考虑网络拓扑结构变化的SIRS模型的建立与稳定性分析

针对经典SIRS(易感-感染-免疫-易感)模型中没有考虑到网络拓扑结构发生变化的情况,提出了一种网络拓扑结构发生变化的SIRS改进模型,其利用李雅普诺夫稳定性分析方法分析得到传播阈值以及拓扑结构变化与传播过程的相关性。在传播过程中当系统满足阈值条件时,计算机病毒最终消失,从而证明了系统不满足阈值条件时地方病平衡点的存在性与唯一性,并得出了满足地方病平衡点稳定的限制条件。对比仿真实验的结果验证了上述理论结果,并表明带有网络拓扑结构发生变化的SIRS模型比已有的SIRS模型更加逼近现实生活中计算机病毒的传播过程。

基于深度强化学习的无线网络智能路由算法

基于深度强化学习(DRL)的智能路由算法因兼具深度学习的感知能力和强化学习的决策能力,成为路由决策的重要发展方向。然而,现有基于深度强化学习的智能路由算法无法适应无线网络中动态变化的网络拓扑结构,难以在网络拓扑动态变化时做出恰当的路由决策。针对该问题,提出一种结合消息传递神经网络(MPNN)和DRL的智能路由算法MPNN-DQN。利用MPNN对不规则的网络拓扑进行学习,使其在网络拓扑动态变化时仍然能够做出有效的决策。设计基于k阶邻居信息聚合的逐跳路由生成方法,使得模型在保证决策效果的同时提升算法的可扩展性,能够更广泛地适用于中大型网络拓扑。实验结果表明,相比GCN、DRSIR、DQN等路由算法,该算法具有较优的平均时延、丢包率和网络吞吐量指标,在Germany、GBN和synth50这3种不同的网络场景下,该算法的吞吐量提升3.27%~23.03%,具有较强适应动态网络拓扑的能力。

无人卫通链路的动态建立机制及协议设计

针对无人卫通链路动态建立面临的挑战,文中提出了一种基于动态协议设计的解决方案。首先,分析了当前无人卫通链路存在的问题,包括传统静态建立机制的不足。其次,探讨了动态建立机制的必要性,并提出了一种基于深度学习的协议设计。该设计充分考虑了网络拓扑变化和资源分配的动态性,有效实现了无人卫通链路的动态建立,提高了链路稳定性和通信效率。最后,通过模拟和实验验证,检验了该设计的有效性和可行性。

构建面向未来的IP承载网网络管理系统

推动网管发展的驱动力回顾IP承载网网管发展历程,我们可以发现,除了要满足传统网管的基本要求之外,网络多业务、新型运营模式以及不断完善的网管标准和技术,是推动IP承载网网管发展的三股关键驱动力。第一驱动力来自网络多业务和新技术的要求。在IP网络架构中。

基于扰动后拓扑与叠加原理的功率突变量分配估计方法

电力系统发生扰动或执行安全控制措施时,系统功率平衡被打破,系统状态发生突变,影响系统安全稳定运行特性和控制措施执行效果。结合扰动后网络拓扑和叠加原理,提出了基于扰动后拓扑的突变量功率分配分析方法,推导了适用于负荷投切或发电机投切等单节点扰动和线路跳闸或直流闭锁等两节点扰动的突变量功率分配估计公式,并在IEEE标准10机39节点系统中通过仿真对比验证了所提出的突变量功率分配分析方法的正确性。

无人机组网的网络结构与网络对抗应对之策

无人机组网在新时代的信息战和反监察战役中充当着重要的角色。在现阶段经济贸易冲突不断,霸权主义强权政治的阴霾下,我们国家自身的发展显得尤为重要。而无人机组网的构建可以积极跟进不利于人为干预的任务,最大程度减少人员伤亡。无人机组网的构建依附于网络拓扑的不同结构种类,与此同时也应运而生了与敌人网络对抗的重大战略的讨论探究。