无尺度网络中的拥塞及其控制

实际网络经常承受超负荷的流量，由于网络节点自身容量或者处理速度的限制，往往导致严重的拥塞产生，使得网络具有较大的时延并且性能下降．已有研究表明，实际的通信网络具有无尺度特征．本文研究了无尺度网络模型中的拥塞现象及其控制方法，结果表明网络节点的性质和网络的无尺度特性均对拥塞现象的产生和控制有显著影响．因此，仅需要对一些最关键的节点加以控制作用，就可以得到类似控制所有节点所产生的控制效果，从而节约花费．     

无线多跳网络中基于QoS的自适应拥塞控制方案

提出的无线多跳网络中基于服务质量(QoS:Quality of service)的自适应拥塞控制方案是从两个方面实现拥塞控制和QoS保证的.一方面,通过控制路由请求过程,为实时业务选择时延较短的路由,为非实时业务选择时延较长的路由来控制拥塞并保证QoS.另一方面,按照QoS等级减小邻居结点的转发业务来增加拥塞结点占用信道的概率,从而消除拥塞并保证QoS.该方案的特点在于综合考虑了拥塞控制和QoS保证,能在控制拥塞的过程中提高服务的QoS质量.论文建立了路由发现成功率、端到端时延和丢包率的性能分析模型,并对提出的方案进行了性能分析.性能分析和仿真结果表明我们提出的方案能够有效的控制拥塞,并保证实时业务的QoS.     

一种基于辅助路由的拥塞自适应协议

针对现有多跳无线自组网路由协议以被动方式对拥塞进行处理,有可能导致更多的分组丢失、更长的时延和更大的网络开销问题,提出了一种基于辅助路由的拥塞自适应协议（congestion adaptive protocol based on aided-routing, CAPAR）。该协议以主动方式对拥塞进行处理,采取建立辅助路由的方法对发送给拥塞节点的业务流量进行分流,主动避免拥塞的发生,克服了以被动方式对拥塞进行处理所带来的不利影响。给出了CAPAR协议的建立过程,证明了CAPAR协议的正确性,并对其路由存储代价和路由更新代价进行了分析。结果表明,与其他按需路由协议相比,CAPAR减少了重新建立路由所带来的开销和时延,其路由更新代价明显降低。     

基于DRNN的ATM网络拥塞控制及仿真

提出一种在用户－网络接口处利用对角递归神经网络（ＤＲＮＮ）作为自适应预测器,实现ＡＴＭ网络自适应拥塞控制的模型。当ＤＲＮＮ预测下一时刻缓冲区中的信元数超过阈值时,控制器产生一个反馈控制信号减小信源进入网络的信元速率以避免拥塞发生。用语音和图象信源所作的仿真本文提出的模型较基于常规前馈网络的模型具有系统结构简单、控制效果好、实时性好等优点。     

复杂网络的中心化

复杂网络的中心化有助于发现复杂网络中的重要节点，因而具有重要的应用价值。本文系统介绍了复杂网络中常用的几种中心化指标，通过定量比较指出了不同中心化指标的特点及应用场合；同时本文还介绍了针对社会网络、病毒传播网络、交通网络和恐怖分子网络等几种不同类型的复杂网络的中心化过程，指出了复杂网络的中心化的实际意义。     

网络拥塞的智能化适应控制方法

在对拥塞及网络拥塞控制分析的基础上,将人工智能引入到拥塞控制中,提出了网络拥塞的智能化适应控制方法。给出了网络流量速度指标定义,及实现网络拥塞的智能化适应控制结构模式,对网络拥塞的智能化适应控制策略及其实现进行了研究和分析,为实现网络拥塞控制提供了一种新的途径。     

延迟容忍网络中基于社会属性的负载感知路由

延迟容忍网络中采用中心性作为路由尺度会使部分节点承载过多的网络流量。针对这一问题,提出了一种基于社会属性的负载感知路由算法。使用节点的介数中心性（betweenness centrality, BC）和相似性两个社会属性指标以及节点的负载状况作为选择中继节点的依据,避免了消息传播能力强的节点产生严重的拥塞,均衡了网络流量。仿真结果表明,该算法能够提高网络的交付比率,减小网络的开销。     

基于复杂网络的危险品运输网络抗毁性仿真

通过构建危险品运输超网络模型,分析了网络之间的相互作用和影响,继而建立了危险品运输网络模型生成方式;通过引入危险品运输网络"最短路径"、"平均最小风险路径距离"和"网络最大连通子图"概念,提出了"网络风险效率"和"最大连通度"抗毁性测度模型;根据网络流量特性,构建了危险品运输网络介数模型。以危险品运输网络为例进行仿真,仿真结果表明:危险品运输网络抗毁性表现为对随机攻击的鲁棒性和蓄意攻击的脆弱性,抗毁性更接近于无标度网络;其抗毁性是由少数节点和边维系的,且网络对节点攻击的抗毁性低于对边攻击的;网络最大连通度性能优于网络风险效率,适当增加系统冗余性可提高网络抗毁性。     

基于局域路由的复杂通信网络级联动力学建模

为了更好地探讨复杂网络抵制级联故障的鲁棒性,提出一种带有可调参数的局域拥塞感知路由策略,并构建了一种级联模型。依据新的度量网络抵制级联故障鲁棒性指标,探讨了复杂异质网络由蓄意攻击而引发的级联行为。仿真结果表明,在局域路由下,存在路由参数最优值使得网络达到最强鲁棒性,而且,网络鲁棒性分别与拥塞信息时间延迟以及网络规模负相关。此外,当包产生率大时,相比于全局路由,局域路由使得网络鲁棒性更强。     

一种用于复杂网络搜索的标记策略

搜索是复杂网络上的一项基本功能,设计搜索策略的一个重要目标是在每个节点上维护尽可能少的信息,并且搜索效率尽可能高.针对复杂网络搜索提出了一种新的标记策略(labeling scheme).通过将网络嵌入到较简单的度量空间和对节点重新命名,使每个节点只需要知道邻居节点的名字,因而在节点上存放很少的信息,而搜索使用的路径长度限制在较小的范围内.由于许多真实的复杂网络都是无标度网络,利用它们的拓扑特征,该策略在这类网络上能够获得很高的搜索效率,绝大部分情况下搜索使用的路径都是最优路径.与已知的几种标记策略相比,仿真结果表明该策略的总体性能更好.     

基于SWEEP方法的改进车辆路径协作策略研究

针对需求随机的车辆路径优化问题,提出了一种基于SWEEP方法的改进车辆路径协作策略,构造了基于该策略的车辆任务量分配模型、设计了求解该模型的启发式算法。该策略采用SWEEP规则对基本车未完成任务的客户重新进行路径优化,然后利用SWEEP车服务这些客户,以缩短客户的服务时间、减少运输成本。应用此方法对24个不同规模的车辆路径优化问题进行了计算机仿真,结果表明,该任务分配模型和算法具有较强的适用性,改进的SWEEP协作策略能够有效地解决解随机车辆路径问题。     

一种基于Fuzzy-PID控制的组播拥塞控制机制

针对现有实际通用组播(pragmatic general multicast protocol, PGM)拥塞控制方案难以适应网络的动态变化等不足,提出了一种基于模糊比例积分微分(fuzzy proportional plus integral plus derivative, Fuzzy-PID)控制的组播拥塞控制机制(fuzzy-PID controlled multicast congestion control mechanism, FPIDMCC)。FPIDMCC在源端和接收端代表间运用Fuzzy-PID控制方案,使源端能快速响应网络拥塞,实时调整发送速率并使之趋于稳定,增强了对动态网络的适应性;此外,采用基于代表和中间节点反馈聚集相结合的方式进行反馈控制,可有效避免反馈爆炸。其中Fuzzy-PID控制方案结合了传统PID和模糊推理的优点,由模糊推理得到PID控制参数,减少了对系统模型的依赖性。仿真结果表明,FPIDMCC机制拥塞响应速度快、系统稳定性好、动态适应能力强。     

拥堵交通网络能耗节约边界信号优化方法

为了缓解宏观交通网络拥堵区的拥堵状况并降低机动车燃油消耗,首先依据路网状态划分的宏观基本图控制子区,建立了拥堵区边界车流平衡方程.其次将路网分为交叉口和路段两类,根据宏观基本图参数建立了网络能耗估计模型.再次以宏观路网出行车辆完成率最高同时能耗最低建立了能耗节约拥堵区边界双目标优化控制模型.最后以实际城市道路网络为测试对象,通过比较无区域边界控制、拥堵区入口Bang-Bang边界控制和本文提出的双目标优化控制方案,仿真结果表明:1)在高峰时段,双目标优化控制方法路网疏散能力比无区域边界控制、Bang-Bang控制分别提高20.14%、2.1%,同时机动车燃油消耗分别降低43.14%、24.48%;2)本文提出的双目标优化控制方法可有效改善拥堵区内外交通密度的均衡性;3)宏观路网拥堵区的边界控制可有效降低高峰期间拥堵区的拥塞程度,提高整个路网的疏散能力.     

Urban transit assignment model based on augmented network with in-vehicle congestion and transfer congestion

This paper presents an augmented network model to represent urban transit system.Through such network model,the urban transit assignment problem can be easily modeled like a generalized traffic network.Simultaneously,the feasible route in such augmented transit network is then defined in accordance with the passengers’ behaviors.The passengers’ travel costs including walking time,waiting time,in-vehicle time and transfer time are formulated while the congestions at stations and the congestions in transit vehicles are all taken into account.On the base of these,an equilibrium model for urban transit assignment problem is presented and an improved shortest path method based algorithm is also proposed to solve it.Finally,a numerical example is provided to illustrate our approach.     

神经网络自校正预测拥塞控制算法研究

传输速率、处理速度和节点缓存容量的饱和非线性特性、传输延迟的随机时变性、用户接入的随机性以及高优先级业务的突发性,使得网络中存在严重的不确定性,由此给异步传输模式(ATM)网络拥塞控制系统的分析与设计带来极大的困难。为此设计了鲁棒神经网络自校正拥塞控制算法。其优点在于:(1)最大限度地减小了测量误差和随机干扰的作用,有效地补偿了时变不确定非线性的影响;(2)保证了闭环系统的稳定性、收敛性和公平性,增强了系统对随机延迟等不确定性的鲁棒性。仿真分析进一步验证了该算法的有效性。     

基于复杂网络理论的指挥控制系统自适应重构模型

为研究信息化条件下指挥控制(command and control, C2)系统在对抗环境下的自适应重构机制,基于复杂网络理论和作战指挥原则,从重构触发机制、边的修复策略、结构重组策略和重构评价机制4方面建立了C2系统的自适应重构模型,其中重点研究了边的修复策略和结构重组策略。针对边的修复提出了一种自适应修复策略;而针对结构重组,提出了升级重组、越级重组、转隶重组和组合重组4种重组策略。仿真结果表明,在综合考虑重构效果和成本消耗的情况下,与以往研究相比,边的自适应修复策略为相对较优的边重构策略,而与单一重组相比,组合重组策略为较优的结构重组策略;并且该自适应重构模型能在一定程度上比较客观地反映指挥控制系统的遇袭重构演化过程。     

无人机自组网中基于蚁群优化的多态感知路由算法

无人机自组织网络具有节点移动性强、网络拓扑变化快、数据交互频繁、应用环境复杂等特点, 采用传统的路由算法会使该网络在传输延时、丢包率、路由开销等方面性能均较差, 以至于无法为多无人机协同执行任务提供有效的通信保障。为了解决该问题, 提出一种基于蚁群优化的多态感知路由(ant colony optimization based polymorphism-aware routing, APAR)算法。该算法将蚁群算法与动态源路由算法相结合, 通过感知路径长度、路径拥塞度和路径稳定性, 计算出由路由发现过程得到路径的信息素水平, 并将其作为选路标准, 经过改进的信息素挥发机制也被引入该算法。同时, 根据无人机编队的变化做出合适的调整, 以保证其网络性能不下降。仿真结果表明, 与其他经典算法相比, APAR算法提高了数据包成功传输率, 降低了平均端到端延时, 减少了路由开销, 且在战场环境下有较高的可靠性。     

基于非线性差分随机早期检测的拥塞控制机制

主动式队列管理技术是网络中间节点拥塞控制的关键技术,它和基于窗口的TCP端到端的拥塞控制相结合,是解决目前网络拥塞控制问题的有效途径。采用非线性增长数据包丢弃概率与差分服务模型相结合的方法,提出NLD_RED算法。该算法是对RED改动很小的一种算法,实现了控制参数动态化,一定程度上消除了RED的参数敏感性问题,满足了不同优先级差分服务需求,增强了调节拥塞控制的能力。在仿真平台上设计了仿真实例,对算法性能进行评估。算法能够尽量维持平均队列长度在一个相对稳定状态,提高了算法稳定性和灵活性。