ad hoc网络中基于离散粒子群优化的权重分簇算法

针对移动性较强的ad hoc网络,提出了一种基于离散粒子群优化的权重分簇算法.该算法通过引入节点局部密度,仅利用节点局部拓扑信息来计算权重,然后通过离散粒子群优化簇头选举.在保证网络负载平衡的情况下,最大限度确保网络稳定性.仿真试验表明,与典型的权重分簇算法WCA比较,该算法提高了移动ad hoc网络的稳定性,同时网络生命周期平均提高了88.28%.     

基于最小连通支配集的复杂网络关键节点与连边识别方法

复杂网络关键节点与关键连边在网络中均起着十分重要的作用,目前的识别方法往往无法做到同时识别,并且识别指标角度较为单一。为解决上述问题,提出一种基于最小连通支配集(minimum connected dominatingset,MCDS)的复杂网络关键节点与连边识别方法,通过使用免疫粒子群(immune particle swarm optimization,IPSO)算法寻找网络最小连通支配集,构建核心骨干网,实现对复杂网络关键节点与连边的同时识别。该算法在求解过程中引入免疫机制指导粒子节点搜索方向、加快算法收敛速度,同时优化搜索节点质量。经实验验证表明,所提识别方法能够有效识别网络中的关键节点与关键连边。     

求解零空闲置换流水车间调度问题的离散烟花算法

针对以最小化最大完工时间为目标的零空闲置换流水线调度问题,提出了一种带有局部搜索的离散烟花算法.首先,结合调度问题的置换特征,定义了基于工件序列的编码方式;其次,结合反转和交换等操作重新定义了爆炸算子和变异算子;再次,开发了基于插入邻域的局部搜索策略,以增强烟花算法的局部搜索能力;最后,采用实验设计探讨了关键参数对算法性能的影响.基于Taillard基准问题的对比分析结果表明:所提方法在寻优精度、稳定性等指标上优于标准烟花算法、离散萤火虫算法、离散蛙跳算法、离散粒子群算法和遗传算法,且不劣于结合变邻域搜索的粒子群优化、混合离散粒子群优化、杂草优化等算法.     

V-BLAST系统中有效的近优检测方法

在离散粒子群算法的基础上,结合遗传算法中的变异算子,提出了一种新的离散粒子群优化算法,进而设计了一种使用新的离散粒子群优化算法和并行干扰抵消算法相结合的垂直分层空时系统检测方法。该方法将NDPSO和PIC有机结合可以改善NDPSO的性能,同时为了进一步加快NDPSO的收敛速度,将迫零检测结果作为NDPSO的初始值。分析和仿真结果表明,所提出的检测方法与最优检测方法相比有更低的计算复杂度,与次优检测方法相比具有更好的误码率性能,为寻求新的V-BLAST系统检测算法提供了思路。     

基于离散人工蜂群算法的认知无线电频谱分配

针对二进制粒子群优化算法在认知无线电频谱分配中容易陷入局部最优等问题,将人工蜂群算法引入到认知无线电频谱分配中,提出了基于离散人工蜂群算法的认知无线电频谱分配方法。针对一种认知无线电网络模型,将离散人工蜂群算法中的蜜源位置离散化,与模型中的可用频谱矩阵相结合产生分配矩阵,对目标函数进行优化,并且使用了一种新的比例公平性目标函数评价该算法的性能;通过仿真比较了本文算法与二进制粒子群优化算法的频谱分配方法的性能,同时在使用电视频段的认知无线电系统进行了验证,结果表明本文算法的高效性和优越性。     

基于粒子群优化的数据分类算法

设计了一种基于粒子群优化的数据分类算法。新算法首先对数据样本预处理,利用粒子群优化算法通过训练数据进行分类规则的提取,根据提取得到的规则对数据进行分类识别。基于Bayes定理和随机状态转移过程对新算法的收敛性进行分析。通过对UCI数据集分类实验及遥感图像目标识别实验,验证了新算法是一种有效的分类方法。     

AdaBoost-PSO-LSTM网络实时预测机动轨迹

针对自主空战中轨迹预测难以同时保持高预测精度和短预测时间的问题, 提出一种自适应增强的粒子群优化长短期记忆网络预测方法。首先,建立三自由度无人机动力学模型, 解决机动轨迹的数据来源问题。其次,分析长短期记忆网络, 并引入在线预测的滑动模块输入矩阵, 利用粒子群优化算法代替传统基于时间的反向传播算法进行网络内部权值更新; 同时为解决优化算法非定向性问题, 提出数据共享方法。然后,为进一步提高预测精度, 采用自适应增强算法搭建外框架, 通过控制弱预测器的数量平衡预测精度与预测时间。最后, 在一段变化较为频繁的轨迹进行预测, 与5种神经网络预测方法进行比较, 结果表明所提方法能够较好地满足精度和时间要求。     

Ad-hoc网络中基于博弈论和粒子群优化的协作算法

为了促使Ad-hoc网络中的“自私”节点进行合作,提出了一种基于博弈论和粒子群优化的协作算法（Nash Bargaining of game theory and particle swarm optimization, NGPSO）在算法的第一阶段,源节点通过对中继节点转发的数据进行价格补偿,从而达到使中继节点参与合作的目的。将源节点的最优出价归结为纳什谈判问题,得到具有帕累托最优的激励价格,保证源节点和中继节点在合作中同时获得最佳收益;在算法的第二阶段,中继节点在获得源节点的最优出价后,通过粒子群优化算法得到最优的转发功率,使其合作收益增益最大。仿真表明,和随机价格激励相比,所提出的NGPSO算法能使源节点和中继节点达到最优收益;和中继节点固定功率转发相比,所提出的NGPSO算法,能显著提高源节点的能量效率和中继节点的收益,同时在适当设置中继节点转发功率的搜索空间时,可以保证总的能量效率。     

基于改进PSO算法的实时故障监测诊断测试集优化

针对基于相关性模型的复杂系统实时故障诊断问题,引入一种改进的多目标离散粒子群优化算法对测试集进行优化选择,以提高诊断系统效率,降低测试成本。基于现有粒子群优化算法,将粒子速度更新和位置更新的意义与测试选择相联系,提出了新的速度和位置更新公式;针对测试集故障检测数、故障隔离数、测试个数及成本等多个指标,分别设计了故障监测测试集和诊断测试集的多目标适应度函数,并给出最优解的多目标更新方法。仿真结果表明：改进算法收敛速度快,计算精度高,可为实时监测诊断系统测试集优化选择提供有效指导。     

基于改进BPSO的聚类选择性集成

首先针对离散二进制粒子群(binary particle swarm optimization, BPSO)容易陷入局部收敛的问题,提出一种改进的BPSO算法。在分析高斯密度函数对尺度敏感性的基础上,利用粒子群与全局最优粒子的一致性动态调节尺度参数,并利用密度函数对称区间的定积分确定全局最优粒子的变异概率。而后将聚类的选择性集成抽象为组合优化问题,利用聚类成员有效性和差异性的加权组合定义适应度并以改进BPSO的进化过程实现聚类的选择性集成。最后基于标准数据集和图像数据集验证算法的有效性。     

A Link-Based Similarity for Improving Community Detection Based on Label Propagation Algorithm

Community structure is one of the most best-known properties of complex networks. Finding communities help us analyze networks from a mesoscopic viewpoints instead of microscopic or macroscopic one. It helps to understand behavior grouping. Various community detection algorithms have been proposed with some shortcomings in time and space complexity, accuracy, or stability. Label Propagation Algorithm(LPA) is a popular method used for finding communities in an almost-linear time-consuming process. However, its performance is not satisfactory in some metrics such as accuracy and stability. In this paper, a new modified version of LPA is proposed to improve the stability and accuracy of the LPA by defining two concepts-nodes and link strength based on semi-local similarity-,while preserving its simplicity. In the proposed method a new initial node selection strategy, namely the tiebreak strategy, updating order and rule update are presented to solve the random behavior problem of original LPA. The proposed algorithm is evaluated on artificial and real networks. The experiments show that the proposed algorithm is close to linear time complexity with better accuracy than the original LPA and other compared methods. Furthermore, the proposed algorithm has the robustness and stability advantages while the original LPA does not have these features.     

Formalising and Detecting Community Structures in Real World Complex Networks

Community structure is an integral characteristic of real world networks whichever processes or areas they emerge from. This paper addresses the problem of community structure detection theoretically as well as computationally. The authors introduce a number of concepts such as the neighbourhood and strength of a subgraph, p-community, local maximal p-community, hubs, and outliers that play elemental role in formalising the concept of community structure in complex networks. A few preliminary results have been derived that lead to the development of an algorithm for community structure detection in undirected unweighted networks. The algorithm is based on a local seed expansion strategy that uses the concept of interaction coefficient. The authors have analysed the algorithm on a number of parameters such as accuracy, stability, and quality on synthetic and real world networks from different areas.     

基于保守合并策略的复杂网络社区结构发现

为了有效的进行复杂网络社区结构发现,在CNM算法的基础上引进了一种具有额外头部节点的堆数据结构,在社区合并的过程中采用有偏的随机抽样方法,实现了较为保守的合并策略.随机合并算法的输出有更多的机会到达模块度函数的平台区域,在通常情况下其平均表现超过了原始CNM算法.在合成和真实的网络上验证了所提算法的可行性和有效性.     

二分网络社团结构的比较性定义

为了解决二分网络的聚类问题,借鉴单顶点网络社团结构的比较性定义,提出了直接基于原始二分网络社团结构的比较性定义,这个定义允许社团之间存在重叠,并定义了在二分网络中顶点与社团之间的作用力.在不引进额外参数的情况下,设计了基于此定义的二分网络的聚类算法,并将此算法应用于人工网和一些实际网络中,结果表明这个算法可以比较准确地对网络进行聚类,说明该定义是有效的.     

Finding Key Node Sets in Complex Networks Based on Improved Discrete Fireworks Algorithm

Finding out the key node sets that affect network robustness has great practical significance for network protection and network disintegration. In this paper, the problem of finding key node sets in complex networks is defined firstly. Because it is an NP-hard combinatorial optimization problem,discrete fireworks algorithm is introduced to search the optimal solution, which is a swarm intelligence algorithm and is improved by the prior information of networks. To verify the effect of improved discrete fireworks algorithm(IDFA), experiments are carried out on various model networks and real power grid.Results show that the proposed IDFA is obviously superior to the benchmark algorithms, and networks suffer more damage when the key node sets obtained by IDFA are removed from the networks. The key node sets found by IDFA contain a large number of non-central nodes, which provides the authors a new perspective that the seemingly insignificant nodes may also have an important impact on the robustness of the network.     

基于节点属性的社群结构探测算法改进

对Vincent D. Blondel等提出的B算法的特点及机理进行了分析, 讨论了节点属性对社群结构探测的可能影响. 进而通过重构初始化网络, 控制节点(社群)合并过程两个方面, 对B算法进行了改进, 获得更优的模块性指标及对应的社群划分. 经计算机模拟网络与实际网络的社群结构探测, 结果表明所提改进算法有效可用, 能在获得较大模块性指标的同时, 获得较好的社群划分结果, 且拥有更低的运算时间.     

基于多任务学习图卷积模型的航空网络节点分类

准确识别航空网络关键节点, 做好针对性防护, 对于保证航空网络正常运行至关重要。传统的方法, 如基于复杂网络中心性指标的方法, 或基于机器学习的算法, 只单一考虑网络结构或节点特征来评价节点的重要性。然而评价节点的重要性应该同时考虑网络结构特征和节点特征。为解决上述问题, 本文提出了一种名为多任务图卷积网络(multi tasks graph convolution network, MTGCN)航空网络节点分类模型, 该模型在图卷积网络的基础上, 引入多任务学习及自适应加权策略, 将“节点—节点相关性”作为辅助任务加入模型的训练过程中, 并根据训练情况自适应分配各任务权重。3个不同规模的航空网络数据集中的仿真实验表明本文所提模型的性能优于现有的图卷积模型, 为图卷积在航空网络节点分类方向的应用提供了思路。     

A Multipath Routing Assignment Model for Multi-Traffic Class Networks

1　IntroductionRoutingisakeytechnologyformoderndatanetworksandtherehavebeentremendousroutingalgorithms[1]～[5].MostoftheroutingalgorithmssuchasOSPFandRIP[5]arebasedontheshortestpathassignmentmodel,inwhicheveryrouterisonlyatransitionnode.Futurerouterisdestinationorientedandshouldhavetheabilitytosplittrafficloadovermulti-pathtoutilizethenetworkinfrastructureinanefficientway.Withthenetworktrafficincreasingmuchfaster,howtorealizeloadbalancinginthenetworkbecomesahotresearchtopic[2].UndertheOSP…     

(θ,n)对手策略下的双方向外汇兑换问题及其竞争策略分析

外汇兑换是现实中的一个典型占线决策问题。R．El-Yaniv等人将外汇之间的兑换抽象成了一个占线兑换模型，提出了基于风险的兑换策略。在此研究的基础上，本文考虑汇率每日波动在一定范围内的双方向外汇兑换问题，运用博弈的分析方法，给出了占线均衡策略和平均分配策略．并在理论上证明了均衡策略是该问题的最优占线策略，最后通过数值结果对两个策略进行了比较。     

LLN中基于移动节点邻居探测的高效路由寻路算法

针对低功耗有损网络(low power lossy networks, LLN)移动性支持路由算法中移动节点(mobile node, MN)备选父节点集选取不合理、存在障碍物的中速场景下MN寻路不及时和路由度量单一等问题, 提出中速场景下MN邻居探测的LLN高效寻路(highly-efficient MN neighbor detection based pathfinding protocol for LLN, NDM-RPL)算法。提出链路质量检测机制, 通过计算安全阈值和危险阈值以便MN及时寻找下一个父节点(nextparent node, NPN)。其次, 提出基于变异系数的父本选择目标函数, MN选择NPN综合考虑了多种度量选出NPN。最后, 提出监听预选机制, 解决了备选父节点集选取不合理的问题。理论分析和仿真结果表明, NDM-RPL算法在MN能耗和控制开销等方面的性能均得到了有效提升。