基于自适应波束天线的局部优化拓扑控制算法

拓扑控制有助于提高ad hoc网络的性能,采用定向天线的自组网拓扑控制比全向天线网络更为复杂。基于自适应波束定向天线模型提出一种局部区域优化的拓扑控制算法。该算法利用分簇的思想将网络划分为可重叠的多个区域,区域内节点采用最小生成树（MST）的思想确定邻居关系,通过调整节点发射功率,改变天线波束的朝向、宽度和增益来构建拓扑。算法减小了节点的平均度数,降低了节点的发射功率,从而降低节点能耗,减少了节点间干扰,提高了网络吞吐量,仿真结果表明,算法显著提高了网络性能。     

Ad Hoc 网络中改善拓扑控制性能的移动控制算法

在无线Ad Hoc网络中,拓扑控制算法能够使节点的传输功率小于最大传输功率,从而可以节省网络能量,提高网络容量.由于节点分布的随机性,在节点较为稀疏的区域,拓扑控制算法存在着局限性,因而提出了移动控制算法来改善拓扑控制算法的性能.在保证网络连通性的前提下,算法首先根据收集到的信息,通过构造网络最小生成树确定较长的通信链路,并移动网络中的部分节点使这些链路缩短,从而显著减小网络中较大的通信半径,提高了拓扑控制的性能.仿真实现了PMST-P,PMST-UV和LMST-LUV这3种移动控制算法,并对它们的性能进行了讨论和相互比较.     

一种基于区域分裂与合并的势博弈网络拓扑控制算法

现有无线传感器网络拓扑控制算法在传感器节点部署密集或稀疏区域存在网络拓扑链路冗余、个别节点负载过重、瓶颈节点和网络生命周期短等问题。针对这些问题,提出一种基于区域分裂与合并的势博弈网络拓扑控制算法,该算法首先划分目标区域并随机抛洒传感器节点,在每个子区域内进行博弈并选出簇首节点,利用区域分裂与合并思想,在节点密集区域进行分割再博弈,防止部分节点负载过大,在节点稀疏区域利用权重链路进行合并,防止出现瓶颈节点以保障网络连通;然后对所有簇首节点实施二次势博弈生成簇首拓扑结构连接各子区域。仿真结果表明,该算法能够有效缓解节点负载,均衡节点能耗,延长网络生命周期。     

一种可自维护无线网络拓扑最小能量特性的分布式拓扑控制算法

由节点的位置和传输范围确定的无线网络拓扑结构对网络的性能有着重大的影响.拓扑控制通过调节节点的传输功率能够优化网络的性能,减少节点的功率消耗,延长网络的生存时间.文中提出一个分布式的拓扑控制算法,由该算法产生的拓扑结构具有最小能量特性,并且在网络的组成发生动态变化时,算法可以以响应的方式维护全网的连通性和全局的最小能量特性.该算法不仅适用于同质的无线Ad Hoc网络,也适用于异质的网络.仿真研究表明,提出的算法在平均节点度、传输功率的效率以及响应拓扑变化的平均节点数等方面均优于基于直接传输区域的拓扑控制算法.     

自组网中基于自适应波束天线的拓扑控制算法

定向天线自组网拓扑的构建问题比全向天线网络复杂.基于自适应波束定向天线模型提出一种分布式拓扑控制算法,通过调整节点发射功率,改变天线波束的朝向、宽度和增益来构建拓扑.网络中每个节点收集其邻居节点信息,采用功率控制调度策略选择最优相邻节点,并选取覆盖所有最优相邻节点的最小发射功率为此节点的发射功率.算法在保证网络连通性与无向性的同时,降低了节点的发射功率,减小了节点的平均度数,从而降低节点能耗,减少了节点间干扰,提高了网络吞吐量.仿真结果表明,算法显著提高了网络性能.     

一种建立可自维护且具有最小能量特性的无线网络的分布式拓扑控制算法

由节点的位置和传输范围确定的无线网络拓扑结构对网络的性能有着重大的影响.拓扑控制通过调节节点的传输功率能够优化网络的性能,减少节点的功率消耗,延长网络的生存时间.文中提出一个分布式的拓扑控制算法,由该算法产生的拓扑结构具有最小能量特性,并且在网络的组成发生动态变化时,算法可以以响应的方式维护全网的连通性和全局的最小能量特性.该算法不仅适用于同质的无线Ad Hoc网络,也适用于异质的网络.仿真研究表明,提出的算法在平均节点度、传输功率的效率以及响应拓扑变化的平均节点数等方面均优于基于直接传输区域的拓扑控制算法.     

Ad hoc网络中应用多波束转换天线的拓扑逻辑控制算法

运用样方统计法推导出保证拓扑图高概率连通的临界邻居数,在此基础上,提出了一种Ad hoc网络中基于邻居数的分布式拓扑控制算法,通过调整网络中各节点的发射功率和选择节点多波束转换天线的朝向来对网络中各节点的邻居数进行控制,使得每个节点在其天线的各个扇区中找到的邻居节点个数等于（或略小于）预先设定的邻居节点个数K。由于该算法中每个节点使用了较低的发射功率,减小了节点间的干扰,提高了整体网络的使用寿命。仿真结果表明：新算法在维护网络高概率连通的同时,保证了节点最小能量特性。     

无线传感器网络中基于Voronoi覆盖及Delaunay三角剖分图的最小刚性拓扑控制算法

为同时满足覆盖与节能应用需求,本文提出了无线传感器网络中一种最小刚性拓扑控制算法MRTc（Minimal rigid topology control algorithm based on Voronoi coverage and Delaunay triangulation）.该算法基于Voronoi覆盖机制,准确控制节点工作状态,实现活动节点对目标区域的完全覆盖.在此基础上,MRTc利用Delaunay三角剖分图的特点,构建出适用于无线传感器网络的最小刚性拓扑结构.该结构有效约束了网络平均节点度,且同时具有容错性、覆盖性和稀疏性.此外,MRTc引入节点功率控制策略,在维持网络完全覆盖的基础上最小化节点能耗.仿真结果进一步验证了本文提出的MRTc算法的有效性.     

基于物理干扰模型的WSN拓扑控制算法

拓扑控制是无线传感器网络研究中的重要问题。现有的大多数关于拓扑控制的工作集中于如何降低能耗,但是没有考虑干扰带来的影响。针对网络容量的最大化问题,提出一种在信号干扰信噪比模型下的拓扑控制算法PLTCA。该算法无需任何节点的位置信息,通过计算3跳以内的前向和后向列表来构建拓扑。在PLTCA算法中,采用功率控制技术,节点通过改变发射功率或者发射方向选择自己的邻居节点,从而控制网络拓扑结构。通过理论分析对算法的连通性进行论证。仿真结果表明,PLTCA算法在保证网络连通性的基础上,减少了网络总体的能量损耗,与MaxSR算法相比,节点的平均链路能量损耗减少10%~20%。     

移动自组网基于能量效率的分布式拓扑控制算法

移动自组网中,网络的拓扑结构可以通过调节每个节点的传输功率加以控制,拓扑控制的基本目标是设计基于功率优化的算法,既能维护网络的连通性,又能降低节点的传输功率,延长节点的生存时间,达到优化网络性能的目的.在GG图的基础上,提出了一种基于能量效率的拓扑控制算法VCGG(a varying-cone distributed topology-control algorithm on Gabriel graph).算法采用可变扇区的思想,运用优先删除最远节点的方法(FDFN)选择逻辑邻居节点,建立了一个度有界、平     

An energy-efficient topology construction algorithm for wireless sensor networks

Topology management schemes have emerged as promising approaches for prolonging the lifetime of the wireless sensor networks (WSNs). The connected dominating set (CDS) concept has also emerged as the most popular method for energy-efficient topology control in WSNs. A sparse CDS-based network topology is highly susceptible to partitioning, while a dense CDS leads to excessive energy consumption due to overlapped sensing areas. Therefore, finding an optimal-size CDS with which a good trade-off between the network lifetime and network coverage can be made is a crucial problem in CDS-based topology control. In this paper, a degree-constrained minimum-weight version of the CDS problem, seeking for the load-balanced network topology with the maximum energy, is presented to model the energy-efficient topology control problem in WSNs. A learning automata-based heuristic is proposed for finding a near optimal solution to the proxy equivalent degree-constrained minimum-weight CDS problem in WSN. A strong theorem in presented to show the convergence of the proposed algorithm. Superiority of the proposed topology control algorithm over the prominent existing methods is shown through the simulation experiments in terms of the number of active nodes (network topology size), control message overhead, residual energy level, and network lifetime.     

稀疏网络中SIRS病毒局域控制模型与仿真

根据计算机病毒迅速传播所造成的重大危害,为了研究局域控制策略对稀疏网络中病毒传播的影响,提出了一个带有局域控制的二维规则稀疏网络SIRS模型。运行系统状态随时间的演化最终会达到一个稳定状态。发现病毒传播效率、网络中被控制个体比例、网络中个体密度和免疫个体失去免疫能力的概率这四个要素决定系统中病毒的稳态感染比例。只有当传播效率大于一个临界值时,病毒才能在网络中持续传播。采用计算机仿真和动力系统稳定性分析,仿真结果表明局域控制策略对控制稀疏网络中SIRS病毒传播有很好的效果。     

高效的MPR选择算法

OLSR(optimized link state routing)协议中最重要的功能之一是多点中继(multi point relays, MPR)节点的选择,该协议中路由的计算就要依靠MPR选择相关表项。传统的MPR算法只是减少了同一区域内相同消息的泛洪,并没有考虑网络中新加入节点获取全网拓扑信息的时间问题。针对该问题进行了研究并提出一种高效的MPR选择算法,该算法有三个步骤:首先减少了部分拓扑控制(topology control, TC)消息冗余问题;然后选择MPR时考虑有效覆盖面积让新加入的节点获取全网拓扑信息所需的时间缩短;最后考虑到移动性对网络拓扑的影响,基于历史信息预估下一时刻节点的位置,增强了链路的稳定性。通过仿真,将改进的MPR算法与传统算法比较,端到端时延降低,数据包的传递成功率也有所提升。     

一种启发式网络虚拟化资源分配算法

网络虚拟化是克服当前Internet僵化问题的一种重要方法,而资源分配是网络虚拟化技术的核心.为了平衡负载,本文提出了一种启发式资源分配算法HVNE.该算法充分利用虚拟节点和虚拟链路间的关联因素(虚拟网络拓扑),将节点映射和链路映射两个过程合并为一个统一的过程,改善了传统映射算法在拓扑稀疏时,算法性能不理想的问题.此外,HVNE允许同一个虚拟请求中的多个虚拟节点映射到同一个物理节点,节约了物理链路资源.HVNE将无向图的"k-区域划分优化"理论与传统的拓扑分割理论相结合,定义了虚拟拓扑间节点的关联因子,改进了传统的星形分割方法,使之能适用于大规模网络.仿真实验表明,HVNE在保证网络负载的情况下,获得了较好的虚拟请求接受率,较高的资源利用率和网络收益.     

自适应异构传感网节能优化拓扑控制研究

针对传统的节能优化算法没有充分考虑节点间的通信距离和节点失效后重新分簇等问题,为了延长网络的生存期,提出一种自适应优化异构无线传感器网络拓扑结构控制算法.提出的算法首先基于传输数据跳数和相邻传感器之间通信距离,依据相似三角形几何原理,结合具体应用场景对传感器节点的分簇、成簇等操作进行自适应优化控制.仿真实验表明:改进的...     

基于稀疏学习的连续型机械臂自适应控制器

探讨空间连续型机械臂执行在轨操作任务过程中的自适应轨迹跟踪控制器设计问题.首先,对于具有显著非线性特征的连续型机械臂动力学模型,考虑运动过程中存在的建模误差和外部干扰因素,设计变结构动力学控制器;然后,基于深度强化学习(deep reinforcement learning, DRL)对变结构控制器参数进行在线调整,实时优化控制器性能;最后,提出一种针对强化学习网络稀疏训练方法,训练过程中采用具有随机稀疏拓扑结构的稀疏连接层代替神经网络的全连接层,并以一定概率对连接薄弱的网络进行迭代剪枝,使得DRL的策略网络由初始稀疏拓扑结构演化为无标度网络,在不降低训练精度的基础上压缩网络规模.仿真结果表明,所提出基于强化学习的自适应控制器能够有效地进行连续型机械臂的跟踪控制,通过稀疏学习的方法,控制器在保证控制精度的同时,双隐层网络节点参数量下降99%,大幅降低了计算成本.     

Block sparse design of distributed controllers for dynamical network systems

This study proposes a controller design method based on block sparse optimization for dynamical network systems. The objective of the controller is to stabilize dynamical network systems with a given convergence rate. The block sparse optimization minimizes the number of controlled nodes. This study is unique in that the structure of the controller is constrained by the network topology of the system. Additionally, the proposed design problem is separable in terms of the distributed optimization over networks. The proposed method is applicable to controller design for the pinning control of consensus systems and the optimal vaccine allocation for epidemic spreading processes.