路由算法是路由协议必须高效地提供其功能，尽量减少软件和应用的开销。 路由器使用路由算法来找到到达目的地的最佳路由。 关于路由器如何收集网络的结构信息以及对之进行分析来确定最佳路由，有两种主要的路由算法：总体式路由算法和分散式路由算法。采用分散式路由算法时，每个路由器只有与它直接相连的路由器的信息——而没有网络中的每个路由器的信息。这些算法也被称为DV（距离向量）算法。采用总体式路由算法时，每个路由器都拥有网络中所有其他路由器的全部信息以及网络的流量状态。这些算法也被称为LS（链路状态）算法。 收敛是在最佳路径的判断上所有路由器达到一致的过程。当某个网络事件引起路由可用或不可用时，路由器就发出更新信息。路由更新信息遍及整个网络，引发重新计算最佳路径，最终达到所有路由器一致公认的最佳路径。收敛慢的路由算法会造成路径循环或网络中断。 路由算法的核心是路由选择算法，设计路由算法时要考虑的技术要素有： 1、选择最短路由还是最佳路由； 2、通信子网是采用虚电路操作方式还是采用数据报的操作方式； 3、采用分布式路由算法还是采用集中式路由算法； 4、考虑关于网络拓扑、流量和延迟等网络信息的来源； 5、确定采用静态路由还是动态路由。 各路由算法的区别点包括：静态与动态、单路径与多路径、平坦与分层、主机智能与路由器智能、域内与域间、链接状态与距离向量。 链接状态算法（也叫做短路径优先算法）把路由信息散布到网络的每个节点，不过每个路由器只发送路由表中描述其自己链接状态的部分。 距离向量算法（也叫做 Bellman-Ford算法）中每个路由器发送路由表的全部或部分，但只发给其邻居。 也就是说，链接状态算法到处发送较少的更新信息，而距离向量算法只向相邻的路由器发送较多的更新信息。 metric是路由算法用以确定到达目的地的最佳路径的计量标准，如路径长度。
文章编号：１００６－４７１０（２０１５）０２－０１３８－ ０６基于果蝇优化算法的多元质量控制故障模式诊断 杨明顺，梁艳杰，雷丰丹，刘永，杜少博 （西安理工大学机械与精密仪器工程学院，陕西西安７１００４８ ）摘要：针对目前以神经网络为代表的主流智能故障模式诊断方法存在训练时间长、收敛速度慢、容易陷入局部最优等缺陷， 本文将果蝇优化算法用于多变量生成过程故障模式诊断，重点分析了果蝇优化算法（ＦＯＡ）的原理及其搜索优势，设计了一种基于ＦＯＡ的多变量生产过程故障模式诊断算法。将所设计的果蝇优化算法应用于汽车曲轴生产过程控制，并与神经网络模型处理结果进行对比。对比结果表明，果蝇优化算法训练时间短，收敛速度快且诊断结果更加准确。关键词：多变量生产过程；果蝇优化算法；过程控制；故障诊断；ＢＰ神经网络；质量控制中图分类号：ＴＨ１２２，ＴＰ３９１ 文献标志码：Ａ Ａ ｆａｕｌｔ ｄｉａｇ ｎｏｓｉｓ ｆｏｒ ｍｕｌｔｉｖａｒｉａｔｅ ｐｒｏｄｕｃｔｉｏｎ ｐｒｏｃｅｓｓｂａｓｅｄ ｏｎ Ｆｒｕｉｔ Ｆｌｙ Ｏｐｔｉｍｉｚａｔｉｏｎ ＡｌｇｏｒｉｔｈｍＹＡＮＧ Ｍｉｎｇｓｈｕｎ，ＬＩＡＮＧ Ｙａｎｊｉｅ，ＬＥＩ Ｆｅｎｇｄａｎ，ＬＩＵ Ｙｏｎｇ ，ＤＵ Ｓｈａｏｂｏ（Ｆａｃｕｌｔｙ ｏｆ Ｍｅｃｈａｎｉｃａｌ ａｎｄ Ｐｒｅｃｉｓｉｏｎ Ｉｎｓｔｒｕｍｅｎｔ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｘｉ’ａｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｘｉ’ａｎ ７１００４８，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｓｅｒｖｅｄ ａｓ ａ ｒｅｐｒｅｓｅｎｔａｔｉｖｅ ｏｆ ｔｈｅ ｍａｉｎｓｔｒｅａｍ ｉｎｔｅｌｌｉｇｅｎｔ ｆａｕｌｔ ｍｏｄｅ ｄｉａｇ －ｎｏｓｉｓ ｍｅｔｈｏｄ，ｈａｓ ｈａｄ ｓｕｃｈ ｄｅｆｅｃｔｓ ａｓ ｌｏｎｇ ｌｅａｒｎｉｎｇ ｔｉｍｅ，ｄｉｆｆｉｃｕｌｔｙ ｏｆ ｃｏｎｖｅｒｇｅｎｃｅ ａｎｄ ｅａｓｉｌｙｐｌｕｎｇｉｎｇ ｉｎｔｏ ａ ｌｏｃａｌ ｏｐｔｉｍａｌ ｓｏｌｕｔｉｏｎ．Ｔｈｕｓ，ａ Ｆｒｕｉｔ Ｆｌｙ Ｏｐｔｉｍｉｚａｔｉｏｎ Ａｌｇｏｒｉｔｈｍ ｆｏｒ ｍｕｌｔｉｖａｒｉ－ａｂｌｅ ｐｒｏｃｅｓｓ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｍｏｄｅｌ ｉｓ ｅｓｔａｂｌｉｓｈｅｄ ｉｎ ｔｈｉｓ ｐａｐｅｒ，ｔｈｅ ｐｒｉｎｃｉｐ ｌｅ ａｎｄ ｓｅａｒｃｈ ａｄｖａｎｔａｇｅｏｆ Ｆｒｕｉｔ Ｆｌｙ Ｏｐｔｉｍｉｚａｔｉｏｎ Ａｌｇｏｒｉｔｈｍ（ＦＯＡ）ｉｓ ｅｍｐｈａｔｉｃａｌｌｙ ａｎａｌｙｚｅｄ ａｎｄ ａ ｍｕｌｔｉｖａｒｉａｂｌｅ ｐｒｏｃｅｓｓｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｍｏｄｅｌ ｂａｓｅｄ ｏｎ ＦＯＡ ａｌｇｏｒｉｔｈｍ ｉｓ ｄｅｓｉｇｎｅｄ．Ｔｈｅ Ｆｒｕｉｔ Ｆｌｙ Ｏｐｔｉｍｉｚａｔｉｏｎ Ａｌｇｏｒｉｔｈｍｉｓ ｕｓｅｄ ｆｏｒ ａｎａｌｙｚｉｎｇ ｃｏｎｔｒｏｌ ｓａｍｐｌｅ ｄａｔａ ｉｎ ｔｈｅ ａｕｔｏｍｏｂｉｌｅ ｃｒａｎｋｓｈａｆｔ ｐｒｏｄｕｃｔｉｏｎ，ａｎｄ ａ ｃｏｎｔｒａｓｔｉｓ ｍａｄｅ ｗｉｔｈ ｔｈｅ ｒｅｓｕｌｔｓ ｏｂｔａｉｎｅｄ ｆｒｏｍ ｔｈｅ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｍｏｄｅｌ．Ａｎｄ ｃｏｎｔｒａｓｔ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔＦｒｕｉｔ Ｆｌｙ Ｏｐｔｉｍｉｚａｔｉｏｎ Ａｌｇｏｒｉｔｈｍ ｈａｓ ａ ｓｈｏｒｔ ｔｒａｉｎｉｎｇ ｔｉｍｅ，ｆａｓｔ ｃｏｎｖｅｒｇｅｎｃｅ ｒａｔｅ ａｎｄ ｍｏｒｅ ａｃｃｕ－ｒａｔｅ ｄｉａｇ ｎｏｓｉｓ ｒｅｓｕｌｔ．Ｋｅｙ ｗｏｒｄｓ：ｍｕｌｔｉｖａｒｉａｔｅ ｐｒｏｄｕｃｔｉｏｎ ｐｒｏｃｅｓｓ；Ｆｒｕｉｔ Ｆｌｙ Ｏｐｔｉｍｉｚａｔｉｏｎ Ａｌｇｏｒｉｔｈｍ（ＦＯＡ）；ｐｒｏｃｅｓｓｃｏｎｔｒｏｌ；ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ；ＢＰ ａｒｔｉｆｉｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ；ｑｕａｌｉｔｙ ｃｏｎｔｒｏｌ收稿日期：２０１４－０９－ ０６基金项目：国家自然科学基金资助项目（６０９０３１２４）；陕西省教育厅科学研究计划资助项目（１４ＪＫ１５２１ ）；西安理工大学青年科技创新团队建设计划资助项目（１０２－ ２１１４０８）。作者简介：杨明顺，男，副教授，博士，主要研究方向为制造系统优化与控制、集成产品开发决策、集成质量管理。 Ｅ－ｍａｉｌ：ｙａｎｇｍｉｎｇ ｓｈｕｎ＠ｘａｕｔ．ｅｄｕ．ｃｎ。 在生产过程质量控制当中， 为了避免单个质量特性控制可能引起的“过控”或者“欠控”现象，必须同时考虑多个相互关联的多质量特性的相互影响以及其共同对产品质量的影响，因此多元质量控制故 障模式诊断成为保证产品质量的一个重要方面［ １－ ２］。多元质量控制诊断的研究对象是多变量正态过程，且变量间往往不是独立而是相关的，一个或几个变量的均值（或／和方差）或／和变量间的相关关系偏离总体，过程都会失控，监控该过程的控制图都会发出警告信号。国内外许多学者对此进行了广泛研 究。针对多元质量控制图不能准确确定导致失控信号产生的变量或变量集这一缺陷，Ｍｏｊｔａｂｓａ Ｓａｌｅ－ｈｉ［３］ 提出了一种基于混合学习的模型， 从而实现在多变量制造过程中失控信号在线分析；Ｚｈａｎｇ Ｊｉｕ－ｊ ｉｕ［４］针对使用单一控制图对多变量过程中数据平均值和变化同时进行监控的问题，提出了一种新的包含指数加权移动平均过程和广义似然比测试的控制图，实现多变量过程中平均值与变化过程的同时 监控；文昌俊［５］在分析多元Ｔ２控制图和多元过程能力指数的基础上，利用主成分分析法实现了多元 ８３１ 西安理工大学学报Ｊｏｕｒｎａｌ ｏｆ Ｘｉ’ａｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ（２０１５）Ｖｏｌ．３１Ｎｏ．２
水波帘头计算方法 窗户高度在2.8m以内的，这类水波一般1.4m布可以做2个单个水波，1.2m 布可以做2个帘头的两边旗子。如下图它就是3个单个的水波+2个旗子组成一个完整的水波帘头，值得注意的是这个1.4m做2个单个水波不可以算成0.7m 做一个单个的水波，因为我们做一个水波的布料是这样算的1.4mx1.4m所以只能是遇到单个的水波时我们不得不加一个水波来计算即使浪费也没有办法。如下图的帘头我们可以算出它的用料3个单个的水波，我们算4个也就是1.4m+1.4m+1.2m旗子=4m 复式楼高窗的水波 这类帘头有单独的计算方法：一般2.8M布做一个单个的水波（2.8mx2.8m），1.5m做一个旗子（1.5mx2.8m），如一个高窗的尺寸是5.6mx7.6m ，我们做这种大帘头时单个的水波宽度在1m至1.5m效果最佳旗子做0.5m一个，我们用帘头宽度5.6m减去帘头两边的2个旗子（0.5m+0.5m=1m再用1m减去盖在帘头上的旗子大概一边0.15m——2个旗子就是0.3m——1m—0.3m=0.7m）5.6m—0.7 m =4.9m,4.9m做4个单个的水波比较合适4个x2.8/个=11.2m+2个旗子3m=14.2m 如需要在水波的上面加个平板来增加帘头的高度，我们再加上平板的布就可以了。 计算出单个水波的宽度 要学会裁剪水波幔头，首先就要计算出单个水波的宽度和高度，然后乘以水波的个数，加上两边旗的用料就是帘头的用料量。通常1.5米布可以做成两个水波。通常单个水波帘头宽度75厘米左右，根据窗户宽度除以75厘米就是这个窗户需要水波的个数，这个宽度可大可小，不是一成不变，根据窗户的实际需要来设计，如果窗户小的话，这个尺寸可以适当减小，计算方法如下： 例如：我们先假设一个水波的宽度是75厘米，如果窗户宽度是3.95米，那么这个窗户需要做几个水波呢？ 用3.95米减去每边旗帜的宽度各15厘米（因为旗帜在水波帘头的两边），然后现除以75厘米，（395-15x2）/75=4.86个，因为水波不可能做半个，所以我们通常做5个那么当我们初步计算要5个水波后，每个水波的宽度就不是75厘米，而（395-15x2）/5=73厘米），也就是说我们根据窗户的宽度最终决定每个水波的宽度是73厘米，这个尺寸就是我们要裁剪的尺寸。这里请你务必记住：计算出单个水波的宽度后，在裁剪前要适当的加上边旗和水波、水波之间接缝的宽度。接缝的宽度根据具体需要来定。还有，要考虑到缝制之后帘头的宽度会缩短，这些问题要根据窗帘布料的收缩性能来定，也就是说收缩得厉害的就适当多算点进去，不怎么收缩得厉害的就适当少算点进去。 计算出单个水波的高度 水波高度的算法：正常是帘高的1/5边旗高是帘高的1/3. 如：窗帘定高3米，水波高度就是3米除5=60厘米边旗是3米除3=1米 窗帘有自己的高度，窗帘幔头也有自己的高度，搭配起来才实用做窗幔的比例，一般是按照所做窗帘的高度取1/5，但个别情况个别对待。一般都会按比例和美观裁剪。
２０１８年１０月 第４６卷第２０期 机床与液压 ＭＡＣＨＩＮＥＴＯＯＬ＆ＨＹＤＲＡＵＬＩＣＳ Ｏｃｔ２０１８ Ｖｏｌ４６Ｎｏ２０ ＤＯＩ：１０．３９６９／ｊｉｓｓｎ１００１－３８８１２０１８２００３３ 收稿日期：２０１７－０５－０９ 基金项目：陕西省重点研发计划资助项目（２０１８ＧＹ?０４２）；咸阳市科技局资助项目（２０１７Ｋ０２?０５）作者简介：李明辉（１９７２ ），男，博士，教授，主要从事智能及高级过程控制的研究三Ｅ－ｍａｉｌ：６０３３４＠ｓｕｓｔｅｄｕｃｎ三 基于自适应果蝇优化算法的ＰＩＤ参数优化 李明辉１，曹泽１，王玉洁２ （１陕西科技大学机电工程学院，陕西西安７１００２１；２上海亚太计算机信息系统有限公司，上海２０００４０） 摘要：针对基本果蝇优化算法（ＦＯＡ）控制精度不高且易陷入局部最优的缺陷，提出一种自适应果蝇优化算法 （ＩＦＯＡ）的ＰＩＤ参数优化方案三该算法以控制偏差绝对值和输入平方项的时间积分作为适应度函数，经过迭代寻优得到最优的ＰＩＤ参数值三通过二阶时滞系统测试并与基本果蝇优化算法比较，结果表明：该算法控制精度高二响应速度快二鲁棒性好，为ＰＩＤ参数优化提供了参考三 关键词：自适应果蝇优化算法（ＩＦＯＡ）；适应度函数；ＰＩＤ；参数优化 中图分类号：ＴＰ２７３ 文献标志码：Ａ 文章编号：１００１－３８８１（２０１８）２０－１４４－４ ＯｐｔｉｍｉｚａｔｉｏｎｏｆＰＩＤＰａｒａｍｅｔｅｒｓＢａｓｅｄｏｎＩｍｐｒｏｖｅｄＦｒｕｉｔ?ｆｌｙＯｐｔｉｍｉｚａｔｉｏｎＡｌｇｏｒｉｔｈｍ ＬＩＭｉｎｇｈｕｉ１，ＣＡＯＺｅ１，ＷＡＮＧＹｕｊｉｅ２ （１ＣｏｌｌｅｇｅｏｆＭｅｃｈａｎｉｃａｌａｎｄＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＳｈａａｎｘｉＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｘｉ ａｎＳｈａａｎｘｉ７１００２１，Ｃｈｉｎａ；２ＳｈａｎｇｈａｉＡｓｉａ＆ＰａｃｉｆｉｃＣｏｍｐｕｔｅｒＩｎｆｏｒｍａｔｉｏｎＳｙｓｔｅｍＣｏ．，Ｌｔｄ．，Ｓｈａｎｇｈａｉ２０００４０，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇａｔｔｈｅｄｅｆｅｃｔｓｏｆｔｈｅｂａｓｉｃｆｒｕｉｔ?ｆｌｙｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ（ＦＯＡ），ｔｈｅｃｏｎｔｒｏｌａｃｃｕｒａｃｙｗａｓｎｏｔｈｉｇｈａｎｄｅａｓｙ ｔｏｆａｌｌｉｎｔｏｌｏｃａｌｏｐｔｉｍｕｍ，ａｍｅｔｈｏｄｆｏｒｐａｒａｍｅｔｅｒｏｐｔｉｍｉｚａｔｉｏｎｏｆＰＩＤｃｏｎｔｒｏｌｌｅｒｂａｓｅｄｏｎｉｍｐｒｏｖｅｄｆｒｕｉｔ?ｆｌｙｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ（ＩＦＯＡ）ｗａｓｐｒｏｐｏｓｅｄ，ｉｎｗｈｉｃｈａｂｓｏｌｕｔｅｅｒｒｏｒａｎｄｔｈｅｓｑｕａｒｅｏｆｃｏｎｔｒｏｌｉｎｐｕｔｗｅｒｅｕｓｅｄａｓｆｉｔｎｅｓｓｆｕｎｃｔｉｏｎａｎｄｔｈｅｏｐｔｉｍａｌＰＩＤｐａｒａｍｅｔｅｒｖａｌｕｅｗａｓｏｂｔａｉｎｅｄｔｈｒｏｕｇｈｉｔｅｒａｔｉｖｅｏｐｔｉｍｉｚａｔｉｏｎ．Ｃｏｍｐａｒｅｄｗｉｔｈｔｈｅｂａｓｉｃｆｒｕｉｔ?ｆｌｙｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ，ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅａｌｇｏｒｉｔｈｍｈａｓｈｉｇｈｃｏｎｔｒｏｌｐｒｅｃｉｓｉｏｎ，ｆａｓｔｒｅｓｐｏｎｓｅａｎｄｒｏｂｕｓｔｎｅｓｓｔｈｒｏｕｇｈｔｗｏｏｒｄｅｒｄｅｌａｙｓｙｓｔｅｍｔｅｓｔ．ＩｔｐｒｏｖｉｄｅｓａｒｅｆｅｒｅｎｃｅｆｏｒＰＩＤｐａｒａｍｅｔｅｒｏｐｔｉｍｉｚａｔｉｏｎ． Ｋｅｙｗｏｒｄｓ：Ｉｍｐｒｏｖｅｄｆｒｕｉｔ?ｆｌｙｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ（ＩＦＯＡ）；Ｆｉｔｎｅｓｓｆｕｎｃｔｉｏｎ；ＰＩＤ；Ｐａｒａｍｅｔｅｒｏｐｔｉｍｉｚａｔｉｏｎ ０ 前言 ＰＩＤ控制器由于其算法简单二鲁棒性好二可靠性 高，被广泛应用于工业过程控制中［１］三传统的ＰＩＤ 控制器参数整定采用人工经验，很难得到理想的最优值三目前，随着人工智能技术的发展，不少学者针对ＰＩＤ参数整定提出新的算法，如遗传算法二粒子群算法等得到了一定的效果［２］三这些算法灵活二简单二易理解，在解决工业过程控制的实际问题中具有非常广阔的应用前景［３］三然而，遗传算法编程复杂，参数较多；粒子群算法在进化后期收敛速度减慢，同时陷入局部最优的可能性加大三 果蝇优化算法（Ｆｒｕｉｔ?ｆｌｙＯｐｔｉｍｉｚａｔｉｏｎＡｌｇｏｒｉｔｈｍ，ＦＯＡ）是２０１１年台湾学者潘文超提出的一种新的全局优化进化算法［４］三该算法由于程序代码简单二易于 理解二参数较少，且全局寻优能力强二收敛速度快等优点，在近几年来引起广泛关注［５］三ＪＨＡＮ等［６］采用果蝇优化算法进行ＰＩＤ参数整定，得到ＦＯＡ避免早熟的结论；ＹＬＩＵ等［７ －８］ 采用混沌搜索的ＦＯＡ算法整 定ＰＩＤ参数，减少了适应度波动；宋娟［９］采用ＦＯＡ与ＰＳＯ相结合的混合寻优来优化ＰＩＤ整定参数，使得控制器有较好的控制效果和收敛特性三 作者针对基本果蝇优化算法（ＦＯＡ）寻优精度不高二容易陷入局部最优的缺陷，提出一种自适应果蝇优化算法［１０］的ＰＩＤ参数优化方案三通过在果蝇搜索过程中引入半径调节系数以及选择合适的适应度函数，对ＰＩＤ的３个参数进行了优化三结果表明该算法能够快速高效地寻找到最优参数，有效提高了ＰＩＤ控制器的控制精度三 １ ＰＩＤ控制器基本原理 ＰＩＤ控制器是通过对偏差信号进行比例二积分二微分３个参数的控制，使得系统表现较好性能三ＰＩＤ控制原理如图１所示 三 图１ ＰＩＤ控制系统框图 万方数据
非线性电路混沌现象的探究以及基于Multisim的仿真设计
摘要 本文从非线性电路中的混沌现象着手，详细回顾了混沌电路的实验原理、实验方法以及实验现象，并通过一元线性回归对有源非负阻的伏安特性曲线实进行了拟合。此外，本文也着重通过MultiSim软件，对实验中的混沌电路进行了仿真，仔细记录了仿真下来的各个波形。同时，也利用该软件，通过搭建电路，用示波器获得了有源非线性负阻的伏安特曲。 关键词 混沌电路有源非线性负阻MultiSim软件
一、引言 混沌是二十世纪最重要的科学发现之一，被誉为继相对论和量子力学之后的第三次物理革命，它打破了确定性与随机性之间不可逾越的分界线，将经典力学研究推进到一个崭新的时代。由于混沌信号是一种貌似随机而实际却是由确定信号系统产生的信号，使得混沌在许多领域（如保密通信，自动控制，传感技术等）得到了广泛的应用[1]。 20多年来混沌一直是举世瞩目的前沿课题和研究热点，它揭示了自然界及人类社会中普遍存在的复杂性、有序性和无序的统一，大大拓宽了人们的视野，加深了人们对客观世界的认识。目前混沌控制与同步的研究成果已被用来解决秘密通信、改善和提高激光器性能以及控制人类心律不齐等问题。 混沌(chaos)作为一个科学概念，是指一个确定性系统中出现的类似随机的过程。理论和实践都证明，即使是最简单的非线性系统也能产生十分复杂的行为特性，可以概括一大类非线性系统的演化特征。混沌现象出现在非线性电路中是极为普遍的现象，通过改变电路中的参数可以观察到倍周期分岔、阵法混乱和奇异吸引子等现象。 二、混沌电路简介 对电路系统来说，在有些二阶非线性非自治电路或三阶非线性自治电路中，出现电路的解既不是周期性的也不是拟周期的，但在状态平面上其相轨迹始终不会重复，但是有界的，而且电路对初始条件十分敏感，这便是非线性电路中的混沌现象。 根据Li-York定义，一个混沌系统应具有三种性质： （1）存在所有阶的周期轨道； （2）存在一个不可数集合，此集合只含有混沌轨道，且任意两个轨道既不趋向远离也不趋向接近，而是两种状态交替出现，同时任一轨道不趋于任一周期轨道，即此集合不存在渐近周期轨道； （3）混沌轨道具有高度的不稳定性。 可见，周期轨道与混沌运动有密切关系，表现在两个方面： 第一，在参数空间中考察定常的运动状态，系统往往要在参量变化过程中先经历一系列周期制度，然后进入混沌状态； 第二，一个混沌吸引子里面包含着无穷多条不稳定的周期轨道，一条混沌轨道中有许许多多或长或短的片段，它们十分靠近这条或那条不稳定的周期轨道。 根据文献[2][3]，混沌主要特征表现在： （1）敏感依赖于初始条件； （2）伸长与折叠； （3）具有丰富的层次和自相似结构； （4）在非线性耗散系统中存在混沌吸引子。 同时，混沌运动还具有如下特征： （1）存在可数无穷多个稳定的周期轨道； （2）存在不可数无穷多个稳定的非周期轨道； （3）至少存在一个不稳定的非周期轨道。 非线性电路是指电路中至少包含一个非线性元件的电路。事实上一切实际元件都是非线性的。因为给任何元件上加足够大的电压或电流后都将破坏其线性。
华中科技大学 考生姓名陈刚 考生学号T201189948 系、年级研究生院 类别硕士 科目水波动力学理论与研究 日期2012年5月12日
水下滑翔器的水动力分析 摘要：水下滑翔器是一种无外挂推进系统，仅依靠内置执行机构调整重心位置和净浮力来控制其自身运动的新型水下装置，主要用于长时间、大范围的海洋环境监测，因此要求其具有低阻特性和高稳定性。文章主要从水下滑翔器水动力特性,纵剖面滑行时水动力特性计算和分析等方面对水下滑翔器的研究和设计提供理论参考。 关键词：水下滑翔器、水动力特性。 引言 水下滑翔器 (AUG)是为了满足海洋环境监测与测量的需要，将浮标、潜标技术与水下机器人技术相结合，研制出的一种无外挂推进系统，依靠自身浮力驱动，沿锯齿型航迹航行的新型水下机器人。AUG采用内置姿态调整机构和无外挂驱动装置，因此载体外置装置减少，避免了对载体线型的破坏，大大改善了载体的水动力特性。AUG具有制造成本和维护费用低、可重复利用、投放回收方便、续航能力强等特点，适宜于大量布放，大范围海洋环境的长期监测。AUG是海洋环境立体监测系统的补充和完善，在海洋环境的监测、凋查、探测等力面具有广阔的应用前景。 国内外现状 1989 年，美国人Henry Stommel 提出了采用一种能够在水下作滑翔运动的浮标进行海洋环境调查的设想，这就是水下滑翔机器人的最初概念。之后，美国开始了AUG 的研究与开发，自1995 年以来，在美国海军研究局的资助下，研制出SLOCUM( Battery) 、Sea glider 和Spray 等多种以二次电池为推进能源的水下滑翔机器人，以及以海洋垂直剖面的温差能作为驱动能源的Slocum 水下滑翔机器人。此外，美国的Prinston 大学建造了一个AUG 试验平台，主要用于AUG 的建模和控制方法研究。美国的Webb Research Corp 先后研制了Slocum Electric Glider 水下滑翔机器人和Slocum Thermal Glider 水下滑翔机器人，其中前者是一种高机动性、适合在浅海工作的水下滑翔机器人，而后者是一种利用海水热差驱动的水下机器人。华盛顿大学研制的Sea glider 水下滑翔机器人能够在广阔的海洋中航行数千千米，持续时间可达6个月，最大下潜深度可达1 000m。Sea glider 已经航行通过了阿拉斯加海湾和拉布拉多海的许多冬季风暴，能在目标位置进行垂直采样和测量。 Spray Glider 是美国的Scripps Institution of Oceanography 研制的水下滑翔机器人，它最初被设计用于深海海域调查，其最大下潜深度可达1 500m。天线内置于滑翔翼中，在浮出水面时机身旋转90°，使有天线的一个滑翔翼垂直露出水面，然后就可以进行GPS 定位和卫星通信。 我国的水下滑翔机器人研究起步较晚，但近年来有多家单位开展了大量的技术研究工作。其中以沈阳自动化研究所为代表研制的AUG 于2005 年10月成功进行了湖上试验，于2006 年通过验收，具有较高的技术水平。天津大学和国家海洋技术中心联合研制的温差能驱动的海洋监测平台也成功进行实验。此外包括沈阳工业大学在内的许多大学和研究所也于近年开
多学科设计优化简要介绍 多学科设计优化 (Multidisciplinary Design Optimization,简称 MDO)是一种通过充分探索和利用工程系统中相互作用的协同机制来设计复杂系统和子系统的方法论。其主要思想是在复杂系统设计的整个过程中利用分布式计算机网络技术来集成各个学科 (子系统 )的知识，应用有效的设计优化策略，组织和管理设计过程。其目的是通过充分利用各个学科(子系统 )之间的相互作用所产生的协同效应，获得系统的整体最优解，通过实现并行设计，来缩短设计周期，从而使研制出的产品更具有竞争力。因此，MDO宗旨与现代制造技术中的并行工程思想不谋而合，它实际上是用优化原理为产品的全寿命周期设计提供一个理论基础和实施方法。 MDO研究内容包括三大方面：1，面向设计的各门学科分析方法和软件的集成；2，探索有效的 MDO算法，实现多学科 (子系统 )并行设计，获得系统整体最优解；3，MDO分布式计算机网络环境。 多学科设计优化问题 ,在数学形式上可简单地表达为： 寻找：x 最小化：f=f(x,y) 约束：hi(x,y)=0 (i=1 ,2 ,… ,m) gj(x,y)≤ 0 (j=1 ,2 ,… ,n) 其中：f 为目标函数；x为设计变量；y是状态变量；hi(x,y)是等式约束；gj(x,y)是不等式约束。状态变量 y，约束 hi 和 gj以及目标函数的计算涉及多门学科。对于非分层系统，状态变量 y，目标函数 f，约束hi 和 gj 的计算，需多次迭代才能完成；对于分层系统，可按一定的顺序进行计算。这一计算步骤称为系统分析。只有当一设计变量 x通过系统分 随着科学技术日新月异的发展，我们的武器装备，尤其是战斗机的水平日益提高，装备复杂程度已远超乎平常人的想象，装备设计不单要用到
模拟仿真软件介绍 模拟仿真技术发展至今，用于不同领域、不同对象的模拟仿真软件林林总总，不可胜数，仅对机械产品设计开发而言，就有机构运动仿真软件，结构仿真软件，动力学仿真软件，加工过程仿真软件（如：切削加工过程仿真软件、装配过程仿真软件、铸造模腔充填过程仿真软件、压力成型过程仿真软件等），操作训练仿真软件，以及生产管理过程仿真软件，企业经营过程仿真软件等等。这里仅以一种微机平台上的三维机构动态仿真软件为例，介绍模拟仿真软件的结构和功能。 DDM（Dynamic Designer Motion）是DTI（Design Technology International）公司推出的、工作于AutoCAD和MDT平台上的微机全功能三维机构动态仿真软件，包含全部运动学和动力学分析的功能，主要由建模器、求解器和仿真结果演示器三大模块组成（见图1）。 1.DDM建模器的功能 1）设定单位制。 2）定义重力加速度的大小和方向。 3）可以AutoCAD三维实体或普通图素（如直线、圆、圆弧）定义运动零件。 4）可以定义零件质量特性：
图1 DDM仿真软件模块结 ①如果将三维实体定义为零件，可以自动获得其质量特性。 ②如果用其他图素定义零件，则可人工设定质量特性。 5）可以定义各种铰链铰链用于连接发生装配关系的各个零件，系统提供六种基本铰链和两种特殊铰链。 基本铰链： ①旋转铰——沿一根轴旋转。 ②平移铰——沿一根轴移动。 ③旋转滑动铰——沿一根轴旋转和移动。 ④平面铰——在一个平面内移动并可沿平面法线旋转。 ⑤球铰——以一点为球心旋转。 ⑥十字铰——沿两根垂直轴旋转。 特殊铰链：
文章编号:1005-9865(2006)03-0107-06 一种波浪能实验装置水动力学分析与优化设计 盛松伟1,2,游亚戈1,马玉久1 (1.中国科学院广州能源研究所,广东广州 510640;2.中国科学院研究生院,北京 100049) 摘 要:将造波水槽内二维浮体牵引弹簧回复液压缸的受力系统简化为弹簧—质量—阻尼器系统,建立数学模型,并根据牛顿第二定律得到运动方程式。采用基于简单格林函数的边界元方法对所研究浮体的水动力学系数和波浪力进行计算,对于施加给液压系统的不同外部阻尼值,由运动方程可得到相应的浮体垂荡运动位移。为求浮体对液压系统做功的最大值,在给定条件下着重对外部阻尼系数进行了优化。 关键词:二维浮体;边界元;外部阻尼;优化设计;波浪能 中图分类号:P743.2 文献标识码:A Hydrodynamic analysis and optimal design of a wave energy device SHENG Song -wei 1,2,YOU Ya -ge 1,MA Yu -jiu 1 (1.Guan gzhou Institute of Energy Conversion ,Chinese Academy of Sciences ,Guangzhou 510640,China ;2.Graduate School of Chinese A -cademy of Sciences ,Beijin g 100049,China ) A bstract :The model of a kind of wave energy device moored on seabed is simplified into a spring -mass -damping system ,and then its motion equation is built accordin g to Newton 's second law .Boundary element method based on simple Green function is presented to analyze the verti -cal motion of the buoy that drives a hydraulic pressure device below .Opti mal des ign of external -damping coefficient for attaining the maximum work produced by the buoy is discussed in detail .The res ult of the opti mal design can be used to guide the practical work directly .Key words :t wo -dimensional buoy ;boundary element method ;out -damping ;optimal design ;wave energy 收稿日期:2005-06-22 基金项目:广东省自然科学基金资助项目(05000727)作者简介:盛松伟(1972-),男,河南漯河人,硕士生,主要从事海洋波浪理论与技术研究。 成功且高效地利用海洋波浪能是当前各国开发海洋波浪能的重要内容之一。现拟设计一种系泊于海底的波浪能装置,在海面放置一浮体,其下端通过钢索与一倒立的弹簧回复液压缸底部连接,液压缸内的活塞杆伸向下端,与锚固于海底的钢索连接。静水时上下两段钢索都刚好伸直;来浪时浮子在波浪作用下产生运动将牵引液压缸做功,做功的形式可以是蓄能、发电、牵引运动机构等。对实验室造波水槽内该模型系统进行了受力分析并建立数学模型,进行水动力学计算,为求浮体对液压系统做功的最大值,着重对外部阻尼系数进行了优化。 系统受力计算和外部阻尼系数优化的基础是对浮体的水动力学分析。自上世纪50年代开始,许多学者对波浪与浮式结构物的相互作用问题进行了大量的研究[1～4]。采用的研究方法大致上可以分为3大类:理论分析法、数值模拟和实验研究。20世纪70年代以前,主要采用理论方法,如应用特征函数展开法和多极子技术等研究简单形状的结构物与正向波浪的相互作用[5～7]。随着计算机技术和数值求解技术的发展,有限元和边界元方法在波浪与海洋结构物相互作用的计算中得到了较广泛的应用。本文采用基于简单格林函数的边界元法来求解浮体的水动力学系数和所受的波浪力。 第24卷第3期 2006年8月海洋工程 THE OCE AN ENGINEERING Vol .24No .3Aug .2006
2D特效之水波 水波特效在游戏当中也比较多见，波纹实时生成算法很多，这里介绍一种快速算法。之所以说它是一种快速算法，是因为它的计算既没有用到sin、cos函数也没有用到sin、cos函数的查表算法，它只是根据波的传播原理，通过少量的加减、位移运算来完成。如要多了解一些波的知识，赶快去翻书哦，现在去学或复习还来得及。当然快速的代价是内存的消耗，这一点我们曾在文章里也提到过，为了追求更高的效率，往往可采取牺牲部分内存这样一种手段来达到目的。 在开始之前我们先作一些假设，同时你可参考左面的图。首先假设波是从右往左传播，0为波在当前时刻的波形，1为前1/8周期时的波形，2为前1/4周期时的波形。设波的周期为T。图中向下的箭头是各点处的振动速度，箭头线长表示振动速度的大小。 现设有任一点x（Y方向暂不考虑），它在三个波形上分别对应点P0、P1和P2，三点在振幅方向的偏移量(含方向)分别为D0、D1和D2。设波形函数为D0 = sin(2*Pi/T*t+b)，则D1 = sin(2*Pi/T*(t-T/8)+b)，D2 = sin(2*Pi/T*(t-T/4)+b)，我们下面来证明21/2*D1 = D0+D2： 设2*Pi/T+b=a，则 D0 = sin(a)，D1=sin(a-Pi/4)，D2 = sin(a-Pi/2) ==》 D0+D2 = sin(a)+sin(a-Pi/2) =2*sin((a+(a-Pi/2))/2)*cos((a-(a-Pi/2))/2) =2*sin(a-Pi/4)*cos(pi/4) =21/2*D1 利用这一特征我们就可以来计算波形了，我们可以以1/8个周期为一显示帧，然后用两个缓冲区来保留前两帧的波形，用上述公式就可以依次推算出后续波的波形。这里需要做一些优化，首先将21/2放大为2，则有D0=2*D1-D2，计算后的D0会偏大一些（相当于波能加大），这样的波会越振越厉害，不停地振动下去永不止，所以要将D0的值减少一部分，办法是减去1/n个D0，将n值取成2的5(或其它？)次方，这样就可以用移位来计算：D0-=D0>>5，最后要处理的是波的传播了，一般我们在某一点给出一个干扰源（波源），这一点的能量要向四周传播出去我们才能看出波的抖动，否则光一个点上下抖动看起来是不会象水波的，我们用平均算法
第２３卷第３期２０１０年３月 传感技术学报 ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦＳＥＮＳＯＲＳＡＮＤＡＣＴＵＡＴＯＲＳ Ｖ０１．２３Ｎｏｊ３ Ｍａｒ．２０１０ ＡＳｅｃｕｒｉｔｙＲｏｕｔｉｎｇＯｐｔｉｍｉｚａｔｉｏｎＳｃｈｅｍｅｆｏｒＭｕｌｔｉ－ＨｏｐＷｉｒｅｌｅｓｓＮｅｔｗｏｒｋｓ木 ＤＵＪｕｎｌ，ＬＩＷｅｉｈｕａｈ，ｒｉＮＧＷｅｉｈｕａ２ ／１．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＮｏｒｔｈｗｅｓｔｅｒｎＰｏｌｙｔｅｃｈｉｎｃａｌＵｎｉｖｅｒｓｉｔｙ，Ｘ／’口ｎ７１００７２。Ｃｈｉｎａ、 、２．ＲｅｓｅａｒｃｈＣｅｎｔｅｒｏｆＡｖｉａｔｉｏｎＳａｆｉｙＴｅｃｈｎｏｌｏｇｙ，ＣｉｖｉｌＡｖｉａｔｉｏｎＡｄｍｉｎｉｓｔｒａｔｉｏｎｏｆＣｈｉｎａ，Ｂｅｉｊｉｎｇ１０００２８，Ｃｈｉｎａ］ Ａｂｓｔｒａｃｔ：Ｓｅｌｆｉｓｈｎｏｄｅｓａｎｄｍａｌｉｃｉｏｕｓｎｏｄｅｓｉｎｌａｒｇｅ－ｓｃａｌｅａｄｈｏｅｎｅｔｗｏｒｋｓｌｅａｄｔｏｐｏｏｒｎｅｔｗｏｒｋｐｅｒｆｏｒｍａｎｃｅａｎｄｅｖｅｎｐａｒａｌｙｚｅｔｈｅｎｅｔｗｏｒｋ．Ｈｏｗｔｏｉｓｏｌａｔｅｔｈｅｓｅｎｏｄｅｓｆｒｏｍｒｏｕｔｉｎｇｐａｔｈｉｓｖｅｒｙｉｍｐｏｒｔａｎｔｔｏｉｍｐｒｏｖｅｔｈｅｎｅｔｗｏｒｋｓｅ－ｅｕｒｉｔｙ．ＡｓｅｃｕｒｉｔｙａｗａｒｅｍｕｔｉｎｇｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｎａｍｅｄＳＡＲＯｉｓｐｒｏｐｏｓｅｄｔｏａｃｈｉｅｖｅｔｈｉｓｇｏａｌ．ＳＡＲＯｉｓ ａｎｉｍｐｒｏｖｅｍｅｎｔｔｏａｎｔｏｐｔｉｍｉｚａｔｉｏｎ．Ｉｔｕｔｉｌｉｚｅｓｒｅｐｕｔａｔｉｏｎｓｆｒｏｍａｒｅｐｕｔａｔｉｏｎｓｙｓｔｅｍｔｏｄｅｒｉｖｅｔｈｅｐｈｅｒｏｍｏｎｅｔｒａｉｌｒｅ—ｆｒｅｓｈｐｒｏｃｅｓｓａｎｄｖｉｓｉｂｌｅｆｕｎｃｔｉｏｎｓ．Ａｂｎｏｒｍａｌｎｏｄｅｓａｒｅｄｉｓｃａｒｄｅｄｆｒｏｍｒｏｕｔｉｎｇｔａｂｌｅｓａｎｄｐａｃｋｅｔｓａｒｅｒｏｕｔｅｄａｌｏｎｇｐａｔｈｓｗｉｔｈｌｅａｓｔ ａｂｎｏｒｍａｌｎｏｄｅｓ．ＳＡＲＯｉｓａｓｅｃｕｒｉｔｙｅｎｈａｎｃｅｍｅｎｔｔｏｒｏｕｔｉｎｇｐｒｏｔｏｃｏｌｓ，ｗｈｉｃｈｃａｎｂｏｔｈｉｍｐｒｏｖｅｓｅ－ｅｕｒｉｔｙｏｆｎｅｔｗｏｒｋ ａｎｄｅｎｈａｎｃｅｔｈｅｎｅｔｗｏｒｋｐｅｒｆｏｒｍａｎｃｅ． Ｋｅｙｗｏｒｄｓ：ｍｕｌｔｉ—ｈｏｐｗｉｒｅｌｅｓｓｎｅｔｗｏｒｋ；ｒｏｕｔｉｎｇｐｒｏｔｏｃｏｌ；ａｎｔｃｏｌｏｎｙａｌｇｏｒｉｔｈｍ；ｓｅｃｕｒｉｔｙ ＥＥＡＣＣ：６１５０Ｐ 一种适用于无线自组织网络的安全路由优化算法水 杜君１，李伟华ｈ，蒋卫华２ ，１．西北Ｔ业大学计算机学院，西安７１００７２；、 ＼２．交通部民航局航空安全技术中心，北京１０００６２１ 摘要：大规模无线自组织网络存在的自私节点或者恶意节点引起网络性能的降低，甚至导致网络不能正常丁作，在网络层数据包路由过程中避免这些节点，对自私节点或者恶意节点进行隔离能够有效提高网络的安全性。本文提出一种安全感知的无线自组织网络路由优化算法ＳＡＲＯ，ＳＡＲＯ算法是一种改进的蚁群算法，该算法基于节点信任度统计参数建立安全感知的启发因子方程以及信息素更新方程，使数据包在路由过程中选择安全性较高的路径进行数据的路由转发，可对自私节点和恶意节点进行隔离，从而增强网络安全性，提高网络服务质量。仿真实验结果表明，ＳＡＲＯ算法能够明显提高网络吞吐量，降低传输延迟，降低不良侦听率，具有较高的实用价值。 关键词：多跳无线自组织网络；路由协议优化；蚁群优化；安全 中图分类号：ＴＰ３９３文献标识码：Ａ文章编号：１００４—１６９９（２０１０）０３一０４４７一％ 无线自组织网络由众多节点以自组织的方式组成，网络中不存在中心控制节点，较远距离节点间以 多跳的方式进行通信。由于无线自组织网络不需要 预先部署基础设施，在战场环境、抢险救灾、临时会 议等领域具有广泛的应用前景…。安全、高效是这 些应用对自组织网络提出的最基本要求，然而，在大 规模无线自组织网络中，部分节点为了保护自身较 少的资源，可能对其它节点请求转发的数据包不进 行转发，产生自私节点问题口１；在部分应用中（例如 战场环境）有可能出现恶意节点，这些节点可能对 网络的各层协议进行直接攻击＂１；受限于有限的无 项目来源：国家高技术研究发展计划（８６３）资助（２００６ＡＡ０１２４０６）收稿日期：２００９一ｌＯ一２７修改日期：２００９一１２—２９线频段，多个不同类型的网络可能共用同一频段，这样会在物理层产生相互干涉，产生与物理层ＤｏＳ（ＤｅｎｉａｌｏｆＳｅｒｖｉｃｅ）攻击相同的结果”１。上述问题都将引起网络性能的下降，甚至导致网络不能正常运行，如何解决这些问题是无线自组织网络安全研究的热点问题。 本文提出一种基于蚁群算法的路由优化算法ＳＡＲＯ（ＳｅｃｕｒｉｔｙＡｗａｒｅＲｏｕｔｉｎｇＯｐｔｉｍｉｚａｔｉｏｎ），可对现有路由协议产生的路由进行安全优化。现有面向无线自组织网络的蚁群优化算法只从路径长度、链路质量等方面对路由进行优化＂１，最终达到提高网络 万方数据
在介绍编程之前，先让我们来回顾一下在高中的物理课上我们所学的关于水波的知识。 水波有如下几个特性： ?扩散：当你投一块石头到水中，你会看到一个以石头入水点为圆心所形成的一圈圈的水波，这里，你可能会被这个现象所误导，以为水波上的每一点都是以石头入水点为中心向外扩散的，这是错误的。实际上，水波上的任何一点在任何时候都是以自己为圆心向四周扩散的，之所以会形成一个环状的水波，是因为水波的内部因为扩散的对称而相互抵消了。 ?衰减：因为水是有阻尼的，否则，当你在水池中投入石头，水波就会永不停止的震荡下去。 ?水的折射：因为水波上不同地点的倾斜角度不同，所以，因为水的折射，我们从观察点垂直往下看到的水底并不是在观察点的正下方，而有一定的偏移。如果不考虑水面上部的光线反射，这就是我们能感觉到水波形状的原因。 ?反射：水波遇到障碍物会反射。 ?衍射：忽然又想到这一点，但是在程序里却看不到，如果能在水池中央放上一块礁石，或放一个中间有缝的隔板，那么就能看到水波的衍射现象了。 好了，有了这几个特性，再运用数学和几何知识，我们就可以模拟出真实的水波了。但是，如果你曾用3DMax做过水波的动画，你就会知道要渲染出一幅真实形状的水波画面少说也得好几十秒，而我们现在需要的是实时的渲染，每秒种至少也得渲染20帧才能使得水波得以平滑的显示。考虑到电脑运算的速度，我们不可能按照正弦函数或精确的公式来构造水波，不能用乘除法，更不能用sin、cos，只能用一种取近似值的快速算法，尽管这种算法存在一定误差，但是为了满足实时动画的要求，我们不得不这样做。 首先我们要建立两个与水池图象一样大小的数组buf1[PoolWidth*PoolHeight]和 buf2[PoolWidth*PoolHeight]（PoolWidth=水池图象的象素宽度、PoolHeight=水池图象的象素高度），用来保存水面上每一个点的前一时刻和后一时刻波幅数据，因为波幅也就代表了波的能量，所以以后我们称这两个数组为波能缓冲区。水面在初始状态时是一个平面，各点的波幅都为0，所以，这两个数组的初始值都等于0。 下面来推导计算波幅的公式 我们假设存在这样一个一次公式，可以在任意时刻根据某一个点周围前、后、左、右四个点以及该点自身的振幅来推算出下一时刻该点的振幅，那么，我们就有可能用归纳法求出任意时刻这个水面上任意一点的振幅。如左图，你可以看到，某一时刻，X0点的振幅除了受X0点自身振幅的影响外，同时受来自它周围前、后、左、右四个点（X1、X2、X3、X4）的影响（为了简化，我们忽略了其它所有点），而且，这四个点对a0点的影响力可以说是机会均等的。那么我们可以假设这个一次公式为：
LS路由算法与DV路由算法的比较 徐雄博20050830226 信息安全 2 班 摘要：当一个分组要从源主机带目的主机时，网络层必须确定从发送方到接受方的分组所采用的路径。选路算法的目的就是给定一组路由器以及连接路由器的链路，选路算法要找到一条从源路由器到目的路由器的“好”的路径，即具有最低费用的路径。根据算法是全局性的还是分布式的，选路算法可分为两种：具有全局状态信息的链路状态算法（link state algorithm, LS）以及分散式的选路算法距离向量算法（distance-vector, DV）。本文将通过对这两种算法的比较来找出两个算法在不同的情况下，每种算法的适应环境。 关键词：路由算法；RIP路由协议；OSPF路由协议；LS路由算法；DV路由算法 Abstraction：When a packet want to round from source host to destination host, the network layer must nonetheless determine the path that packets take from senders to receivers. The purpose of a routing algorithm is that given a set of routers, with links connecting the router, a routing algorithm finds a “good” path from source router to destination router. Typically, a good path is one that has the least cost. According to whether the algorithms are global or decentralized, the routing algorithm can be classified into two types: algorithms with global state information are often referred to as link-state (LS) algorithms, and the decentralized routing algorithm called a distance-vector (DV) algorithm. Through this passage we will find the environment which suits each algorithm most. Keywords：routing algorithm，RIP，OSPF，LS，DV 1.概述 随着社会的发展，计算机技术已经越来越普及。不同的网络层提供的不管是数据服务还是虚电路服务，网络层都必须确定为从发送方到接受方的分组所采用的路径。我们看到选路的工作是从发送方到接受方通过路由器的网络决定的好路径。选路算法的目的是简单的，即给定一组路由器以及连接路由器的链路，选路算法要找到一条从源路由器到目的路由器的“好”的路径，。通常一条好的路径指具有最低费用的路径。对选路算法分类的一种方法是根据该算是全局性的还是分散式的可分为全局选路算法（global routing algorithm）和分散式选路算法（decentralized routing algorithm）[1]。而根据这两个路由选路算法，历史上曾有两个选路协议曾被广泛用于Internet上自治系统内的选路：选路信息协议（Routing Information Protocol，RIP）与开放最短路径优先（Open Shortest Path First，OSPF）[2]。 2.路由算法 路由算法在路由协议中起着至关重要的作用，采用何种算法往往决定了最终的寻径结果，因此选择路由算法一定要仔细。通常需要综合考虑以下几个设计目标： ——（1）最优化：指路由算法选择最佳路径的能力。 ——（2）简洁性：算法设计简洁，利用最少的软件和开销，提供最有效的功能。 ——（3）坚固性：路由算法处于非正常或不可预料的环境时，如硬件故障、负载过高或操作失误时，都能正确运行。由于路由器分布在网络联接点上，所以在它们出故障时会产生严重后果。最好的路由器算法通常能经受时间的考验，并在各种网络环境下被证实是可靠的。