输电线路在线监测WSNs优化部署研究

应用于输电线路在线监测的无线传感器网络(WSNs)通常呈长链型,存在跳数多、时延大的问题。引入具备无线公网通信模块的异构节点能够优化WSNs时延性能。考虑网络中传感器节点分布不均匀引起的数据分布不均匀这一普遍现象及其对时延的影响,建立了异构WSNs的最大时延模型;同时考虑网段划分和异构节点部署对时延的影响,提出了一种基于局部搜索思想的网络优化部署方法来优化网络时延。仿真结果表明:上述方法能有效降低网络最大时延,提高网络实时性。     

DVBMT问题的改进算法

对E-DVMA所研究的多播端到端时延受限条件下的最优时延抖动问题进行了改进。在不增大时延抖动的基础上,有效地降低了平均时延。仿真结果表明,该算法的平均时延小于E-DVMA的平均时延。     

DVBMT问题的一种改进算法

研究多播端到端时延受限条件下的最优时延抖动问题,目前已经出现了许多启发式算法,如DVMA(delay variation multicast algorithm)、DDVCA(delay and delay variation constraint algorithm)。DDVCA的时延抖动小于DVMA。Cheng等人也提出了一种算法,它的时延抖动小于DDVCA。在此基础上提出了一种有效的多播路由算法。仿真结果表明,该算法的平均时延抖动小于Cheng等人的平均时延抖动。     

基于用户偏好的协作内容缓存策略

随着无线网络不断增长的业务需求,蜂窝架构频谱资源受限,回程容量将成为系统瓶颈。为了缓解这种瓶颈,考虑一种特殊的异构蜂窝网络,结合缓存节点的部署、用户位置分布、用户对请求内容的偏好以及缓存节点有限的存储空间,对内容存储及用户关联联合优化问题进行建模分析。将目标函数建模为请求时延的最小化,简单证明该问题是NP-hard的,并设计了基于改进KM(Kuhn-Munkres)的内容放置策略。最后,通过实验比较了该算法与其他基准方案的性能。     

基于关键节点时延约束低代价组播路由算法

针对时延约束下低代价组播树的构建方法,提出了一种基于关键节点的时延约束低代价组播路由算法.该算法对已有的动态时延优化的链路选择函数进行改进,并加入关键节点和关键次数的概念.在首次选择目的节点时,重点考虑关键节点和关键次数因素,降低了选择低代价链路的时间复杂性,再利用改进后的链路选择函数依次选择节点加入树中,进而产生满足要求的组播树.实验仿真结果表明,该算法不仅能正确构建出时延约束低代价组播树,且与其他算法相比,构成组播树所需平均时间更少.     

基于5G心跳包的时延统计特性与相似度分析

为研究5G业务发包模型对时延的影响,针对工业场景中常见的心跳包业务,测量无干扰的室内小基站5G网络下心跳业务在真实物理链路中的环回时延,分析心跳包时延时序包括平稳性在内的统计特性;利用OCSVM算法进行异常检测,分别提取其正常态和异常态的特征参数,得到一种时延曲线的相似度判别方法并验证了其可行性,为平稳时序的相似性研究提供一种新的思路;利用提出的相似度方法检验不同发包模型下的时延相似度,检验结果可为5G工业场景下发包模型的调整、布网等提供参考。     

无线传感网络的端到端时延感知跨层优化研究

无线传感网络近年来获得全球范围内越来越多的关注。在实际应用当中,无线传感器网络的通信时延约束是网络QoS评价标准中非常重要的一项性能指标。在传统的无线传感网络吞吐量优化问题模型基础上,考虑网络端到端时延约束条件,并引入网络编码概念。最终采用李雅普诺夫优化算法将吞吐量优化问题转化成若干个子问题并进行分布式求解。该算法在保障网络稳定性和端到端时延约束的同时,得到一个接近最优的原始问题优化解。     

一种时延受限的最优时延抖动路由算法

研究多播端到端时延受限条件下的最优时延抖动问题,提出一种有效的多播路由算法。通过修改源节点到目的节点的路径,使时延较小的目的节点获得尽可能大的时延值,时延较大的目的节点获得尽可能小的时延值。仿真结果表明,该算法能获得较小的时延抖动。     

蚁群算法在QoS组播路由问题中的应用

研究了该算法在QoS组播路由问题中的应用,描述了QoS路由优化问题。基于多个不相关可加度量的QoS路由问题是NP完全问题,目前采用的方法多为启发式算法。由于蚁群算法是一种基于蚁群系统原理的、具有自组织能力的、新型的启发式优化算法,利用其能够寻找最短路径这一特性,提出了一种基于蚁群系统原理,用于解决时延和时延抖动约束问题的组播路由问题的QoS组播路由算法。该算法改进了路径选择策略,优化了信息素更新公式。仿真结果表明,该算法能够迅速、准确地找到最优解。     

时延及时延抖动限制的最小代价多播路由策略

满足多种服务质量请求的多播路由问题是目前多播通信中的重要课题之一。该文作者在研究受端到端时延及时延抖动限制的多播路由问题的过程中，发现当前许多算法所普遍使用的两个最佳链路选择函数并不能完全体现路由的动态过程，同时它们还存在一定的缺陷。而正是由于这种缺陷，在某些情况下通过这两个最佳链路选择函数所得到的结果树可能不包含所有的目标节点，文中称这种情况为“多播不可达”。针对上述问题，该文提出了“多播可达”的假设条件以及一个新的最佳链路选择函数，并在此基础上提出了一个满足时延及时延抖动双重限制的最小代价多播树的建立算法（DDVBMRA）以及一种动态重组多播组目标节点的方法。仿真结果表明本算法具有很好的延抖动及代价性能。     

5G超密集异构网络带内无线回传资源分配方案

为实现5G超密集异构网络中无线回传链路和接入链路之间的最优资源分配,研究多用户场景下双层异构网络的联合用户调度和功率分配问题,在队列稳定和无线回传资源有限的情况下,综合考虑用户调度、功率分配和干扰控制等因素,对带内无线回传的最优资源分配问题进行数学建模并求解,基于李雅普诺夫优化理论提出联合用户调度和功率分配的优化算法。将优化问题解耦为网络内各个用户的调度以及宏基站和小基站的功率分配过程,采用MOSEK求解器和二分类方法获得用户调度向量,利用拉格朗日乘子法求解功率分配问题,并通过队列的时刻更新过程实现最优资源分配。仿真结果表明,在多用户场景下,该方案能够有效提升网络总吞吐量以及网络效用,并且毫米波频段的通信性能优于传统蜂窝网络频段。     

移动低占空比传感网邻居发现算法

低占空比技术极大地降低了传感网（即无线传感器网络）的能耗,延长了网络的生命周期,但却使邻居发现变得异常困难.尤其结合了节点移动性后,邻居发现问题将具有更大的挑战性.提出了一种基于Continuous TorusQuorum 的移动低占空比无线传感器网络的邻居发现算法,可以解决这种在对称和非对称场景下的邻居发现问题,并提出了适用于移动场景的邻居发现概率作为评估邻居发现算法的性能,项目还开发了用于测量移动场景下低占空比邻居发现算法性能的仿真平台.理论分析和仿真实验结果均表明：该算法无论在对称或者非对称场景下均取得了很好的能效、发现概率和发现延时性能,优于当前几种典型的异构邻居发现算法（比如Disco,U-Connect 等）.     

NOMA网络中考虑回程约束的联合资源分配算法

针对应用非正交多址接入（NOMA）技术的异构蜂窝网络,提出了一种具有回程容量约束的能效最大化的功率和带宽分配算法。首先,考虑小蜂窝发射功率约束、小蜂窝速率约束和回程链路容量约束,构建了功率和带宽分配模型。然后,对于功率分配,利用凸差（DC）规划和函数的拟凹性将原问题转换为等价的凸问题,并使用凸差迭代法和二分法求得全局最优解;对于回程链路带宽分配,将其转换为可行性问题并给出了解析解。仿真结果显示,该方案的能量效率高于相同场景中的已有方案。     

无线网络中基于流媒体传输的自适应TFRC机制

在无线网络高误码率的环境下, 经典TFRC机制会将无线误码丢包误认为拥塞丢包, 导致吞吐量过度降低. 针对无线网络实时流媒体业务的传输控制问题, 提出了一种改进型动态自适应TFRC机制(Adaptive-TFRC). 它在接收端利用丢包区分参数来真实反映网络的状态(即拥塞或者误码), 然后反馈至发送端, 同时对经典TFRC机制的吞吐量模型公式进行改进, 最终能够根据实时网络条件动态自适应地调节传输速率. 仿真结果表明, Adaptive-TFRC机制能够有效地提高网络吞吐量, 降低实时业务流的延时抖动, 同时能够进一步改善TCP业务的友好性传输, 从而保证无线网络实时流媒体的服务质量.     

移动边缘计算环境中面向机器学习的计算迁移策略

针对物联网（IoT）数据源的多样化、数据的非独立同分布性、边缘设备计算能力和能耗的异构性,提出一种集中学习和联邦学习共存的移动边缘计算（MEC）网络计算迁移策略。首先,建立与集中学习、联邦学习都关联的计算迁移系统模型,考虑了集中学习、联邦学习模型产生的网络传输延迟、计算延迟以及能耗;然后,以系统平均延迟为优化目标、以能耗和基于机器学习准确率的训练次数为限制条件构建面向机器学习的计算迁移优化模型。接着对所述计算迁移进行了博弈分析,并基于分析结果提出一种能量约束的延迟贪婪（ECDG）算法,通过延迟贪婪决策和能量约束决策更新二阶优化来获取模型的优化解。与集中式贪婪算法和面向联邦学习的客户选择（FedCS）算法相比,ECDG算法的平均学习延迟最低,约为集中式贪婪算法的1/10,为FedCS算法的1/5。实验结果表明,ECDG算法能通过计算迁移自动为数据源选择最优的机器学习模型,从而有效降低机器学习的延迟,提高边缘设备的能效,满足IoT应用的服务质量（QoS）要求。     

可充电无线传感网络能量均衡路由算法

针对可充电无线传感网络中的能量均衡路由问题,提出在稳定功率无线充电和监测数据收集网络场景下的多路径路由算法和机会路由算法,以实现网络的能量均衡。首先,通过电磁传播理论构建了无线传感节点的充电和接收功率关系模型;然后,考虑网络中无线传感节点的发送能耗和接收能耗,基于上述充电模型将网络能量均衡的路由问题转化为网络节点运行时间的最大最小化问题,通过线性规划得到的各链路流量用以指导路由中数据流量分配;最后,考虑一种更加现实的低功耗的场景,并提出了一种基于机会路由的能量均衡路由算法。实验结果表明,与最短路径路由（SPR）和期望周期最短路由（EDC）算法相比较,所提出的两种路由算法均能有效提高采集能量的利用率和工作周期内的网络生命周期。     

求解随机时变背包问题的精确算法与进化算法

随机时变背包问题(RTVKP)是一种新的动态背包问题,也是一种新的动态组合优化问题,目前它的求解算法主要是动态规划的精确算法、近似算法和遗传算法.本文首先利用动态规划提出了一个求解RTVKP问题的新精确算法,对算法时间复杂度的比较结果表明:它比已有的精确算法更适于求解背包载重较大的一类RTVKP实例.然后,分别基于差分演化和粒子群优化与贪心修正策略相结合,提出了求解RTVKP问题的两个进化算法.对5个RTVKP实例的数值计算结果比较表明: 精确算法一般不宜求解大规模的RTVKP实例,而基于差分演化、粒子群优化和遗传算法与贪心修正策略相结合的进化算法却不受实例规模与数据大小的影响,对于振荡频率大且具有较大数据的大规模RTVKP实例均能求得的一个极好的近似解.     

基于改进支持向量机的无线传感器网络路由优化算法

为了解决当前无线传感器网络路由算法能耗大的缺陷,设计了基于改进支持向量机的无线传感器网络路由算法(PSO-LSSVM)。首先建立了无线传感器网络路由能耗的数学模型,然后通过组合模型的节点剩余能量进行在线估计,选择能耗最小的路由进行数据传输,最后在Matlab 平台上对该算法的性能进行测试。结果表明,PSO-LSSVM可以快速找到能耗最小的路由,改善了数据传输的可靠性,降低了数据的传输时延,而且综合性能优于对比的无线传感器网络路由算法。     

无线传感器网络中基于数据融合的移动代理曲线动态路由算法研究

和传统的C/S模型相比,移动代理模型在数据融合方面更适合无线传感器网络.在基于移动代理的数据融合算法中,移动代理访问传感节点的顺序以及总数对算法的效率、网络寿命等有着重大影响.为此提出了一种基于数据融合的移动代理曲线动态路由算法设计方案.通过构造特定数据结构的数据报文和数据表,给出了目标节点基本信息收集算法获取目标节点到处理节点的最优路径;将移动代理路由归结为一个优化问题,由静态路由算法求出移动代理迁移的静态最优路由节点序列,进而获得了移动代理基于曲线的动态路由算法.理论分析和模拟实验表明,随着传感器网络规模的增大和传感数据量的增加,和其它算法相比,该算法有更小的网络耗能和延时.