针对节点度幂律分布对等覆盖网络的分散式目标免疫

P2P网络的节点度近似服从幂律分布的无标度特性导致了这类网络对随机故障的鲁棒性和对蓄意攻击的脆弱性.为提高其抵抗蓄意攻击的能力,提出了一种经济、高效的分散式目标免疫策略,针对(1)具有最高连接度的节点、(2)具有最高可用性的节点和(3)与具有最高负载的链路直接相连的节点这三类目标实施免疫,设计了基于NoN-indexing机制的熟人免疫方法,能够仅利用网络拓扑局部知识和仅免疫少量关键节点,即可大幅度提高P2P网络的抗蓄意攻击能力.仿真实验结果验证了该分散式免疫策略的经济性和高效性.     

无线传感器节点的非同步休眠节能方法

为了更高效地使用节点能量,针对周期监控型无线传感器网络提出了一种负载自适应的节点非同步休眠方法.该方法无须在节点间进行时间同步,而是通过记录节点在多个采样周期内的时隙状态进行自适应休眠,这些状态包括数据收发、信道争用冲突和空闲侦听等.采用这种方法能能使节点在高负载时自动减少睡眠时间,在低负载时自动增加休眠时间,并能在保证网络服务质量的前提下提高节能效果.仿真实验表明,在同等条件下本文方法相比S-MAC和T-MAC降低能耗约81.7%和57.1%.     

一种面向智能空间定位算法的仿真与性能分析

SSOLA(smart space oriented location awareness scheme)是一种基于MDS(multidimensional scaling,多维定标)的新型定位算法.为了测试算法性能,从定位误差、测量误差、锚节点比例、节点连接度、功耗、可扩展性等方面对SSOLA算法进行仿真实验,并将仿真结果与典型的MDS定位算法--MDS-MAP(P)进行比较和分析,结果表明:SSOLA是一种对测量误差容错能力强、对锚节点依赖小、定位精度高、可扩展性好的快速自身定位算法,可以广泛应用于依靠自身定位的战术互联网、智能战场等大规模无线网络环境中.     

P2P网络中基于全局信任值的激励机制

针对自由骑问题,提出一种基于全局信任值的激励机制,以激励节点积极贡献、可靠服务.在大规模的P2P网络中,节点间交易的随机性造成建立重复博弈的概率极低,导致TfT(Tit-for-Tat)策略失效.节点的全局信任值能够反映节点对网络贡献大小与服务质量好坏,基于节点间全局信任值的差异设置服务响应规则、查询转发规则以及邻居选择规则,形成一种普适性更强的激励机制,可接体现TfT策略.仿真实验表明,这种激励机制能够抑制自由骑,鼓励节点共享资源.     

基于IFTS的云计算网络动态负载均衡方法

针对云计算网络节点的异构性、资源配置的差异性和用户需求的不确定性等因素导致云计算网络极易出现负载不均衡的问题,在分析云计算节点负载模糊时序变化特性的基础上,构建了基于直觉模糊时间序列(IFTS)预测的云计算网络动态负载均衡模型,提出了基于IFCM的云节点计算资源自平衡方法,设计了基于IFTS预测的主动控制和基于反馈的被动调控相结合的虚拟机调度机制,并给出了云计算网络动态负载均衡策略,增强了云资源池的智能化管理水平,提升了云计算系统的整体性能.最后,通过典型实例验证了该方法的有效性和优越性.     

一种新的片上互连网络的仿真和分析

在平衡性能、成本以及实现的基础上,给出了一种新的片上互连网络--广义 Petersen 图互连网络 GP(2m,1),是一种拓扑结构简单、节点度小、网络成本较低,并且具有对称性以及艮好扩展性的平面互连网络.GP(2m,1)互连网络节点采用一种新的约翰逊编码方法,使得路由算法简单高效.在不同负载和不同节点数量情况下,对GP(2m,1)、Ring和2D Mesh网络的平均通讯延迟和平均吞吐量进行了模拟分析,结果表明GP(2m,1)互连网络较好的平衡了网络性能和成本,是一种简单高效的片上互连网络.     

基于自适应遗传算法的传感器网络数据融合算法

能源有效性是无线传感器网络(WSN)路由算法设计要考虑的首要问题,数据融合可以通过合并冗余数据而有效地节约能耗.提出了一种基于自适应遗传算法(AGA)的WSN数据融合算法,基于移动代理(MA)对Sink节点发出兴趣代理报文和目标节点发出数据代理报文进行转发.采用AGA求出MA最优路由节点序列,通过把WSN均匀分割为多个大小适当的二维网格,形成AGA的初始群体.仿真结果表明,随着网络规模增大,和局部最近邻优先算法(LCF)相比,该算法有更小的网络能耗和延时.     

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。     

Power Law网络中一种资源定位机制的设计与仿真

如何有效地进行资源定位是影响广域网内分布式系统性能的重要因素,已有的一些资源查找算法引入了小世界原理来提高定位效率和降低网络负载,但没有较好解决小世界网络的构造问题.在Kleinberg小世界模型的基础上,利用幂率网络特性,提出了一个小世界网络的构造方法PLSWCP(Power Law oriented Small World Construction Protocol),并给出了该方法的数学分析和实现.该方法是分布式的,不必拥有全局知识,每个节点只需维护局部视图,即可使资源定位具有小世界特征所带来的优化的时间复杂度.分析和实验结果表明,该方法可以提高资源定位的效率,具有良好的扩展性,自适应性和负载均衡性.     

基于智能信任关联的对等协同IDS仿真

为了有效解决当前分布式入侵检测系统中存在的组件之间依赖程度大、负载不均衡、单点失效、系统不够健壮,以及入侵检测系统自身结构固定不能自动适应入侵变化等问题,提出了一种基于P2P思想的对等协同入侵检测系统模型,并进行了节点智能信任关联算法设计.基于P2P-CIDS模型和JXTA架构实现了一个对等协同IDS仿真系统原型,并借助Slapper蠕虫在仿真网络环境中进行了系统有效性评估.仿真结果表明,该对等协同IDS能明显提高脆弱网络节点的平均幸存率.     

基于信息熵权的最近邻域数据关联算法

复杂环境下雷达数据关联算法是多目标跟踪领域研究的重难点问题之一。其中,最近邻域算法虽然是一种计算量小、工程易应用的有效数据关联算法,但是存在数据关联正确率不高,滤波结果不够精确和多目标跟踪时易产生错误关联的问题。为改善该算法的数据关联效果,提出了一种最近邻域数据关联算法,通过进一步深度挖掘已知量测信息的熵,按照熵权法分析并确定各自量测指标的权值,再利用权值对最近邻域算法的统计距离关联准则进行优化,从而改善原算法在单目标跟踪中存在的问题。通过仿真实验结果分析得出,该算法相比于原算法具有更高的数据关联正确率、更小的跟踪误差和更快的收敛效果。     

结合网络动力学的电网关键节点识别

为了有效发掘出网络中的重要环节,提出了一种综合网络结构和节点动力学的电网关键节点识别方法,该方法结合两种已有的节点重要性评价指标——度中心性和接近中心性,同时定义和网络动力学相关的两个指标——临界同步耦合强度和失同步扩散时间。综合考虑4种性能指标的影响来确定节点的重要性,克服了单一评价指标的片面性,可以得到比使用单一评价指标更为准确的节点重要性评价结果。在IEEE14和IEEE57节点系统上进行仿真测试,实验结果验证了方法的合理性和有效性。     

基于目标跟踪的移动信标辅助节点定位算法

针对无线传感器网络的节点自定位问题,提出一种基于单个移动信标的节点定位算法。信标节点周期性地发布自身位置信息,未知节点被动接收该信息得到与移动信标之间的距离,先求取自身位置的近似估计,再利用无迹卡尔曼滤波进行目标跟踪,完成进一步位置求精。未知节点之间无需测距,降低了通信量和能量消耗。仿真结果表明,该方法能够有效提高节点的定位精度,适用于户外部署的大规模无线传感器网络。     

基于k近邻平均距离的异步航迹关联算法

针对异步不等速率下局部节点航迹关联复杂问题, 提出了基于k近邻平均距离的异步航迹直接关联算法。首先, 给出不等长航迹序列间的k近邻平均距离计算规则, 进而计算得到不等长航迹序列间的灰色关联度, 再利用经典分配法进行航迹关联判定。算法无需时间同步, 避免估值误差传播积累。仿真数据表明, 算法正确关联率高、耗时较短、局部节点采样周期和开机时机不一致等异步因素对算法影响不明显, 并且算法不受噪声分布形式和目标数目变化的影响。     

多用户双向AF MIMO中继系统的联合预编码算法

近年,双向放大转发(amplify-and-forward, AF)多输入多输出(multiple input multiple output, MIMO)中继系统中的预编码设计吸引了越来越多研究学者的兴趣。然而,在实际MIMO中继通信系统中,针对双向传输下的系统,对多用户模型进行的研究较少。由此,针对多用户双向AF MIMO中继系统模型,提出了一种联合预编码算法。采用在所有节点功率限制下,以最小和均方误差(minimun sum mean square error, MSMSE)设计准则去求解联合信源、中继和信宿端多用户的非凸优化问题,将最初的非凸优化问题转化成多个子优化问题,并利用半正定规划设计、平方约束二次规划设计以及二阶锥规划设计求解子优化问题。之后通过交替迭代方法进一步求解每个子凸优化问题局部优化值,达到优化所有节点矩阵变量的目的。所提算法较现有的算法,不仅在优化问题方面考虑更全面、更实用,而且实验仿真结果验证,提出的算法在系统和均方误差(sum mean-square-error, SMSE)性能、和速率以及误码率(bit-error rate, BER)上有均有改善。     

基于Monte Carlo法与GA算法的复杂系统可靠度求解

复杂系统可靠性问题是可靠性工程中丞待解决的问题。提出了基于可靠性框图的复杂系统蒙特.卡罗仿真方法,给出了各种基本可靠性模型系统与其组成单元的失效时间关系,解决了含有旁联模型的复杂系统仿真问题。以可靠性仿真数据为寿命样本,待估计参数的置信区间为编码空间,以经验分布与所求分布误差倒数为适应度函数,建立了基于遗传算法的寿命分布参数点估计模型,求得了复杂系统可靠度函数。最后以两个实例表明该方法比传统方法具有更高的精度。     

不确定情形下通信网络最短路径关键点问题

在通信网络中，因突发事件造成通信路由节点毁坏或者中断的现象时有发生，传输的数据包不得不从中断处沿着最短的替代路径行进到数据包的接收节点，在这种情形下，哪个路由节点中断使得数据包实际行进的总路程最长呢？从通信网络管理的角度来看这是一个非常重要的问题。对该问题．以前的文献都是从确定情形（事先具有节点中断的完全信息）下进行研究的，本文从不确定情形（只有数据包行进到中断节点的邻接点时才获得该节点中断的信息）的角度重新考虑这个问题。本文首先定义了不确定情形下的最短路径关键点概念，给出了计算不确定情形下最短路径关键点的算法及其时间复杂性分析。结合实际通信网络的算例分析，比较了确定情形下最短路径关键点和不确定情形下最短路径关键点问题，指出了不确定情形下最短路径关键点问题更具有实际意义。     

可重构智能面辅助的低精度量化大规模MIMO系统的信道估计

针对可重构智能面辅助的低精度量化的大规模多输入多输出(multiple input multiple output, MIMO)系统中信道估计问题进行了研究。该系统的信道估计难点在于可重构智能面由近无源反射天线构成, 没有基带信号处理能力。系统观测值通过低精度的模数转换器量化使信道估计问题变得更富挑战性。本文基于基站-可重构智能面-用户的级联信道推导出等效信道, 并证明在虚拟角域上，该有效信道是结构稀疏信号。提出了基于期望最大化的近邻学习广义近似消息传递算法，从低精度量化的观测值中恢复等效信道。仿真结果表明所提出算法比传统算法具有更好的性能表现。     

基于故障诊断价值测度的检测点优化配置方法

针对故障诊断中的检测点优选问题,提出了一种新的检测点故障诊断价值测度方法。该方法引入了收益因子及成本罚数,考虑了检测点诊断收益及测量成本两个因素对测点选择的影响。通过给出一个典型的故障诊断例子,说明了新方法能够全面地评判检测点的故障诊断价值,较原有的方法有了较大的改进,更适合工程需要。     

基于n序访问解析逻辑的协同过滤冷启动消除方法

协同过滤是目前个性化推荐系统中广泛使用和最成功的推荐算法,但在用户评分极端稀疏的情况下将面临冷启动问题, 具体包括新用户问题和新项目问题.针对新用户问题,提出了一种基于n序访问解析逻辑的冷启动消除方法, 首先通过Web日志来获取用户访问项序,进而定义了n序访问解析逻辑将其分解为用户访问子序集; 在此基础上设计了用户访问项序的相似性计算方法来搜寻新用户的最近邻集合, 进而提出了改进最频繁项提取算法IMIEA (improved most-frequent items extracting algorithm)来生成面向新用户的top-N推荐. 实验结果表明,本文提出的新方法能够有效实现面向新用户的个性化推荐,消除了协同过滤冷启动中的新用户问题.