为了有效判断网络数据包是否存在被攻击的可能性,在以往的研究基础上提出了一种新的检测算法DMPS(Detection method based of particle susarm)。首先该算法根据数据包属性的离散度定义了状态检测指标,并利用粒子群优化方法给出了标准差分布的计算流程,以此判断数据包的异常状况。最后,通过OPNET和Matlab进行仿真实验,深入研究了影响该算法的关键因素,同时对比了与其他算法之间的性能状况,结果表明DMPS具有较好的适应性。
针对僵尸网络传播过程中的节点转化关系,基于元胞退火算法提出了一种刻画方法 (botnet detecting algorithm based on cellular annealing,BDCA)。通过定义僵尸网络中普通节点、易感染节点和感染节点之间的转化关系,建立平衡条件下的最优目标函数,并利用元胞退火算法对目标函数进行求解。利用OPNET进行仿真实验,对比分析了该算法与其它算法之间的性能状况,并深入研究了影响BDCA算法的关键因素。实验结果表明了该算法具有较好的适应性。
为解决无线传感器网络的能耗问题.提出了一种刻画能耗的新算法EEGSO(Energy Efficiency based on Glowworm Swarm Optimization).首先给出有效转发能效比定义和目标优化函数,同时通过萤火虫群优化算法实现对目标函数的求解.最后,利用NS2进行仿真实验,对比分析了EEGSO算法与其它算法之间的性能状况,并深入研究了影响有效转发能效比的关键因素.研究结果表明:相比于其它算法,EEGSO算法具有较好的适应性.
为有效判断网络数据包是否存在被攻击的可能性,在以往研究的基础上,提出了一种DMPSO(detection method based on particle swarm optimization)检测算法。根据数据包属性的离散度定义状态检测指标;利用粒子群优化方法给出了标准差分布的计算流程,以判断数据包的异常状况;通过OPNET和MATLAB进行仿真实验,深入研究影响该算法的关键因素,对比其与其它算法间的性能状况,实验结果表明,DMPSO具有较好的适应性。
为了解决无线传感器网络未知节点的定位精度问题,基于最小二乘法提出了一种三维空间定位方法。将节点划分成簇,根据簇内锚节点数量给出了未知节点位置的计算方法和误差评价模型,利用混合蛙跳算法建立了评价模型的求解算法(shuffled frog leaping-based localization algorithm,SFLL)。通过NS2和MATLAB进行数学仿真,对比研究了该算法与RSSI(received signal strength indicator)算法、TOA(time of arrival)算法之间的性能状况,研究结果表明,SFLL算法的平均定位误差分别较RSSI算法和TOA算法降低了6.32%和7.71%。
为了有效地研究僵尸网络传播过程中的特征变化,基于元胞蚁群算法提出了一种新的刻画方法BDCA(Botnet Detecting algorithm based on Cellular Ant).该方法首先定义了僵尸网络中普通节点、易感染节点和感染节点之间的转化关系,建立符合僵尸网络传播特征的数学模型,并利用元胞蚁群算法对上述模型进行求解,以此获得平衡条件下的最优解.最后,利用NS2进行仿真实验,深入分析了影响BDCA算法的关键因素.同时通过对比其他算法之间的性能状况,结果表明该算法具有较好的适应性.
