高动态网络中基于α-β滤波的OLSR协议

针对航空高动态无人机网络中节点运动轨迹的连续性和运动状态的记忆性,使用具有高动态飞行特性的三维Gauss-Markov移动模型仿真分析OLSR协议。结合无人机运动的记忆性和OLSR协议的周期性发送HELLO消息进行链路探测的特点,提出了一种在OLSR协议中基于α-β滤波的相邻节点链路质量预测算法,该算法通过接收到的信号强度求得节点间距离测量值,并预测节点间的距离和相对速度,克服不可靠链路的影响。仿真结果表明,相比传统的OLSR协议,改进的协议有效提高了网络的分组交付率,降低了网络负载。     

三维虚拟骨干网络算法优化

由于ad hoc网络的实际应用环境多数为三维空间,该文将二维平面虚拟骨干算法推广到三维空间.首先利用图论中连通支配节点集(CDS)的概念,给出三维空间中虚拟骨干网络成形算法.然后通过推导给出该算法生成的三维虚拟骨干网络保持二维平面中传输跳数稀疏比率为3, 链路长度稀疏比率为6的性质,以及该算法所构建的连通支配节点集(CDS)的节点数目与理论最优数目的比率上限为16的结论.并通过大规模的随机仿真实验,验证了三维虚拟骨干网络算法的性能.     

时态网络节点相似性度量及链路预测算法

详细分析和阐述了时态网络中的链路预测问题，将时态网络按时间顺序划分为具有相同时间间隔的多层网络快照序列.针对基于共同邻居的相似性指标对网络链路刻画粒度较粗糙的问题，提出了基于邻居节点聚类系数的相似性度量指标NCC和NCCP，并基于此提出时态网络链路预测算法.通过在真实数据集上的对比实验验证了利用邻居节点的聚类信息可以提高预测精度.利用真实邮件数据集验证了所提出的链路预测算法预测效果的优越性，并且实验结果证明越接近预测时间的网络结构对预测结果影响越大.     

传感器中基于连通支配集的区域覆盖控制算法

针对现有无线传感器网络区域覆盖控制算法很难在确保网络连通率的同时对网络覆盖率和能耗进行优化的问题,本文提出一种基于连通支配集的区域覆盖控制(area coverage control based on connected dominating set,ACCBCDS)算法。当节点随机分布于监测区域后,未连通的节点移向Sink节点直至网络实现全连通,之后利用三着色算法构建网络连通支配集,Sink节点对非连通支配节点进行集中式优化调整,让非连通支配节点移至更优位置。在优化调整的过程中同时考虑了网络连通率、覆盖率和节点移动距离。仿真结果表明,与典型的基于虚拟力的区域覆盖控制(area coverage control based on virtual forces,ACCBVF)算法相比较,本文提出的ACCBCDS算法能使网络在确保全连通的前提下获得更高覆盖率,并能减少网络覆盖控制中的移动能耗。     

无人机集群网络中一种基于链路质量预测的按需路由算法

无人机集群网络,相较于传统Ad Hoc网络,其节点速度更快,拓扑变化更剧烈。传统路由算法已难以满足无人机集群作战需要。因此,提出一种基于链路质量预测的按需路由算法。通过链路稳定度和节点拥塞度评估当前链路质量,并以此作为选路标准。同时,通过灰色-WNN组合预测模型,对相关参数进行合理预测,并以此估计链路稳定性与节点拥塞程度,进而对链路质量进行提前评估。算法根据得到的链路质量预测值来优化路由发现与路由维护过程,避免无人机的高动态特性对集群网络的不利影响。仿真结果表明,与AODV及其他相关改进算法相比,该算法明显改善了网络性能,减少了路由断裂的次数,大幅降低了节点高速移动时的路由开销与平均时延,使分组投递率得到明显提高。     

基于串行最大独立集的连通支配集构造及分析

针对传感器网络最大独立集的构造方法中并行构造算法生成的连通支配集尺寸没有明确的上界且难以确定边界节点的问题,在串行最大独立集构造算法的基础上,提出了基于权重和时序的触发式连通支配集构造算法.仿真结果表明:该算法无需构造生成树,降低了计算时延和通信开销;此外,由于最大独立集节点存在时间上的先后关系,因而使得边界节点的数量显著减少,最终求得的连通支配集存在明确的上界.     

AODV局部连接性管理的性能分析及其改进

通过对AODV路由算法中两种局部连接性管理方法的测试,发现这两种方法都会出现链路判断出错的情况.通过分析出错产生的原因,本文对HELLO机制进行了改进,提出了一种非持续性周期发送HELLO的中断检测方法.当节点处于活动状态就取消周期性HELLO广播,通过接收的数据分组,及MAC层定期上报伪造的HELLO消息来更新局部信息.最后通过在NS-2网络模拟器环境中的实验,表明当网络拓扑变化不大,活动节点数目较多的情况下,该方法能有效提高链路中断检测的准确性,降低控制分组产生的网络开销,提高网络的传输效率.     

基于图注意力和特征融合的链路预测方法

链路预测是一种还原网络缺失信息的方法，通过当前已观察到的链路，预测实际存在但未被观察到的链路或可能出现的新链路.当前链路预测主要是基于图神经网络的深度学习方法，相比基于规则的启发式方法，前者可有效利用网络拓扑结构信息，较大地提升了网络链路预测性能，并可应用到类型更广泛的网络中.但是现有基于图神经网络的方法，仅利用网络中节点相对位置信息，忽视了节点基本属性和链路的邻居信息，且无法区分不同节点对链路形成的重要程度.为此，本文提出一种基于图注意力网络和特征融合的链路预测方法.通过增加节点的度、链路的共同邻居数量和共同邻居最大度等特征，丰富了网络的输入特征信息.本文首先提取以目标节点对为中心的子图，然后将其转化为对应的线图，线图中的节点和原图中的链路一一对应，从而将原图节点和链路信息融合到线图的节点中，提升了特征融合的有效性和可解释性.同时本文使用图注意力机制学习节点的权重，增强了特征融合的灵活性.实验表明，本文所提出的方法，在多个不同领域数据集上的AUC和AP均超过90%,在已观测链路缺失较多时，预测性能保持80%以上，且均优于现有最新方法.     

基于自适应拓扑变化的无线传感器网络路由协议

在无线传感器网络设计中,为节约系统能量、延长网络寿命,提出了基于自适应拓扑变化(SAT)的路由协议.该协议的路由搜索主要集中在生成的连通支配集内,网络中各节点维护简单的路由信息表.当网络中少数节点发生变化时,只需个别相关节点更新它们的状态,不需要网络中所有节点重新计算连通支配集.考虑到网络内传感器节点能量分布均衡,各节点可以轮换充当支配点,支配点的数据融合可以大大减少传输信息的数量.仿真结果表明,与LEACH协议相比,SAT路由协议明显均衡了各节点的能量消耗,有效地延长了网络寿命.     

监测奶牛无线传感器网络的连通支配集构造

基于一个对奶牛行为特征监测的自组织无线传感器网络,构造骨干网以解决节点多跳通信问题,并采用图的连通支配集来实现。提出了一个基于极大独立集的最小连通支配集的分布式构造算法,并证明了该算法的正确性。采用计算机程序仿真的实验结果表明,此算法简单有效、适应于节点移动和网络拓扑变化的环境、且构造的连通支配集占节点的比例为30%左右,有效减少冗余的转发节点,可节省宝贵的网络资源。     

无人机网络中基于位置预测的最优中继选择

为了解决无人机（UAV, Unmanned Aerial Vehicle）协作通信网络在完成任务时由于高机动性而会影响链路状态的问题,提出了一种基于UAV位置预测的信道中继选择算法。根据卡尔曼算法预测出UAV下一时刻的位置,提前判断链路优劣性,使更换UAV中继节点的时机更为精准。通过UAV源节点到UAV中继节点以及UAV中继节点到UAV目的节点的瞬时信道状态信息（CSI, Channel State Information）选出备选UAV中继节点集合。最优的备选UAV中继节点由贪婪算法计算而得。仿真结果证明了此方法的有效的性,链路中断的概率比随机选择算法降低了10%,且链路更加稳定。     

具有精英策略的深度强化学习无人机集群通信网络拓扑设计

针对集群无人机背景下定向天线网络拓扑设计的NP-hard特点,基于网络高抗毁、低功耗、高稳定性等要求,以抗毁性（3-连通）、链路量、链路功耗和稳定性为奖励,提出了一种具有精英策略的深度强化学习通信网络拓扑生成算法,验证了精英经验池加速训练效果。与传统DQN相比,引入精英经验池能够有效加速模型收敛,训练时间减少3倍以上。与遗传算法相比,算法分离了训练与使用过程,当网络训练完成后,能够根据场景需要实时计算通信网络拓扑。实验阶段设计了随机给定空间位置的6节点、10节点、24节点和36节点的3-连通通信网络拓扑。实验结果表明:所提算法具有强的实时性和适用性,对于不大于36节点的网络,可在183 ms内实现网络拓扑的更新计算,达到了实际应用的实时性要求。     

大规模并行网络动态演化特征挖掘技术研究

传统技术无法适应动态变化的网络演化特征,容易引入很多无关节点连接信息,合理设定参数非常困难,导致动态演化特征挖掘结果不可靠。为此提出一种新的大规模并行网络动态演化特征挖掘技术。在建立的大规模并行网络中,把网络节点划分成普通节点和簇头节点,普通节点加入大规模并行网络后,被看作簇头节点,只和某个簇头构建链路,通过多跳实现数据转发,依据择优添加连接和反择优过滤节点演化。针对大规模并行网络动态演化特征,提出挖掘模型,通过初始权重对节点在网络中的初始化状态进行描述,利用突发权重,依据时间独立性对动态演化特征的突发性进行描述,采用密集权重对网络在局部时间内节点连接的密集程度进行描述,通过连续权重对网络在相同演化期间体现的连续性进行描述,依据总权重值实现动态演化特征的挖掘。实验结果表明,所提技术挖掘可靠性和实用性强。     

基于社区森林模型的分布式重叠社区发现算法

重叠社区发现是复杂网络挖掘中的重要基础工作,可以应用于社交网络、通讯网络、蛋白质相互作用网络、代谢路径网络、交通网络等多种网络的数据分析,从而服务智慧交通、传染病防治、舆情分析、新药研制和人力资源管理等领域.传统的单机运算架构已经难以满足各类大规模复杂网络的分析和计算要求.人工智能领域的研究人员提出将社区发现应用到网络...     

P2P网络最可信路径算法

针对分布式环境下P2P网络的特点,以及间接获取信息时的可信性,定义了间接获取信息时两个节点之间路径可信度的相关概念,提出了两个节点之间的最可信路径算法、最小可信路径算法,量化了最可信和最小可信路径的可信度,量化了两个节点之间传输消息时可信度的分布区间,分析了最可信和最小可信路径算法具有多项式的时间复杂度.通过典型应用,验证了最短路径并非最可信路径,最可信路径选择具有重要的使用价值.特别是在大规模分布式环境中,为人们从最可信路径获取信息提供了保障.     

一种动态社交网络上的传播源点定位方法

在线社交网络的拓扑会随时间而发生改变,使得确定潜在的传播源点非常困难.为此,提出一种考虑网络动态变化的传播源点定位方法,通过对网络演化建模,推断传播拓扑,从而准确定位信息源点.首先采用基于双曲几何学的链接分析方法,推断网络在传播过程中的拓扑变化,然后基于传播拓扑进行源点定位.在实际网络及合成网络上进行了大规模的实验,结果证明了算法的可行性.     

物联网专用频点自组网驱动路由协议算法分析

为了解决物联网专用频点自组网网络节点能量消耗容易失衡,当节点数增加时易产生链路故障的问题,设计一种改进物联网专用频点自组网驱动路由协议算法.以感知现场、汇聚节点和Internet为主要结构,构建物联网专用频点自组网网络模型.模型采用多媒体印刷读物(multimedia print reader,MPR)集合综合选取节点机制,以网络节点总能量消耗以及能量代价为基础,通过节点优化目标函数,确保自组网能量消耗处于均衡状态.通过网络路由协议改进算法,采用最小覆盖集实现物联网专用频点自组网链路故障的修复.结果表明,改进后的算法对路由链路信息转发具有良好的吞吐性能,可以提高网络数据传输性和连通性,并可增加节点生存时间,最终提升数据包到达率和数据控制量.     

基于地理位置信息的无人机可靠路由算法

针对无人机自组织网络,提出了一种基于地理位置信息的高可靠性路由算法GPSR-HRU(High Reliability UAV Routing Algorithms Based on GPSR);算法针对无人机运动速度快、运动不规律、易产生路由断路、空洞等特点,将MALM(Mobility-assisted Location Management)移动节点辅助位置管理策略引入到无线自组网的GPSR协议中来预测节点的移动位置;通过NS-3仿真无人机的工作场景实验证明,算法较GPSR算法和其他改进算法有更低的传输延时,更可靠的端到端的投递成功率,同时整个网络的负载也更轻。