非结构化离散网络传输路径预测方法仿真

为了有效提升非结构化离散网络的传输质量,需要进行非结构化离散网络传输路径预测。但是采用当前方法进行非结构化离散网络传输路径预测时,忽略了网络传输信道和路径间的干扰影响,存在路径预测误差大的问题。为此,提出一种基于支持向量机回归的非结构化离散网络传输路径预测方法。方法先采用测量往返时延的基本思想进行非结构化离散网络传输路径时延测量,得到网络传输路径时延的抖动值,计算出网络传输路径的丢包率,获取发送端在网络传输路径上发送的最大数据量,在得到群数据包延迟序列后,对非结构化离散网络传输路径预测问题进行建模,结合支持向量机回归理论对模型进行求解,有效完成了对非结构化离散网络传输路径预测。仿真证明,所提方法能够有效提升非结构化离散网络传输路径预测精度,且预测效率较高。

端到端时延下网络多路径负载均衡算法仿真

为了提高网络的通讯性能,降低网络能量消耗,提出基于蚁群优化的网络多路径负载均衡算法。通过路由模块确定转发路径,在大象流检测模块中检测网络中存在的大象流,构建大象流调度目标函数,利用网络监听模块监听各节点在网络中的实时信息。根据获取的信息采用蚁群优化算法调度网络中存在的大象流,通过路由模块、大象流检测模块、网络监听模块和计算决策模块构成网络多路径负载均衡机制,完成网络多路径的负载均衡。仿真结果表明,所提算法的端到端时延短、网络能量消耗小、分组丢失率低和网络生命周期长。

Estimation of Data Transfer Routes Fractal Dimension in Large Scale Networks

The article is devoted to the evaluation of fractal properties of routing data in computer large scale networks. Implemented the study of percolation network topological structures of large dimension and made their transformation into fractal macrostructure. An example of calculating the fractal dimension of the data path for the boundary of the phase transition between the states of network connectivity. The dependence of the fractal dimension of the percolation cluster on the size of the square δ-cover and conductivity value network of large dimension. It is shown that for the value of the fractal dimension of the route dc ≈ 1.5, network has a stable dynamics of development and size of clusters are optimized with respect to the current load on the network.