面向ICN的非合作博弈优化缓存策略

针对信息中心网络（Information-Centric Network，ICN）的缓存分布问题，提出了一种基于非合作博弈算法(Non-cooperative Game)的优化缓存策略。算法将ICN网络建模成复杂网络，采用非合作博弈框架，兼顾用户服务质量（Quality of Service,QoS）的情况下，综合缓存节点距离、能效和流行度对网络中每个节点构建相应的效用函数，采用分布式迭代算法解出非合作博弈的纳什均衡解，得到全局最优的效用函数值，获取最佳的缓存分配结果。仿真结果表明，在用户请求次数和请求内容流行度不断增加的情况下，使用非合作博弈算法可以减少网络整体能耗，提高平均缓存命中率，减少平均响应跳数。     

一种基于UAV的无人海岛监控网络数据收集策略

针对传统的最小跳路由无线传感器网络（WSN）在数据汇聚上较高的能量开销问题，提出了一种基于无人机(UAV)数据收集的动态分簇算法,其主要思想是利用节点剩余能量来确定那些节点可以当选簇首,同时利用节点坐标位置和设定地分簇半径来划分簇的大小。该算法的优势是能最大程度地均衡每个传感器节点的能量，使整体的节点剩余的能量维持在同一水平。为了提高数据收集的效率，采用蚁群算法规划了无人机数据收集的最短路径。仿真结果表明，与相同的分簇算法下传统的最小跳路由无线传感器网络相比，所提出的基于无人机的无线传感器网络（UAV-WSN）在能量利用率和生命周期方面分别提升了15%和25%，并且以上两种网络的能量利用率高达70%。     

高动态无线自组网路由协议设计

针对节点快速移动过程中网络建立时间较长,数据端到端传输时延无法得到可靠保 障,并且由于维护动态网络连接性造成网络开销较大等方面的问题,提出了一种无线自组网 路由协议,通过分簇算法快速将网络分为多个簇,每个簇包括簇首节点、成员节点和簇间网 关节点。该协议能够应用于快速移动节点构成的高动态无线自组织网络中,实现了先应式和 反应式路由算法进行了有机结合,能够在快速变化的拓扑结构中为未知路由提供优化的路由 结果,利用较小的网络开销实现网络快速构建和数据端到端的实时传输。     

一种新的认知无线电非合作功率控制博弈算法

当认知无线电网络以"衬底式"(Underlay)的方式与主用户网络共享频谱时,需要对认知用户进行功率控制,以确保认知用户在不干扰主用户的前提下,公平地共享认知频谱资源。利用博弈分析的方法,设计了一个基于链路增益因子的代价函数,并据此提出了一种新的非合作功率控制博弈算法。仿真结果表明,该算法的均衡结果既改善了用户的帕累托(Pareto)性能,又提高了链路增益较差的用户的吞吐量,实现了网络资源的平等共享。     

机间数据链系统的功率分配控制方法

针对想定战场中机间数据链网络通信模型的上行链路功率控制问题,采用了一种基于多目标灰狼算法(Multi-objective Grey Wolf Optimizer,MOGWO)的功率控制方法。将功率控制建模为多目标优化问题,以最小化上行链路中各节点功率、使各节点在接收机处的信干噪比值(Signal-to-Interference plus Noise Ratio,SINR)接近目标SINR和最小化通信时截获概率为多目标优化问题建立模型,利用MOGWO求解问题模型Pareto前沿,依据系统选解准则求得最佳解。结果表明,MOGWO、多目标粒子群算法、基于分解的多目标进化算法与多目标蚁狮算法所得解对应各节点SINR的平均标准偏差分别为0.096 8、0.354 4、1.090 0和0.308 3。在恒定功率方法下最远节点处SINR已不满足正常通信需求,验证了MOGWO功率控制方法有更好的稳定性与寻优能力。     

认知无线网络中一种非合作博弈功率控制算法

针对现有的功率控制算法中存在的干扰问题和功率消耗过大问题,设计出一种新的效用函数,并根据此效用函数提出了一个基于非合作博弈的新的功率控制算法。首先,在效用函数中分别为信干噪比和功率设定了不同的代价因子,并将信道状态概念引入到代价因子里面,使其能够更加合理地控制用户,避免用户过度增加发射功率,同时减小了用户间的干扰;其次,证明了该算法纳什均衡的存在性和唯一性;最后,给出了所提算法的流程图。 仿真结果表明,与Nash算法相比,在保证非授权用户服务质量（QoS）前提下,该算法功率消耗明显降低,并且具有较好的抗背景噪声性能;与K-G（Koskie-Gajic）算法相比,该算法保证了所有的用户的信干噪比满足上下限阈值要求,并且提高了系统容量。     

优先级保护的分布式动态频谱分配算法

对认知无线网络中动态频谱分配算法进行了研究,在分析原有的ADP（Asynchronou s Distributed Pricing）算法的前提下,运用合作博弈的理论提出了具有干扰价格因子的A DP算法,分配过程中所有用户发布自己的干扰价格,用户在选择信道和功率的时候需要考虑 到自身的效用和对其它用户的干扰,可以在有效保证高优先级用户性能的前提下最大化网络 效用。仿真结果表明,该算法可以达到纳什均衡并且具有极快的收敛速度,可以提高高优先 级用户的信干噪比。     

基于压缩感知和最小二乘的分布式协作频谱感知

针对认知无线电(CR)集中式频谱感知算法对融合中心要求高，而且对节点失效的容忍性也不高等缺点，提出了一种基于压缩感知的分布式多节点协作算法。认知无线电网络中每个CR节点在接收信号频谱后，首先根据压缩采样理论在本地获取压缩采样测量值，然后利用l1范数约束的最小二乘算法在本节点估计频谱，把在此节点估计的频谱传给下一相邻节点，以此进行迭代优化直到算法收敛。理论分析和仿真结果表明，所提算法不仅计算复杂度低，收敛速度快，而且精确重构性能好，可靠性较高。     

认知无线网络中基于Stackelberg博弈的功率控制新算法

针对认知无线网络中存在的干扰问题和功率消耗过大问题,提出了一种新的基于斯坦克尔伯格(Stackelberg)博弈的功率控制算法。建立了主次用户双层网络模型,将主用户设置为领导者,次用户设置为追随者,并对次用户产生的总干扰进行定量分析。在次用户多次博弈的过程中,动态地调整主用户单位干扰价格,在保证主用户自身正常通信前提下,尽量使得收益最大化,提高主用户的参与积极性。仿真实验表明,该算法在保证主次用户的服务质量（QoS）前提下,有效地减小了次用户的发射功率,而且能获得更高的系统容量。     

基于BWAS的无线传感器网络静态分簇路由算法

为提高路径搜索效率,避免动态分簇较多的能量消耗,提出了基于最优-最差蚂蚁系统(BWAS )的无线传感器 网络静态分簇路由算法。BWAS是对蚁群算法的改进,在路径搜寻过程中评价出最优最差蚂蚁 ,引入奖惩机制,加快了路径搜索速度。通过无线传感器网络静态分簇、簇内动态选举簇头 ,在簇头节点间运用BWAS算法搜寻从簇头节点到汇聚节点的多跳最优路径,能减少路径寻优 能量消耗,实现均衡能量管理,延长网络寿命,且具有较强的鲁棒性。通过与基于BWAS的 动态分簇和基于蚁群算法的动态分簇路由的仿真实验相比较,证实了本算法的有效性。     

考虑通信质量的网络最小主控集生成算法

无人移动平台无线ad hoc网络在实际应用中经常会出现由于电磁环境、干扰等因素导致通信质量不稳定的情况，在上述条件下传统的基于节点覆盖度的最小主控集（MCS）生成算法难以获得具有较好稳定性、健壮性的最小主控集。为此，提出了一种考虑通信质量的网络最小主控集生成算法，将链路的通信质量纳入网络最小主控集构造的考虑因素，使网络拓扑与链路通信质量特性保持一致；并通过对候选节点集及拟覆盖节点集的压缩，有效控制了网络最小主控集的节点数目。仿真表明,对敏感于通信质量的应用,该算法较基于节点覆盖度算法能取得更好效果。     

移动Ad Hoc网络中的负载均衡路由算法

移动Ad Hoe网络(MANET)中的路由算法应尽量使网络负载均衡，不均衡不仅导致正在通信的路由由于过度拥塞而引起数据包延时过大、吞吐量下降，而且会使拥塞节点的能量提前耗尽，从而加剧网络拓扑结构的变化及节点之间的不公平性。本文对目前提出的一些负载均衡路由算法进行了简要比较和分析，在此基础上，指出了目前负载均衡路由算法中存在的一些问题，并提出了一个实现负载均衡路由算法的一般模型。基于该模型，文中提出了一种简单的负载均衡路由算法。仿真结果表明，负载均衡路由算法比未考虑负载均衡的路由算法具有更高的数据包投递率和更低的数据包传输延时。     

一种基于覆盖表融合的移动群智感知协作算法

在集中性较高的感知区域中，移动群智感知网络节点在无控制的模式下，容易产生感知数据冗余度大幅升高的问题，降低了网络感知质量。针对这种情况，首先对感知区域进行时空域划分，并对感知过程进行建模;然后引入单元格充足感知覆盖概念，设计了一种基于覆盖表信息融合的移动节点协作感知数据收集算法。实验仿真表明，相较于原始感知模式和本地控制模式，该算法能大幅消除感知冗余数据，从而提高感知网络的数据质量，同时节约移动节点代价。     

协作D2D异构网络的联合资源分配和功率控制

针对下行协作D2D(Device-to-Device)异构网络中复用蜂窝用户的联合资源分配和功率控制问题,提出了一种量子珊瑚礁优化算法(Quantum Coral Reef Optimization Algorithm,QCROA)。首先,构建异构网络模型并推导得到整个网络总吞吐量的数学表达式;其次,基于QCROA算法分析全局最优量子珊瑚的测量状态,提出最优联合资源分配和功率控制方案;最后,通过仿真验证QCROA算法的优越性。实验结果表明,在不同网络通信场景下,QCROA算法均表现出良好的适应性,其收敛速度和种群多样性均优于其他基于智能优化算法的方案,在迭代次数达到1 500次时即可获得吞吐量最高的全局最优。     

基于图形理论的Ad Hoc网络容量研究

网络容量是评估无线Ad Hoc网络性能的重要参数。本文的目的是研究如何使Ad Hoc网络容量达到最大。文章从一个全新的角度考虑Ad Hoc网络的建模，核心思想是Ad Hoc网络节点间的传输具有有限资源（包括带宽、功率等），在同等条件下若能使网络传输消耗资源最小，则网络容量迭到最大。建立了资源消耗的线性规划方程，利用图论的方法对问题求解并对算法进行改进，得到相应的路由策略。由仿真试验说明修改后的算法更加高效。     

SR架构下的软件定义信息中心网络概率路由策略

传统的TCP/IP路由以IP地址为中心,信息传输效率低下,难以满足网络用户需求。信息中心网络（Information-Centric Network,ICN）开始成为研究热点,ICN以内容为中心,可以高效传输信息。为了利用软件定义网络（Software Defined Network,SDN）和分段路由技术的优势,提高SDN控制器效率,减少网络传输时延,提出了一种可以应用于ICN的集中式架构。为进一步利用无标度网络对ICN进行建模,提出了一种基于数控分离的自适应概率路由算法。该算法通过迭代的方法调节数据包在节点发送的概率,使网络获取更佳性能。仿真结果表明,与最短路径算法和效率路由算法相比,该算法可以提升网络容量,有效降低平均路径长度。     

Ad Hoc分群网络节点故障补偿算法

首先指出了Ad Hoe分群网络中节点故障对网络的影响，着重分析了群首节点、网关节点发生故障时所导致的网络分割，使得通信受阻，并针对这一现象提出了重新选举关键节点的补偿算法，最后对补偿前后的网络性能进行仿真、比较，结果表明采用这一算法的网络有较好的鲁棒性，性能明显优于补偿前。     

基于改进图着色的D2D资源分配和功率控制

针对蜂窝网络中D2D（Device-to-Device）用户复用蜂窝信道带来的同频干扰问题，提出了一种基于改进图着色的资源分配和功率控制算法。首先通过构建干扰图和候选集进行用户之间干扰关系建模，并定义指数型累积因子改进图着色算法，为D2D用户分配蜂窝信道；再采用基于信干噪比的闭环功率控制算法动态调整D2D用户发射功率，减小由于信道复用产生的干扰。仿真结果表明，与现有算法相比，所提算法能够有效提升系统吞吐量和D2D用户接入率，实现信道资源的合理分配。