为了解决因业务流迅速增长而造成的网络拥塞现象,提出了一种新的业务流预测算法PSATP(Particle Swarm-ARIMA model based Traffic Prediction).该算法首先利用ARIMA模型和Kalman滤波建立预测方法,并且结合粒子群进行优化,使预测精度得以提高.同时,以实际数据进行仿真实验,深入研究了时延、丢包率与缓冲区、利用率之间的关系.相比于其他算法,仿真结果表明PSATP算法具有较好性能.
针对无线传感器网络中节点定位精度不高的问题,基于萤火虫群算法提出了一种新的定位方法(Node Localization based on Glowworm Swarm,NLGS).该方法首先结合锚点信息,给出了三维空间下未知节点位置的计算方法和误差优化模型,并利用萤火虫群算法对目标函数进行求解,以达到快速收敛的目的.通过利用OPNET进行仿真实验,研究了影响该方法的关键因素.实验结果表明,相比于其他算法,NLGS具有较好的适应性.
