分簇认知网络中能量有效的协作频谱感知算法

针对认知网络中用户节点能量受限问题,提出了一种基于分簇网络的能量有效协作频谱感知算法。该频谱感知算法通过对用户节点分簇,缩短感知结果的传输距离。根据对授权用户信号的本地感知和簇内融合的判决结果,设计两次报告审查规则,减少传输感知结果的认知用户数量。以最小化协作频谱感知能耗为目标,建立多变量非线性优化问题模型,并通过逐一变量优化方法求得次优解。仿真结果表明,在保证检测性能的前提下,该算法能明显降低协作频谱感知的能量消耗和传输时延。     

分簇认知网络中能量有效的协作频谱感知算法研究

针对认知网络中用户节点能量受限问题,提出了一种基于分簇网络的能量有效协作频谱感知算法。该频谱感知算法通过对用户节点分簇,缩短感知结果的传输距离。根据对授权用户信号的本地感知和簇内融合的判决结果,设计两次报告审查规则,减少传输感知结果的认知用户数量。以最小化协作频谱感知能耗为目标,建立多变量非线性优化问题模型,并通过逐一变量优化方法求得次优解。仿真结果表明,在保证检测性能的前提下,该算法能明显降低协作频谱感知的能量消耗和传输时延。     

认知传感器网络中基于新型感知帧结构的吞吐量优化

在认知传感器网络(CSN)中,基于协作频谱感知,提出新型感知帧结构,认知节点的频谱感知和数据传输可以同时进行,通过对感知带宽的优化提升CSN的吞吐量。研究认知节点时延服务质量(QoS)约束对吞吐量的影响,证明最大的吞吐量和最小的传输时延不能同时得到。提出一种高效的迭代算法联合优化感知带宽和汇聚节点判决门限以使吞吐量达到最大而时延约束也得到满足。仿真结果显示提出的方案能够有效提升CSN的吞吐量,不同的传输时延QoS需求对应不同的最优感知带宽。     

基于SDN的多媒体流QoS队列调度机制研究

随着多媒体新兴应用的不断涌现,网络规模日益复杂.为提高不同优先级多媒体业务的传输能力,保障业务的服务质量需求,结合软件定义网络技术,设计一种基于SDN的队列调度模型.同时,为了有效提高新型队列调度模型下数据的传输质量,避免产生网络拥塞,将复杂的网络抽象为M/M/1和M/D/1排队模型,并提出一种基于SDN的排队论时延模型,分析了新模型下MLFQ分组调度算法并对不同分组调度算法性能进行对比分析.仿真结果表明,基于SDN的多媒体流QoS队列调度机制在满足网络不同多媒体业务优先级要求的基础上,降低了数据传输时延和丢包率,增加了链路带宽利用率.     

一种基于SDN的自适应多路径负载均衡策略

针对传统多路径路由方法在复杂网络中的负载不均衡、吞吐量低、网络时延等问题,提出一种基于SDN的自适应多路径负载均衡策略(SDN based adaptive multipath load balancing,SDN-AMLB).利用SDN获取全局网络视图的能力,在控制层结合Adaboost算法进行自适应路由计算实现重路由,计算过程中根据网络节点负载、链路负载和数据包大小进行自适应评估并更新路径表,将评估结果引入模型更新分类器参数,通过Mininet工具进行模拟.结果表明SDNAMLB可提高全网数据传输效率和吞吐量,实现网络负载均衡,满足复杂网络环境中用户对网络传输、时延的要求.     

无线传感器/执行器网络SA协作分簇算法

针对现有分簇算法大多没有考虑监控区域内事件发生频率和执行任务能耗的因素,导致无法适应无线传感器/执行器网络的特点,提出一种基于SA协作模型的分簇算法（CASA）.算法从全网的能耗和时延影响的角度,建立基于SA协作的能耗模型,综合考虑时延和连通度等约束条件,以网络能量优化为目标,构造非线性优化函数,利用KKT条件求解网络理想执行器节点个数和传感器节点传输半径等网络分簇所需参数,并在此基础上完成节点的部署和成簇.该算法通信开销较小,网络平均时延和能耗等仿真结果表明：相比典型算法,能够在满足一定连通度的前提下,优化网络部署,增强网络实时性和能量均衡性.     

基于蝙蝠算法的SDN多控制器部署

对于大型SDN网络,多控制器的部署和应用需求迫切。提出了一种基于蝙蝠算法的多控制器部署方法,同时优化了3个指标:最小化平均控制时延、最小化控制器负载差异度和去除孤立节点。通过在迭代时不断优化达到平均控制时延最小化;限制控制器负载利用率保证控制器间负载均衡,利用标签传递算法去除孤立节点保证域内通信。仿真结果表明该方法可以保证SDN网络在无孤立节点的情况下,获得最小时延以及负载均衡的多控制器部署方案。     

基于SDN具有缓存感知的NDN节点拥塞控制策略

命名数据网(nameddatanetworking,NDN)作为一种新型的互联网架构,旨在应对日益增长的数据流量．然而,随着用户需求进一步增长,拥塞控制对于多路径传输的命名数据网仍然是一个具有挑战性的问题,亟需一种能够快速地检测网络拥塞和有效地管理网络资源的拥塞控制机制．针对这一问题,提出了一种基于软件定义网络技术的、具有缓存感知功能的命名数据网节点拥塞控制策略,称BCMCC．首先,介绍了BCMCC的新型网络架构．利用软件定义网络控制平面与数据平面解耦合技术,该架构将拥塞控制功能集中于SDN控制器中,以实现集中式节点拥塞控制、降低节点运行负荷的目的．其次,基于新型网络架构,研究了BCMCC的缓存感知算法和多路径选择拥塞控制算法．其中,缓存感知算法实现了网络缓存内容的感知以及缓存内容全局流行度的计算,能够利用命名数据网的节点缓存特性,降低缓存内容对拥塞控制的影响;多路径选择拥塞控制算法协同节点更新转发端口信息以实现流量迁移、智能化管理多路径容量,达到提高网络资源利用率、有效避免和缓解网络拥塞的目的．最后,在ndnSIM仿真平台进行BCMCC的性能测试．实验结果表明,BCMCC在丢包量、网...     

时延和可靠性感知的多控制器均衡部署策略

当前的软件定义网络多控制器部署问题研究,大多针对控制网络时延、可靠性和负载均衡等指标中的部分进行优化,对上述因素的整体考虑较少.针对该问题,首先分析了控制器部署对网络时延、可靠性和负载均衡的影响;其次,提出了以全网平均时延、控制路径可靠性和负载均衡度为参数,以网络综合性能为目标的控制器部署优化评价模型;最后,基于模拟退火-遗传算法提出一种时延和可靠性感知的控制器均衡部署方法,在考虑网络综合性能的同时,增强了解空间的全局搜索能力,得出了控制器部署的全局非劣最优解集.仿真结果表明,提出的部署策略在保证负载均衡的前提下,提高了控制网络的可靠性,降低了网络时延,进而提高了网络整体性能.     

基于流类型的SDN数据平面故障恢复算法

软件定义网络(software defined networking,SDN)的网络拓扑中,链路故障恢复目标是保证故障恢复时延在可容忍范围内、减少数据包丢失和节约交换机存储资源.现有研究方法对链路故障恢复考虑了恢复时延、数据包丢失率、网络吞吐量等因素,没有考虑数据流对网络带宽的要求及运营商/用户的一些特殊限制.为了解决以上问题,同时满足故障恢复时延要求和运营商/用户定制化需求,提出了基于流类型的SDN数据平面故障恢复算法(failure recovery algorithm based on flow type in SDN data plane,FR-FT).该方法根据服务质量要求将数据流分为3类,将运营商/客户的定制化需求绑定到不同数据流上,根据对应约束条件对不同类型数据流制定不同故障恢复策略.仿真结果表明,该方法可以减少交换机流表项消耗、故障恢复时延、数据包丢失率.     

面向大规模航空集群组网的控制器部署方法

软件定义网络（SDN）使得控制平面与数据平面解耦,可用来优化航空集群网络体系结构。针对航空集群网络大规模组网需求,设计了一种面向大规模航空集群网络的控制器部署优化算法,将多控制器部署转化为集群划分和子群部署两个阶段,首先基于负载均衡将集群划分为不同子群,然后以全网性能最优为目标于各子群内进行多目标寻优,获得Pareto前沿解。仿真实验评估了所提算法在负载均衡指数、全网平均传播时延、平均失连概率等方面的性能。实验结果表明：与现有算法相比,所提算法有效地提升了全网性能,同时具有较低的时间复杂度,适用于解决大规模动态场景下的航空集群网络控制器部署问题。     

基于链路带宽的分布式存储系统框架及动态负载均衡技术

针对在节点间进行数据传输、备份等操作时,不同节点间链路带宽将限制分布式存储系统的性能的问题,借鉴软件定义网络及云存储技术的基本思想,通过对控制流与数据流的分离,提出了一种基于链路带宽的分布式存储系统框架及动态负载均衡技术.所提出框架中,在分布式数据节点之外引入一个中心控制节点,该节点掌握全局网络视图,全局网络视图中既包括数据存储表记录存储数据的分布,又包括当前链路带宽情况.在用户读取数据时,根据数据存储表确定需要的数据存放于哪些数据存储节点,指派相应的数据存储节点根据路由表发送数据包,并实时监测网络中的链路带宽负载情况,及时调整数据的传输路径.仿真验证所提架构和算法可以有效解决海量数据在不同位置的分配调度,以及缩短用户对大量数据提取的响应时间及提升存储速率等问题.      

SDN中基于条件熵和决策树的DDoS攻击检测方法

软件定义网络（software defined network,SDN）作为一种新型网络架构,其转控分离及集中控制的架构思想为网络带来了显著的灵活性,同时为感知全局网络状态提供了便利。分布式拒绝服务攻击（distributed denial of service,DDoS）是一种典型的网络攻击方式。针对SDN网络中进行DDoS攻击检测的问题,提出了一种基于条件熵和决策树的DDoS攻击检测方法,利用条件熵判断当前网络状态,通过分析SDN中DDoS攻击特点,提取用于流量检测的6项重要特征,使用C4.5决策树算法进行网络流量分类,实现对SDN中的DDoS攻击的检测。实验表明,相比于其它研究方法,文中提出的方法不仅具有较高检测精确率和召回率,而且明显缩短了检测时间。     

基于量子粒子群优化的网络拥塞控制新策略

为了改善网络拥塞控制系统的性能,基于流体流理论的网络简化模型,将量子空间中的粒子群优化算法(QDPSO)应用于PID控制器参数优化.定义了一个综合调节时间、上升时间、超调量、系统静态误差、正弦跟踪误差等动静态性能指标函数,在给定的参数空间进行组合优化搜索,迅速求得获取使性能指标优化函数极小化的一组PID控制器参数,将PID控制器应用于网络主动队列管理系统中.仿真结果表明,在大时滞和突发业务流的冲击2种情况下,该方法设计的控制器的动静态性能优于RED,PI算法,也优于GA,SPSO算法的优化结果,超调量均小于4%,调节时间均小于4s,稳态误差均小于2个数据包.     

面向边缘计算的物联网网络流量测量方法

在物联网中,边缘计算能够提供物联网计算的实时性,减少网络中数据的传输量.为了适应物联网技术的发展,研究了采用软件定义网络(SDN,software defined networking)架构的物联网网络,并利用SDN提供的方法对网络中的流量进行测量.细粒度流量测量可以更准确地描述网络中的流量,但同时也需要消耗大量的测量开销.为了减少测量过程中产生的开销并获得近似的细粒度测量,提出了一种面向边缘计算的物联网网络流量测量方案.新测量架构采用粗粒度测量和插值优化等方法进行测量.首先,在文中采用随机抽样方法通过OpenFlow协议快速获得粗粒度的网络流量测量.接着,对粗粒度的网络流量进行插值恢复,并利用多约束的优化方法对插值结果进行优化,直到找到满足条件约束的最优细粒度流量测量结果.最后,文中通过实验验证了所提出的测量方法的可行性和有效性.     

软件定义网络中基于贝叶斯ARTMAP的DDoS攻击检测模型

为解决SDN(software defined network,软件定义网络)架构下DDoS(distributed denial of service,分布式拒绝服务)攻击检测问题,提出基于贝叶斯ARTMAP的DDoS攻击检测模型. 流量统计模块主要收集捕获到的流表信息,特征提取模块提取流表中的关键信息并获取关键特征,分类检测模块通过贝叶斯ARTMAP提取分类规则,并通过粒子群算法对参数进行优化,对新的数据集进行分类检测.仿真实验证明了模型所提取的5元特征的有效性,并且该模型与3种传统的DDoS攻击检测模型相比检测成功率提高了0.96%~3.71%,误警率降低了0.67%~2.92%.     

基于粒子群优化的神经网络算法的英语翻译

近年来出现的粒子群优化算法与神经网络相结合,可以有效地提升全局搜索最优的能力,同时也提升了收敛的速度。将粒子群算法与神经网络结合应用于英语教学,通过对提取的学生翻译样本进行学习训练,用训练好的粒子群优化的神经网络模型对学生的英语翻译能力进行正确程度的分析,帮助教师估计学生的翻译能力水平,为下一步的教学提供参考。深入从粒子群优化算法的数学模型和算法流程何人工神经网络模型的基本原理出发,提出了学习能力分析模型,确定该模型的神经网络的拓扑结构和隐藏层的节点数。案例应用结果表明,该研究模型可以促进英语翻译教学质量的提高和教学相长。     

离散萤火虫算法在车载网的应用

车载自组织网(Vehicular ad hoc network,VANET)是移动自组织网络之一,具有节点变动迅速、拓扑结构灵活、通信能力要求较高的特点。为提高车载自组织网络的可靠性,实现数据的安全共享和快速交互,将离散萤火虫(DFA)算法应用求解车载网络中具有服务质量约束的多播路由问题。根据VANET的路由特点,将该问题转化为延迟成本最小化约束优化问题,并将车载网络路径时延转化为萤火虫的荧光素值,然后将该算法用4个实例进行测试,并与Dijkstra最短路径算法、粒子群优化算法进行比较。研究结果表明:离散萤火虫算法性能更佳,可有效解决VANET中Steiner minimum tree(SMT)问题,成功取得最优路径。该算法在一定程度上稳定了网络拓扑结构,能够实时更新节点信息。     

大数据互联网时代光纤通信技术的发展与挑战

随着信息通信技术及各种高速带宽业务的飞速发展,对承载这些业务的光纤传输网络在功能及网络灵活性、扩展性方面提出了更高要求,其必须在实现大容量、超高速传送的同时实现网络智能化转型.软件定义网络(software defined networking,SDN)技术被视作具有颠覆性的网络革命技术,必将促进网络技术的发展,促进网络智能化转型.阐述了SDN基本概念及其功能;分析光纤传输网络的现状及发展趋势,介绍将SDN技术应用于光纤传输网络的软件定义光网络(software defined optical networking,SDON)概念及其特性;提出了解决光纤传输网络扩展性、灵活性和平滑升级的方法,即引入SDN技术向SDON演进;分析大数据互联网时代光纤通信的发展及面临的挑战.     

软件定义下的CCN缓存算法研究

为了解决内容中心网络（CCN）中存在的缓存问题,在内容中心网络和软件定义网络（SDN）的融合架构下,充分利用控制层全局感知和集中控制的优势,提出了一种软件定义下的CCN缓存决策方法。考虑了中介中心度、内容流行度、节点边缘度和缓存节点存储容量的有限性,引入了控制节点和通信节点的概念,通过控制器缓存决策,使得请求内容在不同的节点进行合理缓存。同时,根据控制节点距离缓存节点和服务器的跳数,找到返回用户请求的最短路径,采用ndnSIM进行仿真实验。结果表明,相比ALWAYS,LCD两种传统缓存决策策略,该方案可以明显提高缓存命中率,降低路径延展率和缓存替换数,达到了提高CCN缓存效率的目的,有利于内容中心网络及未来网络的发展。