多点通信最优路由模型及其启发式算法

路由是多点通信研究中的一个重要问题。从系统资源利用的角度出发，路由的结果应该尽量使网络中的总费用最小，这是多点最优路由（ＯＭＲ）问题。目前对ＯＭＲ问题尚无系统的建模和理论分析。本文提出了多点通信系统最优（ＳＯＭＲ）模型，并通过对模型的分析得到最优路由的性质。在此基础上提出一种启发式路由算法－Δ算法，并将Δ算法与ＫＭＢ算法进行了比较。仿真结果表明，Δ算法较ＫＭＢ算法在路由平均费用及有效地利用系统资源     

IP网络中的两种路由模型

分析了ＩＰ网络中的两种路由模型：用户平衡模型和系统最优模型。目前常用的ＩＰ路由算法都是基于短路的，即为每个数据报寻找费用最小的路径，它对应于本文中讨论的用户平衡模型；而从网络资源利用的角度出发，要求网络的总费用越小越好，可以用系统最优模型来表示。本文首先讨论了链路和路径上的阻抗模型，在此基础上介绍了两种路由模型，给出它们在极小点的一阶条件，并通过对一阶条件的分析，指出当略去拥挤效应时，二者是等价的     

基于共享树策略的延迟受限组播路由算法

提出了一个有效的基于共享树策略的延迟受限组播路由算法（STMA），算法的计算复杂性是O（m|V|^2)，其中m是组成员数量，|V|是网络中节点数量，仿真结果显示，STMA在适中的复杂性水平上取得了良好的代价性能。     

一种新的IP网络路由模型

充分分析ＩＰ网络的机理和ＩＰ网络的特点，根据波动理论，当网络出现挤或堵塞时建立了流的密度、速率和流量的关系式。进一步分析了波的前向和后向传播现象，定义了排队长度，定义了排队长度。由此推断出链路传输延迟同排队长度和速率之间的关系，证明了延迟是流量的增函数。最后用最优控制理论建立了ＩＰ网络系统最优的路由模型。该模型可以用来设计缓冲器、配流和寻径。     

无线传感器网络中一种基于簇头预测和功率控制的节能路由算法

在无线传感器网络中,节点能量有限且一般没有能量补充,因此如何减少节点的能量消耗成为路由协议的研究目标。文中提出一种基于簇头预测和功率控制的节能路由算法CHFPC(Cluster Head Forecasting andPower Controlling),该算法利用能量和距离参数对簇头进行预测,并将功率控制这一机制引入分簇路由和数据传输的过程中,从而使节点的平均能耗降低。最后用OMNeT++仿真的结果表明所提出的方案在网络生存时间和网络总剩余能量指标上比LEACH算法分别提高23%和15%,而且节点生命周期也明显长于LEACH算法。     

对无线HART网络的图表路由算法的研究

在无线HART网络层协议中图表路由算法被规定为常规的路由方法.协议仅对图表路由算法进行了定义以及规定了其特点,并没有实现明确的仿真以及评估,本文在TinyOS中运用nesC语言对图表路由算法进行仿真,并且在吞吐量、延迟2个方面与AODV协议进行对比评估,通过TinyOS模拟仿真和评估可以看出,图表路由算法在无线HART网络中具有明显优势.     

在ad hoc网络中一种新的节能路由维护模型

近年来在adhoc网络中研究路由建立模型及其QoS性能已经作了许多工作,但是路由维护的能量消耗问题却被忽略了。由于移动主机的移动,一条路由的能量消耗值也随着发生变化。本文提出了一种基于距离的路由维护模型(DBRM),它在路由维护中利用切换技术来使路由的能量消耗值最小。另外各移动主机可以转换到不同的工作状态从而节省能量,各状态的持续时间根据节点的距离和剩余能量权值动态设定,从而较低限度减少其对路由切换的影响。仿真结果表明DBRM模型的能量节省总量要明显大于固定监听间隔工作方式IEEE802.11,也要大于GAF方案的随机监听间隔的能量管理方式。     

基于流量矩阵估计的路由推断算法

路由信息对网络而言非常重要。现有的路由推断技术很难适用于任意网络。本文提出了一种路由推断算法,在已知网络的拓扑结构和链路流量的情况下,先通过期望最大化算法对一个包含了多种路由可能性的流量矩阵进行估计,然后根据对应的可能需求的估计值的差异来推断实际路由。仿真结果证明了方法的有效性。     

求解弹性需求条件下连续平衡网络设计问题的启发式算法

采用双层规划模型描述弹性需求条件下的连续平衡网络计算问题，设计了近似解的启发式算法，本算法不需求导数，通过一简单算例与基于灵敏度分析法的求解算法比较，计算结果令人满意，但相应的计算量增加。     

包西铁路陕西段TMIS网络路由设计

介绍多区域OSPF路由技术，并将该技术应用到包西复线陕西段新建TMIS网络和原有TMIS网络升级改造中，提高包西铁路陕西段TMIS网络的安全性和可靠性。     

综合运输体系下快捷货运网络流量分配优化模型及算法

研究综合运输体系下快捷货运网络流量分配优化问题.基于服务水平的概念构建综合运输体系下的快捷货运网络,网络中包含运输方式、服务水平各不相同的多种运输服务.给出一种求解联弧权重均为正值的有向网络中任意两点间k短路的Double-sweep算法,并对通过联弧时间为随机变量的情况进行讨论,该算法以Visual C++语言实现.以网络中两点间k短路作为可选径路集,构建快捷货运网络流量分配优化模型,模型在满足需求服务水平的前提下以成本最小化为目标,且考虑了交通运输系统的外部影响.模型可采用Lingo 8.0进行求解.若干算例表明,给出的模型及算法可以用于求解实际规模的问题.     

一种基于无线传感器网络的安全优先门限敏感分簇路由协议

为构建基于无线传感器网络的铁路防灾安全监控系统,在门限敏感的节能型网络协议(TEEN)基础上,提出1种安全优先门限敏感分簇路由协议(SPTC).确定SPTC的网络架构,基于能量计算公式设计簇头分布算法及簇头和副簇头选举算法,以及路由建立步骤和数据采集流程.在协议中定义副簇头,保证数据路由的可靠性及数据自身传输的安全,提高协议的安全性;在汇聚节点(SN)附近区域布置更小规模的簇,在兼顾剩余能量与节点距离的准则下选择最佳的簇头节点,以提高协议的节能性.采用OMNeT++网络仿真工具对SPTC进行了建模仿真.仿真结果表明:当网络工作了10 000 s时,低能量节点数量比低功耗自适应聚类层次协议(LEACH)减少了60％;当灾害数据采集概率为0.5％时,基于SPTC协议的网络检测周期是基于LEACH的1.7倍.     

铁路应急通信网络组呼的组播路由算法分析

从建立GSM-R铁路应急通信网络的需要出发,在组播路由算法ODMRP的基础上通过改进,提出1种支持GSM-R铁路应急通信网络组呼的组播路由新算法(REGCA)及其算法流程。在该算法中加入了抑制听者发言、限制洪泛区域以及允许自动加入临时组播等控制策略。使用NS2仿真工具建立武广高铁应急通信系统自组网仿真模型,然后根据模型建立相应的仿真场景,对REGCA算法进行仿真分析。仿真结果表明,采用REGCA算法能够大大减轻网络负载、提高分组投递率、降低端到端传输时延和路由开销;采用REGCA算法在各种仿真场景中的分组投递率均达80%以上,端到端传输平均时延均在0.4s以下,能够满足GSM-R铁路应急通信环境下的组呼要求。     

基于神经网络的货运列车速度曲线实时规划算法

为降低司机操纵难度、提高运输效能,文章提出一种基于神经网络模型的实时速度曲线规划算法来优化列车操纵指导。该算法首先通过分析二次规划的优化结果,确定神经网络模型的输入与输出形式;并以大量优化结果作为样本数据对神经网络模型进行训练,确定模型的结构与权重;最后将训练出的模型与输入构造模块和牵引计算模块相结合,设计出整个算法流程。为验证该规划算法的正确性、实时性和节能性,分别在虚拟复杂线路和实际线路上进行仿真。结果表明,在保证实时计算的前提下,利用该算法所得的速度曲线与基于二次规划的离线全局规划算法的速度曲线相吻合,且相比于优秀司机的操纵结果节能5.98%。     

论GSM-R移动交换网GT路由组织问题

目前中国铁路GSM-R网络正处于快速建设期内,移动网的数据规划和分析中,GT数据分析占据了极其重要的地位。站在GSM-R全路核心网的角度,就GSM-R网络建设和运维过程中存在的GT分析数据制作和路由优化等问题,提出见解,以供参考。     

基于轨道交通网络特点的K最短路算法研究

城市轨道交通网络发展带来出行路径选择的复杂性,为了科学掌握线路客流,组织运输,合理引导乘客路径选择,需要开展轨道多路径算法研究;同时,随着生活节奏加快,要求算法高效,注重路径获取的实时性。针对轨道网络特征,将站点之间K最短路搜索转化为线路换乘组合搜索,降低搜索空间复杂度,并利用杭州轨道交通网络进行案例验证。算法明显提升轨道网络K最短路搜索效率,能够更快速响应轨道交通实际运行变化,有助于提升今后轨道交通出行服务应用。     

基于多商品流模型的铁路网车流分配和径路优化模型

针对既有点-弧模型和弧-路模型的局限性做2点改进.第1点是定义1个0-1决策变最,使优化结果体现车流的径路;第2点是区分大股车流和小股车流,使优化结果符合实际车流组织的特点.基于多商品流模型,结合铁路运输组织的车流不拆散原则,对大股车流、线路能力和车站能力进行约束,构建铁路网车流分配和径路优化改进模制,采用Lingo 8.0软件求解.以简化的东北地区局部路网为例,采用模拟OD车流,按照本文构建的模型进行铁路网车流分配及径路优化.结果表明:采用该模型能够得出较理想的车流分配和径路方案,验证了模型的合理性与有效性.     

基于代价敏感卷积神经网络的扣件缺陷检测算法

为解决扣件数据集不平衡问题,引入代价敏感策略对卷积神经网络算法进行改进,并以此检测断裂、丢失的缺陷扣件。该算法借鉴AdaBoost算法的思路,在训练过程中对整体误差函数中每个样本分配不同的权重,并依据先前模型的错误率不断地加以调整,使算法关注各个类别中的难学习样本,并对调整后的权重按类别进行归一化处理,以增大小类样本的关注度。分别在高速铁路无砟轨道和普速铁路有砟轨道2个扣件数据集上进行对照试验验证算法的有效性。引入G-mean作为评价指标平衡不同类别的召回率。结果表明:将改进后算法应用于高速铁路无砟和普速铁路有砟轨道的扣件数据集,改进后算法的G-mean值比原算法分别提高10%和25%以上;比传统的扣件识别方法分别提高13%和39%以上。