围,同时结合链路状态计算路由,有效地提升网络拓扑收敛速度,降低路由开销,提高网络性能.本文利用OPNET仿真软件进行实验,结果表明:在大规模网络拓扑高速变化的情况下,FH-OLSR协议与OLSR协议相比,路由开销降低25%,端到端延时降低50%,丢包率降低15%.     

基于深度图强化学习的低轨卫星网络动态路由算法

为了解决高移动性导致卫星网络路由难以计算的问题,融合图神经网络和深度强化学习,提出一种基于深度图强化学习的低轨卫星网络动态路由算法。考虑卫星网络拓扑和卫星间链路的可用带宽、传播时延等约束,构建卫星网络状态,通过图神经网络对其进行表示学习;根据此状态的图神经网络表示,深度强化学习智能体选择相应的决策动作,使卫星网络长期平均吞吐量达到最大并保证平均时延最小。仿真结果表明,所提算法在保证较小时延的同时,还能提升卫星网络吞吐量和降低丢包率。此外,图神经网络强大的泛化能力使所提算法具有更好的抗毁性能。     

ns2中的基于移动Agent卫星网路由算法仿真

为了解决基于移动Agent的卫星网路由算法的仿真,提出了一种新型的基于ns2的单层卫星网路由算法仿真平台构建方案.详细阐述了ns2中卫星网络星座定义、切换管理、路由模块、通信模块、星间链路、星地链路和移动Agent的设计方案,最后用新的仿真平台实现了基于移动Agent的卫星网路由算法SNRA-MA在Iridium网络模型下的仿真.仿真结果表明:新的仿真平台完全可以满足SNRA-MA算法的仿真,且SNRA-MA算法丢包率低、端到端传输时延满足ITU-T的通信指标.     

基于Content-Addressable Network的对等网络研究

CAN(Content-Addressable Network)是基于分布式哈希表(Distributed Hash Table,DHT)的结构化对等网络.CAN系统通过分布式哈希表(DHT)在d维虚拟空间中搜索、共享资源,具有良好的可扩展性,容错性和完全自适应性.本文从网络架构,系统性能等方面综合介绍了CAN系统并对2种基于子空间策略CAN资源搜索算法进行了介绍和分析.     

拓扑结构对网络承载能力的影响

 通过建立3 种典型的复杂网络模型及对应的输运模型,数值计算并仿真试验拓扑结构指标和网络承载能力的变化.结果显示:3 种网络承载能力的数值计算结果和仿真试验结果基本吻合;核心节点的存在使得无标度网络的节点最大介数值所占比重高于其他网络,导致网络的承载能力最小;随机网络的节点最大介数值所占比重低于其他网络,导致承载能力最大;随着平均度的增大,各类型网络承载能力增加明显,但各种拓扑结构指标对承载能力提升的贡献不同.     

一种基于网络编码的光网络保护机制

采取共享保护的模式,改进一种新的基于单链路故障的1＋N保护机制．此机制在核心节点处进行线性组合,在不通过故障监测和定位的情况下仍然能准确地恢复出由于链路故障丢失的数据．与传统的专有保护相比较,通过仿真实验表明,1＋N保护方案可以减少波长资源消耗,能节省较多资源,仍然可用短时间进行故障恢复．     

一种基于神经网络的网络设备故障预测系统

引入基于状态的维修技术,构建了基于多状态的在网运行设备故障预测模型.根据故障的严重性将预警等级划分为四层,对于不同的预警级别,分别构建神经网络.该模型解决了设备故障预测精度不高的难题,提升了基于多状态的故障预测能力.     

高校校园网的网络安全

讨论目前我国高校校园网的安全策略．分类列举常用的安全措施,并简要说明笔者的安全构想。     

网格在高校校园网中的应用探讨

校园网络应用系统中由于系统异构等因素,导致不同应用系统间的数据、资源无法共享,形成了信息“孤岛”;同时,各种计算资源分配不合理、利用率不高等现象也普遍存在,网格技术的出现对解决这些问题提供了新的方案。探讨了在校园网环境下,利用OGSA网格体系结构和G lobus工具包建立网格平台,整合校园网资源,建设数字化校园信息基础架构,并给出了设计思想。     

虚拟专用网(VPN)在网络安全中的作用

VPN技术就是在数据传送过程中加上了加密和认证的网络安全技术 .通过这种技术 ,可以利用公共网络构建自己的专用网络 .     

一种基于网络编码的光网络保护机制

采取共享保护的模式,改进一种新的基于单链路故障的1＋N保护机制．此机制在核心节点处进行线性组合,在不通过故障监测和定位的情况下仍然能准确地恢复出由于链路故障丢失的数据．与传统的专有保护相比较,通过仿真实验表明,1＋N保护方案可以减少波长资源消耗,能节省较多资源,仍然可用短时间进行故障恢复．     

空天信息网络中基于滑动窗口的网络编码

空天信息网络由于受高延时、高误码的影响,吞吐量受限,如何提高网络吞吐量是一个很大的挑战.本文对提高网络吞吐量的网络编码技术和机会路由技术进行分析,重点研究了MORE协议和SlideOR协议中的网络编码机制,指出它们应用于空天中继网络中存在的不足,并将一种基于动态滑动窗口的网络编码方案(DSWNC)应用于空天信息网络中.仿真结果证明,此方案在高延时、高误码环境下具有比MORE协议和SlideOR协议更高的端到端吞吐量.