超立方体中求解LIP的改进程序

基于超立方体中的LIP容错模型及其该模型的三个重要性质,给出超立方体中求解LIP的改进程序．该程序不仅删除了原程序中单条导出路完成函数,而且还改进了下个结点是否可行的判断函数,除此之外,程序还改进了对LIP条数的记录和计算,使程序的运行时间大大减少,因此具有较大的优越性．     

多输入多输出的异构无线传感器网络时分多址调度算法

针对基于多输入多输出技术的无线传感器网络中节点接入信道过程复杂、容易产生碰撞等问题,提出了采用异构无线传感器网络模型和基于该网络模型的集中式时分多址调度算法．网络模型中的节点分为普通节点和带有多天线的特殊节点,节点被分为多个簇,特殊节点担当簇头角色,且在特殊节点间建立树形路由．该网络模型有效解决了分配时隙时节点的传输方向性问题．基于该模型的时分多址算法首先根据特殊节点的冲突节点度大小为节点染色,然后根据节点的数据包数与距基站跳数的乘积确定节点分配时隙的先后次序．实验结果表明,该算法可以有效避免冲突,提高时隙利用率,具有时延小、吞吐量大、适用于基于多输入多输出技术的无线传感器网络等优点．     

基于微粒群模型的无线传感器网络节点部署

提出了一种新的基于微粒群模型节点部署优化算法.该算法根据节点的位置信息建立节点部署优化模型,利用微粒群算法求解该优化模型,优化过程中的最优解作为节点的最终配置位置.仿真结果表明该算法有效的改善了网络的覆盖率.     

SDWSN中基于非合作博弈的拓扑控制算法

为了节省无线传感器网络中节点的能耗,延长网络的生命周期,提出一种在软件定义无线传感器网络中基于非合作博弈的拓扑控制算法.首先,基于软件定义架构设置网络模型.然后,提出一种非合作博弈拓扑控制算法,该算法由控制器基于全局信息为每个节点与其他节点进行博弈,博弈过程中综合考虑节点的剩余能量、传输功率和链路跳数,使每个节点都能找到最利于自己的发射功率,从而在保证网络连通的前提下延长网络寿命.仿真结果表明,所提算法与其他基于博弈论拓扑控制算法相比,各节点能耗更加均衡,延长了网络生命周期.     

基于兴趣值的适应度模型的研究

提出了一种基于兴趣的网络模型,通过给每个网络中已存在的节点分配一个兴趣值,兴趣值与该节点的适应度和节点的度有关.重新建立网络模型,实验结果表明,该网络具有幂律分布.     

无线Mesh网络节点聚类属性分析

通过分析无线Mesh网络节点空间属性,提出了一种改进的k-medoids网络节点聚类算法.该算法基于聚类思想,将无线Mesh网络中的网关部署问题转化为空间节点数据聚类问题.构建了网络拓扑图的邻接矩阵,并利用邻接矩阵选择具有最多一跳连接节点数的对象作为初始簇中心.然后以网络跳数代替传统聚类算法中的距离参数,将最小化跳数之和作为优化目标,通过迭代方法获得稳定的聚类和分组结果.实验结果表明,离散的网络节点在空间上具有聚类特性,利用该方法可以获得更小的平均跳数和最大跳数,因此可以较好地实现网络节点分组和网关发现.     

基于滑动窗口技术的网络节点对可靠性评估

为了有效评估网络可靠性,通过计算网络节点对的可靠性,提出了一种利用节点有序排列的随机图模型来计算网络系统中节点对可靠性的新方法.该方法使用基于滑动窗口技术的递归算法,滑动窗口由数个连续节点构成.首先通过在单步中计算出窗口包含的所有节点的连通概率,其次窗口向前滑动一个节点,此过程重复,直至窗口到达最后的节点,此时的连通概率即可计算网络系统的节点对可靠性.仿真结果表明,该方法尤其适用于邻近节点间距很小的网络.算法最主要的优点在于降低计算复杂度.     

基于引力场的机会网络路由算法

机会网络通过节点的运动带来相遇机会进行数据传递,结构的拓扑变化给机会网络的路由算法设计带来了挑战.现有的经典路由算法认为节点与节点的关系是独立的,没考虑节点之间的关系,根据"节点的最大介数与网络的传输能力呈近似反比的关系"这一关系,结合引力场理论,将机会网络抽象为一个引力场,网络中的节点视为引力场中的暗能量和星体,节点间的相互作用转化为路径对数据包的吸引力,提出了基于引力场的机会网络路由算法(routing algorithm for opportunistic network based on gravitation field,BGF),通过在ONE上的仿真实验,然后与Epidemic算法、Prophet算法对比,实验结果表明:在节点数与节点缓存比较大时,BGF算法的传输成功率最高,传输延迟与路由开销最小.     

基于差分进化与RBF神经网络的热工过程辨识

针对热工过程的非线性辨识问题,提出了一种基于差分进化算法(DE)的径向基函数神经网络(RBFNN)模型设计方法.该方法将DE算法的种群分解为几组并行的子种群,每组子种群对应于一类隐节点数相同的RBF网络.在RBFNN的学习过程中进行多子种群并行优化,从而实现RBF网络结构与参数的同时调整.算法可以利用热工对象的输入输出数据,自动设计出满足误差精度要求且结构较小的RBFNN模型.然后将该算法应用于热工对象的辨识,对于单输入单输出系统,得到的RBFNN模型只需1个隐节点.对于多输入单输出系统,RBF网络也仅需较少的隐层节点.仿真结果表明,用该方法设计的RBFNN模型结构简单,且辨识误差小,具有较好的泛化能力.     

基于偏最小二乘的BP网络模型及其应用

基于BP网络模型具有拟合非线性数据的特性,提出一种基于非线性迭代偏最小二乘算法(NIPALS)的BP网络的构造策略,构造了新的PLS-BP网络模型,使BP网络减少迭代步数,提高学习效率.采用非线性迭代偏最小二乘算法预处理数据,将得到主成分数、自变量和因变量的主成分数的权重以及主成分间的关系矩阵B,以此用来确定BP网络的隐节点数和输入层、输出层的初始权值以及隐节点的关联系数.最后,进行仿真实验,并将它与PLS模型、标准的BP网络模型进行了比较,仿真结果表明,拟合和预测效果较好.