路票约束下的用户均衡网络流建模及其算法

为了缓解交通拥堵问题,在传统用户均衡模型的基础上,建立了带路票约束条件的用户均衡网络模型。本模型采用牛顿算法作为子算法,结合增强拉格朗日乘子法求解带路票约束的用户均衡网络流。外惩罚函数通过调整惩罚参数,把容量约束下的网络均衡问题转化成传统网络均衡问题。牛顿法通过移动方向、修正矩阵和移动步长的组合来保证路径或路段交通流量解的可行性,同时获得转化后子问题的最优解。算例分析表明,相对于传统的交通分配方法,添加路票约束能显著改变交通分配结果,使高流量路段的交通量减少了25％,能够有效地缓解交通拥堵。     

以太网生成树拓扑与流量均衡的关系研究

以太网是采用基于生成树的路由算法,网络结构都简化为简单的树形结构.利用以太网流量均衡选路算法,可以提高网络利用率和网络容量.流量均衡选路算法的效果还受到网络拓扑的结构以及具体生成树的拓扑设计的影响.本文重点分析了生成树拓扑与流量均衡之间的关系,并提出了较通用的生成树拓扑设计原则.     

D-Spillover 负载均衡的算法研究

【目的】通过研究一种基于流量溢出效应的动态负载均衡（Dynamic load balancing based on spillover，D-Spillover）模型与算法，为当前动态负载均衡不能从网络整体资源利用角度将富裕带宽贡献给其他流量，造成资源浪费的问题提供解决方案。【方法】对网络数据流进行粒子化最优分解，利用粒子群寻优法，以粒子化等比例利用带宽，结合非线性时间序列分析方法，按比例节点数据流溢出后动态调整分发的负载均衡算法和策略，实现每一个时间段、每一个节点上宽带的最大利用化与均衡转发，充分利用网络的带宽,最大化发挥网络设备性能。【结果】D-Spillover负载均衡机制在任何时间段能让流量均匀分配给等比例接口容量，每一个接口都会性价比的利用带宽，流量分布比较均衡。【结论】根据网络的需要，将D-Spillover负载均衡机制运用在网络负载较重的数据中心设备中，有利于整个网络的优化。     

WMSNs中粒子群优化的多径流量分配路由算法

针对无线多媒体传感器网络(WMSNs)节点能耗问题,提出了一种基于粒子群优化的多路径自适应流量分配路由MATDR-PSO算法。通过建立能效优化模型,将最小能耗和能耗均衡2个特性转化为多目标优化问题;利用粒子群优化算法动态分配多路径上各条链路流量来实现网络的能效优化。仿真实验表明:MATDR-PSO算法能够在降低全网节点消耗总能量的同时保证能耗的均衡特性,显著提高了网络的生命周期。     

基于离散粒子群的SDN动态流调度算法

针对数据中心网络中流量路径分配不合理、易导致大流冲突的问题,提出一种基于离散粒子群的软件定义网络(SDN)流量调度算法.该算法重定义粒子群内部的寻解过程,以最优化网络性能为目标,动态地为数据中心的流量分配最优路径,以减少大流量冲突;并引入Metropolis设计多元化最优调度方案,确保数据中心流量的合理调度.与其他流量调度算法进行对比验证的实验结果表明,该算法提升了网络质量,降低了大流时延,实现了更好的负载均衡.     

数据中心网络多路径路由算法

数据中心网络流量分布的不均衡增加了网络拥塞产生的可能性,由于数据中心网络的流量特性,使得传统IP网络的流量工程方法不一定适合。该文在SDN/OF(software defined network/OpenFlow)的结构下,提出了一种基于多路径传输的动态路由算法(dynamic routing algorithm based on multipath propagation,Dramp)并作为SDN/OF结构中应用层的流量均衡策略。该算法在重新定义链路关键度并求解链路权值优化问题的基础上,能充分利用数据中心网络中存在的冗余路径,在完成细粒度流量均衡的同时,能很好地克服控制器的计算开销,完成路由优化的目标。通过在Mininet仿真平台中部署并进行仿真实验,与等开销多路径路由算法ECMP(equal-cost multi-path)以及GFF(global first fit)路由算法相比较,结果展示了Dramp的优越性能,同时证明了在数据中心网络中采用Dramp作为流量工程的解决方案更简单、更实用。     

一种改进的多路径负载分配均衡算法

分析了实现均衡路由的功能模型和算法,重点研究了LDM(多路径负载分配)算法。为了充分利用候选路径的信道容量,提出了一种改进的LDM算法。改进后的算法在多个候选路径之间根据比例系数均衡分配通信流量。通过算法性能分析表明:改进后的算法和最初的LDM算法具有相同的复杂度,但对于给定的通信流量能够提升网络性能。     

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.     

基于改进密度峰值聚类的异常流量检测

针对网络异常流量检测技术准确率较低、簇的误划分等问题,提出基于改进密度峰值聚类算法的网络异常流量检测方案;首先对网络流量数据进行预处理和分组乱序,然后计算相应属性值并利用局部密度发现簇中心点,最后采用一种新的标签传递方式形成相应的簇群直至处理完所有数据。结果表明,相对于k均值算法和具有噪声的基于密度的聚类算法,基于改进的密度峰值聚类算法提升了网络异常流量的检测准确率,综合性能较优。     

截断随机出行时间下可靠网络均衡模型

针对现有随机交通网络均衡模型未考虑路径出行时间的有界性和准时到达概率对出行者路径选择行为影响的问题,基于截断随机出行时间,提出了克服其局限性的可靠网络均衡条件,该均衡条件下没有出行者可以通过单方面改变出行路径来提高准时到达概率.构建了该均衡条件的等价变分不等式(VI)模型,并证明了其等价性和解的存在性.设计了基于路径的相继平均(MSA)算法对模型求解.采用Nguyen-Dupuis网络对可靠网络均衡模型和MSA算法的有效性进行了测试.研究结果表明:该算法能够快速收敛到较高精度;与不考虑随机出行时间有界性的模型相比,网络均衡状态下的准时到达概率和流量分布均存在差异,最大路段流量相对变化值达到38.5%;增加出行时间预算和降低出行时间上界均可以有效提高起讫点间的准时到达概率.     

基于改进遗传算法的平面交叉口信号优化控制法

本文对城市交通中单交叉口信号动态优化控制技术进行了深入研究,在此基础上设计了一种应用于单交叉口的智能信号控制优化算法,并在遗传算法的选择算子中对竞争法进行了改进,加入了希尔排序策略,将基本遗传算法改进成了一种新的基于二进制编码的遗传算法. 且计算机模拟复杂度较高的四相位交通控制仿真对比实验取得了良好的效果. 实验结果证明,遗传算法可以较好地应用到交通控制领域,且改进式遗传算法在中、重度交通需求的情况下依然能在很短的计算时间内使控制周期内路口的总延误和排队车辆数明显减少.     

基于智能算法的灾区救援路径规划

为减少重大自然灾害给人民生活带来巨大的经济损失,非常必要建立一个有效的灾难响应交通运输系 统。为此,提出了基于K-means 的聚类模型和遗传算法( Genetic Algorithm) 的多人最短路模型等现代智能算法, 并结合波多黎各城镇数据进行灾难救援模拟实验。结果显示,模型成功完善了传统的灾难响应交通系统时效 低、针对性差、效率低等缺点,针对医院、公路网密集、人口密度大以及平原地区进行优先救助,利用无人机 进行主要交通线路的快速巡查,以波多黎各地区为例进行实验,结果显示模型快速实现交通恢复,为地面物资 的输送提供了极大的便利,提升了救援速度。     

自由飞条件下的冲突探测与解脱方法

该文介绍了自由飞行的概念 ,并简述了采用自由飞行的原因及其给空中交通管制员工作带来的困难。分析了如何将遗传算法用于自由飞条件下的飞行冲突探测与解脱问题 ,并介绍了基本遗传算法的原理和运算步骤。结合我国空管的有关规定 ,进行了合理的假设 ,通过一些算例将遗传算法用于冲突探测与解脱 ,计算结果表明该方法能够很好地探测并解决飞行冲突问题     

利用遗传算法改进的路由和波长分配算法

给定拓扑结构和流量请求的波分复用静态波长路由光网络中 ,利用路由和波长分配算法求得的网络最小所需波长数与网络节点编号有关。为了得到网络最小所需波长数所对应的网络节点编号 ,首次利用遗传算法对节点编号进行优化。和已有的统计方法相比较 ,采用遗传算法可以有效地消除原有方法的随机性和盲目性。模拟计算表明 ,利用遗传算法可以更快地求得网络最小所需波长数所对应的网络节点编号。以此求得的网络所需波长数 ,更接近理论最小值     

多峰函数优化的混合遗传算法

研究了2种基于最速下降法和遗传算法的求解多峰函数优化问题的混合遗传算法,以Schaffer函数的全局优化问题和收敛概率、平均收敛时间和平均收敛值等评价指标检验了混合算法的性能.结果表明混合算法的性能优于单独的遗传算法或最速下降法,采用随机方式选择局部优化个体的混合遗传算法性能在总体上优于从每代群体中选择适应度高的个体进行局部优化的混合遗传算法.     

基于改进黑洞算法优化ESN的网络流量短期预测

网络流量数据序列具有混沌特性.相空间重构后,采用一种改进黑洞算法优化回声状态网络的非线性模型对网络流量进行预测.改进黑洞算法是在现有工作的基础上提出一种新的新解生成机制,可以提高算法的收敛速度和精度;相比于遗传算法、和声搜索算法等其他优化算法,所提出的改进黑洞算法不依赖自身相关参数的准确设定;将其应用于回声状态网络4个重要参数的优化选取,使得预测模型具有较好的预测稳定性.通过Mackey-Glass混沌时间序列和网络流量公共数据集的仿真实验,结果表明所提出的方法具有较好的预测性能.     

SMS中基于冲突探测的滑行道轨迹预测算法研究

本文研究了机场场面管理系统中的重要环节——滑行道轨迹预测算法.首先研究了滑行道路段基于冲突探测的滑行花销问题,建立了滑行道动态花销模型;然后基于冲突探测和场面资源的动态花销提出了场面交通事件触发的A*轨迹预测算法以及全局Floyd轨迹预测算法.对这两种算法进行仿真的结果表明,基于事件触发的A*算法在场面交通不太拥挤的条件下适用,全局Floyd算法适合场面交通拥挤的情况;最后,通过比较和分析,提出了将两者结合的思想.算法具有很强的可扩展性,能够为机场流量管理提供科学的指导.     

混合遗传算法求解0-1背包问题尝试

遗传算法是一种基于自然选择和遗传机制的搜索算法．为解决著名的0-1背包问题，尝试混合使用一点杂交与多点杂交以及将传统的算法与遗传算法相结合的方法，对经典遗传算法进行改进，并在实验中获得了更佳近似解．     

基于布谷鸟搜索算法的SVR参数选择

SVR(支持向量回归机)在解决非线性回归问题时有极大的优势,在其预测过程中,最重要的是参数的选择,不同的参数会造成预测结果的巨大差异．目前较为普遍的方法是利用遗传算法和粒子群算法进行参数选择,而这2种算法在解决多峰问题时的局限性,容易导致算法的效率低且准确度不高．鉴于布谷鸟搜索算法引入了Lvy飞行机制,能有效地跳出局部最优解,使算法收敛速度快,且结果具有对算法本身的参数变化不敏感的优点,该文将布谷鸟搜索算法应用于SVR参数寻优过程中．网络流量和白葡萄酒质量的预测实验结果表明,布谷鸟搜索算法相对于遗传算法、粒子群算法等其他启发式智能算法而言,收敛速度更快,寻参结果的精度更高．     

Memetic算法及其在分类中的应用研究

群体智能优化算法Memetic算法(Memetic Algorithm,MA)采用进化算法的操作流程,引入局部搜索算子,使其在问题的求解中保证较高收敛性能的同时又能获得较高质量的解,克服了遗传算法等传统全局优化算法易"早熟"的问题,同时避免陷入局部解。在MA框架基础上,提出了全局动态适应MA算法,采用遗传算法为全局搜索算子,k-means算法为局部搜索算子。使用Java语言实现算法并对UCI中分类实验数据集进行测试,结果表明,将遗传算法和k-means结合的全局动态适应MA在分类问题中具有较高准确率。