无线传感器网络中的组划分算法

以增加网络生命期为目的设计组划分算法,考虑了传感器网络中各个组长节点的组合理性、平均组能耗和组间负载平衡等因素,对初始的组划分进行了分析和优化处理而得到一个平均组能耗小并且组间负载平衡的组划分,有效地延长了网络生命期.

一种新的大规模配电网络重构的图论算法——图的谱划分算法

建立了配电网络重构的图的多划分模型 ,提出了基于图的谱划分的算法 ,用于求解大规模配电网络的馈线间重构问题。针对规模巨大的实际配电系统 ,应用图的多级划分思想 ,提出了图的压缩算法以提高计算效率。算法避免了目前各种配电网络重构算法迭代过程中大量的潮流计算负担 ,且不依赖于系统的初始拓扑。其寻优能力不逊于常见的重构算法 ,且能高效地求取全局或近全局最优解 。

电网络图主划分算法改进

分析比较网络图主划分的已有算法，提出改进算法ＧＰＰＩＡ，使主划分算法通用性提高，运算量和存贮量减少．该算法用Ｃ语言编程，计算机实验证明可行．

神经网络设计的特征空间序贯划分算法

1引言 神经网络已广泛地用于处理实际问题,如语音处理、图像处理和计算机视觉、模式分类和识别等.面对越来越复杂的应用,传统的神经网络学习算法变得不能适应.与许多其他的有效算法相比,神经网络的学习速度慢和固定拓扑结构的不适应性两个缺陷显得异常突出.

无线传感器网络中一种有效的分布式簇划分算法

提出了一种快速有效的分布式簇划分算法,为每个节点设定一个初始时间,最先到期的节点成为簇头。考虑到簇头选举的合理性,时间衰减与节点连通度相关,并辅以随机化的方法消除时间同步对算法的影响。通过仿真验证该簇划分算法的有效性,并定量分析了通信半径与平均簇头个数的关系。

基于回退的并行网络模拟拓扑划分算法

并行网络模拟的一个研究点是如何合理的对模拟任务进行划分,减少模拟所需要的时间,提高模拟的性能。当前并行网络模拟任务的划分一般采用基于图划分工具METIS来划分。鉴于METIS工具在并行模拟划分中的不足,本文通过分析影响并行网络模拟性能的因素,对METIS进行改进,提出了基于回退的优化划分算法。实验表明,回退算法通过对METIS的局部最优进行了改进,使得子网数减少了73.2%,边界路由器减少了28.8%,远程链路条数减少了30.8%,并行模拟的性能提高约14%。

基于含权Newman算法的交通控制子区划分

为使交通网络控制子区内的交通流具有更好的同质性,本文将道路网络中的路段抽象为点,相邻路段之间的连接关系抽象为边,形成一个对偶的网络拓扑结构图。以用户均衡交通分配得到的路段交通流数据除以路段长度计算得到路段的“拟交通密度”;通过引入路段拟交通密度,扩展了Newman子区划分算法。最后,选取实际路网、以NSK (Normalized cut Silhouette)指标验证K均值聚类算法、传统Newman算法和扩展的Newman子区划分算法的优劣。研究发现:传统K均值聚类算法得到的各子区NSK指标和路网NSK指标都相对最小,但同一个子区内的路段在空间位置上不相连,没有实际运用价值;扩展的Newman子区划分算法的NSK值优于传统Newman快速划分算法,证实引入了路段拟交通密度作为边权,使得划分出来的结果更加符合交通网络的特性。

基于多模态融合的加权网络重叠社区划分算法

为了解群体兴趣和偏好,更好地划分加权网络重叠社区资源,提出基于多模态融合的加权网络重叠社区划分算法。基于图论知识构建加权网络模型,选取加权网络节点特征,利用多模态融合策略将五种节点特征融合到一起,组成总的特征向量,通过构建随机森林分类器实现重叠节点识别,完成重叠社区划分。实验结果表明:利用所研究算法划分四种加权网络重叠社区,得到的标准化互信息指数和模块度均更大,说明所研究算法划分性能更好。

基于改进Newman快速划分算法的城市动态交通子区划分方法

城市交通网络紧密联系,交叉口、干线和交通子区存在复杂关联性。从复杂系统角度提出一种基于Newman快速划分算法(Fast Newman,FN)的控制子区划分方法。首先,考虑城市道路网络拓扑结构复杂性,根据相邻交叉口的交叉口间距、路段交通流量、车流离散特性、交通流速度、车流密度等分析交叉口关联性,建立综合关联度计算模型;其次,将交叉口关联性引入到FN算法中,基于改进的Newman快速划分算法对路网控制子区进行划分;最后,通过实际路网,进行模型验证。结果表明:该子区动态划分方法有效考虑路网拓扑结构复杂性,更符合实际交通流特性,对城市区域路网子区划分更加合理。

加权Fast Newman模块化算法在人脑结构网络中的应用

针对二值人脑结构网络的模块化方法不足以反映复杂的人脑生理特征这一问题,提出一种基于Fast Newman二值算法的加权脑网络模块化算法。该算法以凝聚节点的层次聚类思想为基础,以脑网络中单个脑区节点的权重值和脑网络总权重值为主要依据构建加权模块度评价指标,并将其增量作为度量值来确定加权脑网络中节点的合并从而实现模块划分。将该算法应用于60个健康人的组平均数据中的实验结果显示,与二值人脑网络模块化结果相对比,所提算法得到的模块度提高了28%,并且模块内部和模块外部的特征区分更加明显,所得到的人脑模块也更符合已知的人脑生理特性;而与现有的两种加权模块化算法实验对比结果表明,所提算法在合理划分人脑网络模块结构的同时也小幅提高了模块度。

GFN:基于“群”思想对Fast-Newman算法改进的复杂网络聚类算法

针对目前复杂网络优化聚类算法目标函数的有偏性影响聚类精度的问题,提出了"群"的概念,实现了对节点在聚类过程中局部信息决策环境的划定。提出了基于"群"概念改进的网络模块性评价函数,并以该函数作为目标函数对Fast-Newman(FN)算法进行了改进。在不同类别数据集上进行的聚类实验的结果表明,基于"群"思想改进的FN算法(GFN)在复杂网络中的聚类精度比FN算法平均提高了约70%,从而验证了"群"思想在揭示真实簇结构过程中的有效性。

分布式卫星组网管理域划分算法

卫星组网作为一种新型的无线移动通信网络,与其他通信网络相比独有的特性增加了网络管理的难度。在分布式卫星组网管理结构下,首先提出了一种基于被管卫星与管理分站之间的通信链路时延的管理域划分算法,被管卫星选择时延最短的管理分站作为其管理者,并在不同星座结构下对该算法进行了仿真验证。最后通过分析仿真结果,对算法进行了改进,引入了划分因子δ提高了管理域的稳定性。

有限元网格自动生成的并行区域划分算法

提出了一种基于网格生成递归法的并行区域划分算法，该算法依据网格生成代价的估算分析，采用迭代分解法对区域进行并行划分．在曙光１０００Ａ系统上的运行结果表明。

基于Newman快速算法的航运网络社团结构

为了研究航运网络的网络结构及其相关特性,以航运网络的社团结构为对象研究,构建了基于模块度的Newman快速算法。选择由453个港口和3 444条边构成的"二十一世纪海上丝绸之路"(简称"海丝之路")无向无权航运网络为案例,从航运网络连接性视角,采用Newman快速算法对"海丝之路"航运网络进行计算,得出该航运网络的社团结构性质:网络中只有一个由173个港口节点构成的核心社团,且为领导者社团,度值接近于幂律分布,其他均为小型社团,表明"海丝之路"集装箱航运网络为巨型社团结构,且具有核心节点。

基于Newman快速算法的中国航空网络社团结构研究

研究中国航空网络的复杂特性,探究网络内部的演变规律和发展趋势,有助于航线结构调整和后续政策制定等。以2012-2017年航空网络为研究对象,构建拓扑结构并基于R平台,采用Newman快速算法分析社团结构及内部特征。研究结果显示,中国航空网络符合小世界特性且有向无标度网络演化的趋势;网络中存在核心节点,且逐步形成以北上广为三大中心枢纽,核心节点为区域枢纽的机场群格局,研究为机场群打造中枢辐射型航空网络构建提供了实证基础。

用于社团发现的Girvan-Newman改进算法

为了克服Girvan-Newman算法运行效率的不足,提出了一个基于modularity极值近似的社团发现算法MEA。该算法采用modularity增量作为社团结构的度量,使用贪心策略获得最优社团分划的近似解。通过理论分析,并在实际的数据集上进行实验验证,结果表明MEA算法是快速、有效的。

一种基于改进的Newman快速算法的文本聚类方法

针对文本聚类计算量大的特点,提出了一种将概念格和Newman快速算法两种理论相结合的聚类方法。首先将文本表示为特征词语集,用统计方法抽取特征向量;同时,用IDF权重计算公式来计算词语的权重,并将词语权值离散化;然后,用形式背景表达关键词,通过相似度公式,计算出形式概念相似度大小;最后,构造Newman网络,根据Newman网络算法规则对待聚类文本进行聚类。实例表明,该算法不仅得到了正确的分类结果,而且大大降低了算法的复杂度,Newman快速算法仅为O((m+n)n)。

基于GPU的复杂网络社区挖掘算法并行计算

由于复杂网络的规模越来越大,在大规模的复杂网络中快速、准确地挖掘出隐藏的社区结构是当前该领域研究的热点问题。目前社区结构挖掘常用的基于快速Newman算法的社区结构挖掘算法之一是一般概率框架方法。以规模日益增大的复杂网络为研究对象,提出了基于GPGPU的一般概率框架并行算法,有效地解决了在大规模的复杂网络中快速、准确地挖掘出隐藏的社区结构问题。实验证明,随着节点数的增加,该并行算法在不损失准确性的前提下运行效率有所提高,为复杂网络社区结构挖掘的研究提供了一种高效的解决方案。

复杂网络社团结构划分方法及其应用

许多实际的复杂网络都具有明显的社团结构,整个网络的功能实现是网络中各社团相互联系作用的结果。文章分别使用Girvan-Newman算法和Newman快速算法对实际的复杂网络进行社团划分。仿真结果显示,使用两种算法对网络进行社团划分时,都能得到清晰的社团结构,使用GN算法得到的社团数目小于使用NF算法得到的社团数目。NF算法的运行速度明显比GN算法的模块度要快。

无线传感器网络CMR路由协议的改进

针对CMR路由协议在簇划分时分簇不均匀、孤立簇首较多等问题,提出新的簇划分算法来进行改进,并给出了算法的实现。改进后的算法选择连通度高的节点优先成为簇首,这样选择出的簇首更加利于簇的管理与维护。节点连通度的获取完全是分布式算法,具有较小的时间复杂度。实验表明,该算法大大降低了孤立簇首的个数,成簇饱和度较高。