智能家居中的网络路由改进算法研究

在智能家居中搭建网络过程中，为优化网络路由算法，提高算法的全局搜索能力和收敛精度，提出一种基于BFA(细菌觅食算法)的优化算法。通过选取随机网络拓扑模型建立50节点网络拓扑图和100节点网络拓扑图，利用GFBA算法进行仿真实验，仿真结果表明：与现行的网络路由算法相比较，在网络费用以及收敛时间方面验证GFBA算法对于网络路由问题的适用性和优越性。     

基于改进克隆算法的WSN的QoS路由研究

为解决在无线传感器网络QoS约束下的最优路由选择问题,在优化网络拓扑结构的基础上,提出利用克隆选择算法和蚁群算法结合求解WSN组播路由的方法.该算法利用克隆选择算法对原始路由种群进行优化改善,避免搜索过程陷入早熟收敛问题,然后利用蚁群算法快速搜索.该算法在保证能力最优的前提下,提高了路由搜索速度,在保证最优路径选择基础上,节约了通信成本,仿真结果证明了其可行性和有效性.     

基于图的最大频繁项集的生成算法

挖掘频繁项集是数据挖掘的重要技术之一,目前已有很多经典算法,如：apriori算法,FP-tree等.挖掘频繁项集主要是寻找最大频繁项集,为了快速寻找最大频繁项集,通常采用削减候选项集、减少扫描数据库次数的方法和将自底向上与自顶向下的搜索方法结合起来（又称双向搜索）.双向搜索能有效地缩减搜索空间.本文把基于图的关联规则挖掘和双向搜索的思想结合起来产生最大频繁项集,提出了基于图的最大频繁项集生成算法.此算法用图将数据映射到一个向量上,通过一遍扫描数据库就可以构造整个频繁项集,结合双向搜索,能快速生成频繁项集,对产生较大长度的最大频繁项集也有较好的效果.文末,把基于图的关联规则挖掘算法和基于图的最大频繁项集算法进行了比较,分析出性能差别的原因.     

基于链路重要性的分布式网络可靠性评价方法

为了快速有效地评估分布式网络可靠性,针对目前最有效的HRFST算法在搜索最小文件生成树过程中存在的3个问题,提出了一种基于链路重要性的分布式网络可靠性评价方法.该算法以链路重要性为最小文件生成树的首要搜索依据,提高了干路被选中的概率.将改进的网络化简方法用于搜索的每一步,使图更为简化,并消除了对不含文件生成树的子图搜索.分析和实验结果表明,在得到正确可靠性结果的基础上,该算法减少了子图产生数量和分析可靠性的实际执行时间,性能优于其他算法.     

计算机网络多层拓扑结构的自动发现

为快速、完整地发现计算机网络的拓扑结构,提出基于SNMP协议的网络拓扑发现算法.该算法结合使用SNMP(Simple Network Management Protocol)协议完成网络逻辑层搜索、STP(Spanning Tree Protocol)协议完成链路层搜索算法.采用并发搜索和多次搜索结果合并的机制,搜索过程中对特殊设备进行规避并.经试验验证,能够获取接近完整的网络拓扑结构,在搜索时间上占一定优势.     

基于蚁群优化代理的移动Adhoc网络资源搜索研究

由于移动网络的动态拓扑结构,网络资源搜索过程又需要大量的信令分组和通信链路的支持,移动网络中 的资源搜索变得异常困难.通过分析移动网络中资源搜索的关键问题,提出了一种基于代理的网络架构,并在这种 架构上运用改进蚁群算法解决这些问题.该方法首先在移动网络中引入代理节点以确定网络拓扑,然后在这种引 入代理节点的网络架构中使用改进蚁群算法,同时利用全局和本地信息素来寻找资源.仿真比较了传统蚁群算法 和改进蚁群算法的资源搜索性能,仿真结果显示相对于传统蚁群算法,这种新算法在基于代理的移动网络中可以 大大提高移动网络资源搜索的效率.     

基于基矩阵和基矩阵集合的分离网络优化模型

分离网络综合问题因其巨大的搜索空间导致优化计算的高复杂性。为提高分离网络综合问题的求解效率,该文提出了基矩阵和基矩阵集合的概念,建立了分离网络优化模型。列队竞争算法因其具有快速搜索到全局最优解或近似全局最优解的优点,而被用来求解该分离网络优化模型。用该文提出的方法对两个较大规模的分离网络综合问题进行了求解。计算结果证明:该方法能有效减少变量数,提高全局最优解的搜索效率。     

利用早停可微架构搜索的三维点云模型分类

针对现有三维点云分类网络采用人工设计费时费力的问题,提出早停可微架构搜索(early-stopping differentiable architecture search,ES-DARTS)算法。利用从人工设计网络架构中提取到的先验知识,预定义一个包含高效候选操作的搜索空间,可快速搜索出适用于三维模型分类任务的高性能网络模型;通过追踪网络搜索阶段各候选操作的权重变化,找出跳跃连接操作在双重优化过程中发挥不公平竞争作用的临界点并在此处停止搜索,以保证各候选操作之间的稳定性,解决DARTS算法搜索过程中易出现性能崩溃的问题。提出的算法在ModelNet40数据集上达到了93.2%的识别准确率,比当前人工设计的主流网络具有更高的识别准确率。     

一种对称无向图的同构判定算法

文章在电路模拟法的基础上提出了一种对称无向图的同构判定算法。电路模拟法对随机图的同构判定问题非常有效,但是对于处理对称度较高的图,判定效率明显降低甚至失效。该文提出的算法针对对称无向图的特性,在电路模拟法的基础上结合Dijkstra算法,综合得到顶点属性和最短距离序列来搜索顶点之间的映射关系,能够有效判定这类图的同构问题。     

基于改进TADW的链路预测算法

针对经典的节点相似性链路预测算法只考虑网络拓扑结构或者节点属性信息的问题,使用词嵌入模型Word2vec学习得到节点文本属性信息的表示,进而改进TADW(text-associated deep walk)算法,弥补其语义信息表示能力的不足.基于改进的TADW图嵌入方法提出一种融合网络拓扑结构和节点属性信息的相似性指标,并基于此相似性指标提出链路预测算法.在三个真实数据集上的实验结果表明所提出算法可以提高预测精度,并具有更好的鲁棒性,同时使用图嵌入的方法有效解决了网络数据的稀疏性问题.     

基于MATLAB与VC++混合编程实现配电网重构算法

针对传统配电网重构算法前后显示不够直观的问题,论文采用MATLAB实现后台的配电网矩阵变换,VC++调用MATLAB的动态链接文件库文件的方法来实现界面图形显示,以负荷均衡化为目标的配电网重构算法为例进行了混合编程,通过这种方法可使配电网重构前后的联络开关位置变化以及潮流方向能够被清晰表现出来。结果表明使用该方法界面友好,代码执行速度快,实现高内聚、低耦合,在配电网重构算法研究中具有较高的实用价值。     

灾变遗传算法在配电系统最优时变重构中应用

提出一种灾变遗传算法来求解中压配电网最优时变重构问题,以达到网损最小和负荷平衡的目的.首先采用协调方法将多目标规划问题转化为单目标寻优问题,并给出了协调后的数学模型.求解过程采用灾变遗传算法以提高种群个体的多样性,防止局部收敛.通过对南方某城区配电系统的计算,证实该算法在求解速度和全局收敛能力上较普通遗传算法均有较大幅度的改善.     

基于文件分类的非结构化P2P网络搜索算法

为了解决现有的非结构化对等网络的搜索机制不灵活,效率低下的问题,提出了一种新算法.在该算法中,将网络结点按照拓扑分类,同时把要搜索的资源根据其流行程度和位置划分为不同类型,在搜索过程中对不同类型结点在查找不同类型文件时应用不同的搜索策略,提高了搜索效率.实验结果表明,该算法具有较高的灵活性和自治性,且比传统搜索算法有较...     

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。     

一种增量式多目标优化的智能交通路径诱导方法

路径诱导是一种主动引导车辆合理分流来解决城市交通拥堵的方法.本文提出了一种基于增量搜索的多目标优化路径诱导方法.该方法首先利用图论法将复杂路网抽象为点线的赋权图,引入多目标优化变量,建立路网模型;然后在启发式搜索基础上引入增量搜索,结合全局规划和局部动态重规划,实现车辆的实时路径诱导.仿真结果表明该方法能有效地解决复杂路网中车辆的实时路径诱导问题.     

含分布式电源的配电网网损组合优化

网络重构与无功补偿是配电网减小网络损耗、提高电压质量的主要手段,但二者皆受负荷时序性的影响,且随着波动性分布式电源的接入,其影响更大。针对含有出力波动分布式电源的配电网,考虑分布式电源出力以及用电负荷的随机性,基于分布式电源出力以及负荷的短期预测数据,以网络损耗最小为目标函数,给出未来24 h的最优网络重构与无功补偿方案,且以两日不同优化方案的目标函数差值作为方案是否执行的判定指标。提出了一种网络重构与无功补偿相统一的编码方法,利用和声算法进行求解。通过IEEE 33节点为算例的仿真,结果表明该优化方法能够明显降低网损并改善电压质量,证明了本模型和算法的有效性。     

多接口无线mesh网络的信道时空分配

针对多接口无线mesh网络信道分配中存在的共享接口信道依赖问题和网络拓扑改变所导致的链路失效问题,提出了基于图分解的联合空间与时间域的信道分配方法。该方法将信道分配从空间域拓展到时间域,将网络拓扑分解为多个时隙上的子图,然后对每个子图运用图着色算法实现信道分配。该方法中,每个时隙上的子图根据网络约束条件动态获得信道资源,从而提高了无线mesh网络信道分配的效率。通过仿真分析对比了静态信道分配方法,这种信道的时空分配方法能够有效抑制信道分配中产生的波及效应以及信道切换导致的链路失效等消极因素的影响,从而在满足接口数目约束、信道数目约束等约束条件下将无线mesh网络吞吐量提高30%以上。     

考虑重构和分布式电源无功特性的主动配电网多目标日前调度

主动配电网的优化调度方案是配电网经济运行的核心,本文提出一种考虑配电网拓扑重构和分布式电源无功特性的主动配电网日前调度方案,建立配电网经济运行成本最小和系统网络损耗最小的多目标优化模型.该方案在资源优化配置时,考虑拓扑结构的改变对资源调度结果的影响,并且充分利用分布式电源的无功特性,尤其是常被忽视的风机和光伏的无功支持能力.通过该优化调度方案可确定配电网一天内各时段分布式电源的最优有功和无功出力、可中断负荷的参与量以及对应的各时段最优拓扑结构.该优化模型为非线性优化问题,采用万有引力搜索算法进行求解,最后通过修改的PG&E－69节点系统进行仿真验证.     

改进遗传算法在分布式电源选址定容中的应用

提出了基于节点号的Prüfer数编码遗传算法用于分布式电源的选址定容和配电网结构协同优化规划。利用图论生成配电网运行时理论上可行的树型拓扑结构对其按Prüfer数原理编码;用整数编码方式对分布式电源的接入节点和安装容量进行编码使配电网的结构优化和分布式电源选址定容合并为同一染色体基因的进化问题。此编码方法使染色体长度比支路开关二进制编码方式缩短;利用Prüfer数编码的优点对算法中交叉、变异操作进行一定的限制和改进解决了其他编码方式在交叉、变异过程中容易产生非法解及修复难的问题提高了算法效率和收敛速度。最后通过实例计算验证了此算法的可行性和优越性。     

八角形斯坦纳树问题的文化基因算法

针对多端线网互连问题,提出以超大规模集成电路物理设计中布线阶段应用较多的斯坦纳树为切入点,采用一种基于种群的全局搜索和基于个体的局部启发式搜索相结合的文化基因算法,对八角形斯坦纳树的结构进行优化,从而进一步缩减线长. 使用Prim算法预处理取得初始种群,并重新修改了原本的文化基因的编码以及相关操作,以便可以处理八角形斯坦纳树构建这一离散问题,利用八角形结构,使其能在全局范围内,快速收敛并全局寻优. 实验结果表明,所提算法能获得较好拓扑的八角形斯坦纳树,快速得到多端线网最优或者较优的布线结果,缩减布线的线长.