-
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。
-
公开(公告)号：CN118400336B
公开(公告)日：2024-09-24
申请号：CN202410866258.3
申请日：2024-07-01
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于动态缓存的主动队列管理方法，通过针对流量队列执行动态缓存策略；然后构建DQN环境，学习得到最优丢包策略；构建DQN智能体，采用#imgabs0#策略来选择能够使总奖励函数最大化的动作；最后构建由策略网络和价值网络构成的深度确定性策略梯度网络，并采用经验回放机制训练深度确定性策略梯度网络，得到动态缓存的主动队列管理模型,利用动态缓存的主动队列管理模型，以当前流量队列为输入，得到缓存内流量队列管理策略。本发明采用的缓存容量更低，能够有效降低路由器等转发设备的硬件成本，实现更低的平均传输时延和平均时延抖动，具有降本增效的优势。
-
公开(公告)号：CN118400337A
公开(公告)日：2024-07-26
申请号：CN202410866271.9
申请日：2024-07-01
Applicant: 南京信息工程大学
IPC: H04L47/50 , H04L47/24 , H04L67/568 , H04L41/0896
Abstract: 本发明公开了一种面向差异化QoS保障的链路汇聚节点缓存方法，首先将进行差异化业务分类；然后构建训练数据集，之后构建DQN缓存调整神经网络，将汇聚节点的缓存空间作为环境，将缓当前队列长度、出队速率、当前排队时延作为状态空间，定义动作空间为增大或减小缓存容量，设置总奖励，选择当前状态下奖励函数最大化的动作，训练DQN缓存调整神经网络：主Q网络用于评估当前策略，计算当前状态下动作的Q值与目标Q值之间的损失，不断更新主Q网络，得到面向差异化QoS保障的链路汇聚节点缓存模型；输出缓存策略。本法发明能有效提升主动队列管理算法的传输时延、吞吐量、丢包率的性能，从而为差异化业务的QoS保障提供了技术支撑。
-
Patent Agency Ranking
公开(公告)号：CN118175082A
公开(公告)日：2024-06-11
申请号：CN202410581900.3
申请日：2024-05-11
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于状态图模型的网络分簇式路由快速收敛方法，首先，基于战术通信网络，构建网络拓扑图，计算链路状态和节点状态，构建通信网络的状态图模型，以评估当前网络状态；然后，基于状态图模型的簇头自举算法，确定节点是否担任簇头角色；接着，基于状态图模型的入簇算法，进行单一簇的路由收敛；基于状态图模型的簇间连接算法，维护簇间连接，进行网络的分簇式路由收敛。在此基础上，本发明改进战术通信网络OSPF协议，在极低的路由开销下提升了路由收敛的时效性，大大增加了有效数据的传输时间，从而保障了复杂战场环境下的路由快速收敛，为智能陆战系统提供技术支撑。
-
公开(公告)号：CN116566906A
公开(公告)日：2023-08-08
申请号：CN202310809767.8
申请日：2023-07-04
Applicant: 南京信息工程大学
IPC: H04L47/12 , H04L47/6295 , H04L47/24
Abstract: 本发明公开了一种基于队列状态的异构链路汇聚节点队列管理方法及系统，涉及路由器队列管理和拥塞控制技术领域，用以增强指挥控制网络下异构链路汇聚节点队列管理对队列状态的敏感度，进而增强主动队列管理的控制力度，利用平均队列长度表征队列变化的长期状态，利用队列长度变化率表征队列变化的瞬时状态，并且将两者相结合构建了队列状态判定模型，并给出了突发容忍、突发抑制、衰减容忍、衰减抑制、队列平稳五种队列状态的判定依据；在此基础上，结合队列状态判定结果设计具有自适应调整能力的丢弃概率函数，进行主动队列管理，实现对网络流量服务质量的可靠保障。
-
公开(公告)号：CN116566903A
公开(公告)日：2023-08-08
申请号：CN202310815822.4
申请日：2023-07-05
Applicant: 南京信息工程大学
IPC: H04L47/10 , H04L47/2441 , H04L43/0852 , H04L43/0876
Abstract: 本发明公开了一种指控网络异构链路汇聚流量的端到端时延分析方法，包括：将指挥控制网络中的时延敏感流量建模为MMPP流量，将指挥控制网络中的带宽敏感流量和尽最大努力交付流量建模为fBm流量，分别推导三种流量的随机到达曲线和有界函数，计算状态时变的通信链路为异构链路汇聚流量提供的总服务速率平均值，分别推导异构链路汇聚节点为三种流量提供的随机服务曲线，基于随机到达曲线和随机服务曲线，推导三种流量端到端时延，并进行性能分析；本发明所设计的方法解决了复杂多维、瞬时涌现的流量到达过程和接续传输、状态时变的系统服务过程导致端到端时延难以精准评估的问题。
-
公开(公告)号：CN115963731A
公开(公告)日：2023-04-14
申请号：CN202310253612.0
申请日：2023-03-16
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于改进遗传算法的指挥控制体系网络结构优化方法，包括：建立多目标优化模型，初始化参数；采用上三角编码方法，将网络结构的邻接矩阵中有效元素进行编码形成染色体；将基础隶属网络结构和协同式网络结构作为启发式信息以生成初始种群，获得初始种群的全部个体；利用适应度函数计算种群中每个个体的适应度；选择出父代个体并采用自适应交叉和变异机制对父代个体进行进化操作，进而得到子代个体；采用精英保留策略更新种群，重复迭代直到满足终止条件，最终输出最优的指挥控制体系网络结构；本发明算法可获得抗毁性和时效性最高的网络结构，实现了指挥控制体系网络结构的优化，并表现出较好的收敛性和准确性。
-
公开(公告)号：CN114666230B
公开(公告)日：2022-08-12
申请号：CN202210568365.9
申请日：2022-05-24
Applicant: 南京信息工程大学
IPC: H04L41/147 , H04L41/142 , H04L41/14
Abstract: 本发明公开了一种基于修正因子的网络流量灰色预测方法，基于构建好的网络拓扑结构和它的原始流量序列，对原始流量序列进行归一化，构造并初始化修正因子的缓冲算子函数，对归一化流量序列中的每个元素施加缓冲算子函数，获得预处理流量序列，之后对预处理流量序列实施灰色预测，得到当前流量预测序列，计算归一化流量序列与预测流量序列的均方误差，对修正因子的值进行迭代更新，获得最优修正因子以及该修正因子对应的预测流量序列，对预测流量序列进行反归一化，得到最终预测流量序列，本发明提出的一种基于修正因子的网络流量灰色预测方法，在保证流量预测算法复杂度较低的前提下，实现对复杂网络流量的高精度预测。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.03 seconds)
