面向缓存命中率的命名数据网络缓存优化策略

针对命名数据网络(named data networking,NDN)传统缓存策略存在缓存命中率较低、平均路由跳数较高的问题,提出了面向提高缓存命中率的缓存优化策略。对于每个路由节点,结合当前已缓存内容块的命中次数,以及请求命中的时间特性计算各个内容块的动态优先权值;然后根据此值进行缓存内容块的替换,保留当前请求率高且预计未来请求率高的内容块。在此基础上,根据内容请求路径上各路由节点缓存内容的优先权平均值,设计了高优先权缓存决定策略,从而选择合理的缓存放置节点。仿真实验结果表明,相较于典型的NDN缓存策略,该策略能有效提高缓存命中率,降低平均请求跳数。

求解柔性作业车间调度问题的混合遗传算法

针对用遗传算法求解柔性作业车间调度问题过程中所表现的局部搜索能力差及易“早熟”现象,提出了一种将遗传算法与混合蛙跳算法相结合的混合算法用于求解单目标柔性车间调度问题。首先对单目标柔性车间调度问题进行建模,然后对算法的整体流程进行阐述,在遗传算法的基础上,在初始种群生成时采用混沌理论产生分布均匀的随机数提高初始种群在解空间分布的均匀性,并针对柔性车间调度问题的特性改进遗传算法的交叉方式及变异规则;并在遗传算法每轮迭代后,将表现优异的个体加入优良种子库进行保护,并采用混合蛙跳算法对优良种子库进行局部搜索寻优,将得到的更优解与下轮个体交叉迭代,提高局部搜索能力,改善传统遗传算法“早熟”问题。通过对Brandimarte(mk01~mk10)算例进行仿真测试及对比其他算法,该算法得到了目前的MK08算例的最优解,证明了该算法具有一定的有效性与可行性。

基于缓存价值的命名数据网络缓存优化策略

为了解决当前命名数据网络(Named Data Network)中的传统缓存决定策略如LCE (Leave Copy Everywhere)、LCD(Leave Copy Down)、Prob (Copy with Probability)中存在的由于路由器缓存利用不合理导致的路由器缓存命中率过低,及满足用户请求所需跳数过多导致的时延过大等问题,提出一种基于缓存价值的缓存策略。该策略结合兴趣包路由跳数与所请求数据包大小,以及兴趣包所经过路由节点缓存情况,计算数据包缓存价值,由此将数据包缓存在合适的节点,以提高缓存命中率。在此基础上考虑下游节点的过滤效应,提出相对于传统缓存替换策略LRU、LFU的基于动态缓存价值的缓存替换策略,以进一步提高缓存命中率。经过大量仿真对比实验,验证了本文提出算法的有效性及可用性。