基于NS2的MPLS流量工程仿真研究

MPLS被认为是下一代Internet骨干网络的核心技术,利用MPLS可以有效实施流量工程。文中对MPLS技术进行了介绍,针对流量工程的要求,给出了满足MPLS流量工程要求的系统模型。通过对仿真工具NS2的扩展,建立了一个MPLS流量工程仿真器,可以实现对MPLS转发技术和约束路由算法进行性能评估。仿真器的核心思想是,在标记交换路由器LSR模型中实现了标记分发、信令协议和路由协议扩展等基本功能;在标记边缘路由器LER模型上实现了对显示路由算法的支持。     

基于NS2的MPLS流量工程仿真研究

MPLS被认为是下-代Internet骨干网络的核心技术,利用MPLS可以有效实施流量工程.文中对MPLS技术进行了介绍,针对流量工程的要求,给出了满足MPLS流量工程要求的系统模型.通过对仿真工具NS2的扩展,建立了一个MPLS流量工程仿真器,可以实现对MPLS转发技术和约束路由算法进行性能评估.仿真器的核心思想是,在标记交换路由器LSR模型中实现了标记分发、信令协议和路由协议扩展等基本功能;在标记边缘路由器LER模型上实现了对显示路由算法的支持.     

基于多QoS约束的多播路由算法研究

论文讨论了具有延迟、带宽和低代价等多QoS约束的多播路由算法，提出了适应于研究QoS多播路由的网络模型，并给出了一种具有多QoS约束的动态多播路由算法，分析了算法的复杂度。仿真实验证明，该算法是稳定有效的。它能够在满足多约束的情况下，使多播树的代价优化。     

基于流量工程的ECRP设计与实现

对基于MPLS的流量工程进行了深入探讨与分析,并着重研究其关键技术:约束路由算法。主要包括以下几个方面:介绍MPLS技术的基本原理,并在此基础上分析了如何基于MPLS技术实现流量工程(MPLS TE);分析了当前的约束路由算法,提出了一种能用于某ATM交换机的增强型约束路由协议(Enhanced Constraint-based Routing Protocol,简称ECRP),它能够维护全网的拓扑及链路状态信息。从中选择满足用户约束条件的路由,使得整个网络在一定程度上达到流量均衡。     

全光网及QoS机制研究

文中介绍了全光网（AON，All,Optical Networks)的结构及网络各层的组成，并分析了一些QoS机制在全光网上的实现，包括区分服务、流量工程、网络的恢复和保护，重点讨论了波分路由算法，以及其于约束的路由问题。     

支持QoS的覆盖组播分布式动态路由研究

研究了带度和延时约束的覆盖组播动态路由问题，提出了动态适应性覆盖组播路由协议OMP，给出了一个基于分布式触发重组的组播路由算法——动态覆盖组播路由算法(DDCOMR)，最后对该算法的复杂度进行了推证，对协议和算法的有效性进行了网络模拟。     

一种DiffServ和MPLS相结合的简单多类路由机制

从流量工程的角度出发，探讨了DiffServ网络中为实现QoS的两种不同的路由机制：单类路由（Single-Class Routing）和多类路由（Multi-Class Routing）。为了解决单类路由机制中容易产生的类间效应（Inter-Class Effect），在前人研究的基础上提出了一种优化的简单多类路由机制，给出了具体的算法，并研究了其在MPLS网络中的实现，给出了实现方案。     

一种基于带宽和时延的流量工程动态路由选择算法

在流量工程的路由选择模式中动态路由选择算法最重要。本文研究了多种动态路由选择算法后，提出了一种基于带宽和时延的流量工程动态路由选择算法，并通过实际仿真，验证了该算法的有效性和便利性。     

适用于路由算法研究的动态网络仿真系统

合适的网络模拟系统是进行智能路由算法研究的支撑环境。采用基于事件驱动的方法,研究实现一个动态网络路由仿真系统。给出构造网络拓扑、生成流量负载、实现网络协议、展现性能结果的设计过程。实验结果表明,该模型能对网络动态和非精确状态信息进行有效模拟且支持群体智能路由仿真。     

流量工程中多维目标优化的路由算法综述

互联网中传统的最短路径路由算法本质上存在导致拥塞的可能。网络拥塞不仅会降低网络性能,而且会使得服务提供商难以完成对客户的服务质量保证。通过在路由选择阶段面向流量工程实施优化,能够避免拥塞,提高网络资源利用率。概述面向流量工程的约束路由算法的研究进展。首先阐述了三类主要的流量工程优化目标：最小化网络资源占用、负载平衡和最小干涉,然后分析了各类典型算法,最后对此方向的研究进行了总结和展望。     

基于网络嵌入的稀疏子图发现算法

针对稀疏子图发现问题中使用高维稀疏向量表示网络信息存在的时间和空间消耗大的问题,提出一种基于网络嵌入的稀疏子图发现（TGF）算法。该算法首先通过网络嵌入的方法将网络结构映射到低维空间中,得到节点的低维向量表示;然后定义向量空间中的稀疏子集发现问题,将稀疏子图发现问题转化为稀疏子集发现问题;迭代搜索局部密度最低的样本点并对其进行扩张,最终找到一个满足条件的最大稀疏子集。实验结果表明,在Synthetic_1000数据集上与TERA（Triangle and Edge Reduction Algorithm）和WK（Weight of K-hop）算法相比,TGF算法的搜索效率是TERA的1 353倍,是WK算法的4倍,并且在k-line、k-triangle和k-density指标上也取得了较优的结果。     

基于网络嵌入的稀疏子图发现算法

针对稀疏子图发现问题中使用高维稀疏向量表示网络信息存在的时间和空间消耗大的问题，提出一种基于网络嵌入的稀疏子图发现（TGF）算法。该算法首先通过网络嵌入的方法将网络结构映射到低维空间中，得到节点的低维向量表示；然后定义向量空间中的稀疏子集发现问题，将稀疏子图发现问题转化为稀疏子集发现问题；迭代搜索局部密度最低的样本点并对其进行扩张，最终找到一个满足条件的最大稀疏子集。实验结果表明，在Synthetic_1000数据集上与TERA（Triangle and Edge Reduction Algorithm）和WK（Weight of K-hop）算法相比，TGF算法的搜索效率是TERA的1 353倍，是WK算法的4倍，并且在k-line、k-triangle和k-density指标上也取得了较优的结果。     

一种实时的智能机器人推理机制

为提高实例推理(CBR)机制的实时性,提出一种智能机器人推理机制。给出CBR推理流程,采用时间限定算法和向量空间法对其进行改进,以加快检索和完成学习,使用模块化部件搭建智能平台。实验结果表明,与CBR相比,该机制在完成相同任务时所使用的时间更少,得到的结果更加合理。     

Deep learning and case-based reasoning for predictive and adaptive traffic emergency management

An efficient traffic signal control system (TSCS) should not only be reactive to the current traffic but also be predictive by anticipating future traffic disturbances. In this study, we investigate the potential of using convolution neural network (CNN) in detecting emergency cases and forecasting events that can interrupt the traffic flow. Case-based reasoning (CBR) is then exploited to react to detected and forecasted events. We further develop an adapted Reinforcement Leaning (RL) algorithm in building and enhancing the case bases. The proposed system inherits the advantages of CNN, CBR, and RL, which allow detection, prediction, control, evaluation, and learning in a unified framework. To assess the proposed TSCS, we compare our approach with a set of state-of-art algorithms (e.g., multi-agent preemptive case-based reasoning algorithm and multi-agent preemptive longest queue first—maximal weight matching). The proposed TSCS outperforms the benchmarking algorithms through experiments in various traffic scenarios.

     

基于多层前馈神经网络的案例推理系统

采用基于该神经网络技术的案例推理系统，使用交叉覆盖算法，可兰亨登地缩减案例的检索时间、减少案例适应性修改、提高推磊效率。实验表明该系统易于设计构建，极大地提升了CBR在实际中的应用能力。     

基于事例的推理(CBR)研究综述

基于事例的推理(CBR)作为一种增量式的学习方法,规避了传统人工智能在知识获取上的瓶颈问题,逐渐引起人工智能领域研究者的关注。对基于事例的推理(CBR)现有研究工作进行逻辑上的梳理和系统的总结,有助于今后研究工作的开展,具有深远的理论意义。该文首次提出基于事例的推理(CBR)研究的逻辑体系结构,并在此逻辑分析的基础上,从基本理论、关键技术和实践应用三方面进行了综述,对其中关键、通用的方法和技术进行了比较和评价。最后,对未来的研究方向进行了展望。     

多Markov链预取模型在网络内存系统中的应用

主机通过高速网络访问远程内存的性能已经达到或远高于访问本地磁盘的性能，通过各种优化手段，网络内存系统的性能能得到更好的提升。该文基于一个Linux网络内存系统(LNMS)，在客户端一级提出了一种新的预取算法m-ppm，该算法发展了多Markov链预取模型，使之更适合LNMS。在LNMS上实现了另2种常用的预取算法以作比较，实验数据表明，m-ppm算法对多用户模式更有效。     

大规模MANET路由协议SPDSR的仿真研究

为改善大规模自组织网络中的通信质量,介绍了一种基于P2P(peer-to-peer,P2P)计算模式的新型MANET路由模型——SPDSR (structured peer computing based dynamic source routing)[1].根据移动自组网和对等网络的特点,对结构化P2P覆盖层网络技术应用到移动自组织网络路由中的可行性及原理进行了说明,在此基础上设计实现了该算法.最后通过NS2仿真工具对新协议进行了仿真,并与其他协议进行比较.实验结果表明,新协议在大规模网络中的性能优于其它协议,具有较强的可扩展性,研究结果为改善大规模网络的通信质量提供了可行的解决方案.     

Joint rate control for VBR MPEG video on PVC ATM links

A joint rate control algorithm for variable bit rate (VBR) MPEG-compressed digital video on point-to-point permanent virtual circuit (PVC) ATM links is proposed. The algorithm controls the encoding mode of a number of video encoders that operate either on VBR or constant bit rate (CBR) mode. The algorithm selects the encoding mode based on the buffer occupancy of a multiplexer co-located with the encoders that interfaces them to the PVC link. VBR encoding is the predominant encoding mode used during congestion-free periods. CBR mode is used only during congested periods. When CBR is selected, new bit rates are jointly assigned to the encoders based on their relative encoding complexities. The bit rate assigned to the encoders are enforced by a CBR rate control local to each encoder. The performance of the joint rate control algorithm is evaluated through simulation of a packet multiplexer, where a number of connections are multiplexed onto a fixed-capacity channel. The performance is compared to that of multiplexing conventional CBR and open-loop VBR from the video quality and bandwidth efficiency points of view. Simulation results show that the proposed algorithm improves performance over multiplexed conventional CBR or open-loop VBR MPEG video, without significantly increasing implementation complexity. The application of the algorithm to video-on-demand over ATM is discussed.     

An application of a GA with Markov network surrogate to feature selection

Surrogate models of fitness have been presented as a way of reducing the number of fitness evaluations required by evolutionary algorithms. This is of particular interest with expensive fitness functions where the time taken for building the model is outweighed by the savings of using fewer function evaluations. In this article, we show how a Markov network model can be used as a surrogate fitness function for a genetic algorithm in a new algorithm called Markov Fitness Model Genetic Algorithm (MFM-GA). We thoroughly investigate its application to a fitness function for feature selection in Case-Based Reasoning (CBR), using a range of standard benchmarks from the CBR community. This fitness function requires considerable computation time to evaluate and we show that using the surrogate offers a significant decrease in total run-time compared to a GA using the true fitness function. This comes at the cost of a reduction in the global best fitness found. We demonstrate that the quality of the solutions obtained by MFM-GA improves significantly with model rebuilding. Comparisons with a classic GA, a GA using fitness inheritance and a selection of filter selection methods for CBR shows that MFM-GA provides a good trade-off between fitness quality and run-time.