基于VPN技术的移动IP路由优化问题研究

为了满足Internet上移动IP主机的网络业务需求,Internet工程任务组设计了移动IP技术.通过回顾移动IP的历史和现状,介绍了移动IP的基本原理,最后重点讨论了基于VPN技术的移动IP路由优化问题.     

植物根-茎过渡区的研究现状

根-茎过渡区的研究对于双子叶植物的结构(初生维管系统)是极具证明力的．尤其是在系统发育和个体发育上有十分重要的意义．当前在国际上对幼苗初生维管系统根-茎过渡区的研究有两大学派，一派主张根的外始式星状中柱最原始，茎的内始式真中柱最进化，在两者之间存在一个下胚轴为中始式的根茎过渡区；另一派主张幼苗可分成根-下胚轴-子叶与上胚轴苗等两个单位，上胚轴常似成一种分离的结构，着生在根-下胚轴-子叶的单位上，根和上胚轴间不存在过渡情形．     

节点电价下输电容量限制与发电厂商市场力的仿真分析

通过构造节点电价下电力市场智能代理仿真模型，讨论了节点电价下输电容量限制与发电厂商市场力的相互影响关系．结果表明，在市场环境下，发电厂商的逐利行为会显著改变网络潮流，且输电网络的限制可放大发电厂商的市场力，网公司随着发电厂商市场力的实施而获利，故需要有严格的措施阻止其行为．进一步通过阻塞线路中的相关份额组成分割的市场，分析了输电网容量限制的影响，提出了一种分析发电厂商市场力实施的新方法．     

贝叶斯预测蜂群算法在无线传感器网络优化中的应用

针对无线传感器网络(WSN,wireless sensor network)节点分布不合理,存在较多的监测盲区等不足,提出了利用贝叶斯预测人工蜂群算法(BPABC,Bayesian predictive artificial bee colony algorithm)制定节点分布方案。BPABC算法借鉴贝叶斯预测算法的思想对蜂群算法中各蜜源存在最优解的概率进行预测,并以此为依据指导跟随蜂寻优工作。采用BPABC算法对WSN中的节点分布进行优化,与人工蜂群算法、全局人工蜂群算法制定的优化方案进行比较。结果表明,BPABC在平均覆盖率、最差覆盖率等方面均优于其他两种算法,并且BPABC算法在迭代收敛速度方面也有明显的优势。为了进一步验证改进算法的实用性,采用BPABC制定不同监测区域的WSN节点分布方案。WSN的覆盖率均在97%左右,并且标准差不超过0.005%。由此可见,基于BPABC的WSN节点分布优化方案具有较高的覆盖率、良好的适应性和稳定性。     

基于传输贡献矩阵的城市路网节点重要性评估方法

 在城市道路中,通常采用交叉口流量或道路连接数等单一指标确定路口重要性,很难保证突发事件下道路网络运行的可靠性。鉴于城市道路网络的无标度特性,以交通阻抗为权重,将城市道路网络抽象为加权网络,提出节点重要度传输贡献矩阵方法,评估道路交叉口重要性。该方法综合考虑交叉口所处路网位置、道路连接数及关联路段交通阻抗,采用节点效率值表示其位置信息,通过融合节点度值和交通阻抗值,构建交通信息传播过程中节点之间的重要度关联,以表示相邻路口间重要性依赖关系。以天津市区域路网为例计算各交叉口重要度,采取连续移除重要节点方式,模拟连锁故障过程,并将结果与节点收缩法进行对比。实证分析表明：在移除最重要的8个节点后,路网最大连通子图规模较节点收缩法降低9.10%,验证了该方法的有效性。     

聚能射流水中侵爆盖板B炸药仿真研究

为获得聚能射流对水中盖板B炸药侵爆作用能力,开展水层厚度影响规律研究.基于准定常侵彻理论得到了紫铜聚能射流侵彻水介质时射流速度计算式;建立侵爆仿真模型,研究了聚能射流水中成型与运动、侵彻盖板及起爆装药的变化特性,计算给出了射流侵彻盖板前后的速度和直径的变化,结果表明,射流侵爆水中盖板B炸药的临界水层厚度为261 mm,并依据Held判据得出B炸药的起爆阈值为18.598 mm³·μs^-2.研究结果对聚能射流水下毁伤技术的应用提供技术参考.     

基于节点标号的Koch网络结构性质研究

针对正多边形Koch分形岛所映射成的Koch网络,根据节点接入网络的时间和位置信息给节点标号。在节点标号的基础上,研究网络的最短路由及计算最短路径长度;并分析网络的主要结构性质,如节点的度、度分布和累积度分布函数,以及网络的聚类系数、平均最短路径长度、度关联函数和介数中心性,得出结构性质的解析解。结果表明,所构建的Koch网络是无标度和小世界的;其聚类系数趋向于比较大的常数值;平均路径长度与网络节点数的对数呈正比关系,度相关函数、点介数和边介数都随节点度的变化而指数变化。     

微波接力组网的节点再优化研究

为进一步完善常规方法构建的微波接力网组网拓扑,提出了一种基于最优链路集的网络节点再优化方法。该方法综合考虑节点吸引系数、链路衰落概率、节点通信冗余等因素,借助网络拓扑优化的思想,采用遗传算法构造了微波接力网的最优链路集;以节点在该集合中的度为依据,通过对节点的合理排序,以部分用户节点代替非必要的干线节点,完善了组网拓扑。在修改链路和节点价值集后,该方法还可解决其他网络干线、中继节点的选择问题。     

基于图注意力网络的案件罪名预测方法:CP-GAT

案件罪名预测任务是基于文本数据去预测案件所属罪名.针对现有方法在相似罪名和长尾数据集上表现不佳的问题，提出了一种基于图注意力网络的案件罪名预测方法CP-GAT(charge prediction based on graph attention network).该方法首先使用司法文书数据集中的案例事件描述文本和案例对应的法条信息建立异质图结构数据，构建后的异质图包含两种类型的节点(词节点、案例节点)，两种类型的边(词节点与词节点相连的边，词节点与案例节点相连的边).在基于法律文本构建后的异质图上使用图注意力网络进行图特征提取，最后将得到的特征向量输入到罪名预测的分类器中，得到案例所属的罪名.在CAIL2018法律数据集上的实验结果表明，基于图注意力网络的罪名预测方法优于对比实验使用的方法，准确率和宏观F1值分别达到了95.2%和66.1，验证了提出的方法有利于提升案件罪名预测任务的性能.     

Latent Co-interests' Relationship Prediction

With the development of the social media and Internet, discovering latent information from massive information is becoming particularly relevant to improving user experience. Research efforts based on preferences and relationships between users have attracted more and more attention. Predictive problems, such as inferring friend relationship and co-author relationship between users have been explored. However, many such methods are based on analyzing either node features or the network structures separately, few have tried to tackle both of them at the same time. In this paper, in order to discover latent co-interests’ relationship, we not only consider users’ attributes but network information as well. In addition, we propose an Interest-based Factor Graph Model (I-FGM) to incorporate these factors. Experiments on two data sets (bookmarking and music network) demonstrate that this predictive method can achieve better results than the other three methods (ANN, NB, and SVM).