基于认知网络的创新型服务保障机制研究

　　本书主要提出了四个算法和机制，包括基于蚁群算法的多径路由并行传输协议、预留资源的自适应借用策略、以及基于神经网络的混合网络流量预测模型。（1）在认知网络中支持流媒体传输的多径路由算法方面，本书通过改进蚁群算法，提出能够规避和快速缓解拥塞的多径路由协议命名为AMP机制。AMP机制在源节点和目的节点之间寻找多条独立的可用路径，并构成有效传输路径集。（2）本书在流媒体服务QoS需求的基础上，结合多媒体流的分层编码技术，同时利用认知网络自学习、智能、自适应的特点，提出了认知网络中基于多径路由的流媒体转发算法，即SMTMP算法。将媒体流划分为基本层码流和各增强层多个码层，在多条路径上并行传输。（3）在预留资源的自适应借用与吞吐量优化方面，本书引入自适应借用的思想，提出了预留资源的借用策略，命名为RBFR策略。（4）在认知网络的流量调度与负载均衡方面，本书将神经网络的预测方法引入认知网络，提出基于神经网络的混合神经网络预测模型，命名为AntDouble-BP模型。该模型利用神经网络的非线性处理和容噪能力，综合考虑终端的分布状况和用户业务的QoS需求，实时跟踪网络状态，预测网络流量。

　　李丹丹，女，出生于1982年8月，黑龙江人，北京交通大学博士。现为北京联合大学讲师，对外经济贸易大学博士后。研究方向：下一代通讯网络中的流量工程；现代管理与决策理论；顾客满意与顾客营销。近年来在相关研究领域发表学术论文30余篇，其中包括SCI、EI和ISTP检索论文20余篇；主持校级科研项目2项。