CN109151837B - 一种控制器及网关联合部署优化方法 - Google Patents

一种控制器及网关联合部署优化方法 Download PDF

Info

Publication number
CN109151837B
CN109151837B CN201810956422.4A CN201810956422A CN109151837B CN 109151837 B CN109151837 B CN 109151837B CN 201810956422 A CN201810956422 A CN 201810956422A CN 109151837 B CN109151837 B CN 109151837B
Authority
CN
China
Prior art keywords
gateway
wireless mesh
controller
individual
mesh router
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810956422.4A
Other languages
English (en)
Other versions
CN109151837A (zh
Inventor
程良伦
林佳烁
陈权
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN201810956422.4A priority Critical patent/CN109151837B/zh
Publication of CN109151837A publication Critical patent/CN109151837A/zh
Application granted granted Critical
Publication of CN109151837B publication Critical patent/CN109151837B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及一种控制器及网关联合部署优化算法，包括以下步骤：S1对SDN无线Mesh网络中的控制器及网关联合部署方案优化问题进行数学建模，S2通过K‑聚类算法得到一组较优的网关部署方案Ginit，S3随机初始化N组k个控制器的部署方案，S4初始化遗传算法中第j代中N个个体的初值，S5对第j代中的每一个个体是否是可行解进行判断,如果该个体不是一个可行解，则淘汰该个体；S6确定每个个体的适应度，S7根据每一代个体的适应度进行复制、交叉、变异，S8最终得到下一代个体，重复步骤S2到S8，直到迭代次数达到M，停止迭代；本发明所提供的算法可提高SDN无线Mesh网络的可靠性及稳定性，为网络中的一些时延敏感的业务流提供更加稳定的服务。

Description

一种控制器及网关联合部署优化方法
技术领域
本发明涉及无线网络优化算法领域，更具体地，涉及一种控制器及网关联合部署优化方法。
背景技术
在过去几十年中，迅猛发展的互联网带给了人们巨大的便利，特别是无线技术如WIFI，蓝牙等等。可以预见的是，无线技术将会在未来得到更大的发展，如无线Mesh网络等。同时，近年来提出的各种新型网络架构，如软件定义网络 (Software DefinedNetworking，SDN)为无线Mesh网络带来了许多前所未有的好处。在SDN无线Mesh网络中，SDN的转控分离可以使得无线Mesh网络的控制更为智能。但另一方面，SDN与无线Mesh网络的结合也引入了一些挑战。在基于SDN的无线Mesh网络框架中，如何部署网关及控制器使得网络的可靠性、稳定性、高效性得到保证是一个当前的研究热点。
为了优化SDN无线Mesh网络中的控制器及网关联合部署方案，在该网络中，在保证每个节点到网关的平均时延小于某一个阈值的情况下，使得每个节点到其控制器的链路稳定性最大，并且每个控制器到网关的链路稳定性最高。这是因为， SDN网络的转控分离给网络带来了巨大的优势的同时，控制器在网络中的重要性不言而喻。如果网络中的节点与控制器失去了连接，那么后果将不堪设想。
同时，在SDN无线Mesh网络中，SDN控制器会向外部网络提供了某些北向接口以使得外网用户(如内容提供者等等)可以通过其提供的接口来控制网络。在这种情况下，SDN控制器与外部网络的链接也需要保证稳定。
发明内容
本发明为克服上述现有技术所述缺陷，提供一种控制器及网关联合部署优化方法，所述方法包括以下步骤：
S1对SDN无线Mesh网络中的控制器及网关联合部署方案优化问题进行数学建模，得到数学模型如下：
Figure GDA0003332013910000011
Figure GDA0003332013910000021
式中：m为无线Mesh路由器节点的个数，k为控制器的个数，n为接入网关的个数，Lrg为每个无线Mesh路由器节点到网关的延迟，r为无线Mesh路由器节点，c为控制器，g为网关，Prc为无线Mesh路由器节点r到其控制器c的稳定性概率，Pcg为控制器c到其网关g的稳定性概率，V为m个无线Mesh路由器节点的集合，S为k个控制器的集合；
S2通过K-聚类算法得到一组较优的网关部署方案Ginit，其中Ginit＝ {g1，g2，…，gm}；
S3随机初始化N组k个控制器的部署方案，其中每一组方案为Ci，1＝ {c1，c2，...，ck}，i＝1，2，...，N，Ci，1为遗传算法中第1代中N个个体的初值；
S4初始化遗传算法中第j代中N个个体的初值，初值Ti，j＝Gi，j+Ci，j，i＝ 1，2，...，N，j＝1，2，...，M，其中M为最大迭代代数；
S5对第j代中的每一个个体是否是可行解进行判断，如果该个体不是一个可行解，则淘汰该个体；
S6确定每个个体的适应度；计算公式为：
Figure GDA0003332013910000022
S7根据每一代个体的适应度进行复制、交叉、变异；此时适应度越大的个体繁殖能力越强，即根据下列公式对每一个个体进行复制，每个个体的复制次数为：
Figure GDA0003332013910000023
其中，
Figure GDA0003332013910000024
表示向下取整；
S8最终得到下一代个体，重复步骤S2到S8，直到迭代次数达到M，停止迭代。
优选地，所述的步骤S1的建模过程如下：
S1.1给定m个无线Mesh路由器节点、n个接入网关、k个控制器、无线节点到网关的最大延迟Lmax、Mesh网络拓扑图G(V，E)，其中V为包含了m个无线Mesh路由器节点的集合，E为连接无线Mesh路由器节点之间的链路集合；
S1.2设每个无线Mesh路由器节点到网关的延迟为：
Lrg
每个无线Mesh路由器节点到其控制器的链路稳定性与该无线Mesh路由器节点到控制器的路径上的每一条链路及每一个中继节点的稳定性相关，即该无线 Mesh路由器节点到控制器的链路稳定性为：
Figure GDA0003332013910000031
式中：e为链路，Pe为链路e的稳定性概率，r为中继节点，Pr为路径path上的每一个中继节点r的稳定性概率；
相似的，每个控制器到网关的链路稳定性与该控制器到网关的每一条链路及每个中继节点的稳定性相关，即该控制器到网关的链路稳定性为：
Figure GDA0003332013910000032
S1.3确定该优化问题建模为：
Figure GDA0003332013910000033
Figure GDA0003332013910000034
优选地，所述的步骤S2使用了聚类过程来初始化遗传算法的初值，其步骤如下：
S2.1初始化：随机选择V中的m个节点作为聚类中心；
S2.2重复计算V中的每一个无线Mesh路由器节点到各个网关的延迟的值，选择距离最近的聚类中心作为自己的网关；
S2.3对每一个类计算新的聚类中心，如果所有类新的聚类中心与原来的聚类中心不同，返回S2.2；否则，算法收敛完毕，得到Ginit为包含各个网关的集合。
优选地，所述的步骤S7的交叉遗传过程步骤如下：
S7.1复制：对这一代中所有的个体Ti，j，计算其复制次数N(Ti，j)；计算公式为
Figure GDA0003332013910000035
其中，
Figure GDA0003332013910000036
表示向下取整；
S7.2交叉：对所有个体根据其适应度进行排序，对每两个相邻个体(Ti，j+1，Ti+1，j+1)的元素进行随机地交换；
S7.3变异：根据一个变异概率因子σ∈(0，1)对每一个个体的基因进行变异，即随机选择该个体Ti，j+1中的某一个元素变换为V中的其他元素；
S7.4检查新的个体是否在原问题的解空间内，若个体不满足约束，则淘汰该个体；
S7.5计算这些个体的最优适应度BestJj，并与上一代的BestJj-1进行比较，若BestJi＜BestJj-1，说明这一代的最优个体反而比上一代的较差，则延用上一代的最优个体。
与现有技术相比，本发明技术方案的有益效果是：可提高SDN无线Mesh 网络的可靠性及稳定性，为网络中的一些时延敏感的业务流提供更加稳定的服务。
附图说明
图1为SDN无线Mesh网络架构。
图2位控制器及网关联合部署优化方法流程图。
图3 为改进的遗传算法初始化过程中的聚类过程流程图。
图中，1-网关，2-SDN控制器，3-无线链路，4-控制器安全通道，5-第一无线路接入设备，6-第二无线接入设备，7第三无线接入设备。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
本实施例提供一种控制器及网关联合部署优化方法，结合图2所示，所述方法包括以下步骤：
S1对SDN无线Mesh网络中的控制器及网关联合部署方案优化问题进行数学建模，得到数学模型如下：
Figure GDA0003332013910000041
Figure GDA0003332013910000051
式中：m为无线Mesh路由器节点的个数，k为控制器的个数，Lrg为每个无线Mesh路由器节点到网关的延迟，r为无线Mesh路由器节点，c为控制器，g 为网关，Prc为无线Mesh路由器节点r到其控制器c的稳定性概率，Pcg为控制器 c到其网关g的稳定性概率，V为m个无线Mesh路由器节点的集合，S为k个控制器的集合；
S2通过K-聚类算法得到一组较优的网关部署方案Ginit，其中Ginit＝ {g1，g2，…，gm}；
S3随机初始化N组k个控制器的部署方案，其中每一组方案为Ci，1＝ {c1，c2，...，ck}，i＝1，2，...，N，Ci，1为遗传算法中第1代中N个个体的初值；
S4初始化遗传算法中第j代中N个个体的初值，初值Ti，j＝Gi，j+Ci，j，i＝ 1，2，...，N，j＝1，2，...，M，其中M为最大迭代代数；
S5对第j代中的每一个个体是否是可行解进行判断，如果该个体不是一个可行解，则淘汰该个体；
S6确定每个个体的适应度；计算公式为：
Figure GDA0003332013910000052
S7根据每一代个体的适应度进行复制、交叉、变异；此时适应度越大的个体繁殖能力越强，即根据下列公式对每一个个体进行复制，每个个体的复制次数为：
Figure GDA0003332013910000053
其中，
Figure GDA0003332013910000054
表示向下取整。
S8最终得到下一代个体，重复步骤S2到S8，直到迭代次数达到M，停止迭代。
图1为SDN无线Mesh网络架构图，图1中，1-网关，2-SDN控制器，3- 无线链路，4-控制器安全通道，5-第一无线路接入设备，6-第二无线接入设备，7 第三无线接入设备；所述的步骤S1的建模过程如下：
S1.1给定m个无线Mesh路由器节点、n个接入网关、k个控制器、无线节点到网关的最大延迟Lmax、Mesh网络拓扑图G(V，E)，其中V为包含了m个无线Mesh路由器节点的集合，E为连接无线Mesh路由器节点之间的链路集合；
S1.2设每个无线Mesh路由器节点到网关的延迟为：
Lrg
每个无线Mesh路由器节点到其控制器的链路稳定性与该无线Mesh路由器节点到控制器的路径上的每一条链路及每一个中继节点的稳定性相关，即该无线 Mesh路由器节点到控制器的链路稳定性为：
Figure GDA0003332013910000061
式中：e为链路，Pe为链路e的稳定性概率，r为中继节点，Pr为路径path上的每一个中继节点r的稳定性概率；
相似的，每个控制器到网关的链路稳定性与该控制器到网关的每一条链路及每个中继节点的稳定性相关，即该控制器到网关的链路稳定性为：
Figure GDA0003332013910000062
S1.3确定该优化问题建模为：
Figure GDA0003332013910000063
Figure GDA0003332013910000064
结合图3所示，所述的步骤S2使用了聚类过程来初始化遗传算法的初值，其步骤如下：
S2.1初始化：随机选择V中的m个节点作为聚类中心；
S2.2重复计算V中的每一个无线Mesh路由器节点到各个网关的延迟的值，选择距离最近的聚类中心作为自己的网关；
S2.3对每一个类计算新的聚类中心，如果所有类新的聚类中心与原来的聚类中心不同，返回S2.2；否则，算法收敛完毕，得到Ginit为包含各个网关的集合。
所述的步骤S7的交叉遗传过程步骤如下：
S7.1复制：对这一代中所有的个体Ti，j，计算其复制次数N(Ti，j)；计算公式为
Figure GDA0003332013910000065
其中，
Figure GDA0003332013910000071
表示向下取整；
S7.2交叉：对所有个体根据其适应度进行排序，对每两个相邻个体 (Ti，j+1，Ti+1，j+1)的元素进行随机地交换；
S7.3变异：根据一个变异概率因子σ∈(0，1)对每一个个体的基因进行变异，即随机选择该个体Ti，j+1中的某一个元素变换为V中的其他元素；
S7.4检查新的个体是否在原问题的解空间内，若个体不满足约束，则淘汰该个体；
S7.5计算这些个体的最优适应度BestJj，并与上一代的BestJj-1进行比较，若BestJi＜BestJj-1，说明这一代的最优个体反而比上一代的较差，则延用上一代的最优个体。
相同或相似的标号对应相同或相似的部件；
附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (1)

1.一种控制器及网关联合部署优化方法，其特征在于，所述方法包括以下步骤：
S1对软件定义网络SDN无线Mesh网络中的控制器及网关联合部署方案优化问题进行数学建模，得到数学模型如下：
Figure FDA0003332013900000011
Figure FDA0003332013900000012
式中：m为无线Mesh路由器节点的个数，k为控制器的个数，Lrg为每个无线Mesh路由器节点到网关的延迟，r为无线Mesh路由器节点，c为控制器，g为网关，Prc为无线Mesh路由器节点r到其控制器c的稳定性概率，Pcg为控制器c到其网关g的稳定性概率，V为m个无线Mesh路由器节点的集合，S为k个控制器的集合；Lmax为每个无线Mesh路由器节点到网关的最大延迟；
S2通过K-聚类算法得到一组网关部署方案Ginit，其中Ginit＝{g1，g2，...，gm}；
S3随机初始化N组k个控制器的部署方案，其中每一组方案为Ci，1＝{c1，c2，...，ck}，i＝1，2，...，N；
S4初始化遗传算法中第j代中N个个体的初值，初值Ti，j＝Gi，j+Ci，j，i＝1，2，...，N，j＝1，2，...，M，其中M为最大迭代代数；
S5对第j代中的每一个个体是否是可行解进行判断，如果该个体不是一个可行解，则淘汰该个体；
S6用计算公式：
Figure FDA0003332013900000013
确定每个个体的适应度；
S7根据每一代个体的适应度进行复制、交叉、变异；此时适应度越大的个体繁殖能力越强，即根据下列公式对每一个个体进行复制，每个个体的复制次数为：
Figure FDA0003332013900000014
其中，
Figure FDA0003332013900000021
表示向下取整，n为网关个数；
S8最终得到下一代个体，重复步骤S2到S8，直到迭代次数达到M，停止迭代；
所述的步骤S1的建模过程如下：
S1.1给定m个无线Mesh路由器节点、n个网关、k个控制器、无线Mesh路由器节点到网关的最大延迟Lmax、Mesh网络拓扑图G(V，E)，其中V为包含了m个无线Mesh路由器节点的集合，E为连接无线Mesh路由器节点之间的链路集合；
S1.2设每个无线Mesh路由器节点到网关的延迟为：
Lrg
每个无线Mesh路由器节点到其控制器的链路稳定性与该无线Mesh路由器节点到控制器的路径上的每一条链路及每一个中继节点的稳定性相关，即该无线Mesh路由器节点到控制器的链路稳定性为：
Figure FDA0003332013900000022
式中：e为链路，Pe为链路e的稳定性概率，r为中继节点，Pr为路径path上的每一个中继节点r的稳定性概率；
每个控制器到网关的链路稳定性与该控制器到网关的每一条链路及每个中继节点的稳定性相关，即该控制器到网关的链路稳定性为：
Figure FDA0003332013900000023
S1.3根据以下公式：
Figure FDA0003332013900000024
Figure FDA0003332013900000025
构建该优化问题的模型；
所述的步骤S2使用了聚类过程来初始化遗传算法的初值，其步骤如下：
S2.1初始化：随机选择V中的m个无线Mesh路由器节点作为聚类中心；
S2.2重复计算V中的每一个无线Mesh路由器节点到各个网关的延迟的值，选择距离最近的聚类中心作为自己的网关；
S2.3对每一个类计算新的聚类中心，如果所有类新的聚类中心与原来的聚类中心不同，返回S2.2；否则，算法收敛完毕，得到Ginit为包含各个网关的集合；
所述的步骤S7的交叉遗传过程步骤如下：
S7.1复制：对这一代中所有的个体Ti，j，计算其复制次数N(Ti，j)；计算公式为
Figure FDA0003332013900000031
其中，
Figure FDA0003332013900000032
表示向下取整；
S7.2交叉：对所有个体根据其适应度进行排序，对每两个相邻个体(Ti，j+1，Ti+1，j+1)的元素进行随机地交换；
S7.3变异：根据一个变异概率因子σ∈(0，1)对每一个个体的基因进行变异，即随机选择该个体Ti，j+1中的某一个元素变换为V中的其他元素；
S7.4检查新的个体是否在原问题的解空间内，若个体不满足约束，则淘汰该个体；
S7.5计算这些个体的最优适应度BestJj，并与上一代的BestJj-1进行比较，若BestJi＜BestJj-1，说明这一代的最优个体反而比上一代的较差，则延用上一代的最优个体。
CN201810956422.4A 2018-08-21 2018-08-21 一种控制器及网关联合部署优化方法 Active CN109151837B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810956422.4A CN109151837B (zh) 2018-08-21 2018-08-21 一种控制器及网关联合部署优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810956422.4A CN109151837B (zh) 2018-08-21 2018-08-21 一种控制器及网关联合部署优化方法

Publications (2)

Publication Number Publication Date
CN109151837A CN109151837A (zh) 2019-01-04
CN109151837B true CN109151837B (zh) 2021-12-24

Family

ID=64790866

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810956422.4A Active CN109151837B (zh) 2018-08-21 2018-08-21 一种控制器及网关联合部署优化方法

Country Status (1)

Country Link
CN (1) CN109151837B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113452540B (zh) * 2020-03-27 2022-08-30 中国电信股份有限公司 Sdn配置方法、装置和计算机可读存储介质
CN111786834A (zh) * 2020-07-02 2020-10-16 福州大学 基于遗传算法的sdn交换机节点增量部署方法
CN117895995B (zh) * 2024-03-14 2024-05-14 中南大学 一种天基资源稳定监测方法、系统、设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103916265A (zh) * 2013-01-04 2014-07-09 特拉博斯股份有限公司 用于配置软件定义的网络的方法和控制器系统
CN105992230A (zh) * 2015-03-04 2016-10-05 富士通株式会社 无线网络规划方法和装置
CN106161270A (zh) * 2015-04-22 2016-11-23 北京邮电大学 一种网络部署方法
CN106792757A (zh) * 2017-01-11 2017-05-31 广东工业大学 一种面向事件检测的传感网部署优化方法与装置
CN107317697A (zh) * 2017-05-25 2017-11-03 清华大学 一种ospf与sdn混合网络的路由配置方法
CN107453924A (zh) * 2017-09-15 2017-12-08 河北工程大学 一种软件定义FiWi网络中的多路径路由传输方法
CN108400890A (zh) * 2018-01-30 2018-08-14 天津城建大学 一种软件定义网络多控制器部署方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103916265A (zh) * 2013-01-04 2014-07-09 特拉博斯股份有限公司 用于配置软件定义的网络的方法和控制器系统
CN105992230A (zh) * 2015-03-04 2016-10-05 富士通株式会社 无线网络规划方法和装置
CN106161270A (zh) * 2015-04-22 2016-11-23 北京邮电大学 一种网络部署方法
CN106792757A (zh) * 2017-01-11 2017-05-31 广东工业大学 一种面向事件检测的传感网部署优化方法与装置
CN107317697A (zh) * 2017-05-25 2017-11-03 清华大学 一种ospf与sdn混合网络的路由配置方法
CN107453924A (zh) * 2017-09-15 2017-12-08 河北工程大学 一种软件定义FiWi网络中的多路径路由传输方法
CN108400890A (zh) * 2018-01-30 2018-08-14 天津城建大学 一种软件定义网络多控制器部署方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Robust collaborative mesh networking with large-scale distributed wireless heterogeneous terminals in industrial cyber-physical systems;Tao Wang等;《International Journal of Distributed Sensor Networks》;20170811;全文 *
无线Mesh网络中网关部署研究;李海茗，黄廷磊;《桂林电子科技大学学报》;20110825;全文 *

Also Published As

Publication number Publication date
CN109151837A (zh) 2019-01-04

Similar Documents

Publication Publication Date Title
CN109151837B (zh) 一种控制器及网关联合部署优化方法
Jin et al. Multi-hop relay protocols for fast consensus seeking
CN110677284B (zh) 一种基于元路径的异构网络链路预测的方法
Lelescu et al. Model T++ an empirical joint space-time registration model
CN106656598B (zh) 电力通信网关键业务备选路由配置方法及系统
CN107872807B (zh) 路由节点位置确定方法、装置和终端设备
CN109004643A (zh) 基于改进粒子群算法的配电网重构优化方法
Ahmadinia et al. Energy-efficient and multi-stage clustering algorithm in wireless sensor networks using cellular learning automata
CN109921936A (zh) 基于memetic框架的多目标动态网络社区划分方法
Puggelli et al. Routing-aware design of indoor wireless sensor networks using an interactive tool
Wang et al. Epidemic spread on interconnected metapopulation networks
Swain et al. Priority based adaptive rate control in wireless sensor networks: A difference of differential approach
Pan et al. Towards collaborative intelligence: Routability estimation based on decentralized private data
Williams et al. Distributed combinatorial rigidity control in multi-agent networks
Erim et al. Optimized mobility models for disaster recovery using UAVs
Duran et al. Digital twin enriched green topology discovery for next generation core networks
Asensio-Marco et al. Energy efficient consensus over complex networks
CN115392058B (zh) 工业物联网中基于演化博弈构建数字孪生模型的方法
Szlachcic Fault tolerant topological design for computer networks
Efstathiou et al. Efficient multi-objective optimisation of service compositions in mobile ad hoc networks using lightweight surrogate models
US20120100842A1 (en) Evolving algorithms for network node control in a telecommunications network by genetic programming
Antoine et al. Cyber physical systems (cps) surveillance using an epidemic model
Bowden et al. Cold: Pop-level network topology synthesis
Mahmood et al. Reliability evaluation using a clustering technique based on tie-set method
Tang et al. A microscopic pandemic simulator for pandemic prediction using scalable million-agent reinforcement learning

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant