基于小世界图无线多跳网络的研究

将小世界图的思想应用于无线多跳网络。通过选择一小部分节点并放大它们之间的通信距离来建立一个网络模型。理论计算和仿真实验证明,这种模型可以表现出小世界模型的平均路径长度和聚类系数这二大特性。基于这个模型,提出了一个非均匀概率的洪泛算法。仿真结果表明,在网络覆盖和跳数这二个方面,小世界无线多跳网络大大优于一般的无线多跳网络模式。     

唐山市区公交系统静态网络性质的研究

以唐山市公交系统为研究对象,构建网络模型。在L空间和P空间分别研究唐山市公交系统静态网络性质,包括网络的聚类系数、平均路径长度和度分布。结果表明,唐山市的公交网络具有较大的聚类系数、较小的平均路径长度和指数形式的度分布,具有典型的小世界网络的特征。     

社会网络视角下开放大学领域科学合作网研究

从社会网络分析方法的角度,以CNKI刊载主题为开放大学论文作者的合著情况为样本,进行可视化分析与展示,从合著网络的密度、中心性、平均路径长度、聚类系数和凝聚子群等角度进行实证研究,揭示出该领域作者群的一些特征,发现了合著网络中紧密的学术团体,评价了学者在合著网络中的地位,并探查了研究热点。     

Scale-free网络鲁棒性研究

本文首先总结了复杂网络研究的现状和成果,介绍了复杂网络的一些基本度量值和常见模型,然后,以BA无标度网络模型为基础,以平均最短路径和聚类系数为衡量标准,通过分析遭遇随机故障和蓄意攻击后网络性能的变化,得到复杂网络节点数和平均度对其可靠性的影响。仿真结果证明了无标度网络鲁棒但又脆弱。     

机会网络中节点协作的Epidemic路由算法

Epidemic路由算法是一种多副本路由算法,在资源受限的情况下,会由于无限制的洪泛使得网络中存有大量的消息副本,消耗大量网络资源,导致网络性能下降。针对Epidemic路由算法中存在的问题,提出一种基于节点协作的Epidemic路由算法,该算法通过节点间相互的协作和一定策略抑制网络中副本数多的消息的转发机会,提高副本数少的消息的转发机会,进而控制网络中总的消息副本的增长,以此保证消息转发公平性和较好的网络性能。仿真结果表明,与传统的Epidemic路由算法和Prophet路由算法相比,该路由算法能显著提高消息的交付率,减少消息传输延迟和路由开销,有效提高了网络总体性能。     

基于异常检测的K-means改进算法研究

K-means算法作为较为普遍的聚类算法,聚类效果受孤立点、噪声点和初始聚类中心影响较大。结合Isolation Forest算法计算数据中每个样本的异常度系数,根据离群值过滤比例计算得到异常度系数阈值,对高度异常值加以隔离,并对隔离后的数据集使用平均插值法求得初始聚类中心。运用改进K-means算法对真实数据集进行聚类分析,与此同时,通过比较多个离群值过滤比例下的聚类结果,找到离群值过滤比例的最优取值。仿真结果表明,相比于原始算法,新算法显著提升了聚类准确性,聚类效果更佳。     

基于改进深度Q网络算法的移动机器人路径规划

针对深度Q网络(deep Q-network, DQN)算法收敛速度慢、规划路径不平滑及样本利用率低的问题,对其进行了改进。首先,在DQN算法的动作引导策略中引入了改进的人工势场引力函数和目标引导动作函数,同时设计了一种分段奖励函数,以此提出了启发式深度Q网络(heuristic deep Q-network, HDQN)算法,有效地减少了算法训练过程中的碰撞次数,提高了算法的收敛速度,使规划出的路径更优。然后,将HDQN算法与改进的优先级采样策略相结合,提出了一种贪心采样的启发式深度Q网络(greedy sampling heuristic deep Q-network, GSHDQN)算法,有效地提高了样本利用率。最后,对DQN、HDQN、GSHDQN这3种算法在Ubuntu系统进行了路径规划仿真。仿真结果表明,与DQN算法相比,GSHDQN算法平均总迭代时间可降低28.0%,平均路径长度可减少34.7%,碰撞次数可减少32.4%。     

一种快速识别长流的方法

网络上的流统计呈现很强的重尾分布特性的研究表明,流长度越长其所属报文的平均报文到达时间间隔越短。通过聚类的方法,把属于同一个类中的长流识别出来,并把它们的标识符保存下来。根据理论分析和仿真结果表明,该算法能够很好地识别长流信息。     

改进ARED拥塞控制算法研究与实现

为实现基于路由器的拥塞控制算法性能提升,分析了RED与ARED拥塞控制算法,并提出一种改进算法QARED。与传统DropTail算法对比,RED算法具有较高链路利用率、吞吐量及较低网络延迟、丢包率等优点,但存在参数配置无法适应网络动态改变的缺点。ARED算法增加了自适应功能,根据平均队列长度变化动态调整最大丢包概率,稳定平均队列长度在最小阈值与最大阈值之间,但存在瞬时队列长度振荡等稳定性问题。改进算法QARED,通过优化最大丢包概率计算函数,以提高平均队列长度稳定性、降低丢包率、提高吞吐量。通过NS2仿真网络环境对比,改进算法QARED相对ARED算法在控制平均队列长度上更具稳定性,能够实现更低网络延迟与丢包率,提高了动态网络环境下拥塞控制稳定性。     

时滞系统方法的网络控制系统稳定性分析

为减少网络带宽资源浪费,提高网络控制系统运行性能,提出一种基于新型事件触发方案的网络控制系统方法。首先通过研究网络传输延迟的影响,利用时滞系统方法建立分析延迟系统模型;然后基于该模型,利用Lyapunov泛函、改进的Jensen不等式及Newton-Leibniz公式,导出系统渐进稳定性的标准并用线性矩阵不等式表示;最后用一个数值例子进行Matlab仿真,验证该方法有效性。仿真实例表明,该事件触发方案平均发布周期比现有方案长,可减轻网络通信负载。     

复杂网络中基于层次分析法的路由策略

为了提高复杂网络中数据包的传输效率与网络吞吐量,提出了基于层次分析法的路由策略。该策略引入层次分析法建模,在综合考虑网络中节点处理能力、空闲队列长度、聚类性、度等网络拓扑和动态负载参数的基础上,利用若干权重因子的组合来选取下一跳转发节点。理论分析和仿真实验表明,该策略是一种基于局部信息的路由策略;路由时权重因子的组合综合地反映了网络的拓扑结构属性和动态负载等当前状态;比最短路径算法更能有效避免拥塞,并能进一步增强复杂网络的网络容量。     

对优化PI模型的WSN网络拥塞控制机制的分析

为解决无线传感器网络拥塞引起丢包率高和网络吞吐率过低的问题,提出一种基于改进PI主动队列管理模型和量子粒子群(QPSO)算法的拥塞控制方法:首先定义改进的PI主动队列管理模型,然后采用改进的量子粒子群算法对比例系数和积分系数和进行参数整定、优化,并得到PI控制模型;最后定义基于量子粒子群算法和PI主动队列模型对网络拥塞进行控制的具体算法.仿真实验表明,文中方法能有效实现WSN拥塞控制,与其它方法相比,具有较短的平均队列长度和较大的吞吐率的优势.     

Chord中路由表的改进

Chord模型的路由表实际上是把整个空间不断地二等分,路由表项过于稀疏,这样使P2P系统存在高延迟、低效率的问题.针对该问题,对Chord的路由表进行改进,增加路由表中指针的密度,提出路由算法LChord.模拟实验结果表明,该算法在路径长度、访问延迟方面的性能较Chord有一定的提高.     

基于卡尔曼滤波的数据融合在无线传感器网络中的研究

为了减少节点传输数据量和网络总能量的消耗,本文针对特定应用模型,提出了基于卡尔曼滤波的数据融合算法,并用MATLAB工具进行仿真实验,证明该融合方法提高数据精确度和可信度.     

基于复杂网络的成语关系网络拓扑性研究

作为汉语文化不可或缺的一部分,成语具有很高的研究价值。运用复杂网络思想,选取第6版《新华成语词典》总共8 013个成语,通过发现成语间的关键联系,利用编辑算法构建互联网空间下复杂网络,并运用Matlab、Origin等软件研究成语网络的连接情况,实证分析研究该成语网络的度分布、聚类系数、平均路径长度、网络小世界特性、香农熵等相关拓扑性质。研究发现,成语节点度越高,聚集系数越大,成语联系关系越紧密,小世界特性越明显。从细节出发研究成语网络相互连接更深层的关系,对未来成语的发展及归纳整理有更加深远的意义。     

基于MANET的实体移动模型研究

在移动自组网仿真研究中,实体移动模型作为研究移动自组网的基础,对网络仿真结果有重要影响。根据移动实体特性将实体移动模型分为随机移动、时间相关、空间相关和地理环境相关4类,对各模型的移动规律及优缺点作详实描述,利用Bonnmotion和NS3仿真软件生成实体移动模型的节点信息并绘制了相应的移动轨迹,分析各实体移动模型的特点及其适用场景,可为移动自组网研究中实体移动模型选取提供参考。     

基于蚁群优化算法的虚拟火灾逃生路径优化

为了解决在火灾逃生路径优化问题中一般传统优化算法不考虑优化对象本身特征,不能动态更新算法策略,导致路径优化有效性低的问题,通过Pyrosim软件动态模拟火灾情况并输出环境参数,选用智能优化算法中的蚁群优化算法。通过改进当量长度代替算法中的几何长度,改进目标函数,对信息素挥发系数R按火场环境进行动态更新。模拟仿真了火灾发展3个时期的路径优化,验证了该算法程序的有效性和收敛性,提高了路径优化的有效性。     

基于 Spark 的均值漂移算法在网络舆情聚类中的应用

为改善网络舆情态势感知与预警中舆情信息分析不准确的问题,提出基于 Spark 技术的均值漂移（MS）算法,利用该算法原理分析 Spark 框架特性,给出该算法在 Spark 框架中的实现过程,包括舆情信息预处理、特征提取、特征向量模型构建和算法聚类设计。在相同数据集下将 MS 算法和 K-means 算法聚类效果进行对比,实验结果显示,K-means 算法聚类结果受 k 值选取的影响,存在聚类结果不准确的问题;基于 Spark 的 MeanShift 算法在没有任何先验条件下舆情聚类效果优于 K-means 聚类算法,且符合预期期望。     

基于时间路径的物流中心选址与优化研究

为提升快递物流企业服务效率和服务质量,优化大数据环境下企业管理模式,基于传统聚类选址算法和最小支撑树法,通过分析快递物流服务过程,提出配送时间路径概念。以时间路径优化为研究对象,对聚类算法和最小支撑树法进行改进,构建物流中心选址模型和物流配送区域划分模型。采用Python分别以时间路径和距离路径为参量的100物流点配送过程进行仿真验证。实验结果表明,基于时间路径的物流选址算法确保了物流中心位置的效率最高,达到了提高整体物流水平的目的。     

一种支持移动Sink的无线传感器网络路由协议

节能是无线传感器网络路由算法设计的一个核心问题。针对TTDD算法的不足,提出一种利用K-means聚类来构建层次路由的算法,并减少因sink移动的路由重建而造成的能量浪费。仿真结果表明该算法比TTDD更能节省能耗。