协作通信中的中继节点选取和功率分配联合优化

为了优化协作通信系统的性能,提出了一种基于信道容量增益的中继节点选取策略,并在此基础上提出了源节点和中继节点最优功率分配算法.通过采用凸优化的算法,功率在源节点和中继节点间得到了合理的分配.理论分析和仿真验证表明,所提算法能以较低的复杂度显著提高系统性能和功率效率,因而可以有效地用于基于中继传输的协作通信中.

用户需求适应的P2P超级节点选取机制

提出了一种基于层次分析法的超级节点选取策略。该策略刻画了不同用户对不同应用的需求度量,根据阈值法过滤部分不满足最低要求者得到备选集合,在此基础上构建层次分析模型,给出相应的选择结果。仿真实验表明,该机制能使用户满意度达到95%以上,同时整体网络在检索延迟、网络带宽消耗等有比较好的折衷。

光纤通信网络被入侵后的最优激光传感节点选取

光纤通信网络在受到入侵后,对最优激光传感节点的选取可以有效预防此类入侵,提高光纤通信网络的安全性。传统激光传感节点选取技术存在难以区分激光传感器节点的优劣程度,导致光纤通信网络的安全问题得不到很好的解决。针对光纤通信网络被入侵后最优激光传感节点选取的问题进行研究,提出根据光纤通信网路,对最优激光传感节点选取的仿真分析方法,基于原IP地址和Pi值数据库对网络激光传感节点进行分类,动态插入入侵的标识,对激光通信网络最优激光传感节点选取的仿真入侵节点进行动态标识。通过光纤通信网络被入侵后的最优激光传感节点选取的分析方法,对光纤通信网络入侵的检测时间,检测可靠度方面都进行了优化,相对于传统节点选取方法,该方法降低了网络攻击识别的误差,增强了识别率。增强了光纤通信网络被入侵后节点的防御性能,充分保障了网络安全。

基于选择性注意机理的高空视界覆盖节点选取

基于复杂地形约束的三维高空视界覆盖是空间分析领域中的NP难问题,其求解计算量较大。针对这个问题,提出一种基于注意认知理论的高空视界覆盖节点选取方法。其基本思想是利用认知心理学的选择性注意原理,来模拟人脑处理覆盖问题的机制,即不断有意识的选择性注意有价值的感知节点并进行注意后过滤处理。基于该机制的算法能有效降低高空视界覆盖的计算量。实验表明,提出的高空视界覆盖节点选取算法相对基于粒子群的寻优方法耗时短,且可以让用户根据实际问题要求的视界覆盖率来选择经济的非完全覆盖方案,以节省实地布置节点的开支。

P2P网络基于CPU动态处理能力的超级节点选取

在非结构化P2P网络中,普通节点通常要综合考虑距离、信誉度、内容相似度、CPU动态处理能力等多种因素来选择一个合适的超级节点,其中CPU的动态处理能力无疑是最要的。针对如何选择超级节点的问题提出一种新的方法,该方法通过RBF神经网络预测CPU动态负载,以CPU的动态负载评定超级节点的动态处理能力并将该信息提供给普通节点,帮助普通节点选择一个最合适的超级节点。通过分析和仿真实验表明该方法有效地提高了系统的性能,系统开销减少了96%以上。

基于WMN物理特性的P2P超级节点选取机制

跳数对无线网络传输性能的影响以及P2P网络相邻节点物理位置的不相邻导致P2P网络信息检索延迟过大。该文提出基于无线网状网物理特性的超级节点选举机制。根据节点在网状网中的作用和位置特性确立Mesh子域,构建超级节点服务簇,使簇内节点的实际通信跳数较小,控制应用的端到端传输延时。仿真结果表明,该机制能降低约50%的信息检索延迟。

基于蚁群优化的内容中心网络服务节点选取算法

内容中心网络是一种全新的网络体系结构,通过内容名字进行寻址和路由。然而,现有的CCN路由在多个服务节点存在时采用全转发策略,导致不必要的资源开销。如何选取最优的服务节点成为CCN路由的一个重要研究课题。蚁群优化是一种启发式算法,通过发送探测蚂蚁来寻找最优解。在对CCN服务节点选取问题分析的基础上,基于蚁群优化机制,提出了一种分布式的服务节点选取算法ADSS。仿真结果表明,ADSS能够显著地提高内容路由性能,减少CCN节点上缓存内容的动态性。

基于节点选取的RSSD两轮协同定位算法

针对无线传感器网络能量有限、节点密集、能适应动态变化的特点,对于非配合式无源定位问题,提出一种关于节点选取的接收信号强度差(RSSD)两轮协同定位算法。在首轮初步定位结果的基础上,提出正多边形匹配因子,在空间域上选择最优节点参与定位,得到最终定位结果,从而提高了定位精度。仿真结果表明:此方法融合了无线传感器网络的特点,充分利用空间位置对定位的影响,通过对比仿真,证明了本文方法的有效性。

基于RBF神经网络的WSN前端网络节点选取算法

为降低无线传感器网络(WSN)的能量消耗和减少节点采集信息冗余,提出一种基于RBF神经网络的WSN前端网络节点选取算法,通过将无线传感网络的分簇路由ERC协议与RBF神经网络联结起来,运用神经网络异或运算对WSN前端节点的选取,使得信息冗余节点休眠,减少网络中节点工作个数,降低节点能量损耗,从而延长网络寿命。经仿真测试,该算法可以有效选择节点,同时还验证了本算法在环境温湿度监测等方面的时效性。

多线程电子通信网络对等数据节点选取仿真

针对当前通信网络对等数据节点选取方法中存在的选取的节点数据检索时延较长,以及选取的节点易出现过负载状况等问题,提出多线程电子通信网络对等数据节点选取方法。对多线程电子通信网络及其节点布局进行分析,给出网络建模假设,结合网络内对等数据节点的应用带宽累积分布函数,分析对等数据节点数据接收速率的均匀分布状态,综合节点效益与开销,构建对等数据节点的效用函数;根据网络内各对节点的直接信任值与推荐信任值,进行综合信任评价计算与节点信誉值计算,结合网络内各节点的效用值,在候选节点中选取对等数据节点。实验结果表明,与当前节点选取方法相比,所提方法选取节点的数据检索时延明显缩短,节点负载能够比较稳定的处于均衡状态。

基于数学分析的激光通信最优节点选取

传统基于AHP的激光通信最优节点选取方法在最优节点选取过程中,仅采用AHP赋权方法,获取的指标权重主观性较强,导致最优节点选取结果存在偏差,提出基于TOPSIS算法的激光通信最优节点选取方法。构造激光通信节点优秀程度指标的规范化选取决策矩阵;通过结构熵权法获取主客观相结合的激光通信节点权重,采用变异系数方法消除指标间量纲不同的影响,获取激光通信节点综合权重;基于综合权重与规范化选取决策矩阵构造激光通信节点加权规范化选取决策矩阵;在此基础上计算不同激光通信节点与权重指标的相对贴近度,获取不同激光通信节点优秀程度排序,实现激光通信最优节点的选取。实验结果表明:所提方法能够准确选取激光通信最优节点,具有低能耗、低传输延时的优势。

基于数据与压缩率预测的空间机器人集群中心节点选择策略

近年来,空间机器人集群方式的在轨服务技术受到各航天大国的重视。空间机器人集群对目标航天器进行在轨服务时,要将收集的目标信息传输至中枢卫星,如何均衡集群中每个节点的通信功耗是一个重要的研究问题。针对空间机器人集群与数据中枢卫星之间的通信功率最优问题,提出一种基于数据及其压缩率预测的空间机器人集群中心节点选择算法(DCP)。由于集群通信中的通信功耗主要与通信距离和通信时长(数据量)有关,可以基于集群的运动轨迹预测未来时刻的数据和压缩率,从而选择最优的集群中心节点,构建通信链路。在实验仿真中,与固定中心算法、度中心性算法、介数中心性算法以及接近中心性算法相比,DCP算法可以有效降低集群通信功耗,并且与实际的最优结果相比误差小于3%。

无线传感器网络网内数据处理节点的优化选取

能量是无线传感器网络至关重要的资源,数据传输占据着能耗的主体,当前,大多数研究围绕最小化传输能耗而展开.网内数据处理是选择数据传输的某一中继节点作为处理节点,利用该节点所具备的计算能力对原始数据进行处理,再将处理结果返回给接收节点,从而达到降低传输能耗的目的.网内数据处理节点的最优选取,可以最小化数据查询的传输能耗.通过建立数学模型来描述传输能耗与处理节点选取策略的定量关系,提出一种不需要全局网络拓扑信息的低能耗的处理节点选取策略(energy efficient selection strategy,简称EESS).与现有方法相比,该策略使用较少的控制开销并能显著降低数据的传输能耗.模拟实验结果表明,EESS在低密度的网络结构以及长距离的查询操作下具有良好的性能,更有利于延长无线传感器网络的寿命.

可信可控网络中控制节点优化选取算法

为了解决可信可控网络中自治域内控制节点选取及控制域划分的问题,提出了一种控制节点优化选取启发式算法.该算法基于图论的思想,将控制节点选取及控制域划分问题转换为多目标线性规划问题,以控制节点数目最少和控制节点到所管辖路由器的总时延最短为优化目标,先选定在控制节点与被控路由器间允许的最大控制时延内能够到达最多其他路由器的节点作为控制节点,再将网络中剩余的路由器分配给相应的控制节点构成控制域,既能降低系统开销,又能保证控制的实时性.实验结果表明,在相同控制节点规模下,该算法得到的选取结果在保证控制实时性方面优于已有的方法.

多重边复杂网络牵制同步控制节点集优化

针对多重边复杂网络的牵制同步控制节点选取问题,提出一种基于图论的优化牵制节点组选择的策略。根据网络中边的性质不同,基于网络拆分的思想,通过引入时延将网络进行拆分。根据李雅普诺夫稳定性理论,使用自适应牵制控制器以及图论和矩阵分析等知识,得到可以优化多重边复杂网络牵制节点组选择的方案:当牵制节点个数固定时,从网络的对称拉普拉斯矩阵中删除受控节点所对应行和列后所得子矩阵的最大特征值,用此来衡量牵制方案的有效性。即:网络中单个节点的动力学系统与耦合强度给定时,最大特征值越大,牵制方案越有效。与此同时,对最大特征值的谱特性进行分析,以此对优化牵制方案提供理论支持。

面向分布式电力交易的实用拜占庭容错共识算法改进

针对实用拜占庭容错(Practical Byzantine fault tolerance,PBFT)共识算法在分布式电力交易场景下共识时存在的主节点选取策略简单、缺少奖惩措施以及通信资源消耗较大等问题,提出一种改进实用拜占庭容错共识算法。首先,明确分布式电力交易(Distributed power trading,DPT)参与方构成,制定参与方对应节点在共识过程中应承担的权责;其次,制定节点信誉值计算方法,根据节点在共识中的表现筛选不良行为节点,有效限制拜占庭节点参与共识;此外,基于信誉值与散列算法实现了一种可验证的主节点选取方法,使主节点选取难以预测;最后,引入多主节点改进一致性协议,提高算法对拜占庭主节点的容忍程度。实验结果表明,DPT-PBFT算法在通信开销、共识时延等方面相较于PBFT算法均有不同程度的提升,能够有效适用于分布式电力交易场景。

节点分析法在应用中要注意的几个问题

以节点电压为解变量的分析方法称为节点分析法。节点分析法作为分析线性电路的基本方法,常用于解决独立节点数少于网孔数的电路问题。笔者在教学过程中发现,应用此种方法分析电路问题时,常会遇到本文所述的三种情况。显然,三种情况的正确处理,是节点分析法应用的关键。本文力图通过具体实例归纳出这几类问题的解决方法和技巧,给学生指明解决此类问题的方向,以期达到掌握节点分析法(观察法)解决线性电路问题的目的。

基于优化RRT算法的机器人自主导航路径规划策略研究

针对传统RRT算法收敛速度慢和路径偏离最优解等问题,提出了一种改进算法。通过设计关键节点选取策略,引入变概率目标偏向,并采用逆向寻优方法,成功克服了基础RRT算法的缺陷。在关键节点选取上,采用可变步长和智能父节点选择策略,提高了搜索效率和路径质量。实验结果表明,优化后的RRT算法在收敛速度和路径质量上均有显著提升。相较于基础算法,改进算法能够更快速地找到有效路径,且生成的路径更短、更平滑,减少了冗余和不必要的转向。这一优化不仅提升了机器人在自主导航中的性能,也为路径规划领域的研究提供了新的思路和方法。

自组织覆盖网络QoS组播动态路由优化研究

在现代网络中,服务质量(quality of service,QoS)和组播通信是两个至关重要的概念。随着互联网的蓬勃发展和通信技术不断进步,越来越多的应用和服务需要同时满足用户对于高效数据传输和优质体验的需求。基于此,简要介绍自组织覆盖网络QoS组播动态路由优化优势,深入探讨自组织覆盖网络QoS组播动态路由优化要点,以期为相关人员提供参考。

基于正则化最小二乘法的接地网腐蚀状态评估方法

针对接地网腐蚀故障不易排查的问题,基于电网络理论,建立关于接地网端口电阻与腐蚀导体支路电阻的腐蚀评估方程,采用正则化最小二乘法,解决了方程求解中欠定和不适定的问题.通过比较了接地网导体支路电阻与腐蚀程度的关系,制定了腐蚀程度评估标准.对不同类型可及节点条件下接地网端口电阻进行仿真计算,提出了测量节点选取原则,解决了节点盲目选择情况下的误诊问题.通过仿真计算和模拟腐蚀试验,证明了正则化最小二乘法、腐蚀程度评估标准和测量节点选取原则对接地网腐蚀状态评估是可行的.