无线传感器网络移动Agent路由算法的研究与仿真

提出一种新的基于虚拟连通拓扑子图的优化模型用于无线传感器网络移动Agent路由。建立包含有效节点的虚拟连通拓扑子图,将Agent访问路径分解为采集子路径和返回子路径,提出一种基于GA与离散PSO的混合算法GAPSO用于求解该问题。该算法可大大降低解空间复杂度,提高搜索效率。仿真结果表明随着网络规模增大,该优化模型优势明显,GAPSO表现出比GA更好的性能。

一种基于移动Agent的网络性能管理系统及性能分析

针对传统的基于SNMP在网络管理中的不足,设计了一种基于移动Agent的网络性能管理系统,此系统融合移动Agent技术,解决了传统网络管理的管理资源占用、处理能力瓶颈和灵活性差等问题,提高了网络管理的效率。主要描述了本系统的架构模型及工作原理,并同传统的基于SNMP的网络性能管理系统进行了理论和实验比较,结果验证了本系统的优越性。

基于网络覆盖和多目标离散群集蜘蛛算法的多移动agent规划

以agent负载能耗均衡度和网络总能耗为指标构建多移动agent协作规划模型,为了尽可能延长网络生存周期,给出基于网络覆盖率的节点休眠机制,在满足WSN网络覆盖率要求的同时,采用较少节点处于工作状态。根据多移动agent协作规划技术特点,设计融合Pareto最优解多目标离散群集蜘蛛算法(MDSSO),重新定义插值学习和变异交换粒子更新策略,并动态调整最优解集规模,以提高MDSSO算法多目标求解精度。实验仿真结果表明,该方法能够快速合理给出WSN多移动agent规划路径,而且与其他传统算法相比,网络总能耗降低了约15%,生存期提高了约23%。

WSNs中基于蚁群模拟退火算法的移动Agent访问路径规划

关于无线传感器网络(WSNs)中移动Agent(MA)路由规划问题的解决方法,基本都以把它抽象成为一个无向全连通图(Completely Connected Graph)作为分析的前提,但一跳网络在实际的WSNs应用中并不合理。文章提出一种适用于多跳WSNs的基于蚁群模拟退火算法(ACA-SAA)的移动A-gent访问路径规划模型。在Sink节点建立包含源节点在内的本地网络节点关系表LNNRT,将MA访问路径分解为定向子路径、数据融合子路径和返回子路径,利用ACA-SAA算法分别对子路径的解进行进化计算以求得最优解路径。仿真结果表明,随着网络规模的扩大,该优化模型优势明显,ACA-SAA表现出比SAA和ACA算法更好的性能。

P2P网络中移动agent的搜索资源分配研究

针对P2P网络中的资源搜索问题,讨论了非结构化P2P网络中的几种搜索方案,着重关注了基于移动a-gent的资源搜索方法,针对搜索资源有限、网络节点的异质性等约束提出了基于最优搜索理论的移动agent搜索资源的全局最优分配模型,并与通常情况下的均匀资源分配进行了比较.

一种新的求解移动Agent路由问题优化算法

文章对移动Agent在无线传感器网络中的路由问题进行描述,给出该问题的多约束最优非劣路径求解模型,并提出一种SA-CA算法求解移动Agent路由问题:利用模拟退火(Simulated Annealing,SA)算法接受最优单体以推动文化算法(Cultural Algorithms,CA)中信仰空间的进化,并将搜索步长作为情景知识指导群体空间最优解的搜索。这种双层结构特性减少了搜索时间,表现出较好的全局寻优性能。仿真实验也表明,与粒子群优化算法(PSO)、遗传算法(GA)的计算结果相比,提出的新算法在保证求解准确性的同时,具有更快的收敛速度和较高的可靠性,是解决无线传感器网络多约束QoS路由的有效途径,能提高整个网络的性能。

多无人机辅助的移动边缘计算任务卸载及路径优化方法

针对多无人机辅助移动边缘计算中的任务卸载决策和路径优化问题,提出了一种基于多智能体深度强化学习的计算任务卸载与路径优化方法,以降低系统总能耗,提升计算性能。首先,设计了多无人机辅助移动边缘计算系统模型,通过软件定义网络技术对无人机网络进行集中管理;然后,在考虑无人机负载及用户设备关联服务公平性的基础上,以系统总能耗为优化目标,通过设计多智能体深度确定性策略梯度算法完成任务卸载与无人机路径管理优化,以实现负载均衡、降低整个系统总能耗。仿真实验结果表明,与其他基准算法相比,所提方法在充分利用无人机辅助移动边缘计算系统计算资源的基础上,可在一定程度上降低系统能耗和计算延迟,保证整个系统的高效、稳定和可靠性,较好地满足移动边缘用户的服务请求。

移动无线传感网中多AGENT的轨迹协同优化方法研究

在基于移动Agent的无线传感网络中,移动Agent的轨迹优化控制问题是网络性能优化的关键问题之一,直接决定了信息的传输速度与能量的耗损。结合最小生成树算法和GCF(Global Closest First)算法的思想,提出了一种新的多Agent轨迹协同优化方法,对节点合理高效的编组规划,使移动Agent从数据处理中心出发,经各自的访问源节点采集数据后,再回到数据处理中心的轨迹联合最优,提高整个任务流程的执行效率。与传统的最小生成树方法相比,该方法优点在于,不仅解决了普通单移动Agent任务延迟长的问题,同时避免了因生成树的主干分枝过多而导致的编组内节点数量大、分布广的问题。最后,利用仿真将该方法和最小生成树方法进行比较,结果表明,该方法在任务延迟和能量消耗的综合性能方面更具优越性。

基于PSO算法和移动Agent的WSN路径优化研究

研究了基于PSO(particle swarm optimizing)算法对无线传感器网络中移动Agent迁移路径进行优化的方法。针对传统C/S模型网络中传感器节点需要直接发送数据给Sink节点导致节点能量消耗过大等问题,提出一种采用移动Agent根据路径选择访问节点并将融合后的数据发送给Sink节点的方法,并给出了一种通过PSO算法对路径进行优化的改进方法。实验证明:该方法能够有效降低网络能耗和提高网络生存时间。

基于移动Agent的分级多层无线传感器网络入侵检测系统与技术研究

文章介绍了入侵检测系统及其分类,指出了目前在无线传感器网络中入侵检测系统(IDS)所面临的挑战。在此基础上,提出了一种基于Agent的分级多层无线传感器网络入侵检测系统与技术,并分析了其网络结构、工作原理和性能。

基于大数据分析的移动通信网络性能优化策略研究

作为现代社会的重要基础设施之一,移动通信网络的性能优化对提高通信质量、降低通信成本具有重要意义.文中基于大数据分析技术,探讨了移动通信网络性能优化的策略与实现方法.首先,介绍了移动通信网络的架构特点、面临的性能问题和挑战、性能评价方法等.然后,讨论了大数据分析技术在通信网络优化中的应用,包括数据采集与处理、具体应用场景以及其对网络性能优化的影响.最后,提出了基于大数据分析的网络负载优化、故障诊断与恢复策略、网络资源管理与优化等性能优化策略,并阐述了具体的实现方法.通过研究,希望能为移动通信网络的性能优化提供参考和指导.

基于移动代理的卫星网路由性能研究

通过仿真方法分析代理系统中影响基于移动代理卫星网路由算法性能的关键因素,给出了拟仿真的路由算法及其NS2仿真方案,详细阐述了使用Grasshopper、JADE和Linux、运行于局域网环境、支持代理的卫星网仿真平台构建方案,包括仿真平台的系统结构、卫星节点功能实体、路由代理交互接口、星际链路仿真模块等。通过与NS2中的仿真结果对比,得出了高链路时延下的移动代理迁移效率是影响路由算法性能的关键因素,并通过代理系统间横向比较,给出了路由算法开发以及仿真平台构建过程中代理系统的选择建议。

基于萤火虫算法的无线传感器网络移动sink节点路径规划方法

为了解决通信范围建模为圆形区域且存在相互重叠的无线传感器网络中移动sink路径规划这一NP难问题,提出了一种新的基于萤火虫群的路径规划方法.首先依据问题的特性对可行解空间进行了压缩;然后为提高算法在高维解空间的搜索效率,对离群萤火虫粒子设计了变异操作并设计了个体逐维移动的方式,提高了算法的求解精度并加快了算法的收敛速度.通过仿真实验分析及与其他算法的对比,验证了该方法的有效性.

NS-2移动代理网络仿真功能扩展设计和实现

在分析网络仿真工具NS-2特点的基础上,提出了移动代理模型的建立以及数据包、节点和代理扩展技术,通过修改原有的数据结构和增加新的网络模块扩展NS-2的功能以实现移动代理网络的仿真,并据此设计实现了移动代理网络模拟软件。利用该软件,可以有效地分析移动代理系统的网络性能,为其设计和评估提供可靠的依据。

SNMP网络的个性化性能监控

提出了一个新的网管系统方案,性能管理任务发布以XML为标准,采纳Expression-MIB思想为表述规则,实现了对SNMP网络的个性化性能监控。将移动Agent的能力划分为3层,生物能力层、职业能力层和私有能力层,根据XML的内容指示动态地装载所需的能力类,提高了移动Agent代码库的可重用性和可维护性。

Q学习和蚁群优化混合的无线传感器网络移动代理路由算法

针对无线传感器网络移动代理路由问题,提出了Q学习和蚁群优化混合的无线传感器网络移动代理路由算法。该算法综合了Q学习和蚁群优化算法思想,引入了新的路径选择概率模型,并对最优路径进行了有效的维护。仿真实验结果表明:该算法有效地提高移动代理选路效率,满足不同任务对时延的要求,增强了最优路径的可靠性,进一步降低了网络能耗。

双信道无线传感器网络移动代理路由算法

针对移动代理在信道竞争过程中的相互碰撞及相互抑制问题,提出了一种移动代理联合优化路由算法(MACORA).首先利用双层图模型将双信道无线传感器网络中的信道变换问题转化成双层图中的路由问题,进而可将寻路业务和数据传输业务分别放在双层图的控制层和数据层中同步传输,然后将双层图的控制层和数据层融合成一个双层网络,并在这个双层网络中为每个业务实时选路,最后充分利用不同网络层间的空闲信道资源来减少移动代理在信道竞争过程中的相互碰撞及相互抑制概率,达到降低网络堵塞率及数据包传递失误率2个目标.仿真结果表明,与动态传感器网络移动代理路由算法及无线传感器网络移动代理路由算法相比,MACORA算法能将数据包的传递成功率提高15%,并能有效降低网络的平均通信延迟.

路由优化对移动IPv6网络性能的影响

移动IPv6中引入路由优化的目的是缩短移动节点与通信节点之间的端到端延时。为了观察路由优化对网络性能产生的影响,采用NS-2网络模拟软件创建了较为复杂的移动IPv6网络环境,通过切换延时、分组丢失、端到端延时等典型的移动IPv6网络性能参数影响实验,经过对仿真结果的分析,提出了一个切换延时和分组丢失的计算公式,并指出,路由优化可能会导致增加切换延时和分组丢失。给出了一种对移动IPv6网络性能影响极小的路由优化策略。结果表明,基于路由优化对移动IPv6网络性能是有影响的。

基于移动代理的大规模无线传感器网络路由优化算法

大规模传感器网络中常见路由算法耗能严重,不利于网络生命期最大化。在抽象出传感器网络移动代理路由模型的基础上,将移动代理路由归结为一个优化问题。为了优化移动代理路由,结合混沌搜索的全局空间能力和模拟退火算法的快速寻优能力,设计了一种具有记忆功能和多种邻域搜索方法的混沌模拟退火算法。理论分析和模拟实验表明,随着传感器网络规模增大,算法在优化结果、收敛速度及时间效率方面均优于遗传算法和粒子群算法,明显延长了网络的生命期。

无线传感器网络移动代理路由算法的仿真研究

路由选择问题是无线传感器网络中的核心问题。针对无线传感器网络节点能量、计算能力和通信能力有限等特点,为了降低能量开销和延长网络的生命周期,将蚁群算法和移动代理技术结合。提出一种新的无线传感器路由算法。考虑节点之间的距离、路径能量消耗和节点剩余能量情况,使网络中的能量消耗更加均衡,同时对蚁群信息素更新规则进行了改进,加快了蚁群算法收敛到最优解的速度。仿真结果表明,与其它移动代理路由算法相比,算法在全局性和收敛速度方面都有所提高,有效地减少冗余数据传输,降低通信消耗,延长网络的生存周期,为路由传感器设计提供了参考。