基于信息流累积的传感器节点分布密度控制算法

针对大规模无线传感器网络中的路由空洞问题设计了一种传感器节点非均匀部署机制:基于信息流累积的传感器节点分布密度控制算法.该算法根据网络中不同位置上节点需转发的信息流量,估算出网络中的能耗分布情况,并据此求出网络中不同位置上节点应有的部署密度.仿真结果表明,与按均匀分布策略进行布网的方法相比,本文提到的节点非均匀部署机制可使网络中各节点的能耗达到极好的均衡,从而有效避免网络中过早出现路由空洞问题,保证无线传感器网络的监测覆盖程度,加强网络的安全.     

集成Intserv Diffserv 和MPLS改善IP QoS

讨论了 Intserv,Diffserv和 MPLS集成模型的功能及服务类型之间的映射。在边缘网络使用 RSVP,在核心网络使用 CR- LDP作信令协议进行资源预留或建立交换路径 ,对核心网络中的标记边缘路由器 LER和标记交换路由器 LSR的结构和功能进行了设计和说明     

基于多目标优化函数的无线传感器网络负载均衡路由协议

针对目前无线传感器网络路由协议在延长网络生存期和提高网络整体性能等方面存在的缺陷,以平衡网络中节点能量消耗、延长网络生存期为优化目标,提出了一种基于多目标优化函数路由协议. 该协议将节点可用能量、路由跳数和节点之间物理距离等参数引入到路由选择函数中,以实现最优路径的建立和对无线传感器网络性能的综合优化. NS2仿真结果表明,与传统的定向扩散协议相比,数据发送成功率提高了15. 3%,网络能量利用率提升了9. 7%,网络生存期延长约12%,在无线传感器网络中具有显著的优越性.     

CDN内容路由的负载均衡及网络分割算法的研究

CDN(Content Distribution／Delivery Network)技术的产生，是为了给客户提供最佳的内容服务，CDN的实现需要依赖多种网络技术的支持，其中很重要的一项就是负载均衡技术，在两种实现内容重定向功能算法的基础上，对服务器进行负载均衡，分析均衡前后服务器负载情况，并再次对两种算法进行性能比较，详细讨论了网络树的概念，给出了具体的网络分割的算法。     

一种保障时延能量高效的无线传感器网络路由协议

针对无线传感器网络的低能耗要求以及不同的应用需求,提出一种保障时延、能量高效的路由协议(DGEER).节点沿着最短路径发送时延敏感数据到目的节点,从而使其时延尽可能小;非时延敏感数据根据邻居节点的剩余能量、数据队列占空比和梯度关系来选择下一跳节点,能够在网络发生堵塞时避开网络热点以缓解拥塞.仿真结果表明:与传统的PRTR(potential based real-time routing)协议相比,DGEER协议能够在减小时延敏感数据网络延迟的前提下均衡网络能耗,延长网络生存周期.     

基于3G的自组织网络组播路由协议研究

当前,基于3G的移动自组网组播路由技术是研究的一个热点。本文描述Ad hoc组播路由协议的特点及应用,讨论了设计该种组播路由协议所面临的问题,同时总结了未来的研究方向。     

OSPF在校园网中的应用

路由协议的选择是校园网设计中最为重要的环节之一,本文通过介绍校园网的特点及O SPF路由协议的特性,举例说明了O SPF路由协议在校园网中的应用.     

多协议标签交换技术的应用

介绍了MPLS(多协议标签交换)技术的概念、基本原理和应用现状,讨论了基于MPLS的实现过程,指出了基于MPLS技术的优势和存在问题,分析了基于MPLS在VPN、流量工程和服务等级方面的应用情况.     

基于博弈的无线Mesh网络高效可靠路由算法

由于无线网络节点自身资源有限,末端节点往往会表现出自私行为以保证其生存时间和工作效率.针对这些特点提出了一种基于博弈的能量容忍策略(ETS)模型,该模型在经典针锋相对(TFT)策略的基础上,加入合作度及能量容忍因子,宽容节点一定程度的自私行为,并给予自私节点改过自新的机会,使其能够恢复合作.同时,基于ETS设计一种路由激励机制,通过奖惩激励自私节点放弃自私行为,并对能量相对较低的节点进行保护,在一定程度上避免个别繁忙节点过度消耗,均衡网络能量,延长了网络的运行时间.实验表明ETS激励机制在防止节点自私行为、优化网络吞吐率和网络生存时间方面等表现出较好的性能优势.     

无线网络分层QoS垂直映射模型及跨层优化方法

现代无线通信网络结构复杂,通信环境时变,业务流和无线信道不可预知,服务质量保障极具挑战性.基于无线网络分层QoS体系结构,文中提出了一种统一的基于协议层间虚拟缓存接口QoS垂直映射模型,以虚拟队列技术实现层间QoS指标映射.同时,基于该协议层间QoS垂直映射模型提出一种跨层QoS优化架构,并针对业务流和无线信道的不可预知性,给出该架构在线学习优化求解方法.最后,通过与现有文献技术对比一致性方法验证所提出层间QoS垂直映射模型正确性,并且在物理层包差错率小于30％条件下,分析Q学习法优化数据链路层时延收敛性,从而验证所提出跨层优化模型和在线学习优化方法的有效性.