基于MPLS流量工程的路径最优排序算法

针对多协议标记交换（MPLS）网络流量工程的路由选择问题,在分析已有算法的基础上,提出一种路径最优排序算法。该算法使用一种学习机,根据随机网络环境提供的信息自动学习,计算出最佳路由优先顺序,按此顺序确定最佳转发路径。仿真结果表明该算法路由拒绝率低、计算速度快,并且能够有效地保证网络服务质量,是一种高效快捷的路由选择算法。     

模糊综合评判算法在网络流量预测中应用

研究了网络流量预测准确性问题。预测网络数据流的动态变化,针对互联网中对网络流量的不确定影响因素较多,传统的流量预测模型精度较低等问题缺陷,提出了一种新的模糊综合评判算法,对网络流量进行预测。在全面分析网络流量相关需求的基础上,首先利用相关空间重构对网络流量原始数据进行重构,采用改进的层次分析多模型进行优化,建立模糊综合评判的网络入侵检测多指标评估模型,最终经预测得出结果。仿真结果表明采用该算法对实际网络的流量进行了预测,验证了方法具有较高的预测精度。     

一种基于小波变换的校园网流量预测方法研究

流量预测是实现网络管理与控制的重要前提。通过介绍网络流量特征,描述了网络流量预测基础理论,将神经网络与小波变换相结合,设计出一种紧致型小波神经网络流量预测算法,采用真实校园网流量数据对所提算法进行实验分析,并与相关方法进行对比。实验结果表明该算法是有效的。     

粒子滤波最大熵算法在网络流量预测中的应用

研究网络流量预测优化问题,网络技术的发展使网络的流量增大.针对网络中对网络流量的不确定影响因素较多,同时由于传统的网络流量预测算法都是线性模型,无法适应网络流量非线性变化,从而导致预测精度不高等缺陷,提出了一种粒子滤波和最大熵算法原理相结合的新的网络流量预测模型.首先用模型捕捉原始数据的重构性,然后采用粒子滤波算法对最大熵进行优化处理,根据得到的预测结果作为约束的信息,采用优化后的最大熵得出预测的结果分布.最后采用算法与其它几种常见的流量预测算法相比较,仿真结果表明,改进方法比传统的几种网络流量预测算法具有更高的预测准确度和较高的泛化能力.     

一种基于混合模型的实时网络流量预测算法

流量预测是流量工程、拥塞控制和网络管理的核心问题.网络流量由大量的非线性变化部分和少量的但不可忽略的线性变化部分组成.现有的网络流量预测算法只是单一采用线性或者非线性的方法进行处理,这种片面性造成预测的准确度和实时性难以保证.针对网络流量的特点,提出了一种基于卡尔曼滤波和小波分析混合的流量预测算法.通过对网络流量的线性部分和非线性部分进行区分对待,从而提高预测的准确度和实时性.仿真结果表明,该算法与单一的线性预测算法和非线性预测算法相比,具有较高的预测精度和较好的实时性.     

互联网社区化的测量与管理研究

分析和定义面向应用的社交网络,以网络流量识别为基础,通过对不同网络应用社区的分析,提出一种新的社交网络发现算法。运用该算法对实际网络流量进行典型社交网络实验分析,结果表明,该算法可以较好地发现各类社区,为基于社区的网络运行管理与测量研究奠定良好的基础。     

一种基于神经网络的流量报警机制

针对传统基于流量的网络报警系统误判率高的缺点,提出了一种根据网络流量状态调整阀值的网络报警机制。这种报警机制通过运用神经网络和统计学算法对网络流量进行预测和分析,能有效地发现网络流量异常情况,从而为评估和优化网络性能提供有力的依据。     

基于SDN网络的安全设备路由研究

SDN（Software Defined Networking,软件定义网络）是一种新型的网络架构,是网络实现自动化部署灵活管理的一个重要方式。SDN技术将网络的数据平面和控制平面相分离,从而实现了网络流量的灵活控制。因此,基于SDN技术提出了一种基于SDN网络的安全设备路由模型,该模型结合改进的内嵌式安全设备最短路由算法和旁路式最短路由算法及神经网络最短路由算法,得到一种高效的安全设备路由策略,并且在此基础上构建了一个网络安全服务调度系统,能够在安全设备混合部署的复杂网络环境中,按用户需求提供个性化的安全服务;同时,通过计算较低网络成本的最短安全路径,提高了网络的路由效率和资源利用率。     

基于定量递归联合熵特征重构的缓冲区流量预测算法

对网络基站缓冲区的短时网络流量的准确预测是缓解和控制拥堵的关键.基站缓冲区的短时网络流量时间序列具有非线性混沌特征,其自相关特性较弱,而传统方法采用线性时间序列分析方法没能有效挖掘流量序列的非线性特征信息,流量序列预测性能不好.提出了一种基于非线性时间序列分析的定量递归联合熵特征重构网络基站缓冲区的短时网络流量预测算法,该算法提取流量序列的定量递归联合熵特征,并对特征序列进行相空间重构;把网络流量信号模型进行高维映射,在高维相空间对短时网络流量序列进行定量递归分析;采用自相关特征奇异分解对流量序列进行聚合后的线性叠加,采用平均互信息算法和虚假最近邻点算法计算最佳时延参数和最小嵌入维;进行插值拟合形成时频分析特征分流控制,实现对网络流量的预测.仿真结果表明,该算法预测精度较高,稳定性较好,预测偏差较传统方法低,具有较好的应用价值.     

多蚁群算法的网络负载动态均衡方法

针对网络资源管理中的负载均衡与优化问题,提出一种多蚁群网络负载动态均衡方法,采用网络流量工程理论中拥塞控制机制实现信息素随网络流量动态释放与更新。算法通过蚁群间信息素的动态相互作用（蚁群内信息素相互增强,蚁群间信息素相互削弱）,将代表网络负载的蚂蚁合理分配到可用路径,避免蚂蚁集中到特定路径而造成网络拥塞。实验结果表明,通过路径信息素控制能够实现网络负载均衡,有效提高网络在路径延时、平均带宽利用率和平均丢包率方面的性能。     

Analysis of bandwidth allocation on end-to-end QoS networks under budget control

This paper considers the problem of bandwidth allocation on communication networks with multiple classes of traffic, where bandwidth is determined under the budget constraint. Due to the limited budget, there is a risk that the network service providers can not assert a 100% guaranteed availability for the stochastic traffic demand at all times. We derive the blocking probabilities of connections as a function of bandwidth, traffic demand and the available number of virtual paths based on the Erlang loss formula for all service classes. A revenue/profit function is studied through the monotonicity and convexity of the blocking probability and expected path occupancy. We present the optimality conditions and develop a solution algorithm for optimal bandwidth of revenue management schemes. The sensitivity analysis and three economic elasticity notions are also proposed to investigate the marginal revenue for a given traffic class by changing bandwidth, traffic demand and the number of virtual paths, respectively. By analysis of those monotone and convex properties, it significantly facilitates the operational process in the efficient design and provision of a core network under the budget constraint.     

考虑网络流量的最优路径求解模型和算法

本文旨在解决交通网络中群体车辆的路径选择问题．即为每个车辆寻求最优行驶路径．使之在起迄点间的旅行时间最短．考虑到网络流量对路段旅行时间的影响，先进行流量分配，再同时为各个车辆寻求最短路径．为此，首先给出了考虑流量影响的网络模型，然后建立了基于路段的用于流量分配的变分不等式模型．该模型的解给出了车辆按照最优路径行驶时分配到各路段上的车辆数目．由于该模型是完全基于路段的，从而克服了基于路径方法必须进行路径穷举的缺陷．最后给出了最优路径选择算法，并证明了算法的正确性．本文给出的模型和算法适用于交通畅通、交通拥挤等各种情况．实验结果表明本文提出的模型和算法是非常有效的．     

A real-time traffic control scheme of multiple AGV systems forcollision free minimum time motion: a routing table approach

A two-staged traffic control scheme, in which sets of candidate paths are prepared off-line prior to overall motion planning process, has been widely adopted for motion planning of mobile robots, but relatively little attention has been given to the application of the two-staged scheme to multiple automated guided vehicle systems (MAGVSs). In the paper, a systematic two-staged traffic control scheme is presented to obtain collision-free minimum-time motions of AGVs along loopless paths. The overall structure of the controller is divided into two tandem modules of off-line routing table generator (RTG) and an online traffic controller (OTC). First, an induced network model is established considering the configurational restrictions of guide-paths. With this model and a modified k-shortest path algorithm, RTG finds sets of k candidate paths from each station nodes to all the other station nodes off-line and stores them in the form of routing tables. Each time a dispatch command for an AGV is issued, OTC utilizes these routing tables to generate a collision-free minimum-time motion along a loopless path. Real-time computation is guaranteed in that the time-consuming graph searching process is executed off-line by RTG, and OTC looks for the minimum time motion among the k candidate paths. The traffic control scheme proposed is suitable for practical application in centralized MAGVS with zone blocking technique     

RBF神经网络的行车路径代价函数建模

行车路线优化是城市智能交通系统的研究热点之一,对整个交通系统的优化起着重要作用.分析了影响行车时间的各种因素,结合图论中最短路径算法,建立了基于RBF神经网络的路径代价函数模型.基于该函数模型,可以计算出交通图中任意给定两地间的时间最优路径.将该模型应用于实际路况进行有效性验证,得到了有实用价值的结果,说明了该模型的正确性和有效性.     

基于离散事件辨识的交叉路口自适应信号调度

交叉路口的车辆调度是长期被关注的热点问题。由于交通流量分布的不确定性,道路拥塞现象不能完全避免。交通输送能力也难以在短期内有质的改善。本文提出了一种自适 应信号调度算法,并通过分析不同车道的通行优先级,将车辆的到达、排队等待和离开均分别看成离散事件的不同状态。运用排队论对车辆的每一个状态进行辨识,预测出下下一周期内各车道的车辆数目。本文提出了道路交通流量的目标优化函数。在相关约束条件的基础上,信号周期能根据实时交通流量和对应道路的饱和交通流量来进行调整。通过文中实例分析表明：该算法增强了整个路网的吞吐能力,提高了道路的利用率     

基于随机森林算法的无线传感网络攻击流量阻断模型构建

针对无线传感网络攻击流量阻断存在攻击流量检测准确率较低、阻断效果较差的问题,构建了一种基于随机森林算法的无线传感网络攻击流量阻断模型。基于字符（单词）的词频矩阵,利用TF-IDF算法将有效载荷的特征自动提取出来;根据特征结果使用随机森林算法通过词频矩阵对网络流量实行分类,基于分类结果对网络中的流量攻击实现溯源,完成异常无线传感网络检测;利用流表的报文过滤实现无线传感攻击流量的阻断。实验结果表明,该模型在检测攻击流量时,准确率最高可达100%,调和平均数最高为99.18%,错误率最高仅为7.3%,假阳性率最高仅为5.5%,同时能够有效阻断网络攻击流量,在较短时间内将网络恢复至正常,具有良好的攻击流量检测效果和攻击流量阻断效果。     

IP/WDM网络的虚拓扑设计

为解决IP网络与光网络融合过程中虚拓扑设计的问题,提出基于短光路优先建立的IP/WDM网络动态虚拓扑配置方法。该方法通过引入光通道跳距限制,避免长光路对资源的浪费,达到缩短光通道长度和增强光层建路能力的目的。仿真结果表明,利用该机制配置的虚拓扑进行业务梳理,能够在较宽的负载范围内降低网络阻塞率,提高业务梳理效率。     

一种基于SRLG条件失败概率限制的保护算法

研究了IP／MPLSover WDM网中，如何建立两条共享风险链路组(SRLG)分离的标记交换(LSP)问题，提出一种新的基于SRLG条件失败概率限制的保护算法。该算法寻找SRLG条件失败概率最小的最短路径作为工作通路的保护通路，既能最大限度地保护用户业务的可靠性要求，同时又能够有效降低全网LSP建立请求的阻塞率。     

交换式网络中多TRUNK路径的MATE流量均衡

MATE算法通过检测多条路径的状态并计算其成本实现多条等价路径上的自适应流量调整,从而实现流量均衡,能有效地解决交换式网络中多TRUNK路径间的流量均衡。     

Modeling and analyzing the performance of adaptive hierarchical networks

As networks become larger, scalability and QoS-awareness become important issues that have to be resolved. A large network can be effectively formed as a hierarchical structure, such as the inter/intra-domain routing hierarchy in the Internet and the Private Network-to-Network Interface (PNNI) standard, to resolve these critical issues. Methods of modeling and analyzing the performance of QoS-capable hierarchical networks become an open issue. Although the reduced load approximation technique has been extensively applied to flat networks, the feasibility of applying it to the hierarchical network model has seldom been investigated. Furthermore, most of the research in this area has focused on the performance evaluation with fixed routing. This work proposes an analytical model for evaluating the performance of adaptive hierarchical networks with multiple classes of traffic. We first study the reduced load approximation model for multirate loss networks, and then propose a novel performance evaluation model for networks with hierarchical routing. This model is based on a decomposition of a hierarchical route into several analytic hierarchical segments; therefore the blocking probability of the hierarchical path can be determined from the blocking probabilities of these segments. Numerical results demonstrate that the proposed model for adaptive hierarchical routing yields accurate blocking probabilities. We also investigate the convergence of the analysis model in both the originating-destination (O-D) pair and the alternative hierarchical path. Finally, the blocking probability of the adaptive hierarchical O-D pair is demonstrated to depend on the blocking of all hierarchical paths but not on the order of the hierarchical path of the same O-D pair.