随着互联网产业的扩张,对于网络核心技术的研究和创新刻不容缓,未来网络试验设施项目的建设为网络相关的科研人员提供高效便捷的试验环境,以支持网络技术的创新研究和实验。未来网络试验的基础设施资源是提供服务的基础,因此对试验资源的调度管理是项目中非常重要的任务。文中面向未来网络试验设施项目的资源调度和试验服务需求,设计了集中与分布相结合的架构,通过使中心资源调度管理系统与节点资源调度管理系统相互配合,来协调调度主干网带宽资源和位于各站点数据中心的资源。并且针对试验设施的特点,设计了综合考虑虚拟机间的通信代价、站点内物理机的平均资源利用率和资源均衡的多目标优化节点资源调度算法。仿真实验结果表明,该算法能有效实现上述多个目标的优化。

随着数字货币的普及与发展,区块链技术进入了大众的视野,并被誉为信用历史上第四个里程碑,是未来信用的基石^[1]。但与此同时,区块链技术也面临着共识效率低、算力浪费等问题。文中利用K-medoids聚类算法对参与区块链共识的大规模网络节点根据特征进行聚类与层次划分,再将改进的多中心化实用拜占庭容错算法应用于这种聚类后的分层模型中。另外,为了提升聚类算法在多种场景下对区块链模型中共识节点进行聚类的可控性,对K-medoids算法进行了改进。网络拓扑仿真环境实验表明,当选择了适当的聚类特征评判节点间的相似度时,改进后的算法K-PBFT在1000个网络节点参与共识的场景中相较于传统实用拜占庭容错算法(Practical Byzantine Fault Tolerance,PBFT)算法,单次共识耗时缩短了20%,共识过程的通信次数最佳能够降低3个数量级。结果证明K-PBFT算法优化了较大规模共识节点参与的共识过程,使区块链模型能够适用于更广泛的场景中。

研究表明,历史流量数据可以用于移动网络流量的预测,同时周边区域的流量信息可以提高流量预测的准确性。为此,文中提出一种基于时空特征的移动网络流量预测模型STFM。STFM模型利用目标区域及周围区域的历史移动网络流量对目标区域的流量进行预测。其核心思想是,首先利用三维卷积网络(3D CNN)从流量中提取移动网络流量空间上的特征,再利用时间卷积网络(TCN)提取移动网络流量时间上的特征,最后全连接层对提取的特征与实际的流量值建立映射关系,产生预测的流量值。根据实验的验证与分析,STFM在移动网络流量预测上的标准均方根误差(NRMSE)相比TCN,CNN和CNN-LSTM分别减少了28%,21.7%和10%。因此,STFM模型能够有效提高移动网络流量预测的准确率。

离线静态虚拟网映射问题是NP难问题,其任务是以物理网提供商收益最大化为目标,在物理网上完成虚拟网子集的映射。文中对离线静态虚拟网映射问题及其研究现状进行介绍,指出当前离线静态虚拟网映射算法仅适用于小规模问题或特殊问题的求解,进而提出了一种适用于中大规模的一般离线静态虚拟网映射问题的求解算法。首先,基于收益优先的虚拟网映射顺序策略、节点等级匹配的虚拟节点映射策略以及最小化资源消耗量的虚拟链路映射策略,提出离线静态虚拟网映射问题的贪婪算法;然后,基于遗传算法和禁忌搜索混合的优化策略,提出离线静态虚拟网映射问题的禁忌遗传算法。实验表明,所提出的禁忌遗传算法具有较高的虚拟网构建完成率和物理网提供商收益,虚拟网构建完成率和物理网提供商收益分别比基线算法提高了34%和42%。

随着室内定位技术的飞速发展,射频识别(Radio Frequency Identification,RFID)技术以其非接触、快速识别等优点成为解决问题的首选方案。针对目前室内定位算法的精度容易受到标签密度和算法效率的影响及对动态环境适应性不足的问题,文中提出了一种蝗虫群优化(Grasshopper Optimization Algorithm,GOA)和极限学习机(Extreme Learning Machine,ELM)相结合的RFID室内定位算法。该算法通过蝗虫群优化对极限学习机随机产生的输入层权值和隐含层阈值进行选择,以提升极限学习机的性能,从而在离线阶段减少学习时间;利用蝗虫群算法对极限学习机参数进行优化,有效克服环境以及信号强度值变化对定位精度的影响。通过实验研究了影响算法性能的因素,并验证了算法的有效性。与BP神经网络算法(NN-Based)和非度量多维尺度算法(NMDS-RFID)相比,所提算法的定位平均误差分别降低了22.32%和20.06%,平均执行时间分别减少了58.7%和7.55%。仿真和实验结果表明,所提算法在获得更精确的定位结果的同时降低了时间成本,并对环境变化具有较好的适应性。

由于使用中心云服务会产生相应的延迟和通信成本,更靠近移动用户的移动边缘计算已经成为处理计算密集型和延迟敏感型应用程序的主要技术。位于网络边缘的小型云数据中心被称为微云,其能够为周围邻近的移动设备提供计算能力,减少服务交付的时延。然而,在移动微云组成的边缘网络环境下,负载均衡问题直接影响了任务的响应时间。为了提高用户服务质量,文中提出基于移动边缘计算的任务迁移和协作式负载均衡机制,包括分别针对用户和微云设计的延迟感知目标选择策略LATS和协作式负载均衡策略CLB。LATS根据微云当前的负载信息为移动用户选择最优的任务迁移对象;CLB使用Balls-into-bins模型,只需要获取局部信息就可以有效地实现移动微云之间的负载均衡。仿真结果表明,所提策略能够有效减小系统延迟和负载差异,同时降低通信和计算成本。

随着近几年无线通信技术的快速发展,无线电频谱资源越来越匮乏。认知无线电网络(CRN)由于可提高现有频谱资源的利用率,受到了广泛关注。针对传统的认知无线电网络中随机跳频交汇策略没有考虑信道碰撞和切换延迟的问题,提出了一种基于时隙ALOHA协议,融入了切换延迟的最优随机跳频交汇策略。首先,将整个交汇过程以时隙微分化,定义信道时长和切换时长时隙模型,并将跳频过程与ALOHA协议融合,给出策略交汇时长(TTR)的计算方法;然后,分步骤详细分析交汇策略的流程,根据联合概率推导出时隙期望关于信道数目、切换时延的公式;最后,根据求导和函数趋势图计算最低点,进而提出一种基于整数规化的时隙最优数目计算算法,以取得整体交汇策略的最优化。通过模拟实验考查了可用时隙数目和切换时延这两个重要参数,实验结果表明切换时延比可用信道数目对交汇效率的影响更大。此外,实验结果还表明:该策略在充分考虑时延的同时,总能以最优方式交汇,相比传统方式可大幅度地缩短平均交汇时间(ATTR),当时延的时隙数目不大于5时,ATTR整体上缩短了15%左右,这可促进节点快速交汇,进而加速节点信息交互,进一步提高现有频谱的利用率。

现有无线传感器网络三维定位算法大部分借鉴并基于相对成熟并且算法性能较好的二维定位算法原理,将其扩展至三维空间以实现节点定位,相比二维定位算法具有更好的定位精度。基于质心迭代估计的无线传感器网络二维定位算法通过对连通锚节点所围成平面的质心进行迭代计算,缩小了未知节点所在二维平面的范围,提高了节点的定位精度。基于此二维定位方法的原理,提出了一种用于无线传感器网络三维定位的迭代估计方法。首先,该算法计算当前连通锚节点所张成三维空间的质心坐标及其与未知节点间的接收信号强度;其次,以该质心节点为虚拟锚节点替代距离未知节点最远的连通锚节点,为未知节点自身的定位提供帮助。由于节点定位精度随着未知节点所处三维空间范围的缩小而不断提高,因此通过多次迭代后可以获得理想的定位精度。在3.50GHz电脑平台上模拟实际无线传感器网络环境,利用交互式数据语言对所提算法进行仿真,以验证算法的性能。仿真结果表明,所提算法与基于质心迭代估计的无线传感器网络二维定位算法相比,其定位精度可提高3%~6%;与三维质心定位算法相比,其定位精度可提高5%~23%。同时,所提算法具有较好的抗RSSI测量误差的能力,并通过多次迭代定位使得节点定位覆盖率可以达到99%以上,是一种适用于无线传感器网络三维定位的有效方法。

针对Ka频段卫星通信信号传输易受降雨和地面移动环境影响的问题,结合低轨卫星高速移动特点及星地链路电波传播特性,对Ka频段下的低轨卫星信道雨衰分布进行了研究,提出了一种基于Ka频段的低轨卫星自适应信息传输方案。首先,针对信号在空间传输受降雨及周围环境两种因素影响的问题,建立了Ka频段的低轨卫星移动通信信道模型;其次,根据卫星仰角变化范围以及仰角概率密度函数推导得到基于卫星仰角变化的雨衰概率密度函数;然后,根据当前信道状态和雨衰概率密度函数计算得到信道参数值,从而确定信道状态信息;接着,根据已确定的信道状态信息,计算得到当目标误码率为1×10^－4时不同信道状态和调制编码方式下的信噪比阈值;最后,利用自适应调制编码选择算法,将反馈信噪比与计算得到的信噪比阈值进行对比,选出最佳调制编码方式对信号进行调制编码之后再传输,以提高空间信息传输的可靠性。仿真结果表明,在不同信道状态下,卫星仰角越小,地面阴影程度越严重,系统误码率越高,自适应信息传输方案使得系统误码率始终低于目标误码率1×10^－4。从而进一步说明,所提出的自适应信息传输方案可以有效地解决信号因降雨、地面移动环境以及卫星移动性三方面因素共同导致的严重衰减问题,从而有效提升了Ka频段低轨卫星系统的信息传输质量。

考虑到多播分子通信网络由1个发送方纳米机器、2个接收方纳米机器和4个中继纳米机器组成,提出通过每跳采用同种类型和不同类型的分子来传输信息的中继策略,以保证多播分子通信的可靠性。首先,提出调整阈值的方式来有效减少并行中继纳米机器间发送相同类型分子时的干扰;然后,推导出两种中继策略下多播分子通信网络平均比特错误率的数学表达式;最后,通过实验仿真展示了不同参数(包括检测阈值、每个时隙发送的分子数、发送方和接收方纳米机器间的距离、样本个数、比特间隔时长以及扩散系数)对多播分子通信网络的比特错误率的影响,并提出了可降低该多播分子通信网络的平均比特错误率的中继方案。

无人机(Unmanned Aerial Vehicles,UAV)通过所携带的传感器实时获取图像和视频。特别地,多架无人机通过构成集群来协同工作,能够高效地完成侦察、感知、测绘等任务,在军事和民用领域都有广泛的应用。然而,无人机拍摄的视频均需要通过无线信道传输到地面站或控制中心,视频业务高清程度的不断提高和集群数量的不断增加,导致对无线信道传输速率的要求越来越高。因此,在有限的无线传输资源约束下,如何在无人机集群中分配资源,使得无人机集群回传视频的质量最大化,是亟需解决的问题。针对该问题,设计了一种分布式资源分配算法。首先,为了区分视频业务与普通数据业务,提出了一种面向用户体验质量的效用函数;然后,围绕该问题建立了势博弈模型,所有的用户仅基于很少的局部信息交互就可以不断独立更新其策略。该算法最终收敛于一组相关均衡,实现了无线资源在集群中的全局优化分配。从视频应用的角度出发,根据不同视频信号的特性,每个无人机用户能够智能地调整信道资源的使用,在有限的无线信道资源情况下,能够实现无人机集群总体效用的最大化。仿真结果表明,该算法能够同时为无线通信资源提供方和无人机视频用户带来便利。

为了改善多媒体数据的传输效率和系统执行度,降低多媒体服务的运营成本,从多媒体系统群体行为的分析模型和演化出发,研究了一种基于雾计算的智能激励机制。首先,从单一化、分散部署与冗余健壮特征和自主管理的群体特质出发,为分布式多媒体系统建立群体行为分析演化模型,并给出了多媒体系统进行群体行为分析的演化算法。接着,根据获取的最大化系统效用,通过自组织和主动演化来调度雾服务器节点。以优化个体服务策略为目标,雾计算结合演化进程控制群体行为参与度。在此基础上,雾服务器节点逐步更新个体调度,并实时统计系统拓扑调度效应。仿真实验基于Matlab的网络控制系统仿真平台,部署了多媒体系统。通过Matlab仿真了分布式多媒体系统的拓扑与无线传输,结合C语言实现提出的EMSSB(Evolution algorithm of Multimedia Systems Swarming Behavior)算法和IIFS(Intelligent Incentive algorithm with Fog computing and Swarming Behavior)算法。仿真实验的数据均为100次重复时延的平均值。每次重复实验中,除了将用户发出多媒体请求的时间和次数设置为随机,其他参数均保持一致。仿真结果表明,所提激励算法在多媒体数据传输的实时性、雾节点激励有效性和用户请求响应等方面表现良好。所提激励算法可以将端到端时延缩短45%,有效控制参与度,并根据用户请求数控制不同的参与比例,此外可以将用户响应时延和多媒体数据流传输延迟分别缩短53%和45%。

在云存储环境中,服务器或者第三方可以仅通过对用户访问行为进行分析来获取信息,对用户信息安全造成威胁。ORAM通过构造精巧设计的存储结构和冗余的访问机制,有效地隐藏用户访问行为与访问目标之间的对应关系。隐藏用户访问意图的安全访问机制,是现阶段隐藏用户访问模式的主要手段之一。通过对ORAM基本理论和发展历程进行研究,归纳分析了ORAM的基本方案;建立了SSIBT性能评价指标体系,对经典ORAM算法及其优化方案进行了分析比较;最后,在分析现阶段主要研究重点的基础上,总结提出了ORAM未来可能的主要研究方向。

如何度量节点在网络拓扑结构中的重要程度,一直是复杂网络相关领域中的研究热点。现有的研究大多面向单维网络,针对现实网络结构往往是多维共存的问题,提出了维度相似性的定义来度量各维度间的关系。考虑实际信息传播过程中信息衰减对节点重要性的影响,给出传播衰减率的定义,并通过全连接单维网络传播无损假设及对应算法确定衰减系数取值。进一步给出节点重要性的计算方法,在算法中利用复杂网络小世界特性,限定最长传播跳数,使得算法兼顾时间效率与精确度。在真实网络上进行了验证,实验结果表明,与传统的节点度以及节点介数方法相比,该算法在精确度与时间效率方面均具有一定优势。

科学工作流在混合云中执行会产生大量的跨数据中心传输,造成严重的传输时延及代价。为了对混合云环境下的科学工作流数据进行合理布局,兼顾公有云和私有云的优势,优化数据布局代价,提出了一种基于遗传粒子群优化混合算法(GAPSO)的数据布局策略。该方法考虑了公有云数据中心与私有云数据中心的不同特点(如存储容量、存储代价等因素以及数据传输时延约束)对传输代价的影响,并结合遗传算法与粒子群优化算法的优点,生成科学工作流的布局策略。实验结果表明,基于GAPSO的数据布局策略能够有效减少混合云中科学工作流运行时的数据布局代价。

无线射频识别(Radio Frequency Identification RFID)技术是物联网技术中的关键技术,为解决RFID系统中的多标签碰撞问题,文中提出了一种基于组合混沌映射(MDFSA)的帧时隙Aloha防碰撞算法。通过该算法,系统所得到的伪随机数更加均匀,标签对各个时隙的选择更加均匀。通过统计验证,仿真结果表明MDFSA算法提高了系统的稳定性和效率,减少了碰撞次数。与传统的DFSA算法相比,该算法将系统的效率最大提高了33％。随着标签数量的增加,所提算法的性能更加稳定,优势更加显著。其适用于大型RFID标签快速识别系统。

在分布较为密集的无线传感器网络中,数据传输过程会产生大量的冲突问题,冲突会造成传输数据的丢失和传输时延的增大。多路径数据传输方法可以有效地减少冲突造成的数据丢失和传输时延较大问题。为此,提出了基于冗余策略的并发编织多路径可靠传输方法。该方法采用冗余策略,先对WSN进行层次分簇,然后传感器节点将采集到的数据信息发送至簇头节点,最后簇头节点将数据包分组并拷贝后通过编织多路径动态路径方式转发至汇聚节点。该方法建立在层次分簇完成后的网络拓扑结构上。大量的与现有多路径传输方法的对比分析实验测试结果表明,所提方法能有效地减少数据丢包率,减少传输时延,增加网络生命周期等,这对无线传感器网络数据的可靠传输有较大的实用价值。

目标检测是无线传感器网络的一个重要应用。在目标检测过程中,用户在获取目标丰富的图像信息的基础上,对目标的路径覆盖情况更为关注。针对单目标在整个运动路径中均能被K级覆盖且传感器分布密度达到最小这一问题,首先结合有向感知模型和单目标位置数学预测模型,给出了传感器在理论上的最小分布密度,然后设计了单目标路径覆盖分区动态优化算法。该算法依据传感器自身与目标的距离,将整个监控区域中的传感器分为外部传感器、中部传感器和内部传感器,对每类传感器分别实施不同的旋转决策。仿真结果表明,提出的算法与现有的算法相比,有效地降低了监控区域中传感器的分布成本。

信源的到达角(Direction of Arrive,DOA)信息在许多实际应用领域中具有重要作用,因此对DOA的准确估计是阵列信号处理领域的研究热点。针对传统信号子空间非相干处理方法(Incoherent Signals-subspace Method,ISM)在含有混响的低信噪比环境下对宽带信号进行DOA估计时存在的准确性低的问题,文中提出一种基于ISM算法的改进算法。该算法首先利用离散傅里叶变换将宽带信号分解为若干子频带;其次提出一种构建能量门限的方式,通过该能量门限筛选子频带并保留能量高于该门限的子频带;然后提出一种协方差矩阵重构方法,重构每一个子频带的协方差矩阵,通过TLS-ESPRIT算法估计每一个子频带的DOA参数;最后提出一种加权策略对多个子频带的DOA估计值进行处理,得到最终的DOA估计值。实验结果表明,该算法可以有效地提高宽带信号DOA的准确性,并且具有较好的鲁棒性。

从磁耦合谐振电路模型原理出发,理论分析了接收线圈间互感系数对接收节点能量传输效率和功率的影响,进一步分析了影响接收线圈间互感系数的影响因子,其分别为接收线圈间距离、高度和角度,并建立了3个影响因子与节点能量传输效率和功率之间的关系。分析了基于磁耦合谐振WRSNs一对二的充电过程中,当接收线圈位于同侧时,3个影响因子对接收线圈间互感系数、节点能量传输效率和功率的影响关系。结果表明两个接收线圈相对距离越近、夹角和高度越小,其间互感越大,对节点能量接收的相互抑制性越强。

在数据传输时,间歇性连接的移动机会网络一般不存在从源到目的地的完整路径。为了加快数据在网络中的传输速度,大量的多副本路由协议相继被提出,但是这些路由协议很少考虑能量问题。由于机会网络中移动设备能量受限,过多的消耗能量必将导致设备停止工作。基于上述情况,提出了一种移动机会网络节点不相交的路由方案,尽可能延长节点的存活时长。此外,利用二维连续时间马尔可夫链(CTMC)模型,分析了节点状态之间的变换,最后进行性能仿真与评价。实验结果表明,提出的方案相比于经典的工作,在投递率、平均传输延时、平均网络开销、能量以及平均跳数等方面有较大的改善。

栅栏覆盖是有向传感器网络(DSN)覆盖控制的研究热点之一。为了在感知角度大于π时高效地构建栅栏,文中设计了有向节点的近似圆模型,提出了集中式栅栏构建HapC算法和分布式栅栏构建INSDBC算法。HapC算法把网络分成节点近似圆相连的子群,利用匈牙利算法选择最优节点连通这些子群,形成栅栏。为了进一步减少节点的数量,对基本栅栏的每个子群进行精简。INSDBC算法根据节点近似圆之间的几何关系,使每个节点具有最大的栅栏贡献,从左到右依次选择能耗最小的节点分布式构建栅栏。结果证明,这两种方法结合能够用较低能耗和较少节点构建有向强栅栏,对提升有向传感器网络的覆盖性能具有一定的理论与实际意义。

随着多样化无线网络接入技术和多网络接口设备的大规模应用,多宿主网络终端的传输性能受到国内外学术界的广泛关注。多路径传输协议(MTCP)是其中代表性研究之一,其通过聚合多条链路的带宽资源,把数据流分发到多条链路上并行传输,有效地提高了网络的传输性能。然而,在链路差异大的异构网络中传输数据,容易引起数据包失序严重等问题,从而给传输性能造成巨大的影响。因此,国内外许多学者提出了网络编码(MPTCP-NC)策略来弥补这个缺陷,该方式有效提升了网络传输的鲁棒性。但是,编码系数的频繁生成和计算,会额外增加MPTCP传输时延,并且会浪费有限的带宽资源。针对此问题,文中提出了一种基于丢包预测的MPTCP选择性编码策略(MPTCP-SNC),该策略充分考虑了异构无线网络环境的差异性,并根据链路丢包率状态选择性执行编码策略,降低了网络编码带来的额外消耗,并提高了MPTCP的传输性能。

面对地震、火灾等突发性事件,需要对卫星调度方案进行动态调整。文中考虑了卫星资源失效和应急任务加入等动态不确定性因素,综合任务约束、时间约束、卫星能量和存储约束条件,设计了基于触发规则的事件驱动策略,构建了以最大化调度收益和最小化扰动测度为目标函数的反应式调度多目标优化模型,提出了基于任务迫切度的选择策略、基于时间和角度的合成策略、基于冲突程度的替换策略,最后采用了一种考虑任务合并、插入、移位、替换的启发式算法。仿真结果表明,相比事件驱动和周期驱动策略,文中所设计的基于触发规则的事件驱动策略能够兼顾触发次数、任务完成率和响应时间,是一种有效的反应式驱动策略,MISR-HA(Heuristic Algorithm for Merging,Inserting,Shifting and Replcing)算法相比其他3种算法在调度收益上平均提高了14.78%,在扰动测度上平均降低了41.91%,在运行时间上平均缩短了14.63%,从而有效地证明了该算法的有效性。

在数字通信系统中,均匀星座分布的离散信号经过功率受限、噪声功率谱密度一定的AWGN信道传输后,最大信息速率无法达到高斯信道容量。为了更好地提高传输速率使其逼近信道容量,信号星座的非均匀分布设计是非常必要的。为此,提出了一种基于Box-Muller变换,在星座点数趋近无穷时满足高斯分布的M-APSK信号星座构建方法,并通过仿真对其信道容量可实现性进行了验证。实验结果表明,与矩形M-QAM信号相比,该信号在调制阶数较高时星座容量指标得到了可观的提升。在此基础上,根据该星座分布的特点,设计了基于格雷编码和简化Max-Log LLR算法的调制解调方案,明显降低了系统复杂度。通过对系统复杂度、误比特率进行Matlab仿真,验证了所提方案的相关性能。

传统的信息采集还原方式的资源消耗高,对信息数据的利用效率和处理效率较低,难以适应瞬息万变的战场信息感知环境,而且复杂的电磁对抗环境会造成测量通道维度的动态变化,进一步加剧了信息采集还原的难度。在大规模多输入多输出无线通信系统场景下,利用信息数据在变换域空间中的稀疏特性,提出了一种基于压缩感知理论的亚采样重构方案。该方案利用主成分基变换的方式实现信息数据的稀疏化,采用子空间追踪的方式实现信号的亚采样还原,对测量通道维度的动态变化具有较强的鲁棒性。同时,采用分块思想避免了高阶矩阵参与处理过程中的迭代运算,使得算法具有更好的求解精度和效率,实现了欠定条件下信息数据的高效重构。

针对异构蜂窝网络中D2D(Device-to-Device)通信用户复用蜂窝用户上行信道产生的干扰问题和频谱资源分配优化问题,提出一种基于改进粒子群算法的D2D通信资源分配算法,并将该算法与改进的闭环功率控制算法相结合进行资源管理。此方案通过设置信干噪比(Signal-to-Interference Noise Ratio,SINR)门限值来保证用户的通信服务质量(Quality of Service,QoS),使用改进粒子群算法为D2D用户进行资源分配后,再通过基于接收信干噪比的闭环功率控制算法动态调整用户的发射功率,以减少干扰。仿真结果表明,该方案能够有效抑制异构通信系统中由于引入D2D用户导致的干扰问题,并提高频谱资源的利用率和系统的吞吐量。

信息的传播和扩散对于研究市场营销、病毒木马的传播等具有重要意义。但是,在许多场景下仅能获取网络中用户的通联数据,难以获取用户间通信的内容。针对该问题,文中提出了一个基于概率的信息传播模型来对网络中的通联数据进行建模,以此估计网络中用户通信内容的相关性,进而推测网络中信息的扩散路径。文中证明了求解该模型的复杂度为NP-hard,并提出了PathMine算法来获取模型的一个近似最优解。实验表明,所提PathMine算法能够高效地挖掘网络中信息的传播模式,优于已知的其他方法。

针对无线射频识别(RFID)系统中多标签-多阅读器环境下标签与信道资源的分配问题,提出了一种基于Whittle索引的多阅读器信道资源分配算法。在RFID多阅读器信道分配问题中建立无休止多臂赌博机(RMAB)模型,并采用Whittle索引算法进行求解。该算法依据信道前期的忙、闲状态,将信道空闲概率作为信任值赋予每个信道,并根据信道当前的信任值计算其Whittle索引值。标签选择索引值最大的信道作为可能感知接入的信道,随后根据每个时隙数据发送成功与否来动态更新信道信任值。对信道分配过程中可能出现的标签碰撞问题,采用等待一个时隙后再根据识别反馈信息重新选择接入信道的方式来解决。将文中所提算法从两个方面与典型的DiCa算法和Gentle算法进行比较:一是在阅读器数量固定的前提下,其系统吞吐量随待识别标签数量的变化情况;二是在待识别标签数量固定的前提下,其系统吞吐量随阅读器数量的变化情况。仿真结果表明,所提算法在上述两种情况下的系统吞吐量均优于DiCa算法和Gentle算法,其吞吐量在阅读器数量固定的前提下分别平均提高了150.34%和23.98%,在待识别标签数量固定的前提下分别平均提高了205.01%和43.37%。随着阅读器和待识别标签数量的增多,所提算法在系统吞吐量方面的优势更加明显。因此,采用提出的算法可以对有限的信道资源进行合理的动态分配,有效提高RFID多阅读器系统的识别效率。

为了实现云计算环境中工作流调度的执行时间与代价的均衡优化,提出了一种截止时间与预算双QoS约束条件下的工作流均衡调度算法。该算法将最优调度方案的求解过程划分为两个阶段:资源分级调度阶段和任务分级调度阶段。资源分级调度阶段中,算法通过任务升秩值定义任务优先级,并将任务按升秩值排序后为任务选择满足双QoS约束的适合资源集;进一步,在任务分级调度阶段,算法定义了4条满足时间/代价均衡的最优资源选择规则,进而得到最优工作流调度方案。通过设计算例,详细阐述了新算法的思想。最后,通过现实科学工作流的仿真测试,将所提算法与同类算法进行了性能比较。结果表明,在不同紧密程度的约束条件下,所提算法在调度代价、调度时间和调度成功率等指标上均表现出更优的性能,可以有效实现均衡调度。