基于最短路算法和最小节点电压法的配电网络重构

提出了一种基于最短路算法和最小节点电压法的配电网络重构方法。首先将整个配电网当成一个赋权图,在潮流计算的基础上,利用最短路径法为每个负荷分别寻找供电路径,然后在形成的树状网络中利用最小节点电压法进行支路交换操作细致优化网络,从而得到满足目标函数的网络拓扑。实例表明该方法对所寻网络没有特殊要求,不依赖于网络初始结构,易于解决复杂结构网络的寻优问题,重构速度较快、结果理想。

基于最小节点负载优先的逻辑承载网构建方法

针对现有节点映射算法在节点负载不均衡的问题,提出了最小节点负载优先的映射策略(MinNLP),该策略以节点内存负载作为判断节点忙闲度的参数,通过计算物理节点的负载强度,选择具有最小负载和较大剩余资源的物理节点来接受映射,并采用K短路径算法进行节点间的链路映射。实验结果表明,采用基于最小节点负载优先的映射策略并与K短路径思想相结合的方法来构建逻辑承载网比用贪心节点映射算法能得到更高的资源利用率、构建成功率和链路均衡度。

基于最小节点度的WSNs传输功率控制重编程协议

为了降低节点能耗,提高能量的利用率,提出了一种高效节能的基于最小节点度的传输功率控制(MND—TPC)重编程协议。该协议首先根据每个节点的剩余能量、最大的传输功率、节点度和链路质量来进行网络的初始化,然后分2个阶段完成数据传输。第一阶段通过节点密度、节点度和M度节点的百分比等产生传输范围的调整模型来构建高效的优化网络;第二阶段通过对节点之间发送功率和剩余能量的比较来筛选发送节点,以保证网络负载的均匀分布,有效地实现了高效节能,从而提高整个网络的生存周期。理论分析与实验结果表明:与多跳网络编程(MNP)协议在不同发送功率下相比,平均能量消耗至少降低35.48%。

最小节点信息树抽取规则及可视化生成方法

提出了最小节点信息树概念,将抽取规则分为粗略规则和精细规则,降低了DOM树的高度,提高了信息抽取效率.设计并实现了一种最小节点信息树抽取规则的可视化实现方法.

多能源系统的最小控制节点集合辨识（英文）

本文提出了一种构建能源互联网实际能控的最小控制节点集合方法.考虑到能源互联网中的负载具有随机变化且无驱动能力特性,在忽略节点特性获取的最小驱动节点集合的方法基础上,本文计及网络的节点特征和能控性需求,首先通过优先匹配算法尽量确保获得的最小控制节点集合不存在无效的驱动节点.进而,针对由于网络的拓扑结构原因而导致的部分无效的驱动节点仍旧存在于最小控制节点集合这种情况,本文提出了增加恰当有向边的算法,保证最终获得的最小控制节点集合不存在无效的驱动节点.最后, 48节点耦合多能源系统的最小控制节点集合和最小驱动节点集合节点类型的比较,验证了我们提出的方法的有效性.

以最小供电成本为目标的配电网络重构

介绍了一种配电网络重构的方法——改进最小节点电压法。对于多电源供电的配电网,当各供电电源的购电成本电价不同时,该算法可以有效地减小配电网的供电成本,提高配电网运行的经济性。

独立生命素的最大-最小子集调度算法

为实现传感器网络生命周期的最大化,针对网络中节点的调度问题展开研究.提出一种独立生命素的最大-最小子集调度算法(Maximum-Minimum Set Dispatching Algorithm Based on Respective Biogen,MMDARB).该算法以独立传感器节点子集的生命素为筛选因子,通过轮盘赌法的方式,建立最大不相关且代价最小的激活节点子集(简称最大-最小子集),以尽可能少的节点实现对区域的覆盖.经对比实验验证,算法MMDARB具有更高的计算效率,所生成的最大-最小子集,以更少的能量消耗,保证了网络覆盖率≥97%,有效的延长了网络生命周期.

基于多层网络控制的个体化癌症驱动基因识别方法

目的识别癌症驱动基因,特别是罕见或个体特异性癌症驱动基因,对精准肿瘤学至关重要。考虑到肿瘤间的高度异质性,最近有一些方法尝试在个体水平上识别癌症驱动基因。然而,这些方法大多是将多组学数据整合到单一生物分子网络(如基因调控网络或蛋白质相互作用网络)中来识别癌症驱动基因,容易忽略不同网络所特有的重要相互作用信息。为了整合不同生物分子网络的相互作用数据,促进癌症驱动基因识别,迫切需要发展一种多层网络方法。方法本文提出了一种多层网络控制方法(PDGMN),利用多层网络识别个体化癌症驱动基因。首先,利用基因表达数据构建针对个体病人的个体化多层网络,其中包括蛋白质相互作用层和基因相互关联层。然后,整合突变数据,对个体化多层网络中的节点进行加权。最后,设计了一种加权最小顶点覆盖集识别算法,找到个体化多层网络中的最优驱动节点集,以提高个体化癌症驱动基因的识别效果。结果在三个TCGA癌症数据集上的实验结果表明,PDGMN在个体化驱动基因识别方面优于其他现有方法,并能有效识别个体病人的罕见癌症驱动基因。特别是,在不同生物分子网络上的实验结果表明,PDGMN能够捕获不同生物分子网络的独有特征,从而改进癌症驱动基因的识别结果。结论PDGMN能有效识别个体化癌症驱动基因,并从多层网络的视角,加深我们对癌症驱动基因识别的理解。本文所用的源代码和数据集可以从https://github.com/NWPU-903PR/PDGMN获取。

用于减小供电成本的配电网络重构

介绍了一种配电网络重构的方法——改进最小节点电压法。在电力市场环境下,对于多电源供电的配电网,当各供电电源的购电成本电价不同时,该算法可以有效地减小配电网的供电成本,提高配电网运行的经济性。

基于地理位置的Ad Hoc路由协议

针对Ad Hoc网络中基于地理位置信息的路由面临的贪婪转发策略失败的本地最小问题,提出了一种基于斜率的Ad Hoc路由协议GAR。GAR不需要维护全局网路拓扑结构,利用斜率转发策略解决了路由算法解决本地最小问题所带来的复杂性问题。在GAR协议的基础上进一步改进,提出了GALMR协议,该协议通过标记节点发现过程,减少路由跳数,提高算法的执行效率。理论分析和实验结果显示,GALMR算法具有较高的数据分组抵达率和较低的平均端到端延迟。

复杂网络中最小K-核节点的传播能力分析

K-核分解方法对于识别复杂网络传播动力学中最重要节点具有重要的价值,然而该方法无法对复杂网络中大量最小K-核节点的传播能力进行准确度量.本文主要考察最小K-核节点的传播行为,利用其邻居的K-核信息,提出一种度量这类节点传播能力的方法.实证网络数据集的传播行为仿真结果表明,该方法与度、介数等指标相比更能准确度量最小K-核节点的传播能力.

基于公共信息模型的配电网网架优化规划

在公共信息模型(CIM)扩展的配电网模型基础上构建了组合式迭代器以实现系统级元件遍历。讨论了实际配电网规划普遍存在的多交叉点的情况,运用改进的基于关键节点最小代价多播路由算法建立配电网规划模型,提出了组合边的概念,以组合边的形式参与边的动态迭代,获得总体费用最小的优化规划结果。以迭代器隔离算法和数据,降低耦合度并增强稳定性和可拓展性。算例表明了文中方法的有效性。

Ad hoc虚拟骨干网中一种费率优先分布式CDS算法

移动Adhoc网络可以通过构建虚拟骨干网来减少参与路由计算的节点数量.虚拟骨干网可以由近似的最小连接主节点集(MCDS)组成.本文对几种经典的分布式近似MCDS查找算法进行了比较,提出了一种新的费率优先的分布式近似MCDS查找算法,详细介绍了该算法的流程,并对算法的性能进行了分析,仿真结果显示该算法的性能优于经典算法.

地震波数值模拟中差分近似的各向异性分析

有限差分算法存在固有的数值频散问题,在正演过程中会严重干扰有效波场,降低地震波场的分辨率。针对此,从最简单的平面波数值理论分析出发,推导了任意高阶有限差分近似条件下相对相速度和相对群速度的计算公式,给出了求解最佳Courant数的计算方法,分析了差分近似造成的各向异性效应。理论分析和数值实例研究表明,正演数值模拟的精度与最小波长节点数、Courant数、有限差分近似阶数这3个因素密切相关,通过合理调节这3个量可以提高有效波场区域的数值模拟精度,拓宽正演波场的频带宽度,提高数值模拟的计算效率。

无线传感器网络中ORAWLS算法

为提高无线传感器网络(WSNs)节点定位的估计精度,提出了一种优化参考锚节点的加权最小二乘算法(ORAWLS)。基于理论均方误差最小化,优化参考锚节点,进一步完善系统性能。仿真验证表明:对比最大似然(ML)算法和线性最小二乘(LLS)算法,ORAWLS算法能够有效地提高定位精度,并表现出良好的系统性能。

复杂网络基于最小驱动节点的能控性优化（英文）

在这篇文章中讨论了两个核心问题,分别是最小输入问题和输入信号对节点的控制问题.利用图论和矩阵理论,找到了具有强控制集中性和强控制能力的最优的最小驱动节点集.首先,确定了驱动节点的最小数量.然后,通过两种方法确定了最优的最小驱动节点集,一种是分析节点i的控制集中性,另一种是查找控制信号u^+(t)和具有强控制能力的节点i之间有用的连接添加.最后,输入信号被施加到最优的最小驱动节点上以使得网络能控.同时,关于最优的最小驱动节点集的算法也被提出用于复杂网络能控性的研究.

有向复杂网络的目标可控性分析

针对大型复杂网络难以控制的问题,本文主要对有向复杂网络的目标可控性进行研究。首先分析单输入下有向网络的目标控制,并将贪婪算法进行优化,同时对大型复杂网络的目标控制提出了新的算法。与贪婪算法相比,新算法引入对目标节点集施加免疫信号,可有效阻断免疫节点部分与外界的连接,有效避免干扰,提高网络目标控制的效率;新算法中的免疫方法结合随机免疫和熟人免疫这两种方法的优点于一体,可更大范围地移除网络中目标节点部分到非目标节点部分的出边。说明通过新算法寻找网络目标节点部分的最小驱动节点集更加高效方便。该研究为解决更为复杂图的目标可控性问题提供了方向和方法。

基于优化决策树的智能故障诊断方法研究

针对决策树性能受其参数影响的问题,提出一种基于优化决策树的智能故障诊断方法。该方法以决策树节点最小样本数为优化对象,建立同时兼顾分类准确率和模型复杂程度的评价函数,通过寻求较大的评价函数取值来确定优秀的节点最小样本数取值区间,最后采用该区间内的优秀参数建立优化后的决策树并用于智能故障诊断。实验证明,将该优化方法应用于智能故障诊断,不仅可以简化模型而且可以提高模型分类的准确率。

基于控制理论的关键基因预测算法

针对目前关键基因预测不准确和预测算法缺乏等问题,本文提出一种基于控制理论的关键基因预测算法。首先,从TCGA数据库收集结直肠癌数据,使用计算机工具预处理数据,并利用结直肠癌数据和LncMAP数据库数据构建lncRNATF-gene调控网络。然后,设计一种新的筛选方法,基于控制理论中的最小驱动节点集思想和可控性动态分类理论,筛选得到关键节点基因集;将突变得分和网络拓扑分析方法得分融合分析,得到潜在关键基因集。最后,对关键节点基因集和潜在关键基因集取交集,得到关键基因集。结合相关文献和CGC数据库对关键基因集进行验证,证实了该预测算法的有效性,为预测结直肠癌关键基因提供了一种新的思路和方法。

有向网络系统可控性的最小迫零数法

复杂网络系统的可控性是寻找最小驱动节点数来实现有效地控制整个网络．针对现实中存在的有向图网络，通过计算符号图的零迫数而获得了有向网络系统的最小驱动节点数．也可将有向图转换为符号二部图，通过计算符号二部图的最小零迫数而获得了有向网络系统的最小驱动节点数．