计算机网络多层拓扑结构的自动发现

为快速、完整地发现计算机网络的拓扑结构,提出基于SNMP协议的网络拓扑发现算法.该算法结合使用SNMP(Simple Network Management Protocol)协议完成网络逻辑层搜索、STP(Spanning Tree Protocol)协议完成链路层搜索算法.采用并发搜索和多次搜索结果合并的机制,搜索过程中对特殊设备进行规避并.经试验验证,能够获取接近完整的网络拓扑结构,在搜索时间上占一定优势.     

区域网络拓扑自动发现算法的实现

网络拓扑自动发现的方法多种多样,其中基于SNMP协议拓扑发现方法是最适合区域网络的拓扑发现方法。通过使用MIB组,对网络层对象的发现,采用图的广度优先搜索节点来绘制网络拓扑图,从而实现区域网络拓扑自动发现。     

基于CIM的图形化电网拓扑建模与分析

网络拓扑是电力系统分析软件的基础,采用可视化的方法实现网络拓扑的建立是可视化能量管理系统的核心。文章基于CIM模型,建立了一个图形数据一体化的图形平台,该平台能够根据设备图元的端子坐标位置自动建立设备的连接关系,生成连接节点并编号。采用节点融合法实现拓扑分析,并按照分层次搜索策略进行拓扑的局部修正,该方法能减小搜索的范围,提高拓扑分析的速度,并具有很好的通用性和扩展性,易于编程实现。     

复杂网络抗毁性研究进展

随着复杂网络研究的兴起,复杂网络抗毁性研究的重大理论意义和应用价值日益突显出来,成为极其重要而且富有挑战性的前沿科研课题.本文总结综述了国防科技大学信息系统与管理学院在复杂网络抗毁性领域取得的研究进展,具体包括:研究了不完全信息条件下复杂网络拓扑结构抗毁性;提出了复杂网络拓扑结构抗毁性的谱测度方法;分析了3种结构属性对复杂网络拓扑结构抗毁性的影响;提出了基于禁忌搜索的复杂网络拓扑结构抗毁性仿真优化方法.     

智能家居中的网络路由改进算法研究

在智能家居中搭建网络过程中，为优化网络路由算法，提高算法的全局搜索能力和收敛精度，提出一种基于BFA(细菌觅食算法)的优化算法。通过选取随机网络拓扑模型建立50节点网络拓扑图和100节点网络拓扑图，利用GFBA算法进行仿真实验，仿真结果表明：与现行的网络路由算法相比较，在网络费用以及收敛时间方面验证GFBA算法对于网络路由问题的适用性和优越性。     

一种基于Layout算法的网络拓扑发现技术

提出基于Layout算法的网络拓扑发现技术和网络管理手段。利用CDP（Cisco发现协议）收集的数据进行整合分析,主要包括拓扑搜索、型别侦测和Layout生成三个主要子模块,通过拓扑发现管理手段进而进行前端用户界面展示。同时将拓扑发现数据进行存储进行进一步数据分析和挖掘。     

基于蚁群优化代理的移动Adhoc网络资源搜索研究

由于移动网络的动态拓扑结构,网络资源搜索过程又需要大量的信令分组和通信链路的支持,移动网络中 的资源搜索变得异常困难.通过分析移动网络中资源搜索的关键问题,提出了一种基于代理的网络架构,并在这种 架构上运用改进蚁群算法解决这些问题.该方法首先在移动网络中引入代理节点以确定网络拓扑,然后在这种引 入代理节点的网络架构中使用改进蚁群算法,同时利用全局和本地信息素来寻找资源.仿真比较了传统蚁群算法 和改进蚁群算法的资源搜索性能,仿真结果显示相对于传统蚁群算法,这种新算法在基于代理的移动网络中可以 大大提高移动网络资源搜索的效率.     

对等网络的临界负载研究

不同于传统的网络拥塞研究方法,从拓扑属性节点介数出发,分析了网络拥塞与介数之间的关系,以排队论为模型,从理论上给出了导致网络拥塞的临界负载与网络拓扑属性介数的公式解.并且以Gnutella网络拓扑结构为模型进行了仿真实验,假设Gnutella网络中的网络流量由搜索请求和搜索响应构成,搜索请求采用k邻居随机路由方式.仿真结果不仅验证了公式解的正确性,而且证明了临界负载和介数之间的必然联系.     

基于狩猎搜索的可信QoS路由算法

提出了一种可信QoS路由算法,采用区间形式描述用户需求以适应用户QoS和信任要求的模糊性,采用基于滑动窗口和窗台的信任评估与控制机制,引入满意度函数,基于狩猎搜索寻找满足用户需求的优化路径.对提出的算法进行了仿真实现,并在多个实际网络拓扑和虚拟网络拓扑上进行了性能评价,结果表明,所提算法是可行和有效的,同现有算法相比,具有更好的性能.     

基于启发式规则与和声搜索的配电网重构算法

提出一种基于启发式规则与和声搜索算法的配电网经济性重构方法.首先,根据配电网重构网络拓扑要求及和声搜索算法的特点,采用基于重构环解的和声向量编码方式,通过构建重构环特殊支路组、设定支路断开原则避免不可行解的产生;然后,以网损最小为目标分析初始网络,利用启发式规则将各重构环搜索范围压缩到最有可能的有效解范围之中;最后,利用和声搜索算法在有效解范围中全局寻优.该方法显著减少了候选解数目,能够快速搜索到全局最优解,且搜索性能不随网络规模的扩大而变差.IEEE典型算例的仿真结果验证了本文方法的正确性和有效性.