混洗交换网络旁路路由算法的性能分析及稳定性研究

混洗交换网络是一种互连网络,用其组成的delta网络常用于多机系统的互连。此外,由于混洗交换网络具有路由算法简单,便于硬件实现等优点,也有人将其用于ATM交换网络中。因此,研究混洗交换网络的性能和稳定性具有重要意义。在互连网络中,当两个或多个信息分组到达同一结点而又需从同一条输出线输出时,必然引起竞     

使用多级交换网络进行高性能路由器设计

拓扑结构和路由算法是影响多级交换网络性能的重要因素．在比较多种多级互连拓扑属性的基础上,提出将3D Torus结构应用于大规模交换网络设计．然后针对3D Torus交换网络中报文路由面临的两个关键问题：多路径负载均衡和报文保序,提出一种基于维序的多路径路由算法DMR(dimension-order—based multi—path routing)．该算法可在保证报文顺序的同时在多条路径上平衡负载,提高交换网络吞吐率．最后通过模拟验证了算法的性能,并与维序路由和随机路由算法进行了比较．模拟结果表明,DMR算法的性能优于维序路由算法,能够达到随机路由算法性能水平,同时具有随机路由算法所不具备的报文保序特性．     

混洗交换网络中解决路由冲突的一种新策略

路由分批是多级混洗交换网络中解决路由冲突的重要途径,但分批方法的复杂性和分批数量的不确定性影响了路由效率.本文在引入序列分割以及路由编码等概念的基础上,提出了一种新的冲突路由检测方法—分割检测法,该方法在时间效率上明显优于窗口检测法;另外,针对2n1级网络,提出一个与路由策略相关的新猜想,用构造性方法证明了n5时猜想的正确性,并基于猜想提出一种新的路由冲突解决方案,该方案实现了2n1(n5)级网络中所有入线信号不多于两批的路由,较好地解决了信号分批路由时的效率问题.     

混洗交换网络中最小无冲突路由分组的生成方法

为了解决混洗交换网络中冲突路由的分组问题,定义了路由的无冲突极大组、最小无冲突分组、特征函数及覆盖函数等概念,并基于这些概念提出了应用布尔代数计算最小无冲突分组的理论和方法。同时,为提高冲突路由分组的效率,提出了计算最小无冲突分组的近似算法。理论分析和实验表明,近似算法不仅具有良好的时间性能,而且具有较高的准确度,它为在大规模信息交换中实施分批路由策略提供了强有力的支撑。     

Clos型ATM交换网络中一种新的路由选择算法

本文在论述和分析了Clos型大规模ATM交换网络中一种传统的分散式路由选择算法—SM算法后,提出了一种新的交换网络结构和一种改进的路由选择算法。     

基于二分图匹配的多业务流网络选择机制

对于多业务流的网络选择问题,提出了一种在网络侧进行的基于二分图匹配网络选择机制,根据业务流对于每个接入网络的满意度,网络侧实体进行统一的分配,在保证公平性的前提下使得分配结果的满意度最大.对算法的代价和性能进行了分析.实验结果表明,算法能够达到较大的网络整体满意度,并且具有较大的公平性系数.     

一种新的多级互联网络开关的设计

本文设计的网络中，采用了增加缓冲队列，信息宇的传递同步控制新的技术。提高了网络的吞吐量。     

基于核函数的构造型网络二分覆盖算法

该文首先介绍了构造型神经网络中的覆盖算法的特点和性质,以及与支持向量机(SVM)中的核函数法的关系。然后,根据这些性质将两者有机结合起来,提出了一种处理多类问题分类的基于核函数的二分覆盖分类算法(Kf-BCC)。仿真结果表明,这种方法可以达到很好的效果,也为多类问题的分类提供了一种有效途径。     

分形的大规模二分演化算法与程序设计

被誉为大自然几何学的分形几何,是现代数学的一个新分支,但是,由于分形图形的无限复杂性,为生成分形图形所需的计算量往往很大。该文立足于二分技术,提出了分形的二分演化算法,并给出了M集和J集的并行算法。     

网络管理中用于实现网络重组的算法的研究与实现

计算机网络的日益复杂性需要完善先进的网管技术,当通信链路或网络节点发生故障时,或者出于其它安全性能的考虑,具有重组能力的网络就能及时地处理问题,恢复正常的通信,最大限度地保证网络的可靠性和安全性。基于这种思想,提出在网络管理中增加重组的功能,设计实现了一种新的网络重组算法,它不仅完善了现有的网络管理方式,提高服务质量,而且还可以为信息的安全可靠性传输提供新的解决手段,特别是对移动网络的管理也有重要作用。在重组时间和有效性上对算法进行了分析和讨论,同时对于该重组算法也进行了组网实现。     

一种基于路径连接的传感器网络内join算法

提出一种新的传感器网络内的路径连接实现算法,在连接路径中,通过将有效元组的选择与实际连接一定程度分离,在信息产生节点附近实现元组选择,在查询节点附近实现元组的真正连接,减少了元组的重复传输,有效降低了能量损耗,特别在针对事件监测系统中,针对突发性的连接选择系数变化或较大的情况,有效避免大量连接结果过早产生和传输的大量能量损耗.     

多层反馈神经网络的FP学习和综合算法

本文给出多层反馈神经网络的ＦＰ学习和综合算法，并讨论此类网络的性质，指出将它应用于聚类分析能给出不粒度的聚类，且具有收敛速度快（是样本个数的线性函数）、算法计算量少（是样本个数和输入、输出维数的双线性函数）、网络元件个数少、权系数简单（只取３个值）、网络容易硬件实现等优点．作为聚类器的神经网络的学习和综合问题已得到较圆满地解决.     

逆演绎学习算法在智能通信网中的应用

在智能通信网的学习过程中,针对传统归纳演绎学习的困难,提出一种逆演绎的学习算法。从学习任务和逻辑程序角度出发,研究逆演绎学习算法的规则、霍恩状态函子和激励信息等问题,并利用逆演绎的学习算法实现了智能通信网的学习推理系统。测试结果表明,该算法能高效地归纳出逻辑程序。     

影响最大化算法在城市公交网络中的应用研究

关键线路组是影响城市公交系统正常运行的重要因素,同时也是系统优化的主要群体。识别这类线路,对于促进智慧城市公交系统科学化与合理化的建设具有极大的意义。以无锡市公交系统为研究对象,基于复杂网络理论对该城市的公交线路网络进行建模和拓扑特征分析,并采用影响最大化算法LCIR_AR识别出该网络中的影响力节点集,即公交系统中的核心线路组。通过评估所选节点的移除对网络平均最短路径和连通性造成的影响,验证了所选节点的有效性,进一步肯定了核心线路组的重要性及其在现实公交系统的规划、管理与决策方面的理论价值。     

人工神经网络结合正交变换方法研究

本文提出一和中运用人工神经网络结合正交换变换的方法，即通过正交变换滤除噪声，通过交叉验证确定网络最佳构型，以充分发挥正交变换和神经网络各自的长处，即免了同过拟合，实现更准确的预后。     

基于改进PSO-BP神经网络算法在一般盗窃犯罪预测中的应用

针对BP神经网络对初始权重敏感,容易陷入局部最优解的问题,引入粒子群优化算法(PSO),对网络权重进行全局搜索,同时采用BP神经网络权重更新方法对PSO搜索到的权重和阈值进行进一步的更新,构建改进后的PSO-BP神经网络模型,对一般盗窃犯罪数量进行预测。应用美国芝加哥市2015年-2017年盗窃犯罪数据以及总人口数、房价中位数、本科率等11个影响因子数据,对改进前后的模型进行了预测对比实验。结果表明,改进后的PSO-BP神经网络模型成功克服了BP模型的缺陷,相对误差由4.68%降低到1.635%。     

无线传感器网络路由融合算法的研究

无线传感器网络节点有限的能量成为目前研究的热点问题之一.数据融合可以通过合并冗余数据来减少需要传输的数据包的数量进而减少节点能量的消耗,将路由技术和数据融合结合起来.在比较了当前几种构建融合树算法的基础上,结合图论的相关知识,提出了一种以图的中心点为树根的融合树生成算法,并通过仿真试验证明了该算法可以通过减少传输过程中数据包的数量来减少网络能量的消耗,从而达到延长网络生命周期的目的.     

一个用于工作站网络的动态负载平衡算法

数学和科学计算中的大部分问题都可以用数据并行程序来开发其并行性,但是在工作站网络环境中,负载波动很大,负载平衡是影响其效率的一个重要因素。本文提出了一种动态负载平衡的算法,它可以使数据并行程序在运行时动态地调整负载。并且文中给出了这种算法的实验结果。