-
公开(公告)号：CN119721498A
公开(公告)日：2025-03-28
申请号：CN202510213230.4
申请日：2025-02-26
Applicant: 南京信息工程大学
IPC: G06Q10/063 , G06N3/006
Abstract: 本发明公开了基于改进蜣螂优化算法的SD‑MANET覆盖优化方法，包括：将任务区域内协同作战分队中的作战士兵、无人机及无人车作为作战节点，以作战节点的数量及感知半径作为输入，以协同作战分队的最优部署位置作为输出，构建该任务区域内基于布尔感知模型的SD‑MANET拓扑模型；联合切比雪夫混沌映射、鱼鹰优化算法及自适应t分布变异改进蜣螂优化算法，利用改进后的蜣螂优化算法优化SD‑MANET拓扑模型，得到任务区域内协同作战分队的最优部署位置。本发明在不增加算法复杂度的同时提高了收敛性及性能，确保有/无人协同作战分队在复杂战场环境中的高效部署及协同作战分队的初始部署网络覆盖率。
-
公开(公告)号：CN120050221A
公开(公告)日：2025-05-27
申请号：CN202510512432.9
申请日：2025-04-23
Applicant: 南京信息工程大学
IPC: H04L45/028 , H04L45/03 , H04L45/02 , H04L45/12 , H04L41/14
Abstract: 本发明公开了一种基于双模耦合的OSPF路由快速收敛方法及仿真方法，涉及信息工程领域，所述路由快速收敛方法包括：构建目标网络的网络拓扑图；计算链路状态和节点状态，以及综合评估函数值；利用状态传递机制，实现目标网络中针对节点状态的信息共享，并确定一个指定节点；判断目标网络是否存在不满足目标函数值的节点，是则由指定节点调用双模耦合优化算法，并结合OSPF间隔同步机制，动态调整目标网络中各个节点的Hello报文发送间隔时间和故障检测时间，实现目标网络的快速收敛。本发明兼顾优化了路由收敛速度和减少路由开销，提升网络的整体稳定性和效率，并实现NS3网络仿真平台对基于双模耦合的OSPF路由快速收敛方法的仿真。
-
Patent Agency Ranking
公开(公告)号：CN118694717A
公开(公告)日：2024-09-24
申请号：CN202411164462.7
申请日：2024-08-23
Applicant: 南京信息工程大学
IPC: H04L47/127 , H04L47/62 , H04L41/147 , H04L41/16 , H04L43/0829 , H04L43/0852 , G06N3/0442 , G06N3/092
Abstract: 本发明公开了一种基于流量状态预测的队列智能管理方法，包括：基于GRU算法，进行网络流量状态预测；构建网络状态元组，基于策略神经网络和目标神经网络组成智能体，智能体根据当前时刻的网络状态，基于ε‑greedy策略决策并输出动作；设置奖励函数，智能体根据所采取的动作获得相应的奖励，更新网络状态，组建经验样本；智能体选取经验样本，对策略神经网络和目标神经网络进行训练并更新权重，完成队列的管理；本发明所设计的方法在提高了算法泛化性的同时，通过对网络流量状态的预测，实现了对突发流量的合理控制。
-
公开(公告)号：CN119743420A
公开(公告)日：2025-04-01
申请号：CN202510228649.7
申请日：2025-02-28
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于深度强化学习的在线路由方法及系统，具体为：1、计算源节点到目的节点之间的K条路径；2、预测第n‑1个周期得到的最优路径p的预测性能指标；3、计算第n‑2个周期得到的最优路径y的实际性能指标；4、计算步骤2中预测性能指标和步骤3中实际性能指标之间的相对差异，并根据相对差异更新端到端时延，端到端剩余带宽和端到端丢包率的权重；5、基于步骤4获得的权重更新第n个周期的奖励函数，基于第n个周期的奖励函数，采用SAC算法计算出第ｎ个周期的最优路径，然后转步骤２。本发明可以更快地适应网络环境的变化，获得稳定、最优的路由方案。
-
公开(公告)号：CN118694723B
公开(公告)日：2024-11-26
申请号：CN202411179270.3
申请日：2024-08-27
Applicant: 南京信息工程大学
IPC: H04L47/30 , H04L47/32 , H04L47/36 , H04L47/625
Abstract: 本发明公开了基于动态Hurst参数和队列增长速度的队列管理方法，包括：待新的数据分组到达路由器缓冲区，根据所监测的当前时刻路由器缓冲区的队列状态，判断是否需要将该数据分组中的数据全部丢弃；将新的数据分组放入路由器缓冲区中，计算当前时刻队列的Hurst参数、下一时刻路由器缓冲区的队列状态；进一步计算丢弃概率；将新的数据分组中的剩余数据丢弃；更新路由器缓冲区的平均队列长度和平均队列增长速度，并计算下一时刻队列的Hurst参数，完成队列的动态管理；本发明不仅考虑网络流量自相似性对队列性能带来的影响，还考虑由于链路变速率特性导致的平均队列增长速度变化，实现对网络流量服务质量的可靠保障。
-
公开(公告)号：CN118694717B
公开(公告)日：2024-11-08
申请号：CN202411164462.7
申请日：2024-08-23
Applicant: 南京信息工程大学
IPC: H04L47/127 , H04L47/62 , H04L41/147 , H04L41/16 , H04L43/0829 , H04L43/0852 , G06N3/0442 , G06N3/092
Abstract: 本发明公开了一种基于流量状态预测的队列智能管理方法，包括：基于GRU算法，进行网络流量状态预测；构建网络状态元组，基于策略神经网络和目标神经网络组成智能体，智能体根据当前时刻的网络状态，基于ε‑greedy策略决策并输出动作；设置奖励函数，智能体根据所采取的动作获得相应的奖励，更新网络状态，组建经验样本；智能体选取经验样本，对策略神经网络和目标神经网络进行训练并更新权重，完成队列的管理；本发明所设计的方法在提高了算法泛化性的同时，通过对网络流量状态的预测，实现了对突发流量的合理控制。
-
公开(公告)号：CN118694723A
公开(公告)日：2024-09-24
申请号：CN202411179270.3
申请日：2024-08-27
Applicant: 南京信息工程大学
IPC: H04L47/30 , H04L47/32 , H04L47/36 , H04L47/625
Abstract: 本发明公开了基于动态Hurst参数和队列增长速度的队列管理方法，包括：待新的数据分组到达路由器缓冲区，根据所监测的当前时刻路由器缓冲区的队列状态，判断是否需要将该数据分组中的数据全部丢弃；将新的数据分组放入路由器缓冲区中，计算当前时刻队列的Hurst参数、下一时刻路由器缓冲区的队列状态；进一步计算丢弃概率；将新的数据分组中的剩余数据丢弃；更新路由器缓冲区的平均队列长度和平均队列增长速度，并计算下一时刻队列的Hurst参数，完成队列的动态管理；本发明不仅考虑网络流量自相似性对队列性能带来的影响，还考虑由于链路变速率特性导致的平均队列增长速度变化，实现对网络流量服务质量的可靠保障。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
