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.     

关于最短路径问题的一种有效算法

经典的关于最短路径算法是基于图的搜索思想的.Dijkstra提出的单源点最短路径和所有顶点对之间的最短径算法就是较为成熟的经典算法.但人们在长期的使用过程中感到其算法结构过于复杂且效率较低.对Dijkstra最短路径算法进行了改进,提出了WY-Dijkstra算法.改进后的算法不实施Dijkstra算法的重复循环,而是作映射或链接处理,从而提高了效率.这一算法适合于复杂的智能系统的应用.     

基于改进局部搜索遗传算法的目标分配决策

为满足舰载武器目标分配需求,对传统的局部搜索遗传算法进行了改进,并用其求解目标分配问题的最优解。构造了适合于目标分配问题的染色体;设计了搜索性能较好且能够保留优秀基因的交叉操作方法;将局部搜索机制引入标准遗传算法,提高了目标分配算法的收敛速度;把模拟退火算法引入局部搜索问题,在一定程度上避免了局部最优问题;将贪婪算法应用于局部搜索提高了最优分配方案的搜索效率。仿真计算表明,改进局部搜索遗传算法的目标分配性能优于已有算法。     

基于改进Dijkstra算法与时频域滤波的雷达目标识别

针对弹道中段雷达目标回波的微多普勒特征提取精准度不高导致目标识别率低的问题, 提出一种基于改进Dijkstra算法与时频域滤波相结合的雷达目标分类识别方法。该方法首先采取改进Dijkstra算法提取多分量回波信号中最强分量的瞬时多普勒特征, 然后利用时频域滤波方法滤除最强分量, 依次提取多分量信号的瞬时多普勒特征, 并将该特征应用于弹道中段雷达目标识别。仿真结果表明, 该方法适用于多种微动形式, 提取回波信号的微多普勒特征的精度更高, 对于弹道中段雷达目标平均识别率较高。     

考虑施工次序与土质问题的土石方调运的网络模型算法

根据已提出的考虑施工次序与土质问题的土石方调运研究的网络流模型，提出实用算法，并证明该算法的正确性。该算法将网络流问题转化为一系列求最短路问题，同时通过定义修正权将负权转化为非负权，从而可以用改进的Dijkstra算法代替遮代法求解最短路，大大减少了计算量。     

面向双层卫星网络的多业务负载均衡算法

卫星网络中由于卫星高动态拓扑和地面用户分布不均,导致卫星网络易出现区域负载失衡。设计高效的动态路由算法是当前卫星网络的研究热点,为此,提出了一种面向双层卫星网络的多业务负载均衡算法。该算法根据卫星链路上的数据传输量进行拥塞判断,根据链路时延因素和链路负载因素进行负载代价计算,不同服务质量(quality of service, QoS)需求的业务进行不同路径选择,通过分流均衡网络流量。仿真结果表明,该算法能够减少数据包的排队时延和丢包率,提高整网吞吐量。     

基于SDN的卫星网络多QoS目标优化路由算法

针对传统卫星网络中业务类型多样化导致的网络配置复杂和业务服务质量(quality of service, QoS)无法得到有效保障的问题,研究了基于软件定义网络(software-defined networking, SDN)的卫星网络架构,提出了一种能够满足多种QoS需求的自适应路由算法。首先,建立了软件定义卫星网络多约束条件路由选择优化模型;然后,使用拉格朗日松弛法对模型进行松弛处理;最后,使用梯度法进行迭代求解,搜索出满足带宽、时延、丢包率等多种QoS的最优路径。研究结果表明,该优化算法在QoS满意度方面相比近地轨道卫星路由算法提高了64%,在时延满意度和丢包率满意度方面相比软件定义路由算法提高了28%。     

基于快速牛顿法的自正交变换域(N-SO-TRLMS)算法研究

提出一种能够较好改善剩余误差性能的低复杂度自正交变换域(N-SO-TRLMS)改进算法,该算法基于快速牛顿算法的思想,降低了SO-TRLMS算法中近似变换对输入逆矩阵的估计误差;理论推导了改进算法的误码率解析表达式,分析了剩余误差和运算复杂度;静态和动态干扰环境下的仿真结果表明:改进算法在保持快速收敛特征的前提下,表现出较小的剩余误差和较强的鲁棒性。     

基于改进搜索策略的混合蜂群算法

针对人工蜂群算法搜索效率低、易陷入局部最优和精度低等缺点,提出混合蜂群（hybrid bee colony, HBC)算法。将人工蜂群（artificial bee colony, ABC）算法局部收敛性与模拟退火（simulated annealing, SA）算法全局收敛性结合,为ABC算法提供了一种新机制。根据SA算法中Metropolis接受准则, 通过调整温度依概率确定全局最优解的替代值,并利用全局最优解的替代值和个体极值来改进ABC算法的引领蜂搜索模式。其次,改进侦察蜂搜索方式,根据迭代次数非线性减小侦察蜂搜索范围和以一定概率反向搜索更新方式,能够有效地提高算法的全局搜索能力,并加快算法的后期收敛速度。通过对8个复杂函数仿真测试,结果表明,HBC算法在搜索性能和精度方面均有明显提高。     

非线性时间序列高性能仿真算法研究

系统相空间重构和几何特征值计算是非线性动力系统仿真的重要过程.因其算法时空复杂度较高而计算耗时,为实时仿真非线性时间序列带来了困难.对相图重构算法和几何特征值计算算法进行了优化,使其时间复杂度有不同程度的降低;进而并行化这些算法,使其效率进一步提升,最后算法运行时间缩短为原运行时间的1/30.以长程睡眠脑电数据分析和仿真为例,分析结果表明关联维的高低能够反映出睡眠的阶段,据此对非快速眼动睡眠期的仿真预测与实际结果相符.     

改进的最短路算法

通过对军事后勤运输中运输路线选择问题的分析 ,提出了最短路模型。针对巨型交通网络的路径选优问题 ,以传统的最短路问题的Dijksta算法理论为基础 ,引入并行处理的概念 ,提出了改进的最短路算法 ,给出了算法的证明推导 ;并对算法效率进行了简单的分析 ,同时用示例对算法进行了计算。新算法在处理巨型网络时效率明显提高 ,为后勤运输路线的选择提供了有力的辅助决策工具     

基于时刻表的轨道交通网络动态配流模型研究

目前轨道交通配流问题的研究多以静态为主,难以描述乘客流量的动态变化特征,而轨道交通的网络化和基于时刻表的运行方式使得应用基于时刻表的动态配流方法研究轨道交通网络上的流量变化成为顺理成章的事,本文正是研究了轨道交通网络上的基于时刻表的动态配流模型.首先根据轨道交通网络的运行特点建立轨道交通的时空网络,表示并分析了时空网络上路径和路径费用的组成.然后建立了轨道交通时空网络上的均衡配流模型(user equilibrium),并通过相继平均算法(MSA)对模型进行求解,在传统的Dijkstra算法的基础上改进了最短路径的搜索方法.最后通过北京轨道交通网络的局部线路对本文的模型和算法进行了验证.     

基于配送时效和连接成本的快递网络优化

改变以往学者基于轴辐网络理论的快递网络优化方法,本文基于复杂网络理论对快递网络进行优化.首先用配送时效表征快递网络的配送效率,用快递网络连接边的总长度来表征快递网络的连接成本,然后以最小连接成本为优化目标,构建带有配送时效约束的优化模型,并设计从全连通网络逐渐删除边际效益最低的边的算法贪婪迭代寻找最低连接成本的网络结构,最后通过算例对算法的有效性进行了验证.     

带二次参数赋权的多阶段网络最短路算法

当网络中的权值不是常数而是含参数的函数时,它可以看作是一种动态网络,用传统的算法求解这类网络的最短路径变得十分困难.为此,提出了含二次参数权的多阶段网络最短路问题,并利用Dijkstra算法思想和隐枚举方法给出了求该网络最短路的隐枚举标号算法,最后对该算法的复杂性进行了分析.理论分析与实验结果表明,尽管该算法不是多项式的,但对于一定规模的该类网络还是十分有效的.     

一种新的大规模网络最短路径的近似算法

平均最短路径长度是复杂网络的一个重要特性,但是对于大规模网络的平均最短路径长度的计算是困难的.在最近的一次对中国教育网的研究中.建立了一个有2 354 934个网页和26 816 209个链接的网络.要想计算该网络的平均最短路径长度,无论是传统的Floyd、Dijkstra算法,还是基于MPI的并行算法,在现有的计算机资源下都难以实现.提出了二级网络的概念,并基于此给出了一种针对中国教育网的新算法,使得在可以接受的时间内完成平均最短路径的近似计算,经试算效果令人满意,说明这种方法对于计算大规模网络的平均最短路径是有效的.     

基于递阶遗传算法和BP网络的时间序列预测

提出一种基于递阶遗传算法和BP神经网络的时间序列预测模型。现有的BP训练方法只能训练BP网络的权重,网络的结构得预先用某种方法确定。利用很好设计的递阶遗传算法能够把网络的结构和权重同时通过训练确定。以铁路客运市场数据进行训练和测试,与传统的BP网络预测模型相比较,结果证明该模型的预测精确度是令人满意的,所提出的方法是可行的。     

铁路通信网路径选择性能优化及仿真分析

提出了铁路通信运营支撑系统(RCBSS)的体系结构，讨论了Dijkstra算法在其电路路径自动搜索上的应用，在此基础上提出了基于动态权值、具有平衡网络负载功能的路径搜索优化方案，并利用存储过程、动态链表初始化、四叉堆排序以及双向并行搜索算法，有效地提高了其搜索速度，合理地分配了网络负载，使网络性能得以优化。最后，通过仿真性能分析证实了这一方案的优越性。     

四层BP网络的一种结构设计方法及应用

针对BP神经网络的特点提出一种基于递阶遗传算法的四层BP神经网络的结构设计模型及应用。现有的BP训练方法只能训练BP网络的权重和阈值,网络的结构得预先用某种方法确定。利用很好设计的递阶遗传算法能够把网络的结构、权重和阈值同时通过训练确定。以经济系统中的人口时间序列数据进行训练和测试,与传统的BP网络预测模型相比较,结果证明该模型的预测精确度是令人满意的,提出的方法是可行的。     

基于遗传算法的进化神经网络

提出一种基于遗传算法的多层前向神经网络的自动化设计方法(genetic multiplayer feedforward neural network，GMFNN)，用以同时完成对网络结构空间和权值空间的搜索。该算法利用双种群权值优化、结构进化自适应变异率等方法来加快算法的收敛速度，改善解的性能。仿真结果显示本文提出的算法能够有效抑制遗传算法初期收敛的发生，有效地提高多层前向神经网络的收敛精度，并可获得更为简洁的网络结构。