基于CIDR表的哈希地址二分查找算法的改进

为了解决核心交换机中路由表的爆炸式容量问题,业界引入了一种无类域间路由CIDR结构,它有效地减少了路由表容量,但是IP地址查找算法却不能令人满意。通过对基于哈希地址前缀长度的二分查找匹配算法的分析,得出由于CIDR表的存储容量有限,因而二分查找算法的优点没有体现出来。针对此问题,利用几个定点地址前缀长度扩展方法,对该算法进行改进,得到了一种满足CIDR表要求的快速查找匹配算法。经过仿真实验,改进后算法更好地满足了快速转发IP分组的需求。     

基于不变矩的景象匹配辅助导航快速匹配算法

针对景象匹配过程中矩特征计算量大、耗费时间长的问题,在搜索匹配前,首先通过小波变换压缩图像以减少搜索空间。在此基础上,为了减少每个待匹配位置相似性测度的计算量,利用矩特征的求解特点及匹配过程中相邻子图间的关系,通过设置多个和表简化各子图矩特征的计算。综合这两种加速策略,提出了一种快速的不变矩匹配算法,该算法极大地降低了匹配过程的计算代价。实验结果表明,所提算法与仅使用小波变换的方法相比,在保证匹配精度的同时,进一步减少了匹配耗时。     

基于压缩查找表的高精度正弦信号生成算法

使用直接数字频率综合（direct digital synthesizer, DDS）技术生成正弦信号时,幅度精度与查找表容量两个条件相互制约,由于容量限制,高精度需要的超大容量查找表在实际中往往无法实现。针对该问题,提出了一种基于压缩查找表的高精度正弦信号生成算法。首先,推导了DDS输出信号精度与查找表容量的关系,为查找表的设计提供了理论依据。然后,依据精度需求构造了一种高效的压缩查找表,给出了查找表容量与压缩比的关系。最后,给出了算法的实现流程,通过仿真验证了信号精度及压缩比,信号幅度为10⁶,精度为10^-5时,压缩比达到10⁷倍。     

基于一种快速搜索策略的图像匹配

基于灰度相关的图像匹配法,因匹配概率高而广泛应用于各个领域,但传统灰度相关算法的搜索策略是遍历性的,匹配速度较慢。为提高图像匹配速度,提出一种全局并行爬山搜索策略,实现了非遍历性搜索,并能快速找到最优匹配点,并引入了一个搜索路经表对已搜索过的点作标记,以防止对某些点的重复搜索。实验结果表明了该算法的图像匹配具有快速性和较高的准确性。     

一种基于分片模板的自适应运动目标跟踪算法

分块跟踪算法是一种非常鲁棒的模板匹配算法,特别适合解决部分遮挡问题,但是该算法框架下的模板更新策略无法解决场景中的目标外观变化和遮挡问题,为此,提出一种分块跟踪框架下的带有遮挡检测的模板更新算法。算法将目标分为多个小片,根据各小片匹配的情况检测目标是否被部分遮挡。如果目标被遮挡,使用能精确反映目标信息的参考模板进行匹配;否则使用能反映目标变化的临时模板,并提出了相应的模板更新算法。大量的实验证明了本算法的有效性。     

自适应的无线融断网络路由算法研究

无线融断网络具有长延时、高动态拓扑、链路不稳定等特点,伴随着网络联接缺乏源端到目的端的持续性,为解决网络通信困难的问题,将多头绒泡菌的智能性和自适应性引入,提出一种自适应的无线融断网络路由算法。搭建无线融断网络模型,推导出链路容量的数学表达;设计下一跳节点的选择策略和最佳路由选择策略,实现在融断网络环境下的数据尽力投递。仿真实验表明,该算法能够在网络开销率较低的情况下,达到良好的数据投递,且平均延迟小。     

基于公平度和惩罚函数的OFDMA自适应资源分配

针对基于速率自适应准则的正交频分多址自适应资源分配中系统容量和用户公平度的问题,提出了一种采用子载波分配和功率分配两步来解决该问题的新方案。该方案主要通过基于公平度的子载波分配算法和基于惩罚函数的功率分配算法来实现。在子载波分配算法中,当满足公平度约束时就提高系统的容量,否则就提升用户的公平度。而子载波分配后,并不能较好地兼顾系统容量和用户公平度。所以,在功率分配算法中,又基于惩罚函数提出了一种新的功率寻优策略,并且该策略利用基于模拟退火思想的改进人工蜂群算法来实现系统容量和用户公平度的折中。仿真结果表明所提出的方案不仅可以有效地提升系统容量,同时也可以实现给定的公平度约束,进而证明所提方案的有效性。     

无线传感器网络低功耗混合地址编码算法

无线传感器网络低功耗MAC地址编码设计需要综合考虑地址通信能量开销、地址编码容量、不同地址类型支持等因素的影响。首先分析了现有定长地址编码和哈夫曼地址编码算法的优缺点,给出了地址编码性能评估参数,接着提出了一种混合地址编码算法,仿真结果表明新算法融合了两种地址编码优点,较好地满足了无线传感器网络低功耗MAC地址编码的设计要求。     

基于压缩感知的自适应匹配追踪算法优化

针对基于压缩感知的稀疏自适应匹配追踪(sparsity adaptive matching pursuit,SAMP)算法运行效率低的问题,给出了一种优化的自适应匹配追踪(modified adaptive matching pursuit,MAMP)算法.该算法在支撑集选择过程中对稀疏度进行了初步估计,并优化了迭代停止的条件.实验表明,该算法相比于SAMP有更快的收敛速度,并且实现更优的重建效果.     

一种结构化P2P系统的拓扑匹配算法

针对结构化P2P系统提出了基于事件驱动的拓扑匹配算法。在该算法中,节点加入系统时依据系统全局信息找到与该节点最近的节点作为邻居节点;当有节点离开或者加入系统从而导致系统覆盖网络拓扑结构发生变化时,只有受影响的节点做出适当的调整。事件驱动算法不是只利用系统全局信息或者只利用系统局部信息,而是二者的结合,从而减少了算法带来的开销。在CAN系统上的仿真试验表明事件驱动算法可以使系统的平均逻辑链路延迟/平均物理链路延迟降低65%左右,而用SAT-match与界标簇算法结合的方法只能降低50%左右。同时,算法带来的开销也是非常小的。     

无线Mesh网络公平感知路由算法设计与仿真

为了减小无线Mesh网络(WMN)路由的不稳定性,基于DSR提出了一种新的可预测公平感知路由协议算法(PFRP),利用MAC的网络状态信息传给网络层DSR路由代理,以便选择到目的地的拥塞和延时更小的最佳路由。此外,还综合考虑了通过统计和估计获得的链路可用带宽和节点队列负载容量等因素,相对于拥塞程度概念提出了一个新的路由准则"拥塞控制度"来表征网络节点传输的拥塞控制状态。大量仿真结果表明提出的路由算法体现了比DSR协议更好的网络流传输公平性及负载均衡性能,如延时和吞吐率。     

带振荡策略的启发式算法求解一类新型分配问题

提出了一种新型的分配问题,该问题来源于钢铁企业中的板坯优化管理.与一般分配问题相比,该问题在将物品分配给背包时,除了需满足背包的容量限制外,还需满足流向限制.此问题可归结为 一般分配问题,因此为NP难问题.针对该问题,提出了带有振荡策略和长期表的启发式算法求解.振荡策略使局部搜索算法在可行区域和不可行区域间振荡,以获得更好的近优解;其次,在算法中引入了禁忌搜索的长期表,根据频率鼓励物品的多样性移动,提高算法的分散搜索能力.为验证算法有效性, 对随机产生的23种规模的数据进行了实验.实验结果表明：对于小规模数据,算法结果与最优解的最大偏差为0.55{\%};在大规模情况下,算法能在快速的时间内获得问题的近优解.     

基于蚁群算法的水下潜器三维空间路径规划

路径规划是水下潜器智能控制的关键技术之一,其任务是在已知障碍物的环境中按照某一最优指标寻找一条从起始点到目标点的无碰路径。使用蚁群算法对水下潜器三维空间路径规划问题进行了研究,以ACS算法为基础设计了路径优化搜索算法,详细讨论了信息素表示方法、路径点选取原则、启发式函数设计和信息素更新规则,给出了算法的具体流程,仿真实验结果表明,该算法能够方便有效的实现三维空间中的路径规划。     

一个时延约束的动态组播路由算法

分析了时延约束的动态最小代价组播路由问题，然后基于贪婪思想设计了一个动态组播树生成算法DCDG（Delay—Constrained Dynamic Greedy Algorithm），用于在动态环境下构造时延约束的低代价组播树。该算法通过节点动态贪婪地选择满足时延约束的最短路径加入组播树来降低代价；若时延不满足要求，则通过合并DDSP（Destination-Driven Shortest Path Algorithm）最小时延路径来产生一个满足时延约束的低代价组播树。仿真实验表明：DCDG算法动态生成的组播树代价较低、性能稳定，而计算复杂度仅为O（n）；在严格的时延约束下会话成功率高。     

基于变迁可靠性的随机Petri网最优路径序列寻找

为了解决随机Petri网的路径寻优问题,在变迁中引进了可靠性的特性,并假设变迁的寿命服从威布尔分布模型,然后根据蚁群算法和时间Petri网的特点提出了一种网络元素可以记录少量信息的带可靠性的记忆时间随机Petri网。在网络运行时,大量托肯在网络中行走并且在行走过程中留下信息素,以此来调整托肯的路径选择。在满足一定可靠性的前提下,在延迟越短的路径上蚂蚁将留下越多的信息素,最终在延迟最短的路径上形成清晰的蚁路。因为变迁的可靠性随时间的增加而不断减小,当一段时间过后路径的可靠性不能满足要求时,需要重新选择一条满足可靠性要求且相对延迟最短的新路径。仿真结果表明,托肯可以有效地在最优路径上形成清晰的蚁路,并且能随着可靠性的不断变化寻找新的最优路径。     

交互策略改进MOFA进化的多UAV协同航迹规划

针对无人机(unmanned aerial vehicle, UAV)多目标优化协同航迹规划方法中Pareto最优解集规模随迭代增长, 难以选择适合UAV任务特点的协同航迹等问题, 提出一种基于交互策略改进多目标萤火虫(multi-objective firefly algorithm, MOFA)进化的多UAV协同航迹规划方法。首先,采用变量分解策略将萤火虫算法中大规模变量分解成多个子种群, 以降低算法搜索的复杂度; 然后, 利用Tent混沌初始化和多种群循环分裂合并策略提高多目标萤火虫算法的搜索性能; 采用双极偏好占优机制、并设计协同度指标在Pareto最优解集中选取适合任务需要且协同度较高的UAV协同航迹。仿真实验表明, 所提方法能够根据任务设定生成对应侧重点、且满足协同性的相对最优航迹集, 证明了该方法的有效性。     

基于局部弹性路由层的关键航路段改航规划

空中交通流量管理中,改航规划是一项重要工作,可为失效的航班提供新的飞行路径,减小延误损失,提高空域利用率。目前的改航策略往往只考虑静态网络中的最短路问题,忽略了流量负载均衡,不利于解决多航段故障问题。本文提出了一种基于局部弹性路由层(local resilient routing layer, LRRL)的改航规划策略:利用连边删除评估法识别航路网络中的关键航路段集合,对其建立LRRL,通过二进制粒子群优化(binary particle swarm optimization, BPSO)算法进行优化,形成最优改航规划预案。仿真结果显示,该方法在多机场多航段故障时可提供兼顾流量负载均衡、重要航路保护度及其改航成本的改航预案,辅助管制指挥人员决策。     

蚁群算法在车辆路径诱导系统中的应用

提出一种基于全球定位系统（GPS）和电子地图（GIS）的车辆路径诱导系统蚁群算法,该方法通过提取相关路段的实时交通状况信息,并融合GPS定位系统的位置信息,以车辆到达目的地的时间最短为优化目标,通过蚂蚁算法动态寻求出发点和目的地之间最优路径.本文以长沙市城区的一个区域为例,对正常交通和拥挤交通状况分别进行了实例仿真,计算结果表明,该算法可行,有效.