基于MapReduce的SON算法实现

在挖掘频繁项集的算法中,SON算法能够有效地降低CPU和I/O负载,但是SON算法在单节点上运行时仍然受限于内存和CPU;并且随着海量数据的来临,单节点也无法满足数据的存储。在深入研究SON算法的基础之上,提出了MapReduce编程模型实现SON算法的方法。算法的执行需要两轮MapReduce迭代,第一轮迭代求出局部频繁项集,第二轮迭代求出全局频繁项集。实验结果表明:SON算法采用MapReduce编程模型并行化后,部署在Hadoop集群上运行,随着分区数目的增加能够获取较好的加速比。

一种基于FP-growth的并行SON算法的实现

单节点运行的传统SON算法能够有效降低CPU和I/O负载,而且算法仅需要对整个事务数据集扫描两次。但是在算法执行的阶段一中发现局部频繁项集时采用的Apriori算法仍然需要对每个分区进行多次扫描。在深入研究SON算法的基础上,根据MapReduce编程模型提出了基于FPgrowth的SON算法的并行化实现。实验结果表明,基于FP-growth的并行SON算法不仅降低了传统SON算法的运行时间,并且随着分区数目的增加还能获取比较好的加速比。

MPSO Algorithm Based QoS Parameter Optimization for LTE Networks

QoS Optimization is an important part of LTE SON, but not yet defined in the specification. We discuss modeling the problem of QoS optimization, improve the fitness function, then provide an algorithm based on MPSO to search the optimal QoS parameter value set for LTE networks. Simulation results show that the algorithm converges more quickly and more accurately than the GA which can be applied in LTE SON.

基于数字孪生的算力网络自优化技术研究

将数字孪生网络技术引入算力网络,可以建立算力网络的虚拟映射网络。数字孪生网络系统通过高保真的虚实实时交互,实现对算力网络的高效分析、诊断和控制。以算力网络的自优化为例,提出了一种数字孪生算力网络的结构自优化模型,实现了数字孪生算力网络中网络自学习、自验证、自演进的实时闭环控制。与传统自组织网络(SON)不同的是,将物理网络基础设施与SON模块分离,将SON自优化的过程迁移到虚拟网络中,降低了算力网络运维的复杂度,提高了网络的灵活性和适应性。仿真实验证明,引入数字孪生网络技术后,可以迅速地处理算力网络服务超时问题,降低网络整体服务时延。

局部放电混合信号的盲分离

气体绝缘组合电器(GIS)内部结构的复杂性和绝缘缺陷类型的多态性导致可能同时存在多种绝缘缺陷。为此对两种组合绝缘缺陷产生的局部放电(PD)混合信号进行了分离研究,针对PD混合信号的特点,提出采用非平稳源分离(SONS)算法,对由两种单一实测绝缘缺陷产生的PD信号构造的人工PD混合信号和实测的两组PD混合信号进行了分离,并用分离评价参数性能指标(PI)和信号干扰比(SIR)对分离效果进行了评价,结果表明,该分离方法能可靠地进行分离,有效恢复各单一PD源信号。同时,该分离算法可推广应用到两种以上PD混合信号的分离,为后续对组合绝缘缺陷的缺陷辨识提供方便。

动车组运维效率关联规则挖掘优化算法

随着动车组运营时间和运营里程的增长,动车组运维系统积累了大量的数据.利用高效的关联规则挖掘算法从动车组运维数据中快速发现有用的信息,对于提高动车组关键部件运维效率具有重要意义.针对动车组运维数据的数据量巨大、价值密度低的特点,设计一种基于近似最小完美Hash函数的AMPHP(approximate minimum perfect hashing and pruning)算法,相较于传统的直接Hash和修剪(direct hashing and pruning,DHP)算法,它可以过滤掉所有的非频繁项集,无需额外的数据库扫描.为了突破单机算法的性能限制,借鉴SON算法思想对AMPHP算法进行并行化改进,提出AMPHPSON算法,进一步提高算法性能.使用实际的动车组牵引电机运维数据进行测试分析,实验结果表明,AMPHP-SON算法具有很好的时间性能,且挖掘出的规则可以有效地指导动车组修程修制优化,从而达到提高动车组运维效率的目的.

基于惩罚函数的母子空间不同分辨率遗传算法研究

提出一种基于惩罚函数的母子空间不同分辨率搜索的遗传算法:在母空间中,该算法采用粗分辨率搜索,待搜索速度变慢后,用特征空间识别法优化各聚类中心,并在各聚类中心点创建子空间;在子空间中,因引入惩罚函数,较好处理了子空间边界的归一化问题,并采用细分辨率搜索,以精确获得该子空间中的最优解,从而解决了传统遗传算法搜索效率和寻找全局最优解之间的矛盾。最后,通过实例验证上述算法的可行性及有效性。

LTE系统中切换优化算法的研究

提出了一种基于SON的切换参数优化(Handover Parameter Optimization,HPO)算法,并且考虑了不同移动速度的UE对切换性能的影响,设置不同的迟滞参数,通过检测不同的场景动态调整切换参数。最后搭建了仿真平台。仿真结果表明,经过该算法优化后,切换性能大幅提高。

二维水下传感器网络的多重贪心算法

水下传感器网络是一种特殊的传感器网络。在水声通信的基础上构建一个简单、高效的水下传感器网络还是一个新兴的研究领域。对水下传感器网络网络拓扑结构进行分析,并根据二维水下传感器网络的特点,以减少网络功耗为目的,提出了一种新的路由算法-多重贪心算法以获得最优路径。

覆盖网络中一种具有全局优化的路由策略

互联网中流量分布不均引起网络资源得不到有效利用、网络拥塞。采用Wardrop均衡作为理论基础,结合多下一跳路由机制,给出了一种基于系统最优的负载均衡路由算法。仿真实验结果表明,该算法能够满足关键路径流长度和网络最大带宽利用率等方面的要求。

基于遗传算法的SON功率控制

针对自组织网络(self-organizing network,SON)基站自动配置、自优化、自修复等优点,在深入研究遗传算法的基础上,提出了一种基于遗传算法的SON功率控制。通过划分频带和设置门限值来做到小区的功率控制,并提出了小区中心用户和边缘用户不同的SINR(signal to interference plus noise ratio)计算公式。为了更好地解决最佳门限值的设定,还提出了控制门限值的函数。通过建立遗传算法流程,对门限值函数和目标SINR值进行了寻优。仿真结果表明,该算法能够很灵敏地做到最佳门限值的搜寻,同时搜寻结果也符合相关理论的验证。

基于分簇的传感器网络异常检测算法

针对传感器网络中集中式异常检测算法能耗过高的问题,提出了基于分簇的传感器网络异常检测算法.对网络进行分簇,簇内节点将采样数据传至簇头,簇头节点保持节点的部分历史数据并进行节点间相似性比较,没有达到给定支持度的数据就是异常数据.对于异常数据可以直接丢弃,不用传回基站以节约能量开销.该算法在网内对传感器网络进行数据处理,避免将所有采样数据传往基站.实验结果表明:该算法可以有效节约节点能量开销,延长传感器网络生命周期.