一种能耗均衡的无线传感器网络加权无标度拓扑研究

针对无线传感器网络节点能耗不均衡问题,通过对节点生命期建模,得出节点生命期受节点剩余能量和通信距离的影响,进而将两端节点生命期作为构建拓扑时边权重的影响因子,通过边权重控制节点权重,最终得出了一种能耗均衡的无线传感器网络加权无标度拓扑模型,并理论证明了该模型的点权、边权和节点度均服从幂律分布.实验结果表明,该模型具有无标度拓扑的强容错性,并有效的均衡了网络中的节点能耗,延长了网络的生命期.     

一种优化无线传感器网络生命周期的容错拓扑研究

<正>由于无线传感器网络的节点能量受限,优化网络生命周期成为设计网络拓扑时首要考虑的问题.通过分析节点的剩余能量和负载量对节点生命周期的影响,提出了一种可延长无线传感器网络生命期的容错拓扑演化模型,并得出了在节点满足网络生存时间的条件下负载调节系数的取值范围.仿真实验结果表明,基于无标度网络的演化拓扑结构具有较好的容错性,并能够均衡网络节点能耗和延长网络生命周期.     

超网络中标度律的涌现

本文构建超网络和复杂网络中统一演化模型,研究超网络无标度特性演化机理和拓扑性质.利用Poisson过程理论和连续化方法对模型进行分析,获得网络稳态平均超度分布的解析表达式.仿真实验和理论分析相符合.结果表明:随着网络规模的增大,这个动态演化网络的超度分布遵循无标度的特性.它不仅将每次增加一个新节点与若干个老节点围成一条超边的超网络模型和每次增加若干个新节点与一个老节点围成一条超边的超网络模型统一在一个模型中,而且将复杂网络中著名的无标度模型也作为我们模型的特例.     

基于综合故障的无线传感器网络无标度容错拓扑模型研究

针对无线传感器网络实际应用中遇到的环境损毁和能量耗尽的问题,本文首先对网络综合故障进行建模,获取满足综合故障容忍能力和网络生命期双重需求的网络节点度和节点度上限值的取值规律,并结合由无标度特征导出的两者关系,从而求得最优节点度上限值,最终引入关于节点度上限值的适应度函数,提出了容忍环境损毁和能量耗尽综合故障的无标度容错拓扑演化模型.仿真实验结果表明,该模型演化生成的无标度拓扑对环境损毁和能量耗尽具有较好的容错性,并能够有效地延长网络生命期.     

异质化带宽分配下的复杂网络数据流负载问题研究

研究了带有连接边传输容量(带宽)约束的复杂网络上如何提升网络数据流负载问题. 在网络连接边带宽资源总量固定的条件下, 提出了一种异质化带宽分配方案. 引入 "受控边" 概念, 通过加入适当比例的 "受控边", 重新分配带宽资源, 并结合具有拥塞感知能力路由策略的数据流量模型, 利用带宽分配调节数据流量走向, 提高了带宽利用效率, 最终使得网络整体的负载能力较带宽匀质化分配时有显著提升. 分别在Barabási-Albert无标度网络和Watts-Strogtz (WS)小世界网络平台上仿真, 发现按照本文的带宽分配方案, WS小世界网络中节点连接边带宽与网络负载有较强的相关性, 节点连接边带宽分配最均衡的时候, 网络负载能力达到最大. 关键词： 异质化带宽分配 负载 介数 受控边     

基于相继故障信息的网络节点重要度演化机理分析

分析了过载机制下节点重要度的演化机理.首先,在可调负载重分配级联失效模型基础上,根据节点失效后其分配范围内节点的负载振荡程度,提出了考虑级联失效局域信息的复杂网络节点重要度指标.该指标具有两个特点:一是值的大小可以清晰地指出节点的失效后果;二是可以依据网络负载分配范围、负载分配均匀性、节点容量系数及网络结构特征分析节点重要度的演化情况.然后,给出该指标的仿真算法,并推导了最近邻择优分配和全局择优分配规则下随机网络和无标度网络节点重要度的解析表达式.最后,实验验证了该指标的有效性和可行性,并深入分析了网络中节点重要度的演化机理,即非关键节点如何演化成影响网络级联失效行为的关键节点.     

一种可大范围调节聚类系数的加权无标度网络模型

在Barrat, Barthélemy 和 Vespignani (BBV)加权无标度网络模型的基础上，提出了一种可大范围调节聚类系数的加权无标度网络模型——广义BBV模型(GBBV模型).理论分析和仿真实验表明，GBBV模型保留了BBV模型的许多特征，节点度、节点权重和边权值等都服从幂律分布.但是，GBBV模型克服了BBV模型只能小范围调节聚类系数的缺陷，从而可以用于具有大聚类系数网络的建模. 关键词： 无标度网络 加权网络 聚类系数     

一种基于势博弈的无线传感器网络拓扑控制算法

在实际的应用中,无线传感器网络常常由大量电池资源有限的传感器节点组成.如何降低网络功耗,最大化网络生存时间,是传感器网络拓扑控制技术的重要研究目标.随着传感节点的运行,节点的能量分布可能越来越不均衡,需要在考虑该因素的情况下,动态地调整节点的网络负载以均衡节点的能耗,达到延长网络生存时间的目的.该文引入博弈理论和势博弈的概念,综合考虑节点的剩余能量和节点发射功率等因素,设计了一种基于势博弈的拓扑控制模型,并证明了该模型纳什均衡的存在性.通过构造兼顾节点连通性和能耗均衡性的收益函数,以确保降低节点功耗的同时维持网络的连通性.通过提高邻居节点的平均剩余能量值以实现将剩余能量多的节点选择作为自身的邻居节点,提高节点能耗的均衡性.在此基础上,提出了一种分布式的能耗均衡拓扑控制算法.理论分析证明了该算法能保持网络的连通性.与现有基于博弈理论的DIA算法和MLPT算法相比,本算法形成的拓扑负载较重、剩余能量较小的瓶颈节点数量较少,节点剩余能量的方差较小,网络生存时间更长.     

基于演化博弈的社交网络模型演化研究

社会网络研究的兴起,为网络演化规律研究提供了有效工具,但大多数研究集中从宏观机制评估网络演化的动态过程. 本文基于公共品博弈,通过演化博弈与网络拓扑共演化方式,从微观角度提出了多社区动态网络演化模型（dMCPGG）. 即以节点间演化博弈为动力,修改节点间边的关系,驱动网络拓扑演化. 考虑到网络异质性,采用基于拓扑势的偏好规则更准确全面的描述节点影响力. 通过数值模拟和仿真实验,验证了本模型的合理性,不仅重现了无标度网络及随机网络的节点度、聚类系数及平均路径长度的结构特性,还准确捕捉到真实社交网络的演化过程. 关键词： 公共品博弈 拓扑势 偏好选择 共演化     

加权方式对网络同步能力的影响

针对真实网络中权值与端点度的相关特性,提出了一种与始点和终点的度 都相关的非对称加权方式.在不同的网络结构下研究加权方式对同步能力的影响. 研究发现网络异质性越强时,通过调节网络权值改变网络同步能力的效果越显著, 而网络越匀质时,调节权值的方式改变网络同步能力的效果越不明显. 仿真实验显示无论在小世界网络还是无标度网络中,网络都是在节点的输入强度为1处获得最优的同步能力.     

一种强容侵能力的无线传感器网络无标度拓扑模型研究

针对无线传感器网络无标度拓扑容侵能力差的问题,本文借助节点批量到达的Poisson网络模型,提出了一种具有容侵优化特性的无标度拓扑模型,并在构建拓扑时引入剩余能量调节因子和节点度调节因子,得到了一种幂率指数可以在(1,+∞)调节的无标度拓扑结构,并通过网络结构熵优化幂率指数,得出了具有强容侵特性的幂律指数值.实验结果表明:新的拓扑保持了无标度网络的强容错性,增强了无标度网络的容侵性,并具有较好的节能优势.     

一种无线传感器网络健壮性可调的能量均衡拓扑控制算法

无线传感器网络中, 应用环境的干扰导致节点间距不能被准确度量. 所以利用以节点间距作为权重的闭包图(EG)模型构建的拓扑没有考虑环境的干扰, 忽略了这部分干扰带来的能耗, 缩短了网络生存时间. 针对无线传感器网络拓扑能量不均的特点和EG模型的缺陷, 首先引入节点度调节因子, 建立通信度量模型和节点实际生存时间模型; 其次量化网络节点度, 从而获取满足能量均衡和网络生命期最大化需求的节点度的取值规律; 然后利用该取值规律和函数极值充分条件解析推导出网络最大能量消耗值和最长生存时间, 并获得最优节点度; 最后基于以上模型提出一种健壮性可调的能量均衡拓扑控制算法. 理论证明该拓扑连通且为双向连通. 仿真结果说明网络能利用最优节点度达到较高的健壮性, 保证信息可靠传输, 且算法能有效平衡节点能耗, 提高网络健壮性, 延长网络生命周期.     

Weighted Scaling in Non-growth Random Networks

We propose a weighted model to explain the self-organizing formation of scale-free phenomenon in nongrowth random networks.In this model,we use multiple-edges to represent the connections between vertices and define the weight of a multiple-edge as the total weights of all single-edges within it and the strength of a vertex as the sum of weights for those multiple-edges attached to it.The network evolves according to a vertex strength preferential selection mechanism.During the evolution process,the network always holds its total number of vertices and its total number of single-edges constantly.We show analytically and numerically that a network will form steady scale-free distributions with our model.The results show that a weighted non-growth random network can evolve into scale-free state.It is interesting that the network also obtains the character of an exponential edge weight distribution.Namely,coexistence of scale-free distribution and exponential distribution emerges.     

Weighted Scaling in Non-growth Random Networks

We propose a weighted model to explain the self-organizing formation of scale-free phenomenon in non-growth random networks. In this model, we use multiple-edges to represent the connections between vertices and define the weight of a multiple-edge as the total weights of all single-edges within it and the strength of a vertex as the sum of weights for those multiple-edges attached to it. The network evolves according to a vertex strength preferential selection mechanism. During the evolution process, the network always holds its total number of vertices and its total number of single-edges constantly. We show analytically and numerically that a network will form steady scale-free distributions with our model. The results show that a weighted non-growth random network can evolve into scale-free state. It is interesting that the network also obtains the character of an exponential edge weight distribution. Namely, coexistence of scale-free distribution and exponential distribution emerges.     

Cascading failure in the wireless sensor scale-free networks

In the practical wireless sensor networks(WSNs), the cascading failure caused by a failure node has serious impact on the network performance. In this paper, we deeply research the cascading failure of scale-free topology in WSNs. Firstly,a cascading failure model for scale-free topology in WSNs is studied. Through analyzing the influence of the node load on cascading failure, the critical load triggering large-scale cascading failure is obtained. Then based on the critical load,a control method for cascading failure is presented. In addition, the simulation experiments are performed to validate the effectiveness of the control method. The results show that the control method can effectively prevent cascading failure.     

一类高聚类系数的加权无标度网络及其同步能力分析

针对真实世界中大规模网络都具有明显聚类效应的特点, 提出一类具有高聚类系数的加权无标度网络演化模型, 该模型同时考虑了优先连接、三角结构、随机连接和社团结构等四种演化机制. 在模型演化规则中, 以概率p增加单个节点, 以概率1–p增加一个社团. 与以往研究的不同在于新边的建立, 以概率φ在旧节点之间进行三角连接, 以概率1–φ进行随机连接. 仿真分析表明, 所提出的网络度、强度和权值分布都是服从幂律分布的形式, 且具有高聚类系数的特性, 聚类系数的提高与社团结构和随机连接机制有直接的关系. 最后通过数值仿真分析了网络演化机制对同步动态特性的影响, 数值仿真结果表明, 网络的平均聚类系数越小, 网络的同步能力越强. 关键词： 无标度网络 加权网络 聚类系数 同步能力     

基于多Agent的无线传感器网络分层融合框架研究

客户端/服务器（C/S）模式和移动代理（MA）模式是无线传感器网络中的两种最主要的计算模式,MA计算模式可以弥补C/S计算模式能量消耗大、延时长等方面的不足。为了更好的降低能量消耗和缩短网络中数据融合时间,提出一种基于多Agent的无线传感器网络分层融合框架。将无线传感器网络监测区域分层若干个区域,将每个小的监测区域分为簇头―sink和簇头―簇成员节点两层,由sink节点根据用户需求向每个监测区域派遣移动Agent并完成数据采集和数据融合。这种模式可以有效地缩短网络中数据融合时间和降低能量消耗。