物联网入侵的最优通信节点选取算法

针对目前传统通信节点选取算法无法进行最优节点精确选取, 无法有效保证物联网的有效通信等问题, 提出一种基于节点信息冗余度的物联网入侵最优通信节点选取算法. 首先构建通信节点转移特征建模, 计算标记网络入侵下的跳频节点和噪音节点; 然后设计通信分布序列分析模型, 计算节点信息冗余度和通信节点的极值, 根据节点信息冗余度计算结果将干扰节点进行排序去除, 根据极值选取最优通信节点; 最后对最优通信节点选取算法进行仿真实验. 实验结果证明, 该算法可快速、 准确地实现物联网入侵下最优节点的选取, 具有较强的抗干扰能力, 且算法的综合性能优于目前其他最优通信节点选取算法.     

无线传感器网络基于改进遗传算法的节点调度

节点调度问题是经典的NP-hard组合优化问题之一。为解决该问题提出了诸如蚁群算法、粒子群算法和遗传算法等智能算法,以遗传算法(genetic algorithm,GA)更为有效,但经典的遗传算法在解决节点调度问题时,其算法自身存在寻优速度慢,容易陷入局部最优。提出一种改进的轮盘赌优化方法,该方法基于适应度比例的选择,即用全部个体的选择概率来计算累计概率,产生完整的子代个体并保留其基因,避免陷入局部最优,进而快速精确地求出节点调度问题的最优解,实验结果表明,经过改进的遗传算法求解的路径长度、收敛性和运行时间等指标均有明显改善。     

考虑黏结滑移RC框架结构抗倒塌性能分析

钢筋混凝土框架梁在倒塌过程中会经历大变形受力阶段,为研究钢筋黏结滑移效应对其抗倒塌性能的影响,特别是悬索阶段的受力特性,基于OpenSees非线性有限元分析平台以及一组钢筋黏结滑移模型参数,采用梁柱节点单元对约束梁子结构试验进行了数值验证,计算结果有效反映了结构的弹性与塑性变形、压拱效应以及悬索阶段的受力特性,且与试验结果吻合良好.基于计算结果,对一榀单层和一榀三层平面框架结构的试验结果进行了数值模拟,并分析了层数和跨数对平面框架结构抗倒塌性能的影响以及倒塌受力机理.     

基于节点属性和缓存管理的机会网络路由算法

由于机会网络中的节点移动性强,资源受限,设计高效的机会网络路由算法面临巨大挑战.目前已有的路由算法大多借助节点之间的相似性来提高算法的性能,而没有关注到节点之间的异构性,导致部分节点承担了过重的传输任务,从而影响了网络性能.以传统的PRoPHET路由算法为基础进行优化,提出了基于节点属性和缓存管理的机会网络路由算法(Opportunistic Routing Protocol based on Attributes of Nodes and Buffer Management,OANBM),该算法考虑节点的异构性,尽可能利用通信能力强的节点完成转发任务,并且加入缓存管理措施来降低网络负载.仿真结果表明:与经典机会网络路由算法相比,该算法的消息投递率可有效提升10％,而且大幅降低了网络负载率.     

考虑节点失效和边失效的航空网络鲁棒性

运用复杂网络方法,构建无向加权航空网络模型,在分析其拓扑结构特性的基础上,提出一种考虑节点失效和边失效的航空网络鲁棒性评价策略,评估在不同攻击策略下网络的鲁棒性.研究结果表明,中国航空网络可以归类为小世界网络,且度分布近似幂率分布,符合复杂网络基本特征.当网络中大部分节点(机场)或边(航线)随机失效时,中国航空网络仍可以保持连接,具有较强的鲁棒性,而在蓄意攻击下,少数节点或边失效就会导致网络迅速瘫痪,鲁棒性较弱,且加权节点介数和加权边介数攻击对网络的破坏力较强.     

计算通信网络可靠性的分解技术

本文应用分离节点的概念将图分解成两个子图，使通信网络端对可靠性的成功函数简化为两个子网络的可靠性成功子函数，并且进一步导出由子网络不交化表示的原网络的不交化表达式，最后得到通信网络更简便更紧凑的端对可靠性表达式，此简化方法适用于任意系统可靠性的计算．     

抛物线齿轮在啮合过程中接触线长度的变化

本文应用节点连线的概念,研究了抛物线齿轮接触线在啮合过程中的变化状况,从而得出了抛物线齿轮传动的实际接触线的段数及接触齿的对数,为较精确计算抛物线齿轮的强度提供了可靠依据。     

线性元插值的误差分析

在区域Ω上分两种问题，一致剖分和非一致剖分，用线性元插值和线性变换，在Sobolev空间H0^1(Ω)上得到线性元插值的最佳误差估计，即||u(x)～u1(x)||取得最小值，u(x)是给定的函数，u1(x)是u(x)的插值函数。     

局域演化的加权网络模型

在BA模型的基础上研究了兼顾局域演化、增长，以及局域与局域外存在较弱连接等3方面因素的加权网络。在这个模型中，引入了参数a，P1，P2，P3，通过理论分析，导出了这个加权网络模型的节点的强度分布，发现它服从幂律指数为2～3的幂律分布。数值仿真验证了理论分析的正确性；并通过调节参数，分析了该模型的内在特征和结构。这个改进的模型具有更为广泛的实际背景。