网络实时监测技术

本文重点研究在通用平台上设计网络实时监测软件的关键问题。首先提出了网络实时监测软件的一般结构。针对影响实时性的主要方面,如驱动程序、核态与用户态通讯、用户态进程任务划分,给出了有助于提高效率的设计方法。最后通过测试验证了整体设计思路的正确性。     

信息中心网络内数据重传算法的优化

对于信息中心网络（ICN）中原始数据恢复机制的网络带宽利用率低下的问题,提出一种基于网络编码的实时数据重传（NC-RDR）算法。首先,根据网络的实时状态对网络中丢失的数据包进行统计;然后,将网络编码结合到信息中心网络中,对统计的丢失的数据包进行组合编码;最后,将编码后的数据包重传发送给接收端。对提出的方案进行分析,仿真结果表明,与基于网络编码的多播数据恢复（NC-MDR）算法相比,在传输带宽（平均传输次数）方面,降低了约30%,因此,在信息中心网络中,该算法能有效地减少网络重传次数,提高网络传输效率。     

基于实时多业务的异构网络接入选择算法

为提升无线异构网络用户体验及服务质量,提出基于实时多业务的异构网络选择算法。该算法考虑多业务的主客观属性,重新定义和构造了判断矩阵,基于AHP(Analytic Hierarchy Process)算法和熵权法综合计算属性权重,最后利用TOPSIS算法选择出最优的接入网络。仿真实验结果表明,实时多业务网络选择算法能够有效地减少切换次数,在兼顾网络负载的情况下,降低了业务的阻塞率。     

信息中心网络中的内置缓存技术研究

互联网的应用方式正从以面向主机的点对点通信为主转向以海量内容获取为主.为适应这一转变,研究界提出了多种以信息/内容为中心的新型网络架构.这类网络架构中最重要的特征之一是利用网络内置缓存提高接收者驱动的内容获取的传输效率和网络资源的利用率.与传统的Web缓存、CDN缓存等相比,ICN缓存系统呈现了缓存透明化、泛在化和细粒度化等新特征,对缓存系统的建模、行为理解和优化方法都提出了新的挑战.在介绍了ICN缓存系统的新特征及带来的挑战后,首先从多方面着重阐述和比较了缓存网络的优化方法,之后对缓存网络系统的理论模型研究现状加以阐述,然后分析了仍待解决的关键问题和未来的研究方向.     

信息中心网络中缓存技术研究综述

因特网中日益增长的内容获取需求促使学术界提出了多种以信息为中心的未来网络架构。这类架构将以主机为中心的通信模式转变为以内容为中心。信息中心网络（ICN）最重要的特征之一是利用内置缓存减少用户获取内容的时延、节省网络带宽和缓解网络拥塞。与传统的内容分发网络（CDN）、对等网络（P2P）和Web缓存系统相比,ICN缓存系统呈现出一系列的新特征。分析了缓存新特征对ICN研究带来的挑战;从多方面重点阐述了ICN缓存的优化方法,详细分析对比了不同缓存策略;指出了未来研究方向并总结全文。     

基于OTN技术的电力通信网络业务路由优化算法

本文基于OTN(Optical Transport Network;光传送网)技术提出了电力通信网络业务路由优化算法,通过仿真分析,结果表明此算法可优化电力通信网络既有OTN业务,实时有效均衡网络风险,提升OTN业务运行可靠性与稳定性;此算法的适应度函数优化设计,可促使现有网络业务路由分配的时候,更加趋向选取光信噪比参数值相对较高的光通道,所以通过此网络业务路由优化算法,OSNR(Optical Signal Noise Ratio;光信噪比)均值可显著提高;可实现网络业务路由优化,实现最佳风险均衡,且算法效率与收敛性较高,值得大力推广.     

传感器网络中基于蚁群算法的实时查询处理

无线传感器网络因不同应用而被广泛部署于各种场合,通常被视为分布式数据库.可以通过向该类数据库发布查询请求来获取事件相关的响应信息.一些具有实时需求的应用对查询时延要求较高,而目前存在的查询算法通常不能很好地满足实时查询应用的需求.针对此类特定应用,提出了基于蚁群优化的实时查询处理算法,该算法采用基于事件重要性的分环存储策略和基于蚁群算法的分布式搜索机制,充分利用蚁群优化算法的自组织和正反馈等特征,综合提高查询处理算法的节能性、实时性及查询请求接受率,为分布式动态并行实时查询应用提供新的思路.执行过程仅需局     

信息中心网络发展研究综述

信息中心网络(Information-Centric Networking,ICN)已经成为下一代网络体系结构研究的新热点.从众多研究成果中及时地总结ICN的优势与不足是未来相关研究的重要基石.尽管现有ICN综述文献已经对其体系结构做出较为详细的总结,然而,它们并没有充分地讨论TCP/IP网络体系结构中存在的问题与发展ICN必要性之间的关系,而这影响到未来ICN的重点研究方向.文中首先论述了应用ICN体系结构解决当前网络体系结构中已有问题的必要性,将ICN的关键问题、结构构成、关键技术等进行了梳理,从现有ICN方案中整理出信息命名、路由技术、试验平台等关键技术.在这个基础上,文中进一步讨论分析了ICN与现有的协同缓存系统等技术之间的关联与差异.论文最后分析讨论了ICN的下一步发展方向以及有待研究的问题.     

Web服务组合QoS全局优化算法

Web服务技术的发展使得组合Web服务的应用成为可能,组合服务的QoS优化问题的重要性越来越明显。遗传算法与蚁群算法是解决QoS全局优化的两种方法,针对采用蚁群算法进行优化时易出现的收敛速度缓慢及遗传算法易陷入局部最优解、效率不高的问题,结合两种算法的优势,充分发挥蚁群算法正反馈特性与遗传算法的快速全局搜索能力,改善QoS全局优化算法,提高了算法的优化能力,从而更好地解决了Web服务的QoS全局优化问题。     

Pipelining image compositing in heterogeneous networking environments

Because of intensive inter‐node communications, image compositing has always been a bottleneck in parallel visualization systems. In a heterogeneous networking environment, the variation of link bandwidth and latency adds more uncertainty to the system performance. In this paper, we present a pipelining image compositing algorithm in heterogeneous networking environments, which is able to rearrange the direction of data flow of a compositing pipeline under strict ordering constraint. We introduce a novel directional image compositing operator that specifies not only the color and α channels of the output but also the direction of data flow when performing compositing. Based on this new operator, we thoroughly study the properties of image compositing pipelines in heterogeneous environments. We develop an optimization algorithm that could find the optimal pipeline from an exponentially large searching space in polynomial time. We conducted a comprehensive evaluation on the ns‐3 network simulator. Experimental results demonstrate the efficiency of our method. Copyright © 2016 John Wiley & Sons, Ltd.     

蚁群优化算法及其应用研究进展

综述了近年来蚁群算法及其在组合优化中的应用研究成果。首先简述了蚁群的觅食行为及蚂蚁的信息系统，其次介绍了人工蚁群算法的基本原理及其主要特点。然后概述了这种算法在组合优化问题中的多种应用，诸如旅行商问题(TSP)、二次分配问题(QAP)、任务调度问题(JSP)、车辆路线问题(VRP)、图着色问题(GCP)、有序排列问题(SOP)及网络由问题等。最后对蚁群算法仍需要解决的问题和未来的发展方向进行了探讨。     

一种连续空间优化问题的蚁群算法及应用

针对随机优化算法收敛困难及搜索时间较长的问题,提出一种求解连续空间优化问题的蚁群算法,为蚁群算法在连续空间中的应用提供了一个可行的方案。给出了该算法的详细定义及实现步骤,并将该算法应用于多变量函数优化及热工控制系统控制器参数优化,仿真结果表明:该算法具有良好的全局优化性能,能加快收敛速率,解决了随机优化算法收敛困难的问题,并提高寻优精度。     

蚁群算法优化策略及其仿真研究

蚁群算法广泛应用于求解组合优化问题,但基本蚁群算法与其他模拟进化算法存在进化速度慢并易于陷入局部最小等缺陷。论文应用蚁群算法求解最短路径问题,从信息量的更新方式、局部搜索策略及参数选择等方面提出相应的改进策略。通过TSP问题的仿真表明,改进算法能够加快收敛速度,节省搜索时间,而且能够克服停滞行为的过早出现。     

基于混合算法的带时间窗车辆路径问题

使用改进蚁群算法结合大规模邻域搜索算法解决带时窗限制的车辆路径问题.首先对蚁群算法信息素及算法结构进行分析及改进,并提出了新的解题策略,由此得到可行解;然后在区域改善部分用邻域搜索算法进一步提高解的性能.给出混合算法计算Solomon100国际标准题库问题的结果,并与同类方法的文献最优解进行比较.     

对位置信息服务的连续查询攻击算法

为了解决连续查询攻击算法给位置信息服务(LBS)带来的安全隐患,基于已有的k-匿名化Cloaking算法提出了一种新的连续查询攻击算法--CQACA。该算法首先利用熵和查询匿名度量定义了查询识别率的目标函数,并结合元胞蚁群给出了目标函数的求解算法。最后,利用移动对象数据生成器进行实验,深入研究了影响CQACA的关键因素,同时对比分析了该算法与Cloaking算法的性能差异:CQACA与实际数据的误差为13.27%,而Cloaking算法则为17.35%。结果表明CQACA具有一定的有效性。     

非结构化P2P网络中IACO资源搜索算法

针对非结构化P2P网络中资源搜索效率低、冗余消息较多的情况, 提出一种基于兴趣因子的蚁群优化算法（IACO）。该算法充分考虑了节点价值对资源搜索的影响, 在传统蚁群算法中引入节点的兴趣因子, 以动态调整节点价值和信息素在计算转发概率时的权重关系, 有效地指导了资源查询路径的生成。仿真结果表明, 该算法可以显著提高资源查询的成功率, 同时在一定程度上减少了网络中的冗余消息量。     

支持向量机的混合核函数参数优选方法

针对支持向量机中混合核函数参数的选取还没有一套完整的理论支撑,提出基于蚁群算法和循环交叉验证法的参数优选方法。以平均加权误差作为不同参数下支持向量机预测效果的评价指标,采用循环交叉验证法计算平均加权误差。采用蚁群算法来提高混合核函数参数优化效率,减少计算工作量。通过在某型飞机机体研制费用预测中的应用,显示基于最优参数下混合核函数的支持向量机的预测误差最小,表明该参数优选方法能够提高预测精度。     

引入梯度下降的蚁群算法求解多约束服务质量路由

针对目前多数改进蚁群算法求解多约束服务质量路由（QoSR）存在收敛速度慢、易陷入局部最优从而效率不高的问题,提出一种引入梯度下降的蚁群算法（ACAGD）。该算法将梯度下降法引入到蚁群的局部搜索中,结合残余信息素,综合决定蚂蚁的下一跳选择策略。蚁群不仅以一定概率按照信息素浓度搜索下一跳,还将以一定概率按照梯度下降法搜索下一跳,从而降低传统蚁群算法容易陷入局部最优的可能性。利用Waxman网络模型随机生成不同路由节点数量的网络拓扑进行仿真实验。实验结果表明,ACAGD相比其他改进蚁群算法,能够在收敛速度不受影响的情况下,取得综合代价相对较低的路由,且算法的稳定性较好。