服务时间累积量控制的Geo^(X)/G/1排队的稳态队长

考虑服务台的启动由服务台闲期所有到达的服务时间累积之和(即顾客即将被服务的时间累积量)控制的离散时间批到达Geo^(X)/G/1排队服务系统。顾客成批到达系统,当顾客的被服务时间累积量超过某个非负整数D时,服务台立刻为顾客提供服务直到忙期结束(此策略被称为D策略)。该模型可为无线传感网络的从业者提供一些理论基础。首先,在准备工作中,讨论了忙期开始时刻的顾客数、服务时间累积量以及服务台的忙期和闲期分布;然后,通过闲、忙期到达顾客的分类和概率分析方法,研究了系统的离去时刻稳态队长和任意时刻n^(+)的稳态队长分布的概率母函数。作为特例,分析得到了离散时间Geo^(X)/G/1排队和D策略离散时间Geo/G/1排队的队长分布结果。最后,模拟分析了一类无线传感节点,并在数值上获得了节点的最低能耗。

一种SYN-Flooding攻击的防范对策

针对SYN Flooding攻击的特点,分析了常用的几种防御SYN Flooding攻击的方法,指出其防御方法的不足,提出一种FIFO淘汰防御方法,进行了攻击 防御实验,取得较好效果.

一种SYN/Flooding攻击的对策

介绍了目前防范ＳＹＮ／Ｆｌｏｏｄｉｎｇ网络攻击的几种典型的方法，在模拟高速交换网络的环境下实施了ＳＹＮ／Ｆｌｏｏｄｉｎｇ网络攻击的实验，通过对网络带宽和系统遭受攻击的影响的分析和比较实验结果，指出现有系统的不足，并提出了一种适用于高强度ＳＹＮ／Ｆｌｏｏｄｉｎｇ攻击的自适应ｃｏｏｋｉｅｓ防范模型，在Ｌｉｎｕｘ系统中实现了该模型，实验结果表明该模型能抵抗高强度的ＳＹＮ／Ｆｌｏｏｄｉｎｇ攻击，优于传统的防范策略。

AOS中基于QoS业务的跨层带宽分配方法

针对AOS空间通信系统带宽资源有限、传输业务种类繁多等特点导致带宽利用率低、吞吐量下降等问题,提出一种基于QoS的业务跨层带宽分配方法。为满足不同类型业务的QoS要求,联合应用层业务的优先级、数据链路层带宽大小、物理层调制阶数和编码效率构建跨层效用函数。为使分配的带宽更加合理,在效用函数中引入虚拟信道积压队列比和最小保证时隙,利用动态资源规划算法对效用函数最大化求解,进而分配带宽。仿真结果表明,与CBUFM方法以及CBCOT方法相比,该方法降低了各业务队列积压造成的时延,提高了各业务的满意度和带宽利用率,最终提升系统吞吐量,满足各业务QoS要求。

AOS中基于跨层效用函数的资源优化方法研究

AOS空间通信系统业务类型多、信道衰落时变大,导致其带宽利用率和吞吐量较低,并且无法满足多种业务的Qo S要求。为解决该问题,提出一种基于效用函数最大化的带宽和功率分配跨层优化方法。构建跨层效用函数模型,对应用层的服务质量要求、数据链路层的虚拟队列积压比、物理层的发射功率和信道状态等参数进行联合优化,将跨层效用函数转化为非线性整数规划问题,通过求解效用最优来合理分配带宽和物理层发射功率。仿真结果表明,与AOS传统方法和典型跨层资源优化方法相比,该方法在满足业务Qo S要求的前提下,能够保证业务的公平性,降低功率消耗,提高带宽利用率,提升系统吞吐量。

结合距离与队列积压的无线mesh网络拥塞感知路由协议

针对无线mesh网络中路由的拥塞问题,提出了一种结合距离与队列积压信息的拥塞感知路由(DBCAR)协议。结合链路质量源路由(LQSR)协议中的距离度量和E-Backpressure协议中的队列积压度量构建一种新的链路质量度量;每个节点通过探测数据包来计算链路质量,并通过控制数据包和其邻居节点进行交互,以此来更新链路质量;最后,节点根据链路质量来选择下一跳节点,从而构建从源节点到目的节点之间的最佳路径。在MAC层中为控制数据包分配最高的优先级,同时保证控制数据包的安全性。仿真实验表明,在不同的链路负载下,该协议在网络传输时延和网络吞吐量方面都具有优越的性能,具有可行性和有效性。

无线传感网络中基于时延感知的背压路由

尽管背压路由优化了传感网络的吞吐量,但其也存在数据包传输时延大的问题。为此,提出基于时延感知的背压路由(Delay-Aware Backpressure Routing,DABR)。DABR路由估算数据包驻留在队列中的时间(驻留时间),并依据数据包队列积压差和驻留时间决策路由,优先传输驻留时间长的数据包,进而在不损害网络吞吐量性能前提下,缩短数据包传输时延。仿真结果表明,提出的DABR路由提升了数据包传输成功率,并降低了数据包传输时延。

对外客运枢纽出租车接续运输供需匹配度评价方法

为解决因旅客出行方式选择的动态性和随机性而导致的抵达客流需求与运输运力供给不匹配的问题,建立了出租车接续运输供需匹配评价模型。首先,根据出租车排队特征和出租车供给情况,将枢纽场站内出租车接续运输的实际场景划分为出租车供给充足和供给不足两种情形;然后,将积压后移平稳估计法(Stationary Backlog-Carryover,SBC)考虑进M/M/C排队模型中,结合出租车运力、出租车数量和排队人数等,从实际旅客排队场景出发构建评价模型,同时引入出租车供需匹配度评价指标(指标值为10min)进行对比分析。最后,以北京南站东侧调度站为例,应用出租车接续运输供需匹配评价模型对其出租车接续运输供需匹配情况进行评价,并将计算得出的平均等待时间与实际测算的平均等待时间进行对比,验证了模型的准确性。计算结果显示:调查日内晚高峰时段乘客平均等待时间为6.24min,小于指标值,供需匹配情况较好;夜间时段乘客平均等待时间为15.20min,大于指标值,供需匹配情况较差。据此,未来枢纽管理部门和接续运输企业可根据实时出租车供需匹配情况合理安排出租车调度,提高枢纽运力保障和应急能力,实现旅客的快速有序疏散。

部分服务时间不独立的D策略和单重休假M/G/1排队

在已有的控制排队文献基础上,文章考虑了一个D策略和单重休假的M/G/1排队,其中服务员闲期到达顾客的服务时间是不独立的,而服务员忙期到达顾客的服务时间是相互独立的.由于服务时间的不同特点,因此稳态队长的随机分解规律不再成立.通过定义服务员闲期和忙期、并将顾客分成两类以及借助拉普拉斯变换和概率分析,研究了该排队系统的一些稳态性能指标分布,如服务员闲期、忙期、忙期开始时的队长和服务时间积压量以及任意时刻的服务时间积压量和队长等.最后,通过获得两个特殊排队的稳态平均性能指标和数值分析,进一步说明了文章理论分析的正确性.文章的研究结果表明,部分服务时间不独立的D策略和单重休假M/G/1排队和已有文献的研究具有完全不同的排队指标结果。

基于Max(N,D)策略的MG1排队系统的稳态指标

考虑一个由N策略和D策略同时控制的MG1排队系统.当顾客的到达个数至少为N个同时等待顾客的服务时间之和大于某非负实数D时,空闲的服务台重新开始服务顾客(称此服务启动策略为Max(N,D)策略).在此策略下,由于闲期到达顾客的服务时间是条件相依的,故队长的随机分解不再成立.通过将顾客分成两类,并借助拉普拉斯变换和概率分析,研究了该排队系统的稳态队长分布、稳态闲期和忙期分布、稳态服务时间积压量分布以及顾客的稳态逗留时间分布.数值算例分析了N、D和Max(N,D)策略对稳态平均队长的影响.在数值上获得了系统稳态费用最小的最优策略临界值,并比较了N、D、Max(N,D)和Min(N,D)策略的优越性.