卫星网络的数学模型和路由算法研究

对卫星网络路由算法研究中存在的问题进行了分析.建立了卫星网络的多约束数学模型,该模型表示了多约束条件下的最小代价问题.在数学模型研究的基础上,对多约束路由算法进行研究,得到一种多约束切换最优路由算法.该算法能够有效地降低路径的切换概率,能够提高计算效率,通过分析表明该算法具有较好的性能.     

机器人救援的目标吸引动态路径规划蚁群算法

地震发生后城市的道路状况未知而且复杂多变,因此,在震后机器人救援中,如何快速地找到最短路径以拯救更多的伤员,成为研究的热点问题。提出一种目标吸引的动态路径规划蚁群算法,在动态变化的震后救援环境中找到最短路径,减少救援时间。利用原有城市交通地图的全局信息建立目标吸引函数,对蚂蚁在复杂动态环境下的路径搜索进行引导,提高其选择离目标点更近邻节点的概率,减小蚂蚁对非最短路径的选择概率。通过与MMAS算法进行仿真实验对比,验证了提出的算法可以更快地收敛到最短路径并具有较好的动态性能。     

改进的低时延全回波Q路由算法

针对传统路由算法不能适应拓扑环境及网络负载变化导致的拥塞问题,提出了一种改进的低时延全回波Q路由算法。改进算法对于原有算法附加学习率因子进行替换,使用调节范围更大、适应性更好、算法性能更稳健的双曲正割算子;改进算法根据不同网络情况自适应地调节学习率,进而提供合理的路由决策。仿真结果表明,该算法可以适应于静、动态拓扑环境,与已有的路由算法相比,改进算法能有效地减少高、低负载时数据的平均递交时间,降低路由间的振荡,提高数据包的投递率,且体现更好的稳健性。     

一种基于分簇及蚁群算法的分布式能量高效路由算法

为了提高无线传感器网络中节点的能量使用效率,延长网络生存期,提出了一种基于分簇及蚁群算法的分布式能量高效路由算法.首先,网络中的节点采用改进的最小ID分簇算法对传感器网络进行快速分簇;然后,各簇头节点使用改进蚁群算法进行并行优化计算,寻找从簇头节点到Sink节点的数据汇聚路由.该算法是一种分布式算法,经仿真验证算法是合理的,和典型路由算法相比,能均衡节点能量消耗,具有更高的网络生存期.     

NS—2网络仿真器中动态路由算法的动画仿真研究

研究了基于Unix系统的大型离散事件可视化网络仿真器NS—2(Network Simulator V.2)，分析了基本网络模型C 类的设计原理，Tcl仿真脚本文件的Otcl语言建立方法，局域网模型拓扑描述，路由策略与协议算法，组件的编译等。着重剖析了分布式Bellman—Ford(或距离向量DV)路由算法，以及动态网络拓扑变化的仿真机制。设计了一个7结点的令牌环形网的动态路由仿真实例。利用Nam工具仿真实现了动态路由DV算法的动画效果，利用Xgraph工具描绘出通路上的数据流量曲线，实验结论验证了在DV路由算法下网络的通畅性，以及实际通信中数据包的抛弃、丢失和网络阻塞干扰等现象的客观存在。     

行驶时间延迟下配送车辆调度的干扰管理模型与算法

针对行驶时间延迟下配送车辆调度的干扰管理问题,给出了车辆调度人员实际操作中的一系列"救援模式",并将其提炼为计算机可以理解并处理的形式化知识;按照车辆调度人员的"救援路线列举→救援路线选择"两阶段的思维方式,以顾客时间窗偏离程度最小化和配送成本最小化为目标,建立了问题的数学模型及其求解算法. 通过初步的实验,确定了算法的参数配置;在Solomon提出的标准算例上对算法的鲁棒性、求解结果的质量、以及求解性能等几项指标进行了测试及与文献算法的比较;最后对算法进行了实时化的处理. 实验结果表明,本文算法不仅达到了多目标优化的效果, 而且可以满足实时应用的要求.     

基于不确定链路参数的卫星网络路由算法

对于卫星链路参数在复杂空间环境中存在不确定性的问题,研究了一种基于不确定链路参数的卫星网络路由算法。首先,采用三角模糊数描述链路参数的不确定性;在此基础上,建立卫星网络多约束路由模型;然后,设计保证路径有效性的遗传操作,通过遗传算法对路由模型进行求解;最后,通过仿真分析表明,该算法可以在复杂环境中实现高效路由,在平均时延、时延抖动和丢包率等方面有较好的效果。     

一类DOLDL网络的路由算法

本文提出了一类适应于DOLDL(分布式最优局部双环)网络的路由算法。先简要描述了DOLDL网络的有关特征;然后提出了基本路由算法和容错路由算法;对所提出的路由算法进行了分析,并对其中一种容错算法给出了实现过程,还对其正确性进行了模拟验证;最后给出了有关结论。     

基于事件驱动的无线传感器网络动态分簇路由算法

为了降低应用于突发事件监测的无线传感器网络的能量消耗,设计实现了一种基于事件驱动的动态分簇路由算法.在人体神经系统工作机制和传感器网络分簇路由协议的基础上,建立了基于人体神经系统的传感器节点模型,提出簇的生存时间和覆盖范围依据事件情况而动态调整,以有效提高数据融合性能,避免冗余分簇.仿真实验结果表明,该算法与TEEN相比消耗的能量更少,可以有效延长网络的生存时间.     

一种新的无线Mesh网路由协议

无线Mesh网SEE-Mesh提案中的按需多径路由算法HWMP存在效率低、扩展性不强等问题.基于先应式路由思想,结合分布与集中式路由的特点,将数据链路层的平面路由方法拉伸成类似于IP路由的多级路由框架,提出了一种新的Mesh网络多径路由协议WMRP.网络仿真与性能评估表明,新协议在多项性能参数上优于原协议,较大提高了执行效率及其可扩展性.     

基于产品回收定价的逆向物流车辆路径优化问题

针对逆向物流车辆路径优化问题研究在产品回收定价调整和车辆路径优化调度结合方面存在的不足，以智能回收箱为研究对象，考虑多频次回收和车辆共享调度策略，提出基于产品回收定价的逆向物流车辆路径优化方案。首先，构建了智能回收箱回收量与回收定价的线性函数；然后，构建了包含共享车辆运输成本、维护成本、违反时间窗惩罚成本和环境外部性收益之和最小化的逆向物流回收运营成本模型，并建立了回收中心产品的最大化收益模型；其次，根据模型特点设计了考虑智能回收箱地理位置、回收频次和回收时间窗的时空聚类算法，进而提出一种改进的混合算法，该混合算法结合了遗传算法全局搜索能力强与粒子群算法收敛速度快的特点进行了算法间的优势互补，同时采用了精英保留策略，增强了混合算法的搜索性能，并通过与HGA算法、GA-TS算法和HACO算法进行比较分析，验证了模型和算法的有效性；最后，结合重庆市某智能回收物流网络的实际数据进行优化研究，分析了不同产品定价下的回收频次和车辆共享调度情况。结果表明，本文所提的模型和算法能够进行产品回收定价策略的有效选择、产品回收车辆的资源共享以及合理的车辆路径优化调度，并可在回收中心获得最大化收益的同时有效降低逆向物流的运输成本，进而为逆向物流企业进行产品回收定价和车辆回收路径优化调度提供方法支持和决策参考。     

Multi-constraint quality of service routing algorithm for dynamic topology networks

An adaptive multi-QoS routing algorithm called AMQRA is proposed for dynamic topology networks, such as satellite networks and Ad-hoc networks. The AMQRA is a distributed and mobile-agents-based routing algorithm, which combines ant quantity system （AQS） with ant colony optimization （ACO） that is used in AntNet routing algorithm. In dynamic topology networks, the AMQRA achieves timely optimization for concave metric QoS constraint and fast convergence. The proposed routing algorithm is simulated in Iridium satellite constellation on OPNET. The results show that AMQRA not only outperforms the AntNet in convergence rate in dynamic topology networks but also can optimize concave metric QoS constraint and reasonably allot bandwidth to the load to avoid networks congestion.     

无人机自组网中基于蚁群优化的多态感知路由算法

无人机自组织网络具有节点移动性强、网络拓扑变化快、数据交互频繁、应用环境复杂等特点, 采用传统的路由算法会使该网络在传输延时、丢包率、路由开销等方面性能均较差, 以至于无法为多无人机协同执行任务提供有效的通信保障。为了解决该问题, 提出一种基于蚁群优化的多态感知路由(ant colony optimization based polymorphism-aware routing, APAR)算法。该算法将蚁群算法与动态源路由算法相结合, 通过感知路径长度、路径拥塞度和路径稳定性, 计算出由路由发现过程得到路径的信息素水平, 并将其作为选路标准, 经过改进的信息素挥发机制也被引入该算法。同时, 根据无人机编队的变化做出合适的调整, 以保证其网络性能不下降。仿真结果表明, 与其他经典算法相比, APAR算法提高了数据包成功传输率, 降低了平均端到端延时, 减少了路由开销, 且在战场环境下有较高的可靠性。     

基于蚁群-遗传混合算法的设备布局优化方法

以生产车间设备布局优化的最小物流费用为目标,建立了车间设备布局优化问题的二次分配模型,并采用蚁群-遗传混合算法来对这一模型进行求解.该混合算法将蚁群算法和遗传算法的优点相融合,以蚁群系统的解作为遗传算法的初始种群,克服了蚁群算法的收敛速度慢,容易陷入局部最优以及遗传算法的容易早熟收敛等缺陷,来实现模型的全局最优.本文以某机械厂制造车间为例,运用MATLAB编程实现算法求解,结果显示:应用蚁群-遗传混合算法设计出来的设备布局新方案比原始方案总物流费用节约了10.6%,同时,混合算法在求解车间设备布局优化问题时比蚁群算法或者遗传算法速度更快,效果更好.     

综合客运枢纽接运公交线路优化设计

分析了综合客运枢纽接运公交线路优化设计问题的内涵及作用,构建了以运输效率最大和布设线路最小为双目标的优化模型,并将它转化为一类特殊的取送一体化的开放式车辆路径问题进行求解,给出了求解的禁忌搜索算法。最后通过案例进行了验证,证实了该算法具有良好的寻优性能。     

基于蜂群-粒子群算法的天然林空间结构优化

天然林空间结构包含林木的空间位置信息,影响着林木的生长、竞争、林分的稳定及森林的发展,其优化是个多目标规划问题。提出一种蜂群-粒子群(ABC-PSO)混合算法,该算法在初始粒子产生机制、随蜂数量及循环机制上对蜂群算法做了改进,并将其应用到天然林空间结构多目标优化中,最终建立能够兼顾林木分布格局、林木大小分割、林木竞争的优化模型。仿真实验表明,蜂群-粒子群算法提升了森林健康等级,解决了森林空间结构多目标优化问题。     

时序约束下科学工作流的动态调度研究

随着分布计算技术的迅速发展,利用广域分布的计算资源构建并执行科学工作流,已成为当前学术界和工业界关注的热点问题.为满足用户和计算控制机制的需求,往往需定义科学工作流的时序约束.但是,由于任务处理时间具有不确定性,在运行过程中容易出现时序违反.为保证科学工作流的正确执行,迫切需要能根据实时运行状态自动实现动态调度的方法.针对已有研究方法的不足,本文提出了一种基于遗传蚁群混合算法的科学工作流动态调度优化方法.首先,建立了时序约束下的科学工作流动态调度模型,该模型综合考虑了科学工作流的时间与成本优化目标,并融合了基于概率的时序约束满足性需求;然后,采用改进的遗传蚁群混合算法实现模型求解.该算法通过设计提高种群搜索导向性及保持种群多样性的策略,从求解精度及求解速度两方面提高了求解效率.最后,通过与现有方法的多组实验对比,说明了本文算法的优越性.     

洪灾被困人员搜救问题的集成优化研究

为保障洪灾被困人员搜救效果,分析了救援过程的特性,考虑救援时间的紧迫性、救援过程的不确定性、及救援船只反复出救的情形,建立了一个搜救时间模糊、带时间窗的定位-路径问题优化模型,并提出了一种含有启发式规则的混合遗传算法,算法采取三段式实数编码,其中染色体编码代表船只在被搜救点间的搜救顺序,启发式规则在编码基础上确定避难所的选择.最后对模型和算法进行了算例分析,验证了模型和算法的合理性及可行性.     

考虑客户时间偏好的第四方物流路径优化问题

为使第四方物流系统能够在不确定环境下为客户提供有效的运输方案,在一定费用投入下获得更高的客户满意度,研究考虑客户时间偏好的第四方物流路径优化问题.基于累积前景理论,以最大化总运输时间的前景值为目标,建立考虑客户时间偏好的数学模型,并采用蚁群算法对模型进行求解,数值算例验证了算法的有效性·并且,将该模型与传统的期望值模型和期望效用模型进行对比,算例分析表明,考虑客户时间偏好模型可以更有效地描述客户心理行为,并适用于具有不同风险态度的客户群体,验证了模型的有效性.     

基于蚁群优化算法的无线传感器网络路由协议

提出了一种基于蚁群优化算法的无线传感器网络路由协议RPBAA.该协议通过修改蚁群优化算法以适应无线传感器网络无全局标识、节点较少移动、资源受限等特性,提供了一种智能、动态、可扩展的多径选路传输方法来获取有效且健壮的通信,并通过全网能量均衡使用以最大化网络生命期,另外引入了数据分片机制来进一步优化选路效率.最后通过仿真验证了RPBAA协议的有效性和数据分片机制带来的好处.