一、一种基于遗传算法的资源优化利用路由算法（论文文献综述）
宋琨[1]（2021）在《面向ISL的高效路由协议研究》文中进行了进一步梳理物联网（Internet of Things,IoT）作为第三次信息科技革命正迅速的涌现在不同的应用领域,推动生活方式向智慧化的方向发展,提高了社会的经济效益。然而,物联网传感器层（IoT Sensors Layer,ISL）目前所面临的能耗和安全问题成为了限制其快速发展的主要因素。针对上述问题,本文将从兼顾ISL能效和安全性的角度出发,结合IoT的网络特性,对适用于ISL的高效路由协议展开研究。本文主要工作及贡献如下:1)通过同时考虑节点的信任值、剩余能量以及能耗率等影响因素,提出了一种基于节点信任的能量优化分簇算法（Energy Optimization Cluster head Election Algorithm Based on Node Trust,BT-EOCE）。BT-EOCE算法首先添加了信任阈值来确保参与簇头选举的节点的安全性,然后利用节点的剩余能量和能耗率等因素对簇头选举的影响,对簇头的选举阈值进行改进,使网络的能量利用率进一步提升。分析和仿真结果表明,BT-EOCE算法能有效提高网络的安全性、吞吐量和网络的生命周期。2)针对簇头单跳向基站传输数据会导致能量消耗太快和网络没有安全防御机制的问题,提出了一种基于遗传算法的安全多跳路由协议（Secure Multi-Hop Routing Protocol Based on Genetic Algorithm,GA-SMHR）。GA-SMHR算法首先通过考虑节点的信任值、剩余能量、覆盖范围以及通信距离等因素选取出优质安全的簇头来承担繁重的数据融合传输任务。然后利用遗传算法为簇头多跳传输寻找最优路径来均衡网络能耗,在保证安全的基础上提高网络能效。分析和仿真结果表明,GA-SMHR算法能在保障网络传输安全的同时延长网络寿命。3)针对大多数路由算法所考虑的安全抵御机制较为简单,本文对加强网络安全展开了深入研究,提出了一种适用于ISL的多级安全能效路由（Energy Efficient Multi-Level Secure Routing,EEMSR）协议。EEMSR算法从数据感知、通信以及融合等多个层次分析了影响网络安全的因素,并根据考察节点信任属性的不同为网络建立了不同的安全级别,以应对不同类型的网络攻击。分析和仿真结果表明,EEMSR算法不仅提高了网络的生命周期和适应性,而且能显着提高网络的安全性,非常适合大规模IoT部署。
陈煌[2]（2021）在《列车通信以太网网络重构及性能优化研究》文中研究说明随着列车通信网络（Train Communication Network,TCN）所承载的数据信息呈现海量化和多源化,列车通信以太网由于其高带宽和高兼容性等优势而成为TCN重点研究和发展的方向。然而,面对通信系统规模和功能复杂度的迅速增长,列车通信以太网存在的流量调度弱和拓扑管理差等缺点日益凸显,极易出现流量传输异常、通信链路中断等性能衰退或者故障现象,进而引发列车控制信息错误甚至系统功能紊乱,危及列车的安全可靠运行。网络重构优化理论,是在故障诊断和性能分析的基础上,对特定网络资源和功能进行抽象和分解,并根据所需的优化目标合理地分配和设计功能单元。所以,该理论能够对故障状态下的通信网络进行主动地传输调度恢复和网络性能调优,快速有效地抑制故障和性能异常对通信的影响。因此,为了保障列车的高效安全运行,满足列车通信以太网对故障处理能力和性能调优的更高要求,网络重构优化理论作为一种具备故障自恢复与性能优化的综合化智能容错设计理论,值得进行深入的研究。本文围绕列车通信以太网的网络故障管理与性能优化问题,以网络资源调度自调整和拓扑路由自恢复作为重点研究对象,提出了列车通信以太网网络重构及性能优化策略,包括:网络资源预调度重构、子网网络资源动态调度重构和网络拓扑路由重构。本文主要工作与研究成果如下:1、针对系统间多核心的协同预调度最优配置问题,提出了一种基于自适应趋化细菌觅食算法（BFO with Self-adaptive Chemotaxis strategy,SCBFO）的网络资源预调度重构策略。针对列车通信以太网系统间多网络核心的流量传输协同预调度,在基于时间触发机制的网络结构下,首先构建了列车通信以太网的系统间实时流量资源协同传输模型;再提取特征周期与时间初相作为预调度重构优化的关键,形成了统一时间标签下的预调度约束条件与性能优化目标;最后,提出了一种基于SCBFO的网络资源预调度重构策略,兼顾了重构的优化效果、搜索速度和搜索稳定性。2、针对列车编组网（Ethernet Consist Network,ECN）子网的快速动态调度自调整需求,提出了一种基于多目标模糊粒子群算法（Multi-objective Fuzzy Particle Swarm Optimization,MOFPSO）的子网网络动态调度重构策略。根据ECN子网的网络分割独立特性,建立了以网络交换机为核心的子网传输结构分析方法;再根据ECN子网交换式传输基础,对子网内实时流量的动态调度控制进行了时域化建模与特征排序,对通信链路传输进行了可变时间窗划分,并据此形成了动态调度重构的约束条件与优化目标;提出了一种基于MOFPSO的子网网络资源动态调度重构策略,快速地完成了流量异常状况下ECN子网调度表的动态调度重构设计优化。3、针对故障下拓扑路由规划的最优化问题,提出了基于差分进化混合禁忌算法（Differential Evolution hybrid Tabu algorithm,TDE）的网络拓扑路由重构策略。在实际运行的列车通信以太网网络结构的基础上,建立了网络拓扑架构稀疏化模型,涵盖了节点状态矩阵、端口连通矩阵和有向通信链路矩阵;设计了针对流量传输的拓扑路由性能综合评价指标,包括通信链路负载率、转发时延和传输抖动等,形成了完整的网络拓扑路由模型体系;最后,提出了一种基于TDE的网络拓扑路由重构策略,快速且有效地应对了通信链路故障所带来的网络拓扑突变。4、为了验证网络重构优化的实际应用有效性问题,设计并搭建了基于列车通信以太网的网络重构优化实验平台。依据所提出的列车通信以太网网络重构优化策略,以TRDP地铁列车实车通信网络为基础,设计了网络资源和通信链路的实时监测控制方案,完成了列车通信以太网重构优化实验平台的搭建。通过实际实验平台测试,证明了网络资源预调度重构、ECN子网网络资源动态调度重构和网络拓扑路由重构策略的有效性,从而表明所提出的网络重构优化策略为列车通信以太网的智能容错设计研究提供了一种新型的优化方案。
庞博[3]（2021）在《基于遗传算法的无线传感器网络分簇路由算法研究》文中研究指明无线传感器网络（Wireless Sensor Network,WSN）是一种新型无线智能网络,具有自组织能力强,可随机部署特点,广泛应用在环境监测、医疗、智能家居等领域。但组成WSN的众多传感器节点采用一次性电池供能,节点能量耗尽并不能及时充电,影响WSN正常运行。在资源有限情况下,设计高效节能路由算法寻找“高效”路径,降低网络能耗具有十分重要的研究意义和价值。本文通过对经典分簇路由算法的研究和改进,以节能高效路由为目标,提出基于分区和优化阈值函数的改进LEACH算法和基于遗传算法的分簇路由算法,研究内容如下:针对LEACH路由存在簇头随机选举,簇间单跳路由传输造成簇头耗能加快等问题,提出一种基于分区和阈值优化的改进LEACH算法。该算法考虑节点剩余能量、邻居节点数及节点距基站距离三因素对簇头选举函数进行优化,同时对WSN部署区域进行划分,不同分区采取不同数据传输方式,降低基站附近簇头节点转发负载。结果表明,与LEACH、LEACH-EDP相比,第一死亡节点运行时间分别延长了 41.22%、14.94%,在提高网络稳定性方面有更好的性能表现。在改进的LEACH算法基础上,对于循环成簇会造成节点通信能耗加剧问题,提出一种基于遗传算法的分簇路由算法。利用遗传算法设计一种动态的簇头选举方法,在稳定阶段引入代价函数,改进簇间下一跳转发节点的选择策略,选择能量充足、位置更优的簇头进行数据转发。仿真结果表明,该算法相比LEACH、LEACH-EDP和改进的LEACH,能够降低节点无线通信能耗,提高节点能量利用率,延长网络的生命周期,同时该算法在大区域下也有良好的性能表现。
李亚群[4]（2021）在《基于SDN的电力通信网风险评估算法研究》文中进行了进一步梳理随着云计算、大数据和5G技术的发展,电力通信网（PCN）将不断向电力物联网的方向演进,网络将会承载更多的业务且信息传递方式日益复杂;与此同时,大量新兴的电力业务对通信服务的需求差异化也在逐步扩大,传统的电力通信网络在网络统一管理和网络资源统一调度方面有所受限,灵活性和扩展性不足以满足网络发展的需求。软件定义网络（SDN）架构下的电力通信网便应运而生,SDN架构下的电力通信网能够方便地实现网络资源调度及管理,能快速为网络业务分配资源。电力通信网的风险评估是一个具有多切入点、多思考角度的研究课题。本文将采用基于链路重要度熵的方法对网络风险进行评估,即链路重要度分布越均衡网络风险越小。链路重要度的评估准确性关系着网络风险评估的有效性,所以,本文将对链路重要度评估开展相关研究工作。现有的网络单元重要性评估主要是基于单一路由情况下来进行的,这与电力通信网中很多业务需要配备备用路由的情况不符,因此,本文将对SDN架构下,考虑主备路由的电力通信网络链路重要度进行评估。本文提出了 SDN架构下的主备路由模型,在该模型中,需要保护的业务均具有链路完全分离的主备路径,链路失效引起路由中断时,在带宽和时延允许的情况下,SDN控制器会按照业务种类重要度来为业务重新分配主备路由。基于该主备路由模型,本文提出了考虑主备路由的链路重要度评估算法WBR-LIEA,该算法分别从三个逻辑层面（服务层、传输层和物理拓扑层）评估链路关联的风险值,并通过自适应系数将三个层面的链路关联风险融合成链路的综合关联风险值,以此来度量网络中的链路重要度。为了验证WBR-LIEA的有效性,本文建立了四种网络性能指标,分别是业务重要度丢失率LSI、业务流量丢失率LTF,网络效率NE和网络综合风险CNR,并在不同的电力通信网上对算法进行仿真分析。仿真结果表明,WBR-LIEA较对比算法能够更有效、更准确地对链路重要度进行评估,可以为SDN架构下存在主备路由的电力通信网络风险控制和可靠性保障提供有价值的参考。最后,基于链路重要度熵来对网络风险进行评估,并且采用遗传算法来对网络业务进行路由优化使网络风险得到有效降低。为了验证路由优化的效果,本文还对最短路径和遗传算法两种路由方式下的网络链路进行蓄意攻击,仍然采用上述四个网络性能指标来进行验证,发现网络链路在遭受连续蓄意攻击时,经过遗传算法优化后的网络相关性能变化相对缓慢,说明优化后的网络链路重要度分布更加均衡,网络风险得到有效降低。
佟欣[5]（2021）在《自由空间光网络信号传输串扰特性研究》文中研究说明随着自由空间光通信技术的不断发展,由点对点激光通信系统向着自由空间光网络系统发展是大势所趋。自由空间光通信具有高速度、高保密性以及高容量等优点,在天地一体化网络建设方面有着广泛应用前景。但是光信号在网络中传输时,光网络节点内部和外部的因素发生信号串扰,导致系统质量降低。因此,为了提高通信质量,分析产生串扰的原因以及有效减少串扰带给通信系统的影响是自由空间光网络研究的重要方向。本文对自由空间光网络中的串扰传输问题进行了研究,主要内容如下:1)分析了自由空间光网络的特性。以NELS星座为例,首先对网络结构进行分析,分析了网络结构的组网方式以及节点构成;然后分析了串扰产生的原因、分类以及串扰对光网络中波长的影响;最后对线性串扰进行初步数学模型分析,为以后建立线性串扰数学模型打下理论基础。2)建立了光网络中节点内的串扰信号的数学统计模型。首先对串扰信号进行分析,分别建立了基于高斯分布的统计分析模型以及基于零阶贝塞尔函数的数学统计分析模型;分析了不同干扰源数量下两种数学统计分析模型的性能。3)根据系统性能提出了变步长CMA-LMS均衡算法。首先简要介绍了自适应均衡中的最小均方误差算法（LMS）以及恒模算法（CMA）;其次本文提出了变步长CMA-LMS自适应均衡算法对光信号和串扰信号进行均衡,并对算法进行上的理论推导。实验结果表明,提出的算法能有效的提高了系统性能。4)对光网络中节点间的串扰信号进行分析并提出了改进的遗传算法。当网络负载为140Erlang时,改进的遗传算法阻塞率比未改进算法阻塞率降低33%,同时,当网络负载一定时,随着波长数量的增加,受到串扰影响的波长数量会随之减少;实验结果表明,通过改进的遗传算法,可以有效选择出受到串扰影响最小的波长组合,提高网络质量。本文的研究成果可以对今后空间全光网络的设计以及可行性提供理论参考。
杨艳[6]（2021）在《基于链路预测的飞行器自组网能量均衡路由研究》文中研究表明随着无线通信技术的快速发展,飞行器自组织网络（Flying Ad hoc NETwork,FANET）已经成为新的研究热点,恶劣环境下节点的高速移动和网络拓扑结构的动态变化对FANET路由技术提出了新的挑战。本文针对现有FANET路由协议在保证路径稳定性和节点能量均衡性方面的不足,对其中普遍采用的移动Ad Hoc按需距离矢量（Ad Hoc On-demand Distance Vector Routing,AODV）路由协议进行深入研究,发现其用于FANET中的缺陷主要体现在路由路径建立的过程中没有充分考虑节点的剩余能量,某些节点被过度使用;完成路由发现后持续使用而不释放,直到节点移动或死亡;以固定的时间间隔广播HELLO数据包进行路由维护给信道带来一定的负担。因此本研究提出基于FANET链路预测的能量均衡路由算法LPEB＿A。在链路预测方面,通过构建飞行器运动信息模型计算链路生存时间,据此进行中断预测,避免重新路由发现的过程。在能量均衡方面,首先在路由发现阶段对节点剩余能量进行计算并等级量化;其次,在信息传输的过程中进行路由决策,选择路径得分高的节点进行信息传输;最后,在链路维护阶段提出基于遗传算法的HELLO数据包信息传输机制,使网络节点可以选择合适的时间间隔进行HELLO数据包的传输,更好地适应动态的网络结构,进一步实现网络节点能量均衡的目的。最后经仿真结果表明,与已有的相关路由算法相比,本研究所提出的基于链路预测的能量均衡路由算法可以有效降低网络能量消耗、节省网络开销、增强链路稳定性,并提高数据分组投递率。
张乔[7]（2021）在《窄带网络下的海洋数据传输路径优化与获取方法研究》文中提出海洋开发和利用,网络通信是关键。限于海洋独特的环境,无线通信是最优的选择。目前离岸线较远（通常是12海里以外）的海域,主要依赖高通量卫星通信和北斗短报文通信,近岸可以依靠移动运营商网络。卫星通信成本高,天线复杂,实现困难,北斗短报文信息流通量小,移动运营商网络覆盖有限。因此,在海洋领域研究低成本无线通信技术,对海洋监测数据采集具有重要意义和迫切性。远距离无线传输通常通过无线节点或基站之间接力传输实现,节点或基站之间传输路径优化是关键性技术问题,有待深入研究。论文应用LoRa无线通信机制,通过基站或节点之间接力传输,构建无线自组网络,实现海域远距离无线传输;本文研究了由固定的网络节点组成的无线Mesh网络的传输路径优化问题,提出了改进的遗传算法对无线Mesh网络的传输路径进行了优化。经过仿真,对比了改进的遗产算法、遗传算法和蚁群算法等三种算法在无线Mesh网络的传输路径优化的性能区别;本文还研究了由移动的网络节点组成的无线Ad Hoc网络的传输路径优化问题,分析了AODV算法在无线Ad Hoc网络的路由优化的特点,然后提出了双向搜索算法对无线Ad Hoc网络的传输路径进行了优化,经过仿真,对比了AODV路由算法和双向搜索法在Ad Hoc网络的路由优化的主要性能的区别。本文还研发了基于433MHz频率段,LoRa机制无线传输海洋数据采集装置,针对海洋领域实际应用,制定单一信道下,信号时分传输协议,实现准实时性海洋数据采集。
高雄[8]（2021）在《支持计算泛化的复杂光网络研究》文中研究说明在云计算、边缘计算等的驱动下,过去10年间计算应用数量剧增。可以预见,未来随着通信技术的演进和信息化广度及深度进一步的增强,更多依赖计算的新应用会不断涌现并快速迭代更新,从而催生出更多的计算场景,也必然会不断对现有光网络提出新的挑战。整个网络上运行的计算应用数量越来越多,计算量越来越大,需求复杂多变的计算应用对协同性要求越来越高、对完成时间要求越来越严格,呈现出计算泛化的大趋势。为应对计算泛化给网络带来的冲击,首先应当立足于海量计算任务流量模式叠加混杂的特点,开展网络结构的研究;同时,与高密度的分散并发计算任务适配的结构往往呈现出复杂网络特性,直接应用传统的网络路由算法极易导致网络拥塞,为保证计算任务的高效传输,应当对路由算法进行设计;此外,面对海量计算任务多样化的需求,合理的任务调度协同机制也成为不能忽视的问题。具体地,论文主要工作可以归纳如下:第一,为了更科学的评估网络对于计算任务支持能力的强弱,本文基于计算任务的通信模式定义了全新的网络评价指标:模式完成时间和模式通信长度。并且,基于最小化平均模式完成时间的优化目标,本文采用遗传算法进行建模,提出了基于新评价指标的网络塑造方法CoPa。在不同的通信模式及其组合下进行仿真实验,CoPa的网络性能均能大幅超越目前最先进的网络塑造策略,这表明CoPa能够较好的应对海量计算任务叠加混杂对网络结构的挑战。第二,基于CoPa塑造的网络呈现出复杂网络特性,重点研究了复杂网络场景下,高效的网络路由策略GH的设计。该路由算法结合无标度网络自身的结构特性和节点动态信息,选择综合评价值最小的全网最优路径进行转发。通过搭建大规模的网络仿真平台,本文验证了 GH路由不仅能够实现大通信容量还能降低数据包的平均端到端传输时间。此外,在数据中心网络中部署本文所提的GH路由算法,验证了其高效性和实用性。第三,由于海量并发计算任务时空分布不均衡、多个区域需要广泛协同,本文设计了多数据中心网络计算任务协同调度机制MuReCo。具体而言,本文综合考虑了计算资源和网络资源对于计算任务性能的影响,并且通过精细化的设计,一次性解决了多数据中心光网络场景下计算任务协同调度和路由的问题。本文在真实的互联网服务提供商网络中进行仿真,验证了 MuReCo在均匀和非均匀的负载分布下均能大幅降低计算任务的完成时间。最后,针对城域光网络计算任务的协同机制,本文搭建实验平台,演示了边缘数据中心和云数据中心多种协同计算模式的设置和调整机制,论证了边缘节点和云数据中心节点协同的可行性与必要性。
刘保菊[9]（2021）在《智能电网通信网中业务驱动的高可靠路由算法研究》文中研究指明智能电网是将信息通信、传感测量等多种技术与物理电网高度融合的新型电网。智能电网通信网主要负责电能生产过程中的测量、调节、控制、保护、调度等信息的可靠传输。在智能电网通信网中,调度中心站结合所采集的物理电网状态信息与所辖厂、站节点定期信息交互并,并将综合分析后的决策信息下发至各通信子站或终端站点,从而实现电网智能化管理与调度。智能电网通信网承载的典型电力业务包括继电保护、安稳控制、系统保护、调度自动化、变电站视频监控以及随着新应用兴起和增值服务出现而衍生的新型电力业务,这些业务具有异构性强、QoS需求差异大及行业特色明显等特点。端到端电力业务的可靠传输是确保通信网络对智能电网调度、保护及控制的关键。结合网络运行实际、多维参数约束及网络资源使用情况,本文从业务角度研究高可靠路由算法设计对优化网络资源配置、提升全局网络资源利用率、实现网络负载及风险均衡对确保智能电网稳定运行具有重要意义。在智能电网通信网中,高可靠路由算法的研究已引起学术界和产业界广泛关注,但由于智能电网通信网结构及承载业务的特殊性,仍存在以下问题需要解决:大多数路由算法没有考虑因业务汇聚而造成的局部网络风险扩大问题;针对关键电力业务,缺乏将网络特点与业务性能相结合的双路由规划算法;进行业务恢复时的路由重构模型目标函数与约束条件设定相对简单,对智能电网通信网适用性有限。针对以上问题,本文结合不同业务类型及智能电网通信网络特点,开展基于风险感知和QoS保障的业务双路由规划算法、基于链路带宽可用性的业务路由恢复算法、基于生存性的业务路由恢复算法、基于拥塞缓解的业务路由优化及资源分配算法等四个方面的研究,主要内容如下:（1）针对智能电网通信网中现有双路由算法对业务汇聚性和QoS指标考虑不足的问题,提出了基于风险感知和QoS保障的系统保护类业务双路由规划算法。该算法综合考虑节点风险、链路风险、整体网络风险均衡及业务端到端通信时延等因素,构建以最小化业务通信时延及网络风险均衡为目标的多目标优化模型,并采用带精英策略的快速非支配排序遗传算法求解。仿真结果表明所提出的双路由规划算法能满足业务通信指标需求,同时与联合网络负载与风险均衡的路由算法相比,业务主路由规划方案中网络整体风险均衡值降低约29.83%,而备用路由规划方案中整体风险均衡值则降低了 57.48%。（2）针对智能电网通信网小规模网络故障后,现有重路由算法忽略不同电力业务差异性及网络负载不均衡问题,提出了基于链路带宽可用性的业务路由恢复算法。在该算法中,先进行业务等级划分,同时结合电网站点等级差和链路带宽可用性等因素,将重路由后网络负载均衡问题构建为以链路带宽可用性最大为目标的整数规划问题,并在k最短路径算法基础上设计启发式算法以获取高效可行解。仿真验证表明该算法在单链路、双链路两种故障场景下均能有效实现差异化电力业务恢复,同时与基于平均链路利用率的负载均衡算法相比,其平均负载标准差分别降低了2.26%、3%。（3）针对自然灾害引发的智能电网通信网区域故障导致多业务传输中断,现有路由恢复算法忽略电力业务性能指标及持续灾害影响的问题,提出了基于生存性的业务路由恢复算法。该算法在业务优先级分类基础上,结合地震灾害发生特点,建立节点、链路及路由生存性模型。为提高算法运行效率,满足业务恢复要求,利用深度强化学习的强表征和强决策能力,将深度优先算法与改进抽样机制的深度强化学习算法相结合,以获取最优路由组合并实现整体业务快速恢复。仿真验证表明所提出算法与基于优先级抽样的强化学习方法相比具有更好收敛性;在满足业务通信时延前提下,与基于贪婪近似技术的最小时延路由算法相比路由生存性提升了 47%。（4）针对电力业务在主备路由切换过程中,因备用路径上频谱资源相对紧缺容易造成业务阻塞率高及网络负载不均衡问题,提出了基于拥塞缓解的业务路由及频谱资源分配算法。该算法结合业务需求、网络拓扑特点及网络资源在时间、频谱域上的状态等多种因素影响,构建以最小化业务阻塞率和时间、频谱连通度为目标的整数线性规划模型,并提出基于弹性时间调度的拥塞缓解机制,以解决资源紧张时业务阻塞率高的问题。为降低算法运行时间,设计启发式算法进行求解。仿真结果表明与典型的路由及资源分配方案相比,所提算法业务阻塞率降低了 38.09%,负载公平性指数则提升了 54.89%。
余霞[10]（2021）在《面向无线通信的NoC架构与映射技术研究》文中提出随着半导体集成电路的发展,单一芯片上可集成的处理核数逐渐增多,传统的总线结构成为限制芯片尺寸、速度、功耗、通信需求等发展的瓶颈。片上网络（Network on Chip,NoC）作为一种全新方案,将互联网思想移植到片上系统（System on Chip,So C）中,通过将通信和计算两部分分离,很好地解决了总线架构存在的问题。同时,随着无线通信技术的飞速发展,其系统内部计算量和复杂度越来越高,大规模的并行计算成为发展趋势。由于片上网络具有功耗低、扩展性好、传输可靠等优点,因此,基于片上网络的多核并行处理平台能够在最小化功耗、面积的情况下,为无线通信计算提供强大的支撑。本文从NoC基础理论出发,重点对NoC设计中的关键技术之一的映射问题进行研究。NoC的映射问题是一个非确定性多项式（Non-Deterministic Polynomial,NP）难问题,其解搜索空间过大,只能通过启发类搜索算法求得近似解;同时,本文针对功耗和延时双目标的求解又属于多目标规划问题,这类问题的各个目标通常相互制约,因而难以取得在各个设计目标上的最优值。因此,本文围绕面向无线通信的NoC映射技术,针对其中的任务划分和映射求解的优化开展了如下几项研究工作:（1）分析了无线通信算法中的典型特征和相关算例,即奇异值分解（Singular Value Decomposition,SVD）算法和最小均方误差干扰抑制合并（Minimum Mean Squared Error-Interference Rejection Combining,MMSE-IRC）算法,设计基于2DMesh拓扑结构的NoC,将无线通信算例的计算过程具象化为有向无环的任务流图,其中,任务流图的节点和边分别代表了算例的运算指令和数据流向。（2）针对无线通信算法的任务流图,建立NoC映射能耗与延时计算模型,并提出相应的评价函数和约束条件。由于任务流图节点的数量过于庞大,使得映射后的解搜索空间过大,计算复杂度高。因此,本文提出基于最小化全局边权值和的任务流图划分技术,将任务流图中的部分节点进行合并,缩小任务流图的规模。仿真结果证明,该策略能够降低后续映射复杂度。在选取的SVD算例中,划分后的图映射结果在功耗降低了33.23%,在延时上降低了20.18%;在MMSE-IRC算例中,划分后的图映射结果在功耗上降低了9.33%,在延时上降低了18.76%。（3）为了进一步增强解空间的搜索能力,在传统的启发式算法基础上,提出基于生成式对抗网络（Generative Adversarial Networks,GAN）的改进算法。作为近年来被广泛应用在数据增强、生成领域的无监督学习技术,GAN由生成器网络和鉴别器网络组成,借鉴博弈论的思想,利用真实样本和随机样本对两者进行训练,最终达到两者平衡。本文将生成式对抗网络应用在多目标映射优化问题中,仿真结果证明,GAN训练后产生的解在分布性和收敛性方面表现更好,且训练后产生的最优解相比样本解而言,更加逼近真实最优解。数据表明,在MMSE-IRC算例中,GAN取得的最优解在功耗上降低了24.49%,延时上减少了10.89%;在SVD算例中,GAN取得的最优解在功耗上降低了17.54%,延时减少了8.77%。本文所提出的算法,不仅在性能上有所突破,其完整的算法流程和通用的映射及优化模型,也对未来无线通信和NoC映射领域相关技术的具体实现、优化等多方面形成一定的参考价值。
二、一种基于遗传算法的资源优化利用路由算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种基于遗传算法的资源优化利用路由算法（论文提纲范文）
（1）面向ISL的高效路由协议研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容 |
| 1.4 本文安排 |
| 第二章 IoT相关概述 |
| 2.1 IoT架构 |
| 2.2 ISL特性 |
| 2.2.1 规模庞大 |
| 2.2.2 异构性 |
| 2.2.3 能效性 |
| 2.2.4 安全性 |
| 2.3 ISL路由协议 |
| 2.3.1 平面路由协议 |
| 2.3.2 分层路由协议 |
| 2.4 IoT面临的挑战 |
| 2.5 本章小结 |
| 第三章 基于节点信任的能量优化分簇算法 |
| 3.1 引言 |
| 3.2 系统模型 |
| 3.2.1 网络模型 |
| 3.2.2 能量模型 |
| 3.2.3 最优簇首数 |
| 3.3 提出的BT-EOCE算法 |
| 3.3.1 节点信任值分析 |
| 3.3.2 簇头选举 |
| 3.3.3 层次分析 |
| 3.3.4 BT-EOCE算法具体流程 |
| 3.4 仿真结果与分析 |
| 3.4.1 仿真参数设置 |
| 3.4.2 仿真结果分析 |
| 3.5 本章小结 |
| 第四章 基于遗传算法的安全多跳路由协议 |
| 4.1 引言 |
| 4.2 系统模型 |
| 4.2.1 网络模型 |
| 4.2.2 最优簇首数 |
| 4.3 提出的GA-SMHR算法 |
| 4.3.1 簇头的选取 |
| 4.3.2 多跳路由设计 |
| 4.3.3 GA-SMHR算法具体流程 |
| 4.4 仿真结果与分析 |
| 4.4.1 仿真参数设置 |
| 4.4.2 仿真结果分析 |
| 4.5 本章小结 |
| 第五章 多级安全能效路由协议 |
| 5.1 引言 |
| 5.2 系统模型 |
| 5.2.1 网络模型 |
| 5.2.2 分层信任模型 |
| 5.3 提出的EEMSR算法 |
| 5.3.1 多级网络安全 |
| 5.3.2 节点异常行为分析 |
| 5.3.3 节点信任值确定 |
| 5.3.4 EEMSR算法具体流程 |
| 5.4 仿真结果与分析 |
| 5.4.1 仿真参数设置 |
| 5.4.2 仿真结果分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果 |
（2）列车通信以太网网络重构及性能优化研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景与意义 |
| 1.2 列车通信以太网性能优化研究 |
| 1.2.1 网络协议与应用现状 |
| 1.2.2 网络架构与性能指标 |
| 1.2.3 国内外研究现状 |
| 1.2.3.1 调度控制优化研究 |
| 1.2.3.2 路由管理优化研究 |
| 1.3 网络重构优化基本问题与研究现状 |
| 1.3.1 网络资源调度重构理论 |
| 1.3.1.1 列车通信以太网网络资源调度 |
| 1.3.1.2 预调度重构研究现状 |
| 1.3.1.3 动态调度重构研究现状 |
| 1.3.2 网络拓扑路由重构理论 |
| 1.3.2.1 列车通信以太网网络拓扑路由 |
| 1.3.2.2 网络拓扑路由重构研究现状 |
| 1.4 论文整体结构与内容 |
| 1.4.1 本文研究的主要问题 |
| 1.4.2 整体研究架构 |
| 1.4.3 章节安排 |
| 2 基于SCBFO的网络资源预调度重构策略 |
| 2.1 引言 |
| 2.2 系统间网络资源预调度模型 |
| 2.2.1 时间触发流量通信原理 |
| 2.2.2 系统间实时流量传输结构建模 |
| 2.2.3 预调度重构约束与优化目标 |
| 2.3 自适应细菌觅食算法设计 |
| 2.3.1 细菌觅食算法架构与建模 |
| 2.3.2 自适应趋化控制改进设计 |
| 2.3.2.1 基于细菌搜索自调整趋化曲线的游动位移 |
| 2.3.2.2 基于细菌间信息交流的翻转方向改进 |
| 2.3.3 SCBFO算法整体流程设计 |
| 2.4 算法性能与稳定性测试分析 |
| 2.4.1 实验环境与参数配置 |
| 2.4.2 算法结果与性能分析 |
| 2.4.2.1 最优解优化结果分析对比 |
| 2.4.2.2 最优解搜索趋势分析对比 |
| 2.4.2.3 最优解优化稳定性分析对比 |
| 2.5 预调度重构模拟实验与评估 |
| 2.5.1 系统间网络资源模拟实验模型设置 |
| 2.5.2 预调度重构优化结果与分析 |
| 2.6 本章小结 |
| 3 基于MOFPSO的子网网络资源动态调度重构策略 |
| 3.1 引言 |
| 3.2 ECN子网资源动态调度建模 |
| 3.2.1 ECN子网调度模型分析 |
| 3.2.2 ECN子网资源模型时域化 |
| 3.2.3 动态调度重构约束条件 |
| 3.2.4 动态调度重构分配策略目标 |
| 3.3 多目标模糊粒子群算法设计 |
| 3.3.1 多目标粒子群算法设计 |
| 3.3.2 状态自评估模糊控制器设计 |
| 3.3.3 MOFPSO算法整体框架设计 |
| 3.4 动态调度重构模拟实验与分析 |
| 3.4.1 实验环境设置 |
| 3.4.2 重构策略参数设定 |
| 3.4.3 实验结果与分析 |
| 3.4.4 子网规模调整与优化分析 |
| 3.5 本章小结 |
| 4 基于TDE的网络拓扑路由重构策略 |
| 4.1 引言 |
| 4.2 列车通信以太网网络拓扑架构建模 |
| 4.2.1 ETB与 ECN网络拓扑结构分析 |
| 4.2.2 网络拓扑架构稀疏化建模 |
| 4.2.3 路由性能分析与约束条件 |
| 4.3 差分进化混合禁忌算法设计 |
| 4.3.1 差分进化算法架构与建模 |
| 4.3.1.1 参数向量初始化 |
| 4.3.1.2 差分变异操作 |
| 4.3.1.3 向量交叉重组 |
| 4.3.1.4 贪婪选择操作 |
| 4.3.2 禁忌搜索混合改进设计 |
| 4.3.3 TDE算法整体框架设计 |
| 4.4 拓扑路由重构模拟实验与分析 |
| 4.4.1 模拟实验环境设置 |
| 4.4.2 重构策略参数设定 |
| 4.4.3 重构优化结果与分析 |
| 4.5 本章小结 |
| 5 基于列车通信以太网实验平台的重构优化实验 |
| 5.1 引言 |
| 5.2 网络重构优化实验平台设计 |
| 5.2.1 列车通信以太网实验平台总体设计 |
| 5.2.2 网络故障重构优化实验设计 |
| 5.2.3 网络实时资源与异常流量设计 |
| 5.3 基于TRDP的网络性能监控设备设计 |
| 5.3.1 基于MIB的网络性能状态感知 |
| 5.3.2 基于TRDP的网络重构通信设备 |
| 5.4 网络重构优化组网实验与分析 |
| 5.4.1 系统间预调度重构优化实验 |
| 5.4.2 ECN子网动态调度重构优化实验 |
| 5.4.3 网络拓扑路由重构优化实验 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 参考文献 |
| 附录 A SCBFO 算法 CEC2015 测试函数对比实验结果 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（3）基于遗传算法的无线传感器网络分簇路由算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.3 国内外研究现状 |
| 1.3.1 无线传感器网络研究现状 |
| 1.3.2 分簇路由算法研究现状 |
| 1.4 本文主要内容及安排 |
| 2 相关理论基础 |
| 2.1 无线传感器网络概述 |
| 2.1.1 无线传感器网络结构 |
| 2.1.2 无线传感器网络特点 |
| 2.1.3 无线传感器网络关键技术 |
| 2.1.4 无线传感器网络协议栈 |
| 2.2 传感器网络节点 |
| 2.2.1 传感器节点结构 |
| 2.2.2 传感器节点能耗 |
| 2.3 无线传感器网络路由协议 |
| 2.3.1 无线传感器网络路由协议分类 |
| 2.3.2 典型无线传感器网络路由协议 |
| 2.4 遗传算法 |
| 2.4.1 遗传算法概述 |
| 2.4.2 遗传算法原理 |
| 2.4.3 遗传算法特点 |
| 2.4.4 遗传算法基本流程 |
| 2.5 本章小结 |
| 3 基于分区和优化阈值函数的改进LEACH算法 |
| 3.1 无线传感器网络系统模型 |
| 3.1.1 无线传感器网络模型 |
| 3.1.2 无线传感器网络能耗模型 |
| 3.2 改进的LEACH分簇算法 |
| 3.2.1 阈值优化 |
| 3.2.2 区域划分 |
| 3.2.3 算法流程 |
| 3.3 算法仿真与结果分析 |
| 3.3.1 存活节点个数 |
| 3.3.2 网络剩余能量 |
| 3.3.3 数据包接收量 |
| 3.3.4 剩余能量方差 |
| 3.4 本章小结 |
| 4 基于遗传算法的节能路由算法 |
| 4.1 最优簇头数目计算 |
| 4.2 基于遗传算法的分簇路由 |
| 4.2.1 基于遗传算法的动态簇头选举方法 |
| 4.2.2 数据传输阶段的改进 |
| 4.2.3 算法流程实现 |
| 4.3 算法仿真与结果分析 |
| 4.3.1 仿真环境及参数设置 |
| 4.3.2 存活节点个数 |
| 4.3.3 簇头节点能量 |
| 4.3.4 网络剩余能量 |
| 4.3.5 数据包接收量 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（4）基于SDN的电力通信网风险评估算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 网络单元重要度评估 |
| 1.2.2 电力通信网风险评估及控制 |
| 1.3 本文主要工作及结构 |
| 第2章 SDN在电力通信网中的适用性 |
| 2.1 电力通信网 |
| 2.2 SDN及其适用性分析 |
| 2.2.1 SDN架构 |
| 2.2.2 SDN在电力通信网中的应用分析 |
| 2.3 本章小结 |
| 第3章 SDN架构下数据链路重要度计算 |
| 3.1 SDN架构下的主备路由模型 |
| 3.2 基于主备路由的链路重要度 |
| 3.2.1 服务层链路关联风险 |
| 3.2.2 传输层链路关联风险 |
| 3.2.3 物理拓扑层链路关联风险 |
| 3.2.4 链路重要度 |
| 3.3 仿真验证 |
| 3.3.1 网络性能指标 |
| 3.3.2 仿真参数与结果分析 |
| 3.4 本章小结 |
| 第4章 网络风险评估及路由优化 |
| 4.1 基于链路重要度的网络风险评估 |
| 4.2 基于遗传算法的路由优化策略 |
| 4.2.1 遗传算法基本理论 |
| 4.2.2 优化目标及关键算子 |
| 4.3 仿真验证 |
| 4.4 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 未来工作展望 |
| 参考文献 |
| 读硕士学位期间发表的论文及其它成果 |
| 攻读硕士学位期间参与的科研工作 |
| 致谢 |
（5）自由空间光网络信号传输串扰特性研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 自由空间光网络国外研究现状 |
| 1.3 自由空间光网络国内研究现状 |
| 1.4 本论文主要研究内容 |
| 第2章 自由空间光网络结构及串扰分析 |
| 2.1 自由空间光网络概述 |
| 2.1.1 光网络结构 |
| 2.1.2 自由空间光网络组网方式 |
| 2.1.3 自由空间光网络的星上路由设备 |
| 2.2 自由空间光网络中串扰的产生及分类 |
| 2.2.1 光网络中节点内串扰分析 |
| 2.2.2 光网络中节点间串扰分析 |
| 2.3 本章小结 |
| 第3章 自由空间光网络中信号传输串扰特性研究 |
| 3.1 线性带内串扰数学分析系统模型 |
| 3.1.1 高斯分布统计模型 |
| 3.1.2 基于零阶贝塞尔函数算法统计分析模型 |
| 3.2 自适应均衡算法分析 |
| 3.2.1 最小均方误差算法(LMS) |
| 3.2.2 恒模盲均衡算法(CMA) |
| 3.2.3 变步长CMA-LMS自适应滤波算法 |
| 3.3 线性串扰的数值分析 |
| 3.3.1 系统模型 |
| 3.3.2 结果分析 |
| 3.4 本章总结 |
| 第4章 基于改进遗传算法的串扰优化方法 |
| 4.1 波长和路由问题概述 |
| 4.1.1 路由选择问题 |
| 4.1.2 波长分配算法 |
| 4.2 基于改进遗传算法的串扰优化方法 |
| 4.2.1 编码策略 |
| 4.2.2 适应度函数 |
| 4.2.3 遗传操作 |
| 4.3 算法流程 |
| 4.4 实验结果及分析 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 论文内容总结 |
| 5.2 论文工作展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
（6）基于链路预测的飞行器自组网能量均衡路由研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究的主要内容 |
| 1.4 论文结构安排 |
| 第2章 飞行器自组织网络路由技术研究 |
| 2.1 引言 |
| 2.2 飞行器自组织网络概况 |
| 2.2.1 飞行器自适应组网的目标 |
| 2.2.2 飞行器自组织网络的特点 |
| 2.3 飞行器自组织网络路由协议 |
| 2.3.1 表驱动路由协议 |
| 2.3.2 按需式路由协议 |
| 2.3.3 混合式路由协议 |
| 2.3.4 典型路由协议比较 |
| 2.4 飞行器自组织网络路由协议特点 |
| 2.5 飞行器自组织网络中的AODV路由协议 |
| 2.5.1 AODV路由协议发现过程 |
| 2.5.2 AODV路由协议维护过程 |
| 2.5.3 AODV路由协议特性 |
| 2.6 本章小结 |
| 第3章 基于链路预测的能量均衡路由研究 |
| 3.1 引言 |
| 3.2 问题分析 |
| 3.3 网络模型构建 |
| 3.4 基于链路预测及能量均衡算法设计 |
| 3.4.1 数据包格式设计 |
| 3.4.2 链路生存时间预测 |
| 3.4.3 路由发现过程 |
| 3.4.4 数据传输过程 |
| 3.4.5 路由维护过程 |
| 3.5 算法验证分析 |
| 3.5.1 路由无循环 |
| 3.5.2 时间复杂度 |
| 3.5.3 消息复杂度 |
| 3.6 本章小节 |
| 第4章 基于遗传算法的HELLO间隔优化 |
| 4.1 引言 |
| 4.2 问题分析 |
| 4.3 遗传算法 |
| 4.4 算法实现流程 |
| 4.5 HELLO数据包间隔优化实现过程 |
| 4.5.1 目标函数设计 |
| 4.5.2 相关遗传操作 |
| 4.5.3 适应度函数设计 |
| 4.6 本章小节 |
| 第5章 仿真与性能分析 |
| 5.1 引言 |
| 5.2 仿真环境 |
| 5.2.1 NS-2 仿真平台 |
| 5.2.2 仿真场景构建 |
| 5.3 基于链路预测及能量均衡路由性能分析 |
| 5.3.1 剩余能量水平 |
| 5.3.2 数据分组投递率 |
| 5.3.3 端到端时延 |
| 5.3.4 控制开销 |
| 5.3.5 路径稳定性 |
| 5.4 基于遗传算法的HELLO自适应间隔性能分析 |
| 5.4.1 数据包分组投递率 |
| 5.4.2 端到端时延 |
| 5.4.3 控制开销 |
| 5.5 本章小节 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的学术成果 |
（7）窄带网络下的海洋数据传输路径优化与获取方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 海洋数据的重要性 |
| 1.1.2 研究无线自组网络的意义 |
| 1.2 国内外研究现状 |
| 1.3 研究的内容 |
| 第2章 基于LoRa机制的无线Mesh网络 |
| 2.1 无线Mesh网络的特点与分类 |
| 2.2 基于LoRa机制的窄带无线Mesh网络架构 |
| 2.3 无线Mesh网络的通信接力协议 |
| 2.3.1 无线Mesh网络通信节点的合理布置 |
| 2.3.2 窄带网络LoRa通信模块的设计 |
| 2.3.3 窄带网络基站的设计 |
| 2.3.4 无线网络节点的通信接力协议 |
| 2.4 本章小结 |
| 第3章 无线Mesh网络的固定节点的传输路径优化 |
| 3.1 无线Mesh网络的传输路径优化算法的选择 |
| 3.2 算法开发软件MATALAB与地图的建模 |
| 3.3 算法的原理 |
| 3.3.1 遗传算法 |
| 3.3.2 蚁群算法 |
| 3.3.3 改进的遗传算法 |
| 3.4 路径优化仿真与分析 |
| 3.5 本章小结 |
| 第4章 Ad Hoc网络的移动节点的传输路径优化 |
| 4.1 移动网络节点的Ad Hoc网络路由协议分析 |
| 4.2 双向搜索算法的设计 |
| 4.3 仿真实验 |
| 4.3.1 网络仿真器NS-2 |
| 4.3.2 无线模型的搭建 |
| 4.4 仿真分析 |
| 4.5 本章小结 |
| 第5章 海洋数据采集的实现 |
| 5.1 海洋数据获取的方法 |
| 5.2 海洋数据采集装置的电路设计 |
| 5.2.1 微型浮标LoRa通信模块的电路设计 |
| 5.2.2 基站的数据处理模块与储存器的电路设计 |
| 5.3 通信组网的设计 |
| 5.4 海洋数据通信信道的规划 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 在学期间科研成果情况 |
（8）支持计算泛化的复杂光网络研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 计算泛化的发展趋势 |
| 1.3 计算泛化对光互联网络的巨大挑战 |
| 1.3.1 适应计算任务灵活多变的网络结构 |
| 1.3.2 支持计算泛化的复杂网络路由策略 |
| 1.3.3 光互联网络计算任务的协同调度机制 |
| 1.4 支持计算泛化的复杂光网络研究现状 |
| 1.4.1 网络结构塑造方法 |
| 1.4.2 复杂网络路由策略 |
| 1.4.3 计算任务调度策略 |
| 1.5 本论文的主要工作及创新点 |
| 第二章 基于计算任务通信模式的网络塑造机制 |
| 2.1 基于计算任务通信模式的网络评价体系 |
| 2.1.1 计算应用通信模式分析 |
| 2.1.2 基于通信模式的网络评价指标 |
| 2.2 基于通信模式的网络塑造机制 |
| 2.2.1 网络拓扑塑造问题描述 |
| 2.2.2 网络塑造的遗传算法建模 |
| 2.3 仿真结果与分析 |
| 2.3.1 仿真条件及参数设置 |
| 2.3.2 算法收敛速度与网络结构分析 |
| 2.3.3 CoPa对不同通信模式支持能力的分析 |
| 2.3.4 网络负载对通信模式性能影响 |
| 2.4 本章小结 |
| 第三章 支持计算泛化的复杂网络路由算法 |
| 3.1 复杂网络及其结构特征 |
| 3.2 无标度网络路由策略 |
| 3.2.1 无标度网络构建方式 |
| 3.2.2 模型与评价方法 |
| 3.2.3 全局混合路由策略设计 |
| 3.2.4 无标度网络路由流程 |
| 3.3 GH路由大规模仿真实验与结果 |
| 3.3.1 GH路由的最优参数选择 |
| 3.3.2 不同拓扑结构的性能分析 |
| 3.3.3 周期性更新动态队长信息 |
| 3.3.4 数据中心网络的性能评估 |
| 3.3.5 仿真结果总结与分析 |
| 3.4 本章小节 |
| 第四章 光互联多数据中心网络计算任务协同调度 |
| 4.1 问题描述 |
| 4.1.1 光互连多数据中心网络架构 |
| 4.1.2 计算任务调度的优化目标 |
| 4.1.3 基准的计算任务调度算法 |
| 4.2 MuReCo协同调度机制设计 |
| 4.2.1 MuReCo的设计原理 |
| 4.2.2 MuReCo的模型和细节 |
| 4.2.3 算法复杂度分析 |
| 4.3 MuReCo性能与评估 |
| 4.3.1 仿真参数设置 |
| 4.3.2 均匀任务负载分布的性能分析 |
| 4.3.3 非均匀负载下MuReCo的性能表现 |
| 4.3.4 仿真结果分析与总结 |
| 4.4 城域光网络协同机制 |
| 4.4.1 问题描述与分析 |
| 4.4.2 网络架构与实验设计 |
| 4.4.3 实验结果分析与总结 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 缩略词索引表 |
| 致谢 |
| 攻读博士期间论文发表情况 |
（9）智能电网通信网中业务驱动的高可靠路由算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究内容和创新点 |
| 1.2.1 研究内容 |
| 1.2.2 创新点 |
| 1.3 博士期间主要工作 |
| 1.4 论文组织结构 |
| 第二章 智能电网通信网中业务驱动的高可靠路由算法综述 |
| 2.1 概述 |
| 2.2 智能电网通信网 |
| 2.2.1 智能电网通信网网络架构 |
| 2.2.2 智能电网骨干通信网架构 |
| 2.2.3 智能电网骨干通信网传输技术 |
| 2.2.4 智能电网通信网业务 |
| 2.2.5 智能电网通信网协同控制网络架构 |
| 2.3 研究现状 |
| 2.3.1 智能电网通信网中预置双路由算法研究现状 |
| 2.3.2 智能电网通信网中动态路由恢复算法研究现状 |
| 2.4 存在的问题 |
| 2.5 本章小结 |
| 第三章 基于风险感知和QoS保障的业务双路由规划方法 |
| 3.1 引言 |
| 3.2 问题分析 |
| 3.2.1 问题描述 |
| 3.2.2 系统建模 |
| 3.3 双路由规划求解算法 |
| 3.3.1 算法框架 |
| 3.3.2 算法设计 |
| 3.4 实验分析 |
| 3.4.1 仿真参数设置 |
| 3.4.2 实验结果分析 |
| 3.5 本章小结 |
| 第四章 基于链路带宽可用性的业务路由恢复算法 |
| 4.1 引言 |
| 4.2 问题分析 |
| 4.2.1 问题描述 |
| 4.2.2 系统建模 |
| 4.3 算法设计 |
| 4.3.1 算法步骤 |
| 4.3.2 算法描述 |
| 4.3.3 复杂度分析 |
| 4.4 实验分析 |
| 4.4.1 仿真参数设置 |
| 4.4.2 实验结果分析 |
| 4.5 本章小结 |
| 第五章 基于生存性的业务路由恢复算法 |
| 5.1 引言 |
| 5.2 问题分析 |
| 5.2.1 问题描述 |
| 5.2.2 系统建模 |
| 5.3 算法设计 |
| 5.3.1 模型分析及求解 |
| 5.3.2 深度强化学习框架 |
| 5.3.3 深度强化学习框架下的业务恢复机制 |
| 5.3.4 基于优先缓存的DQN算法 |
| 5.4 实验分析 |
| 5.4.1 仿真参数设置 |
| 5.4.2 实验结果分析 |
| 5.5 本章小结 |
| 第六章 基于拥塞缓解的业务路由优化及资源分配算法 |
| 6.1 引言 |
| 6.2 问题分析 |
| 6.2.1 问题描述 |
| 6.2.2 系统建模 |
| 6.3 算法设计 |
| 6.3.1 基于路由满意度的业务路由算法 |
| 6.3.2 基于链路时频连续度的频谱资源分配算法 |
| 6.3.3 算法时间复杂度分析 |
| 6.4 实验分析 |
| 6.4.1 仿真参数设置 |
| 6.4.2 实验结果分析 |
| 6.5 本章小结 |
| 第七章 结束语 |
| 7.1 论文总结 |
| 7.2 未来的研究工作 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术论文 |
（10）面向无线通信的NoC架构与映射技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 片上网络的研究背景 |
| 1.1.2 现代通信系统对集成电路发展的需求 |
| 1.2 国内外研究现状 |
| 1.2.1 片上网络研究现状 |
| 1.2.2 片上网络映射技术研究现状 |
| 1.3 本文的主要贡献与创新 |
| 1.4 本论文的结构安排 |
| 第二章 片上网络及无线通信算法基本理论 |
| 2.1 片上网络概述 |
| 2.1.1 拓扑结构 |
| 2.1.2 路由算法 |
| 2.1.3 交换机制 |
| 2.2 映射问题及算法概述 |
| 2.2.1 问题描述 |
| 2.2.2 映射优化算法 |
| 2.3 无线通信算法 |
| 2.3.1 算法共性分析 |
| 2.3.2 SVD算法 |
| 2.3.3 MMSE-IRC算法 |
| 2.4 本章小结 |
| 第三章 面向无线通信的片上网络多目标映射技术 |
| 3.1 NoC平台 |
| 3.2 映射模型 |
| 3.2.1 延时模型 |
| 3.2.2 功耗模型 |
| 3.2.3 目标函数及约束条件 |
| 3.3 映射流程设计 |
| 3.3.1 基于最小化全局边权值和的任务流图划分技术 |
| 3.3.2 遗传算法优化技术 |
| 3.4 仿真结果与分析 |
| 3.4.1 仿真环境与参数设置 |
| 3.4.2 不同应用算法性能对比与分析 |
| 3.5 本章小结 |
| 第四章 基于GAN的后处理映射优化算法 |
| 4.1 生成式对抗网络 |
| 4.1.1 基本原理 |
| 4.1.2 训练机制 |
| 4.1.3 GAN训练案例 |
| 4.2 基于GAN的后处理映射优化算法 |
| 4.2.1 算法流程 |
| 4.2.2 GAN模型构建与优化 |
| 4.3 仿真结果与分析 |
| 4.3.1 仿真环境与参数设置 |
| 4.3.2 不同应用算法性能对比与分析 |
| 4.4 本章小结 |
| 第五章 全文总结与展望 |
| 5.1 全文总结 |
| 5.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间获得的成果 |
四、一种基于遗传算法的资源优化利用路由算法（论文参考文献）
- [1]面向ISL的高效路由协议研究[D]. 宋琨. 内蒙古大学, 2021(12)
- [2]列车通信以太网网络重构及性能优化研究[D]. 陈煌. 北京交通大学, 2021
- [3]基于遗传算法的无线传感器网络分簇路由算法研究[D]. 庞博. 西安科技大学, 2021(02)
- [4]基于SDN的电力通信网风险评估算法研究[D]. 李亚群. 华北电力大学(北京), 2021(01)
- [5]自由空间光网络信号传输串扰特性研究[D]. 佟欣. 长春理工大学, 2021(02)
- [6]基于链路预测的飞行器自组网能量均衡路由研究[D]. 杨艳. 黑龙江大学, 2021(09)
- [7]窄带网络下的海洋数据传输路径优化与获取方法研究[D]. 张乔. 集美大学, 2021(01)
- [8]支持计算泛化的复杂光网络研究[D]. 高雄. 北京邮电大学, 2021(01)
- [9]智能电网通信网中业务驱动的高可靠路由算法研究[D]. 刘保菊. 北京邮电大学, 2021(01)
- [10]面向无线通信的NoC架构与映射技术研究[D]. 余霞. 电子科技大学, 2021(01)
标签：遗传算法论文; 通信论文; 链路状态路由协议论文; 距离向量路由算法论文; 路由算法论文;