容错计算机系统的可靠性建模和分布式仿真

对容错计算机系统的可靠性进行评估是一项重要而困难的工作.为容错计算机系统的各个组成部件建立了部件级故障模型,并以此为基础建立了整个客错计算机系统的可靠性测评模型.基于所建立模型,我们提出了分布式仿真的思想,它把系统的各个部件仿真为网络上的一个站点,并增设一台服务器来对整个系统的可靠性性能进行统计和分析.仿真结果验证了建立模型的正确性和方法的有效性.     

基于依赖图的网络故障定位算法

网络故障定位在网络管理系统研究中是非常重要的. 为此给出了依据网络对象间的告警关联关系构建相应网络依赖图的方法. 采用划分和选择最大互关联启发式算法进行故障定位,对在独立故障情况下算法存在的问题提出改进方法,改善了算法性能,降低了计算复杂度. 通过仿真对算法进行了验证并应用于华北电力大学校园网综合智能网络管理系统中,取得较好成效.     

弹性光网络中负载均衡的优先共享通路保护

为在弹性光网络中实现最大化的备份频谱资源共享,提出了一种基于负载均衡的优先共享通路保护算法.在降低网络的阻塞率和保护开销时,综合考虑业务的传输距离、频谱资源利用率及链路状态等因素,建立整数线性规划模型确立优化目标,并提出启发式算法对路由和频谱分配联合优化选路,从而提供100%的单链路故障保护.仿真结果表明,与传统共享通路保护算法相比,所提算法在降低网络阻塞率的同时更有效地降低了保护开销,最大限度地实现备份频谱资源的共享.     

片上网络任务映射算法的可靠性优化

为了满足当前特定应用领域对片上网络可靠性的要求,在贪心启发式映射算法的基础上,通过加入基于容错机制可靠的通信开销函数约束,实现了一种具有可靠性的片上网络任务映射算法RaNMAP.结果表明,该映射算法可以有效提高片上网络系统的可靠性,有利于从更高的抽象层次对片上网络的容错设计进行指导和评估.     

基于流量工程的网络改进算法

针对计算机网络规模滞后、服务类型单一和服务质量没有保证等问题,将网络规划(网络改进)与流量工程作为有机整体为网络业务流量提供QoS服务,并在此基础上提出基于流量工程的新型网络改进算法.算法运用构造Harafy图和网络扩充启发式算法保证拓扑约束,基于多QoS约束路由算法满足流量工程约束;并使用改进遗传算法策略全局寻求改进费用最小网终及容量分配.仿真结果表明:算法实现最小化新增链路,使改进后拓扑仅略大于理想拓扑(Harary拓扑),88%的流量通过少跳数传输,且各链路带宽分配均匀(均方差σ=1.1).从而使算法在满足各网络约束的同时能够有效地均衡网络负载,避免链路拥塞,提高网络运行性能.     

基于OMNeT++的无线传感器网络数据压缩仿真设计

利用Haar小波变换进行模拟实验,实现了基于OMNeT++的无线传感器网络数据压缩算法的仿真架构,并对Haar小波数据压缩算法下的无线传感器网络诸参数,如能耗、压缩比和均方差等进行了仿真.仿真结果数据证明了该仿真器对算法仿真的有效性和可靠性.     

基于分布式认知无线电的非合作博弈频谱分配算法

基于博弈论的认知无线电频谱分配问题,是目前认知无线电领域的研究热点之一.分布式认知无线电系统的网络容错能力强,易于架设并且通信可靠性高.采用博弈论算法对认知无线电网络的频谱分配进行建模分析,可以很好的提高自适应算法的性能和收敛速度且降低了算法的复杂度.仿真结果表明,该分布式系统中的频谱分配算法收敛速度快、复杂度低并且具有很好的通信可靠性.     

光网络中基于SRLG通路保护的动态RWA算法

基于共享风险链路组SRLG(shared risk link group)的通路保护策略是光网络中的一种重要的生存性机制,而合理的通路保护路由与波长分配RWA(routing and wavelength assignment)算法是实现该生存性机制的一个关键.研究了基于SRLG通路保护的动态RWA算法,包括专用通路保护和共享通路保护算法;使用了不同的选路和波长分配算法分别实现了基于这两种通路保护策略的RWA算法,并对其性能进行了计算机仿真,研究了不同路由和波长分配算法对通路保护算法性能的影响.从仿真结果可以看出:通过使用更好的选路和波长分配算法可以进一步提高基于SRLG通路保护的动态RWA算法的性能.     

一种有Voronoi剖分约束的启发式穿越算法

针对移动目标在无线传感环境器网络中的穿越问题,提出了一种带有约束条件的启发式穿越算法.该算法首先建立穿越模型,然后基于局部Voronoi图剖分穿越路径,并引入了布尔函数来对穿越路径边进行约束.移动目标根据探测到的局部或全部传感器节点信息,选择暴露度较小且穿行代价较低的穿越路径实现穿越,这使得所提出的算法更加有效并符合客观实际.理论分析和实验结果表明,该算法实用性和可靠性较高.     

定位-车辆路径问题的两阶段混合启发式算法

定位-车辆路径问题(LRP)集成了设施定位分配和车辆路径决策,属于NP-hard难题.为有效求解实际大规模的具有设施容量约束和车辆容量约束的LRP问题,设计了基于禁忌搜索及双种群蚁群算法的两阶段混合启发式算法.算法第1阶段采用禁忌搜索算法确定设施定位及客户分配,算法第2阶段采用双种群蚁群算法优化车辆路径,蚁群间的通信与协调通过信息素共享来实现.通过仿真试验并与其他启发式算法进行对比,结果表明,该算法是可行和有效的.     

基于启发式混合计算方法求解频谱分配问题

为了对通信网中紧张的频谱资源进行合理指配,通过遗传交叉、模拟退火以及粒子群优解信息共享机制等融合的方式,构建出启发式搜索的混合计算方法。为验证该计算方法的有效性,基于保护比的标准,建立了干扰最小的计算模型,用于判决频率分配结果的合理性。通过对不同频谱资源情况下的频率分配进行仿真,不仅验证了该计算方法的正确性和适用性,而且表明在寻找最优解方面优于其他启发式计算方法。     

基于二叉树模型和遍历技术的配电网可靠性评估算法

提出了一种基于二叉树模型的配电网可靠性评估算法．根据配电网络中任一元件位于馈线或分支线这一特点，将整个网络的元件组合成馈线节点和分支线节点两种集合元件，从而将元件故障等效为相应的节点故障，实现对配电网络模型的简化，采用二叉树模型作为算法的数据结构，易于实现对整个网络节点的遍历及节点的搜索．该算法在可靠性评估过程中没有进行任何近似，计算结果是准确的．     

基于组合智能算法的无线网络信道分配机制

针对当前无线网络信道分配方法易出现干扰, 网络吞吐量小等缺陷, 设计一种基于组合智能算法的无线网络信道分配方法. 首先对无线网络信道分配的原理进行分析, 构建无线网络信道分配模型; 然后采用遗传算法产生无线网络信道的初始分配方案, 并引入粒子群优化算法对无线网络信道的初始分配方案进行精细搜索, 得到合理的无线网络信道分配方案; 最后在MATLAB 2016平台对无线网络的吞吐量、 网络延迟、 数据传输丢包率进行仿真测试. 仿真结果表明, 该方法大幅度提升了无线网络的吞吐量, 网络延迟和数据传输丢包率远小于单一的遗传算法或粒子群优化算法, 改善了无线网络的通信性能.     

水电站群补偿调节计算的非线性网络流法

提出了水电站群补偿调节计算的一种新方法──非线性网络流法，该法以独特的寻优模式，显著地提高了计算速度；并提出了一种新的寻找最短路径的方法。利用水电站群与群之间水力的弱联系，将非线性网络流法与水电站群补偿调节计算的启发式方法相结合，缩小了计算规模，进一步提高了计算速度，克服了启发式算法自身的不足。理论分析和计算结果表明，文中提出的方法在计算速度和计算规模等方面，具有传统算法不可比拟的优点。     

多机环境下任务分配的中心群方法

在多机环境下,使各处理机之间的负载平衡是发挥系统性能的重要一环,也是分布处理系统和网络理论中重要论题之一。众所周知,负载优化问题属于有名的不确定的多项式问题。试探法提供了一种快速有效的算法来获得一种接近最优解。本文讨论的中心群方法是以试探法为基础,它是一种易于在分布系统上实现而又能在有限步内,通过对时间开销和算法折衷,从而获得理想的次优化解的方法。模拟运行表明我们的结论是正确的。     

神经网络与响应面法相结合分析既有混凝土桥梁的可靠性

响应面有限元的可靠度计算是采用有限元数值模拟来解决功能函数不能明确表示的结构可靠度计算问题的一类方法,对于大型复杂结构的可靠度分析有重要的意义.提出了基于BP神经网络与响应面法相结合的结构可靠度计算的几何分析方法,通过得出的可靠指标对一座既有桥梁进行了可靠性分析.数值试验表明,该方法建立的神经网络模型可以很好地拟合真实的极限状态函数,在既有桥梁可靠性分析中具有广阔的应用前景.     

一种引入互斥关系的功能单元分配算法

为使条件分支数据通道中功能单元的分配结果得到进一步优化,在数据流图操作相容性分析中引入操作间互斥关系,并构建基于图论的分配模型.使用团划分算法在该模型上进行功能单元分配,同时提出一种针对功能单元分配问题的团划分启发式方法.不仅提高了团划分算法求解功能单元分配问题的计算结果一致性,而且使算法的收敛速度得以提高.根据实验结果,该算法得到的数据通道中所需功能单元平均减少了41%,同时执行速度加快了50%.     

基于遗传算法的水泥生料配比计算

提出一种用遗传算法求解水泥生料配比的新方法。仿真结果表明,此方法收敛速度快、计算精度高,克服了原配比计算方法的缺陷,可以推广应用于其它原料的配比计算中。     

认知无线网络中基于HJ-DQPSO优化的频谱分配机制

在认知用户和授权用户共存的认知无线网络模型中,为了解决认知无线网络中最大化网络效益和用户间接入网络的公平性联合最优化的多目标频谱分配难题,提出了一种新的基于 hooke jeeves（HJ）计算和量子粒子群（quantum particle swarm optimization,QPSO）理论的离散多目标组合优化机制,即 HJ-DQPSO 优化机制。该机制中,提出了采用 HJ 算法进行局部搜索,防止陷入局部最优,并对 QPSO 算法进行离散化处理以便更匹配离散的频谱分配模型。与现有的频谱分配算法进行仿真性能比较,实验结果表明,该机制具有逼近最优解、快速收敛、不易陷入局部最优、参数设置少的特点。在不同的优化目标情况下,能够较好地逼近频谱分配最优解而且可以实现快速收敛,在满足多个优化目标的情况下可以获得更合理的频谱分配方案。