基于可靠性约束的网络拓扑多准则满意优化研究

来源 :西南交通大学 | 被引量 : 0次 | 上传用户:linqingxia15
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着通信网络技术的迅速发展,特别是高速通信网络的发展,网络的规模越来越大,链路容量越来越高,链路越来越稀疏,网络可靠性研究越来越为人们所关注。目前,有关系统可靠性约束或目标的网络设计已经成为许多研究的课题,并且已经在通信网、计算机网和电气控制等相关领域得到广泛应用。可靠性是进行通信网络规划设计与性能评价的重要指标。本文从理论与方法两个方面对网络系统中有关可靠性问题进行了较为深入的研究,主要研究了网络系统一种随机性可靠性指标----全端可靠性的计算问题。研究内容主要包括三个部分:全端可靠性界的问题、全端可靠性计算和仿真方法。给出其实验结果,数值分析结果表明每种方法有各自的优缺点和适用范围。根据基于可靠性约束的网络优化的实际情况和满意优化的优点,提出了基于可靠性约束的网络多目标满意优化思想,设计出了主干网设计求解模型,改进了遗传算法,并应用于网络优化设计中。成功解决了网络设计中各性能指标之间的矛盾,即如何使可靠性尽可能高,而且全网费用和时延尽可能小。采用所提出的基于可靠性约束的网络多目标满意优化模型,研究了容量非受限型网络拓扑优化设计和企业网拓扑优化设计问题,并进行了仿真验证。仿真结果表明,该方法要优于传统的优化方法,能极大地缩短求解时间,一般能找到比较满意的解。网络可用性是网络性能评价的另一个重要指标,从网络可用性的概念着手,重点研究了网络可用性参考模型,三种生存机制下可用性的计算方法,将参考模型运用在实际网络中,通过比较三种生存机制下端端连通可用性,进行网络可用性分析,并给出实验结果。
其他文献
基于统计学习理论的支持向量机算法具有坚实的数学理论基础和严格的理论分析,具有理论完备、全局优化、适应性强、推广能力好等优点,是机器学习中的一种新方法和研究新热点。它
互联网正从一个静态数据内容占主导地位的阶段快速发展成为一个包含静态媒体内容和连续媒体内容的综合的信息资源库。随着网络带宽和计算机处理能力的提升,流媒体技术成为人们
近些年,随着人们对精神文化的不断追求,以及国家对文化产业的大力支持,文化演出服务行业随之繁荣。文化演出服务提供者提供的资源日益丰富,观众的需求偏好日益个性化,如何将丰富的
为了提高决策科学化水平,电信企业也纷纷构建了以数据仓库系统为核心的经营分析系统,为企业的决策提供管理信息。然而,经营分析系统不能实时地根据变化数据产生信息,进而支持企业
数据挖掘是指从大量的数据中提取隐含的、事先未知的、并且潜在有用的知识的过程,是目前国际上数据库和信息决策领域前沿的研究方向之一。随着时序数据在金融和科技应用中的广
近几年来,随着社会信息化进程的不断深入发展,人类对信息的需求和依赖程度越来越高,如何从海量的信息资源中快速有效的获取有用的信息,已经成为研究的热点,这也给信息检索带来了极
下一代网络开放了网络能力,但是随着不断涌现的新的业务需求,开放业务能力预计不远的将来将成为下一个重大的研究热点。业务能力的开放也带来了一系列业务层面特有的安全问题,这
近年来,随着应用要求不断增强,机器人技术得到了持续发展。作为一门高科技综合学科,机器人技术的发展延伸出了许多新的技术研究领域,也带动了这些领域的技术发展。其中,路径
随着开放分布式计算的快速发展,中间件技术已经从面向对象计算的阶段发展到了面向服务计算的阶段。SOC更加靠近应用层的业务逻辑,具有敏捷性、动态适应性等特性,可与模型驱动的
数据挖掘技术将传统的数据分析方法与处理大量数据的复杂算法相结合。数据挖掘为探查和分析新的数据类型以及用新方法分析旧有数据类型提供了良好的机会。数据挖掘的目的是从