基于IPv6的段路由(segment routing over IPv6,SRv6)作为下一代网络架构的关键使能技术,通过引入灵活的段路由转发平面,为提升网络智能化水平、拓展业务服务能力带来革新机遇.旨在全面梳理近年来SRv6的演进趋势和研究现状.首先,系统总结...基于IPv6的段路由(segment routing over IPv6,SRv6)作为下一代网络架构的关键使能技术,通过引入灵活的段路由转发平面,为提升网络智能化水平、拓展业务服务能力带来革新机遇.旨在全面梳理近年来SRv6的演进趋势和研究现状.首先,系统总结SRv6在网络架构与性能、网络管理与运维以及新兴业务支撑等方面的应用,凸显了SRv6精细调度、灵活编程、服务融合等独特优势.与此同时,深入剖析SRv6在性能与效率、可靠性与安全性、部署与演进策略这3个方面所面临的关键挑战,并重点讨论当前主流的解决思路和发展趋势.最后,立足产业生态构建、人工智能引入、行业融合创新等视角,对SRv6未来的发展方向和挑战进行前瞻性思考和展望.研究成果将为运营商构建开放、智能、安全的新一代网络提供理论参考和实践指导.展开更多
软件定义网络(software-defined networks,SDN)流量调度提升网络性能和资源利用率、实现节能和负载均衡至关重要.传统的多目标优化算法在高流量和网络动态性增加的情况下显著影响算法的收敛速度,难以满足复杂网络环境的多样化需求.针对...软件定义网络(software-defined networks,SDN)流量调度提升网络性能和资源利用率、实现节能和负载均衡至关重要.传统的多目标优化算法在高流量和网络动态性增加的情况下显著影响算法的收敛速度,难以满足复杂网络环境的多样化需求.针对此问题,提出了一种基于深度强化学习的流量预测在线路由算法——OTPR-DRL:根据流量特征预测关键流和普通流,结合网络状态和流量信息建立线性规划问题获得关键流路由的最优解.为满足普通流不同服务质量(quality of service,QoS)需求,引入通用效用函数实现多目标优化,通过多智能体和优先级经验回放机制为普通流选择路由.实验结果表明,在高流量强度下,OTPR-DRL与现有的算法相比,提高了收敛速度,至少降低了10.26%的网络传输时延,3.09%的丢包率,提高了1.70%的吞吐率.展开更多
时间序列预测在能源管理、交通流量和气象分析等多个实际场景中具有重要应用价值。然而,时间序列数据中存在的分布漂移(Distribution Shift)与长程依赖(Long-term Dependency)仍限制了传统方法与现有深度学习模型在长期预测中的表现。为...时间序列预测在能源管理、交通流量和气象分析等多个实际场景中具有重要应用价值。然而,时间序列数据中存在的分布漂移(Distribution Shift)与长程依赖(Long-term Dependency)仍限制了传统方法与现有深度学习模型在长期预测中的表现。为此,提出了一种名为D-LINet(Dual-Normalization and Linear Integration Network)的创新模型。该模型结合了Dish-TS(Distribution Shift in Time Series Forecasting)框架的分布归一化能力与线性映射的高效性,并采用双向归一化与双线性层的设计,有效缓解输入与输出空间的分布偏移,增强了对周期性与趋势性特征的捕捉能力。在多个真实数据集上对D-LINet的预测性能进行了全面评估。结果显示,在短期与长期预测中,D-LINet的均方误差和平均绝对误差均显著优于主流模型(如Transformer,Informer,Autoformer和DLinear)。此外,实验还探讨了输入窗口长度及先验知识的引入对预测性能的影响,为后续模型优化提供了重要指导。该研究针对复杂分布漂移问题提出了新的解决思路,并有助于提升时间序列预测的精度与稳健性。展开更多
在船舶制造环境中,无线信号容易受金属墙壁屏蔽和多路径效应影响,导致船舱内的无线传感器网络覆盖率下降,影响节点对环境信息的有效感知.为优化传感器节点部署以最大化网络覆盖率,本论文针对船舶制造环境中的无线传感器网络信号覆盖问题...在船舶制造环境中,无线信号容易受金属墙壁屏蔽和多路径效应影响,导致船舱内的无线传感器网络覆盖率下降,影响节点对环境信息的有效感知.为优化传感器节点部署以最大化网络覆盖率,本论文针对船舶制造环境中的无线传感器网络信号覆盖问题,提出一种基于虚拟力鲸鱼融合算法的优化方法.首先,建立了考虑金属墙壁障碍的物节点感知模型,以适应船舱环境的复杂性.其次,在鲸鱼群智能优化算法基础上,融合了虚拟力算法,并引入无限折叠迭代混沌映射(Iterative Map with Infinite Collapses,ICMIC)以提高种群多样性,增强算法的全局搜索能力和局部寻优能力,从而有效解决覆盖优化问题.仿真实验结果表明,本文所提算法在船舱复杂环境下能够显著提高最优覆盖率,且算法收敛速度优于对比算法.本文为解决复杂船舶环境中的无线传感器网络覆盖问题提供了一种创新性方法,为相关领域的研究和应用提供了参考.展开更多
文摘基于IPv6的段路由(segment routing over IPv6,SRv6)作为下一代网络架构的关键使能技术,通过引入灵活的段路由转发平面,为提升网络智能化水平、拓展业务服务能力带来革新机遇.旨在全面梳理近年来SRv6的演进趋势和研究现状.首先,系统总结SRv6在网络架构与性能、网络管理与运维以及新兴业务支撑等方面的应用,凸显了SRv6精细调度、灵活编程、服务融合等独特优势.与此同时,深入剖析SRv6在性能与效率、可靠性与安全性、部署与演进策略这3个方面所面临的关键挑战,并重点讨论当前主流的解决思路和发展趋势.最后,立足产业生态构建、人工智能引入、行业融合创新等视角,对SRv6未来的发展方向和挑战进行前瞻性思考和展望.研究成果将为运营商构建开放、智能、安全的新一代网络提供理论参考和实践指导.
文摘软件定义网络(software-defined networks,SDN)流量调度提升网络性能和资源利用率、实现节能和负载均衡至关重要.传统的多目标优化算法在高流量和网络动态性增加的情况下显著影响算法的收敛速度,难以满足复杂网络环境的多样化需求.针对此问题,提出了一种基于深度强化学习的流量预测在线路由算法——OTPR-DRL:根据流量特征预测关键流和普通流,结合网络状态和流量信息建立线性规划问题获得关键流路由的最优解.为满足普通流不同服务质量(quality of service,QoS)需求,引入通用效用函数实现多目标优化,通过多智能体和优先级经验回放机制为普通流选择路由.实验结果表明,在高流量强度下,OTPR-DRL与现有的算法相比,提高了收敛速度,至少降低了10.26%的网络传输时延,3.09%的丢包率,提高了1.70%的吞吐率.
文摘时间序列预测在能源管理、交通流量和气象分析等多个实际场景中具有重要应用价值。然而,时间序列数据中存在的分布漂移(Distribution Shift)与长程依赖(Long-term Dependency)仍限制了传统方法与现有深度学习模型在长期预测中的表现。为此,提出了一种名为D-LINet(Dual-Normalization and Linear Integration Network)的创新模型。该模型结合了Dish-TS(Distribution Shift in Time Series Forecasting)框架的分布归一化能力与线性映射的高效性,并采用双向归一化与双线性层的设计,有效缓解输入与输出空间的分布偏移,增强了对周期性与趋势性特征的捕捉能力。在多个真实数据集上对D-LINet的预测性能进行了全面评估。结果显示,在短期与长期预测中,D-LINet的均方误差和平均绝对误差均显著优于主流模型(如Transformer,Informer,Autoformer和DLinear)。此外,实验还探讨了输入窗口长度及先验知识的引入对预测性能的影响,为后续模型优化提供了重要指导。该研究针对复杂分布漂移问题提出了新的解决思路,并有助于提升时间序列预测的精度与稳健性。
文摘在船舶制造环境中,无线信号容易受金属墙壁屏蔽和多路径效应影响,导致船舱内的无线传感器网络覆盖率下降,影响节点对环境信息的有效感知.为优化传感器节点部署以最大化网络覆盖率,本论文针对船舶制造环境中的无线传感器网络信号覆盖问题,提出一种基于虚拟力鲸鱼融合算法的优化方法.首先,建立了考虑金属墙壁障碍的物节点感知模型,以适应船舱环境的复杂性.其次,在鲸鱼群智能优化算法基础上,融合了虚拟力算法,并引入无限折叠迭代混沌映射(Iterative Map with Infinite Collapses,ICMIC)以提高种群多样性,增强算法的全局搜索能力和局部寻优能力,从而有效解决覆盖优化问题.仿真实验结果表明,本文所提算法在船舱复杂环境下能够显著提高最优覆盖率,且算法收敛速度优于对比算法.本文为解决复杂船舶环境中的无线传感器网络覆盖问题提供了一种创新性方法,为相关领域的研究和应用提供了参考.
