帝国软件 首页 > 图书 > 科技 > 正文 返回　打印

自然计算与网络状态认知和流量控制
  2020-07-13 00:00:00  

自然计算与网络状态认知和流量控制 本书特色

本书首先阐述了网络状态认知和流量控制的必要性及常用方法，然后介绍了模糊逻辑理论和方法、自然计算模型和方法， 并将模糊综合评判理论和自然计算理论应用到网络状态认知和流量控制领域，*后给出了几个将自然计算应用于网络状态认知和流量控制的典型案例。本书可作为高等学校计算机和网络通信相关专业高年级本科生、研究生的参考书，也可供相关领域工程技术人员参考。

自然计算与网络状态认知和流量控制 目录

第1章  概述                    1   1.1  绪论                    1     1.1.1  网络发展的驱动力                    1     1.1.2  网络的发展宗旨                    2   1.2  计算机网络                    2     1.2.1  计算机网络发展概述                    3     1.2.2   计算机网络的分类                    4   1.3  下一代网络                    5     1.3.1  下一代网络的概念                    5     1.3.2  下一代网络的目标和基本特征                    6   1.4  网络发展趋势                    7     1.4.1  网络发展趋势概述                    7     1.4.2  tcp/ip协议                    7     1.4.3  拥塞控制的必要性                    8     1.4.4  tcp/ip拥塞控制                    9   1.5  自然计算                    12     1.5.1  自然计算概述                    12     1.5.2  神经内分泌免疫系统                    14     1.5.3  群体智能                    16   1.6  小结                    17 第2章  网络状态认知和拥塞控制                    19   2.1  概述                    19   2.2  网络认知的意义                    20   2.3  网络认知技术简介                    23     2.3.1  分层架构                    23     2.3.2  指标体系                    25   2.4  网络认知技术的问题、方法与技术                    27     2.4.1  主要问题                    27     2.4.2  网络认知方法                    29     2.4.3  网络认知技术                    31   2.5  典型项目                    34   2.6  网络认知工具                    35     2.6.1  主动工具                    35     2.6.2  被动工具                    38   2.7  网络端到端性能认知                    40     2.7.1  端到端时延测量                    40     2.7.2  网络端到端带宽测量                    50   2.8  无线网络认知技术                    53     2.8.1  网络认知工具                    54     2.8.2  代表性网络认知成果                    58   2.9  网络性能分析技术                    59     2.9.1  基本概念介绍                    60     2.9.2  数学理论基础                    60     2.9.3  典型网络业务性能分析                    67   2.10  网络传输拥塞控制                    72     2.10.1  概述                    72     2.10.2  网络拥塞与拥塞控制                    72     2.10.3  网络拥塞产生的原因                    73     2.10.4  网络拥塞控制措施与分类                    74     2.10.5  网络拥塞控制的有效性评价                    75     2.10.6  tcp拥塞控制                    77     2.10.7  ip拥塞控制                    85   2.11  小结                    94 第3章  模糊逻辑理论                    96   3.1  模糊集合及其基本定理                    96     3.1.1  经典集合与特征函数                    96     3.1.2  模糊集合与隶属函数                    97     3.1.3  模糊集的运算及其性质                    99     3.1.4  λ截集                    100     3.1.5  分解定理                    101     3.1.6  扩张定理                    103   3.2  模糊关系、模糊矩阵与模糊图                    106     3.2.1  模糊关系的定义与性质                    106     3.2.2  模糊关系的自反性、对称性和传递性                    107     3.2.3  模糊矩阵的概念与运算                    109     3.2.4  模糊图及其应用                    111   3.3  隶属函数                    113     3.3.1  隶属函数的确定思路                    113     3.3.2  模糊统计法                    114     3.3.3  二元对比排序法                    115     3.3.4  集值统计                    116     3.3.5  模糊分布                    117   3.4  模糊模式识别                    118     3.4.1  贴近度与距离                    118     3.4.2  模糊模式识别的基本原则                    121     3.4.3  模糊模式识别应用                    121   3.5  模糊综合评判与决策                    125     3.5.1  模糊映射与模糊变换                    125     3.5.2  综合评判模型                    126     3.5.3  单层综合评判                    127     3.5.4  多层综合评判                    127     3.5.5  多因素模糊综合评判                    128   3.6  模糊控制系统的应用                    130     3.6.1  模糊控制概述                    130     3.6.2  模糊控制与智能算法的结合                    131     3.6.3  模糊控制的发展前景                    132   3.7  小结                    133 第4章  自然计算与计算智能                    134   4.1  自然计算的概念和主要研究分支                    134     4.1.1  自然计算的概念                    134     4.1.2  自然计算的主要研究分支                    135   4.2  自然计算模型                    136     4.2.1  人工蜂群算法                    136     4.2.2  群搜索优化                    137     4.2.3  细菌觅食算法                    138     4.2.4  混沌优化                    140     4.2.5  差分进化                    140     4.2.6  自然计算模式统一框架                    141   4.3  群体智能算法                    143     4.3.1  微粒群算法                    143     4.3.2  蚁群算法                    151   4.4  神经免疫内分泌算法                    168     4.4.1  人工神经网络                    168     4.4.2  人工免疫算法                    181     4.4.3  人工内分泌算法                    189   4.5  自然计算的应用与发展展望                    196     4.5.1  新能源与新材料领域                    196     4.5.2  民用航空制造业与新能源汽车                    197     4.5.3  先进重大装备领域                    198     4.5.4  生物医药领域                    199     4.5.5  电子信息与软件服务业                    199   4.6  小结                    201 第5章  自然计算与网络认知                    202   5.1  引言                    202   5.2  网络状态认知                    202     5.2.1  跨层设计                    203     5.2.2  参数提取                    204     5.2.3  参数分析                    205   5.3  基于模糊综合评判的网络认知                    206     5.3.1  单因素模糊评判与网络认知                    207     5.3.2  单因素模糊评判与网络认知实例                    208     5.3.3  多因素模糊综合评判与网络认知                    209     5.3.4  多因素模糊综合评判与网络认知实例                    210   5.4  基于神经内分泌免疫系统的网络认知                    213   5.5  小结                    215 第6章  自然计算与流量控制                    216   6.1  引言                    216   6.2  基于lotka-volterra竞争模型的流量控制机制                    216   6.3  基于粒子群优化的流量控制模型                    218   6.4  基于混沌优化的流量控制模型                    220   6.5  网络仿真平台                    225     6.5.1  网络状态认知和流量控制模型仿真平台的构建                    225     6.5.2  ns2的仿真流程                    229   6.6  智能控制网关应用                    229     6.6.1  智能网关的工作原理                    230     6.6.2  智能网关的应用实例                    234   6.7  小结                    247 第七章  应用实例                    248   7.1  网络跨层参数的提取和各参数贴近度分析实验及数据分析                    248   7.2  基于mdp的单因素模糊评判（tcp-m协议）实验及数据分析                    250   7.3  基于sopd的单因素模糊评判（tcp-s协议）实验及数据分析                    252   7.4  基于多个网络参数的隶属度和动态权重计算进行网络等级划分（tcp-f 协议和tcp-b协议）实验及数据分析                    255   7.5  基于免疫系统算法的网络等级划分（tcp-ld协议）实验及数据分析                    259   7.6  基于lotka-volterra竞争模型的流量控制机制实验及数据分析                    262     7.6.1  概述                    262     7.6.2  捕食模型算法仿真                    262     7.6.3  捕食模型对网络初值化仿真                    265     7.6.4  大带宽时延网络性能分析                    269   7.7  异构网络中tcp reno稳态吞吐量预测模型仿真                    273     7.7.1  异构网络中tcp reno稳态吞吐量预测模型                    274     7.7.2  模型仿真与数据分析                    275   7.8  实时视频传输系统性能分析                    277   7.9  wifi自适应调制方式分析                    278   7.10  移动无线接入网络性能分析                    279 参考文献                    281 自然计算与网络状态认知和流量控制

http://book.00-edu.com/tushu/kj1/202007/2630478.html