无线传感网络拥塞控制中节点选择强制博弈方法

无线传感网络中节点数据流量较大,分布范围较广,节点选择寻优计算复杂,导致浪费大量算力在节点选择上,拥塞控制效果不佳。提出一种无线传感网络拥塞控制中节点选择强制博弈方法,计算单条网络链路传输成本,依据传输数据耗费能量,计算传输节点可用能量比值,在传输变量权重值基础上,求得传输节点实际拥堵指数,完成节点选择。计算网络连接层的数据包丢弃概率,确定网络拥塞程度,汇聚节点数据流建立节点选择强制博弈模型,明确传感网络稳态传输条件,利用流量正态分布算法,在节点选择博弈中做出强制选择。经仿真分析证明:所提方法分组递交率保持在83%以上,丢包数量保持在100 pkt/s之内,网络传输节点端到端的延迟在0.3 s以内。

基于声誉的分布式联邦学习节点选择算法

由于隐私泄露的风险越来越大,而采集的数据中通常包含大量隐私信息,使数据的采集者不愿意共享自己的数据,造成“数据孤岛”,联邦学习能够实现数据不离本地的数据共享,但其在多机构数据共享中还存在一些问题,一方面中央服务器集中处理信息造成昂贵的成本,易产生单点故障,另一方面,对于多机构数据共享而言,参与节点中混入恶意节点可能影响训练过程,导致数据隐私泄露,基于上述分析,文章提出了一种将区块链和联邦学习相结合的以实现高效节点选择和通信的新的分布式联邦学习架构,解放中央服务器,实现参与节点直接通信,并在此架构上提出了一种基于信誉的节点选择算法方案(RBLNS),对参与节点进行筛选,保证参与节点的隐私安全;仿真结果表明,RBLNS能够显着提高模型的实验性能。

基于光纤的传感物联网吞吐量最大化中继节点选择

中继节点是传感物联网通信的中转中心,其选择的合理性对保证物联网通信稳定和信息吞吐量具有重要意义。提出基于光纤的传感物联网吞吐量最大化中继节点选择方法。构建传感物联网模型,在平面中任意布局节点,利用所在点数据整合全部节点,在目标光纤传感器基站中找出主瓣,识别光源节点传输的信号。计算节点能量平均数,在自适应状态中将能量的分母最小化。在候选节点选取可将已知的光信道状态完整传输给其他节点的中继节点,基于统计独立分布获得系统平均接收信噪比,选择光纤传感器天线完成吞吐量最大化中继节点选择。仿真结果表明,所提方法在节点数量为22时的中断概率趋近于0;在光源节点功率30 dBm时,网络吞吐率达到98%。

SDN中基于遗传蚁群优化的测量节点选择方案设计

SDN中的测量节点选择问题其本质为最小顶点覆盖模型的求解,然而流量路由信息的保护造成基于流的动态测量节点选择方案失效,只能转向静态测量节点选择,目前的静态测量节点选择算法存在测量精度较低、运行时间长等问题。本文针对SDN中测量节点选择算法性能受限问题,设计了一个基于遗传和蚁群算法的测量节点选择方案,该方案所设计的G-ACO算法将遗传算法和蚁群算法进行动态融合,并将其应用于解决最小顶点覆盖问题,有效提升最小顶点覆盖模型求解速度。最后,在SDN仿真网络环境下以4个不同数量级的网络拓扑进行节点选择方案验证,与其他算法进行对比分析,G-ACO遗传蚁群优化算法具有更好的寻优能力、算法稳定性。

基于社团结构理论的电网无功分区及主导节点选择方法研究

传统无功分区和主导节点选取算法大多基于电网的无功电压灵敏度和聚类分析算法,往往存在分区内部无功不平衡和主导节点过于集中的问题。依据复杂网络理论中的社团结构划分算法原理,提出了基于连边相似权的电力系统网络建模,并引入电网无功平衡度来构造新的社团结构模块化指标以改进分区无功平衡性。利用复杂网络拓扑结构中节点度和节点介数等特征量改进了无功分区内主导节点选择指标和方法,提高主导节点选择的准确性。最后对IEEE-39节点网络进行无功分区和主导节点选择的算例分析,验证了所提指标和算法的有效性。

无线传感器网络动态节点选择优化策略

无线传感器网络的能耗和有效覆盖率是衡量其性能的两个重要指标.无线传感器网络动态节点选择优化策略通过合理配置各无线传感器节点状态,平衡网络能耗和有效覆盖率,提高网络能效性,延长网络寿命.提出一种结合了Hopfield网络与遗传算法的动态节点选择优化策略,简称为HN-GA.该策略通过遗传算法实现全局搜索,采用Hopfield网络缩小遗传算法的搜索范围,保证遗传算法中每个基因对应待选解的有效性,并针对动态节点选择优化提出一种基于无线传感器网络能耗、寿命和有效覆盖率的综合指标.仿真实验表明,HN-GA算法能有效完成无线传感器网络动态节点选择优化,并在确保网络有效覆盖率的前提下,通过动态配置各无线传感器节点状态,降低网络能耗,延长网络寿命.与遗传算法和Hopfield网络相比,HN-GA算法不仅全局搜索能力强,且收敛速度快、耗时少.

基于节点选择优化的DAG-SVM多类别分类

有向无环图支持向量机(DAG-SVM)对于N类别分类问题,会构造N×(N-1)/2个支持向量机分类器(为每2个类构造一个支持向量机),DAG-SVM可能出现由于节点选择不佳而导致整个分类器分类结果较差的情况。为此,提出一种改进的DAG-SVM。通过为每一层建立备选节点集合进行节点选择,选取下层备选节点集合中训练分类精度最高的一个节点组合作为当前层节点的下层节点,从而优化DAG-SVM的拓扑结构。实验结果表明,与已有的DAG-SVM,1-vs-1SVM,1-vs-a SVM方法相比,该方法的分类精度较高。

云环境下基于Entropy-KNN算法的节点选择策略

为满足大数据高效处理与节省成本的需求,针对云计算网络可计算节点资源的多维属性特点,提出了一种面向云计算的多属性Entropy-KNN层次聚类算法的节点选择策略.在节点资源动态描述机制的基础上,借助P2P动态路由完成节点资源的信息交换与实时更新,通过属性信息熵及相似度距离的计算,首先对已知节点按属性进行多次聚类,获得给定阈值的子类;接着选取距离较小的K个近邻节点为候选节点,根据分类与可信度的验证,最终选取与需求节点间相似度距离较小的节点作为候选节点.结果表明,该算法在一定程度上提升了计算节点的定位准确率,同时也能进一步提高大数据的处理效率.

改进二进制粒子群优化的节点选择算法

针对无线传感器网络多目标跟踪节点选择问题,提出了一种最大化跟踪精度的二进制粒子群优化节点选择算法.该算法基于目标的预测位置,以费舍尔信息矩阵的迹为精度度量,构建节点优化选择模型,提出了二进制粒子群优化的改进形式,并用于节点选择模型的求解.改进的二进制粒子群优化算法采用矢量的二进制编码方式、约束满足的循环移位种群初始化方法,带V型转换函数的位置更新规则,并设计了引导因子引导粒子群的进化.仿真结果表明,所提出的节点选择算法能够有效地应用于多目标跟踪问题,与基本的二进制粒子群优化算法和遗传算法相比,改进的二进制粒子群优化算法能够在全局寻优和局部探索间取得平衡,且能有效地避免局部最优,对较大规模的网络具有很强的适用性.

P2P流媒体节点选择机制的研究与仿真

节点选择机制是P2P流媒体领域的研究热点与核心技术,近年来得到了广泛的关注和快速的发展。根据节点选择机制优化目标的不同,将节点选择机制划分为面向系统健壮性与网络负载均衡性、面向流服务质量和面向网络拓扑聚集性3类子问题。阐述了这3类问题的基本特征、常用方法和最新的研究进展。使用P2P仿真软件PeerSim统计分析3类节点选择机制在网络健壮性、同步延迟、流服务质量、网络负载4方面的影响,指出现有算法仍存在的问题和未来的研究方向。

基于DF的协作节点选择及功率分配策略研究

对于无线通信系统来说,特别是单天线节点无线通信系统,采用协作通信技术可以有效地提高系统性能。其中,协作节点选择及协作策略是协作通信需要考虑的两个基本问题。以容量最大化为目标,基于DF中继模式,本文研究了协作节点选择及功率分配策略问题,结果表明,当协作节点满足一定条件时并采用合理的功率分配策略可有效提高系统容量。

基于LAD-Lasso方法的利率期限结构拟合中的节点选择

将LAD-Lasso方法引入到三次样条函数中,通过LAD-Lasso来进行变量选择,确定样条函数的节点数量和位置,同时估计参数,构建模型来拟合上海证券交易所交易的国债利率期限结构.样本外预测结果显示,与传统的方法相比,新方法可以有效地选择合适的模型,增加参数估计的稳健性,简化计算步骤,提高预测的精度,增强期限结构定价的准确度.

无线传感器网络中适于协作定位的全局节点选择

为了有效解决无线传感器网络(WSN)节点定位精度和测距技术复杂性之间的矛盾,基于WSN随机分布特性和天线阵列几何结构约束,通过节点协同形成的虚拟天线阵列对WSN进行定位,提出了一种适于定位的虚拟阵列节点选择方法.仿真结果和理论分析表明,当波达角估计算法的性能满足要求时,该方法具有很强的可行性和优良的定位性能.

P2P系统中基于信誉感知的超级节点选择算法研究

针对层次式P2P系统中恶意超级节点频繁离开网络导致系统不稳定甚至崩溃的问题,提出一种新的基于信誉的超级节点选择算法.建立节点基于历史交换回馈信息的信誉评估算法,以信誉评估为基础,构建信誉感知的超级节点选择算法,选择信誉高的节点为超级节点.理论分析和仿真结果表明,该算法有效地提高了系统的稳定性.

合作定位节点选择策略

合作定位是指接收机之间通过合作网络交换关键定位信息实现协同定位的新技术,接收机进行合作定位过程中可供使用的辅助节点包括可视卫星和已定位邻居接收机。接收机之间的合作增加定位过程中的可用辅助节点数量,进而增加位置估计的计算量和计算时间,在可用辅助节点较多时,定位实时性很难得到保证。提出改进次优节点选择算法,计算备选节点之间单位向量差作为节点价值,选择拥有最大价值的节点作为辅助节点。将新算法与4种典型的节点选择算法进行了对比,仿真实验证明该算法能够在较短时间内选择出接近最优算法得到的组合,综合性能优于现有节点选择算法。

WSN中一种能量有效的自适应协同节点选择方案

该文针对能量有限的无线传感器网络,提出了一种能量有效的自适应协同节点选择方案,该方案先根据预设的能量阈值来确定协同节点的可选集,再综合考虑可选节点的剩余能量和信道状况,选出最佳节点作为簇头节点的协同节点。通过对总能耗的最小化,获得不同传输距离对应的最优能量阈值;根据簇头节点与数据融合中心间的距离自适应地预设最优能量阈值,使总能耗最小。理论分析和仿真结果证明,该文方案能在传输能耗和电路能耗间找到最佳平衡点,有效地减小总能耗,使总能耗达到最小。

一种全新的R树节点选择算法

在R树插入算法中采用全新的节点选择算法,一改传统的从根节点开始自上而下的节点选择方案,而是从叶节点层开始,先自下而上再自上而下地选择叶节点,较好地解决了同层节点重叠所导致的查询效率低下的问题。实验证明,提出的R树空间索引方法,不仅在查询效率上明显优于R*树,而且R树生成的时间开销也减少了50%左右,综合性能超过了R*树,便于扩展到三维甚至多维空间中,以实现对空间数据和时空数据的高效查询功能。

面向认知无线电网络能量高效协作感知的在线节点选择算法

面向认知无线电网络中能量高效协作感知任务需求,提出了面向单次协作感知过程的能量最小化节点选择问题EMNS和面向在线协作感知的能量高效节点选择问题OENS。证明了两问题均为NP-hard难题。针对EMNS问题,提出采用分枝定界算法BAB求最优解和贪婪节点选择算法GS求近似解。针对OENS问题,提出为每个节点引入考虑能量消耗负载均衡的动态权重系数,基于BAB和GS算法设计了启发式的在线节点选择算法OBAB、OGS1。仿真实验结果表明,提出的算法可显著增加网络完成的协作感知过程次数,可有效延长网络"生存期"。

基于随机带宽加权的匿名通信节点选择算法

为了提高匿名通信系统的安全性,并在性能和匿名度之间取得更好的折中,建立了一种以用户平均可用带宽为性能指标、以攻击者同时占据链路出/入口概率为安全性指标的匿名通信系统评估方法,并在此基础上提出了一种新的基于随机带宽加权的匿名通信节点选择算法.该算法将匿名通信节点按带宽排序并分组,在节点组之间采用带宽加权选择方式,在组内则采取等概率随机节点选择策略,并通过在节点选择过程中引入随机因素来提高系统的安全性.针对Tor在线节点真实数据的实验测试结果表明,当选择合适的组内节点数时,可通过小幅降低系统性能为代价,取得更好的系统安全性.该算法为用户动态调节系统性能和安全性提供了有效途径.

代理协助P2P-VoD系统中基于缓存状态的服务节点选择策略

研究P2P-VoD系统中提供流媒体服务的公平性问题,提出基于缓存状态的DRPS(Data Receiving Peers as Suppliers)服务节点选择策略,并设计基于DRPS的预分配调度算法PSA(Preassign Scheduling Algorithm)。首先根据缓存状态将节点分类,再结合节点的可用带宽和可用概率进行排序,优先从RS(Receiving Set)节点类中选择服务提供者,最后由客户端执行PSA算法。仿真实例表明该策略的有效性。