基于细胞吸引子选择机制的网络选择算法.pdf

上传人:concont 文档编号:89409432 上传时间:2019-05-06 格式:PDF 页数:7 大小:893KB
返回 下载 相关 举报
基于细胞吸引子选择机制的网络选择算法.pdf_第1页
第1页 / 共7页
基于细胞吸引子选择机制的网络选择算法.pdf_第2页
第2页 / 共7页
基于细胞吸引子选择机制的网络选择算法.pdf_第3页
第3页 / 共7页
基于细胞吸引子选择机制的网络选择算法.pdf_第4页
第4页 / 共7页
基于细胞吸引子选择机制的网络选择算法.pdf_第5页
第5页 / 共7页
亲,该文档总共7页,到这儿已超出免费预览范围,如果喜欢就下载吧!
资源描述
2 0 1 6 年4 月 第4 2 卷第4 期 北京航空航天大学学报 J o u r n a lo fB e i j i n gU n i v e r s i t yo fA e r o n a u t i c sa n dA s t r o n a u t i c s A p r i l 2 0 1 6 V 0 1 4 2N o 4 h t t p :f fb h x b b u a a e d u c nj b u a a b u a a e d u c n D O I :1 0 1 3 7 0 0 j b h 1 0 0 1 - 5 9 6 5 2 0 1 5 0 2 7 8 基于细胞吸引子选择机制的网络选择算法 夏海英,曾诚,蔡凤田+ ,周炜 ( 交通运输部公路科学研究院,北京1 0 0 0 8 8 ) 摘要:随着无线通信技术的发展,物联网、车联网和体联网等同类型的无线网络之 间共存、相互补充和异构融合。任何单一的通信技术不能完全满足人们对网络服务的多样化 需求。如何在移动过程中选择可靠高效的网络连接成为学术和工业界的研究热点。基于细胞 吸引子选择模型,提出了一种面向群体终端网络选择的决策方法,并通过车联网环境数值实验 比较了该生物启发式决策方法与基于效用函数方法的性能,结果表明:基于细胞吸引子选择机 制的生物启发式决策方法在网络选择决策中具有较好的性能。 关键 词:网络选择;吸引子选择;车联网;物联网;微生物 中图分类号:U 4 9 1 2 文献标识码:A文章编号:1 0 0 1 5 9 6 5 ( 2 0 1 6 ) 0 4 _ 0 7 1 1 - 0 7 异构无线网络选择面临来自终端应用程序服 务质量( Q o S ) 需求多样性、无线网络环境异构性 和动态性以及群体终端并发性资源竞争等方面的 挑战。例如,在异构车联网应用场景中,车载终端 上不同的应用对车路通信的需求互不相同:在 车联网安全应用方面,车辆安全信息的传输要求 无线网络具备低时延、高可靠的通信性能;在交通 管控方面,车载终端需要将车辆的实时状态信息 ( 如尾气排放量、燃油消耗量等) 传输到后台数据 中心,以供在线诊断分析,这要求通信网络能为实 时数据提供高数据速率、充足带宽的传输性能;在 非安全应用方面,诸如在线视频播放、语音传输、 网页浏览或者收发E m a i l 等实时或非实时的车 载信息娱乐应用对网络的Q o S 需求也互不相 同1 。另一方面,随着移动终端在无线网络信号 覆盖区域的流进与流出,网络可用带宽随着用户 数量的变化而动态变化,同时,网络Q o S 特性也 会因为部署环境的扰动而动态改变。由此,异构 无线网络的动态特性增加了网络选择的复杂性。 此外,在移动终端比较密集的情况下,终端上大量 的应用程序并发性地访问网络资源,引起激烈的 无线资源竞争现象,这给无线网络资源的管理、分 配带来困难。 文献 3 4 的研究指出,网络系统与生物系统 具有许多相似特征:系统规模复杂且巨大,系统要 素动态演变,环境资源有限且资源竞争十分激烈 等;生物体对动态变化的生存环境具有自学习、自 调控机制,对外界环境扰动具有较好的自适应性 和鲁棒性。生物启发式的网络选择决策方法是一 种崭新而十分重要的研究思路,本文通过数值实 验对比分析该方法与基于效用函数的方法剖, 从保障群体终端全局Q o S 满意度、网络资源分配 的全局公平性和效益角度,说明了细胞吸引子选 择的生物启发机制在网络选择中的应用优势和 潜力。 1 细胞吸引子选择机制 大自然中的生物机制在解决复杂的网络工程 收稿日期:2 0 1 5 - 0 5 - 0 5 ;录用日期:2 0 1 5 - 0 7 3 1 ;网络出版时间:2 0 1 6 - 0 3 - 2 50 9 :2 4 网络出版地址:W W W c n k i n e t k c m s d e t a i l 1 1 2 6 2 5 V 2 0 1 6 0 3 2 5 0 9 2 4 0 0 1 h t m l 基金项目:国家科技支撑计划( 2 0 0 9 B A G l 3 A 0 4 ) 通讯作者:T e l :0 1 0 - 6 1 5 8 5 0 2 2E m a i l :f t c a i f i o h c n 引用格式:夏海英,曾诚,蔡凤田,等基于细胞吸引子选择机制的网络选择算法r JJ 北京航空航天大学学报,2 0 1 6 ,4 2 f 4 ) :7 1 1 7 J7 X I AH Y ,Z E N GC ,C A IFT ,e ta 1 N e t w o r ks e l e c t i o na l g o r i t h mb a s e do nc e l la t t r a c t o rs e l e c t i o ns c h e m ef JJ J o u r n a lo fB e i - r i n gU n i v e r s i t yo fA e r o n a u t i c sa n dA s t r o n a u t i c s ,2 0 16 ,4 2 ( 4 ) :7 1J - 7 J7 ( i nC h i n e s e ) 万方数据 7 1 2 北京航空航天大学学报2 0 1 6 年 问题以及设计新型网络技术等方面表现出巨大的 应用潜力,生物启发式理论及其模型已成为人工 智能领域新的研究热点,并已经在路由优化、拓扑 控制和拥塞控制等方向取得重要进展”。生物 启发式方法是网络技术研究的重要途径。发表在 S c i e n c e ) 和N a t u r e ) 等学术期刊上的研究成果 表明一。“,在生存环境动态变化以及环境噪声、基 因表达噪声干扰情况下,微生物细胞可以通过改 变自身的基因表达行为,调控蛋白质的合成与分 解,并利用蛋白质作为催化媒介,通过酶促反应调 节物质代谢等活动,从而使细胞自身适应新的生 存环境。 在上述研究基础上,K a s h i w a g i 等引以大肠 杆菌为对象,利用动力系统刻画细胞在不同的稳 定遗传程序之间切换、适应环境变化的行为,提出 带噪声扰动的细胞吸引子选择模型,并通过实际 观测与模型的数值实验,揭示细胞根据动态环境 条件改变基因表达和调控物质代谢的生物机制。 他们采用绿色荧光蛋白和红色荧光蛋白研究大肠 杆菌细胞体内基因调控网络的动态行为,分析了 细胞体内部2 个相互抑制操纵子之间的“双稳态 切换”现象。针对细胞活跃度A 的计算,采用典 型的细胞生长模型,将A 与表示操纵子转录生成 的2 种信使核糖核酸( m e s s e n g e rR i b o n u c l e i c A c i d ,m R N A ) 浓度的变量m i ( i = 1 ,2 ) 联系起来, 定义如下“: 掣:_ 生一一c A ( 1 ),一1 u 儿 、, 山刚等卜, 式中:P 和C 均为正实数系数;N 。( i = 1 ,2 ) 为由外 部环境补充的m i ( i = 1 ,2 ) 含量;N t h r 。( i = 1 ,2 ) 为触发细胞活跃度A 增加的2 种m R N A 浓度阈 值;n ;( i = 1 ,2 ) 为2 种m R N A 浓度的灵敏性 系数“。 细胞吸引子选择模型是一种噪声驱动下非线 性的动力系统,其利用状态变量m 。( i = 1 ,2 ) 来表 示受基因表达调控的细胞代谢表型( 如m R N A 浓 度或蛋白质水平) 。为了将代谢表型与细胞的生 长联系起来,模型中引入细胞活跃度A 的概念,A 的增加或减少将影响动力系统吸引子的选择行 为。细胞吸引子选择机制的主要过程为:当动态 环境的改变引起细胞活跃度A 降低时( 例如,生 存环境中细胞生长所需的物质含量减小,当前基 因调控下的代谢模式不再适合变化后的物质条 件) ,吸引子稳定性降低;当系统状态受到严重的 随机扰动时,吸引子的稳定性被打破,系统随机切 换到其他吸引子状态。当细胞基因表达较好地适 应新的环境条件,促进细胞生长,细胞活跃度A 开始增加,系统状态所处的吸引子稳定性变大,系 统稳定在该高稳定性的吸引子状态。无论细胞初 始的基因表达如何,细胞基因表达过程在外部和 内部噪声干扰下,动态趋向于具有高稳定性的吸 引子状态,而该吸引子所对应的基因表达模式和 细胞代谢表型能够使细胞更好地在变化的环境中 适应并生存下来。 细胞吸引子选择模型作为一种新型的生物启 发式计算模型,已被成功应用于网络拓扑控制算 法4 1 、保障Q o S 的鲁棒路由算法5 1 6 j 、自适应多 径路由算法1 、错误容忍网络的覆盖控制8 和 机器人控制剀的研究中。这些研究成果表明,细 胞吸引子选择机制在优化、控制和决策方面具备 有效性以及传统方法无法比拟的自适应性和鲁棒 性。通过设计合理的数理模型,将具体问题的解 映射为细胞吸引子选择模型的系统状态,并将动 态变化的条件以及解的量化性能与细胞活跃度关 联起来,可为研究动态环境下的优化、控制和决策 问题提供一种新框架旧“1 。 2 分布式网络选择方法 文献 2 2 将细胞吸引子选择模型应用于网 络资源分配中。针对移动终端上不同应用程序的 网络接入问题,假设移动终端具备多个网络接口 且终端可以同时接入多个不同类型的无线网络, 本文采用终端控制方式( M o b i l eC o n t r o lH a n d o v e r , M C H ) ,将每一个移动终端视为一个细胞体,基于 细胞吸引子选择模型设计一种面向多终端、多应 用程序的分布式无线网络选择方法。设异构无线 网络环境中每个移动终端可用的无线网络数量为 肘,且存在运行的网络应用程序数量为,则针对 终端上某一个应用程序的状态向量记为m ;: m 。= ( m m m m 洲) ( 2 ) 式中:1 i N 。 将细胞吸引子选择模型从二维状态空间推广 到多维状态空间,建立细胞吸引子选择模型为 d m i ,5 ( d ) = = j - 一 d t 1 + ( m a x ( m m ) ) 2 一m ;i l R 肼 d ( a ) m i i + 叩i j ( 3 ) 式中:仉i ( 1 i N ,1 ,M ) 为均值为0 、标准偏 差为o r ( 盯 0 ) 的高斯白噪声因子;a 为与A 相对 应的细胞活跃度参数。定义s ( d ) 和d ( 仅) 如下: f s ( a ) = 理( 触7 ) + I 拉 【d ( a ) = O ( 4 ) 万方数据 第4 期夏海英,等:基于细胞吸引子选择机制的网络选择算法 7 1 3 式中:届为正实常数;7 为正整数。 在细胞吸引子选择模型式( 3 ) 中,细胞活跃 度表征参数a 是决策的核心参数之一,该参数作 为网络选择决策的反馈输入,用以表征决策解的 综合优化性能。为了保障移动终端的Q o S 效益, 文献 2 2 以移动终端Q o S 满意度作为决策因素, 采用S i g m o i d 型的效用函数、加权平均方法以及 迟滞函数模型将移动终端Q o S 满意度映射到参 数O t 上。在细胞活跃度参数O 的驱动下,求解细 胞吸引子选择模型式( 3 ) 得到平衡解的状态向 量,最终以状态向量中最大分量对应的网络作为 目标网络J 。+ ,即 F r 。g 眯m 肼a x ( m i , j ) ( 5 ) 上述方法仅从用户个体的角度展开建模分 析,本文所设计的动力系统模型式( 3 ) 主要针对 终端个体上多个应用的选网问题,这种分布式的 网络选择缺乏移动终端之间的信息交互,无线资 源分配的公平性主要通过移动终端自由竞争来实 现,不能有效、可靠地保障资源全局分配的公平性 和全局使用效益。 针对异构无线网络资源分配和群体终端的网 络选择,本文从群体终端的全局Q o S 满意度、异 构无线网络的资源分配全局公平性和效益3 个角 度出发,提出一种基于细胞吸引子选择模型的群 体终端网络选择方法。假设移动终端i ( 1 i ) 在异构无线网络环境
展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 论文 > 航空航天论文


版权所有:www.WDFXW.net 

鲁ICP备14035066号-3