自组织网络技术（共12篇）
自组织网络技术 篇1
0 引言
在未来的网络中, 2G/3G/4G不同制式的网络共存, 宏站、小站、微站 (Pico) 等站型并用, 多厂商设备共同组成多厂商 (Multi-Vendor) 网络, 以及动辄上万的海量网元等等, 将使网络变得越来越复杂, 给无线网络的建设、运维带来了巨大的挑战。如果继续采用传统的网规网优工作方式, 不仅增加人工成本, 网络性能也不能迅速优化。从另一方面来说, 运营商又迫切希望简化网络建设流程, 降低优化维护复杂度, 减少人工干预和运营成本 (OPEX) 。在这一背景下, 自组织网络 (SON) 应运而生, 并已成为3GPP的重要研究方向, 成为当今通信界研究的热点。SON技术通过设备自身的自配置、自优化、自愈等功能, 使移动网络具有智能性, 自动感知周围环境变化, 从而可以自适应地调整控制参数, 以提高网络性能。SON技术有望成为移动运营商部署4G网络、节约运营成本、增强盈利能力的关键推动者。
1 自组织网络技术
SON是一种无固定拓扑, 无中心节点, 可以随时随地动态组建的无线通信网络形式, 其主要功能框架包括自配置、自优化和自治愈[1,2,3,4,5]。
自配置是一种通过最少的人工操作来添加新网元或网络组建的过程, 包括自连接、自调试和动态无线配置三个阶段。自连接是指基站安装完成并启动后, 在e NB (演进型Node B) 和网络运营管理 (OAM) 间自动建立安全连接[2,7]。自调试是指自动预备、自动下载软件、自动测试软件以及网络单元的自动数据配置, 它根据网络单元的硬件类型和具体站址的必要功能来执行。自连接和自调试的目的是将网络单元自动地连接到其域名管理 (DM) 系统, 从而尽可能地避免人工干预。动态无线配置是指通过在空中接口产生和获取的无线配置参数来补充无线配置, 包括初始传输参数的生成、物理小区标识分配 (PCI) 、自动邻区关系建立 (ANR) 等。自配置技术的应用, 不仅能减轻运营商规划和优化工作量, 还可为后续家庭基站的即插即用提供便利[7,8]。
自优化是指运营过程中通过对网络参数的测量, 并根据当前的负载和性能统计情况, 自适应地调整网络运营参数, 优化系统性能[1]。自优化功能主要包括移动健壮性优化 (MRO) 、移动负载均衡 (MLB) 与流量控制、节能 (ES) 、覆盖与容量优化 (CCO) 、随机接入信道 (RACH) 和物理随机接入信道 (PRACH) 优化、无线资源管理 (RRM) 等功能。基站的自优化需要在网络运营管理 (OAM) 的控制下进行。理论上自优化过程不是一个必要的过程, 如果自配置过程的参数设计非常合理, 网络运行过程中无需对无线参数做进一步的调整。然而, 由于无线环境的复杂多变、业务负荷及分布的动态变化, 初始网络参数很难保证所有节点、所有阶段的性能均最优。因此, 为了保证网络性能的最佳, 自由化也是必不可少的过程, 它能实时地改进网络性能[7]。
自治愈是指在网络出现故障时, 基站能够探测到不同的故障类型, 并自动启动适当的反应机制, 自主减轻或解决问题[9]。自治愈功能主要包括两方面:监测和自愈处理。首先监测网络中的预设条件是否能够触发愈合流程, 在触发条件满足的情况下, 触发相应的自愈流程。在“自愈流程”激活后, 它会首先收集与故障相关的必要信息, 并在数据分析和诊断的基础上采取合适的故障恢复或补偿措施。自治愈功能同时也监测故障恢复的执行结果, 若故障未解决, 结束条件没有满足, 自愈流程就需要重新执行一个愈合过程。若故障已经解决或一些结束条件阻止新的愈合过程, 则将自愈的结果上报。自愈中的监视和管理功能监督着整个自愈过程, 并向运维人员提供与自愈过程相关的信息。
不同的SON功能之间存在着相互关联的关系, 在网络设计中多个SON功能的联合使用要综合考虑多种因数, 如基站即插即用和自动邻区关系 (ANR) , PCI分配和PRACH配置的联合, ANR和PCI的联合优化, MRO和MLB功能的协调, 即插即用、覆盖容量优化、无线资源管理 (RRM) 功能的协调, 网络自愈、ANR与MRO的关系等等 (7) 。
2 自组织网络的体系架构
从SON的功能模块的架构来说, 可分成三大架构:集中式SON、分布式SON和混合式SON[10]。集中式系统使用一个单独的管理中心对网元进行自主管理, 分布式系统将自主管理功能部署到网络中的各个网元, 混合式是上述2种方法的综合。不同的体系结构对自主网元的自主管理能力要求有差异, 其中分布式体系结构中的网元自主程度最高, 混合式次之, 集中式仍然具有传统网管体系结构的特点[10,11]。3种架构各有优缺点 (如表1所示) 。不同的应用可以采用不同的架构, 目前多数应用倾向采用混合式架构[12]。
3 SON技术在LTE网络建设中的应用
我国于2011年就SON技术完善和实现方案进行了立项, 以推动SON技术的进步和标准化工作[11]。华为、中兴、大唐等设备商在网络自组织的实践上做了有效成功的探索, 移动、电信、联通等运营商引入自组织解决方案和业务平台, 成功实现了异厂家网络的自优化和维护。实践证明, SON技术能有效克服网络复杂度带来的问题, 大幅提升网络性能, 成倍提升了运维效率。下面以某地运营商应用SON技术为例, 分析其在ANR自动邻区优化、覆盖容量优化 (CCO) 和PSC扰码自动优化方面取得的成效。
3.1 ANR自动邻区测试优化
ANR功能主要是通过实时采集话务数据并分析, 对邻区漏配、冗余和优先级排序进行优化。和传统的邻区优化工作相比, SON解决方案可以做到7×24 h全网络无死角的邻区优化和看护[13]。图1是优化前后的切换成功率分析数据。通过对网络KPI的分析发现, 在无人工干预的情况下, 系统自动执行的邻区分析工作非常有效。优化后, 软切换成功率大于和等于99.98%的小区由13%增长到40%;小于99.8%的小区由57%减少到13%;优化区域整体软切换成功率由98.51%增长到99.84%;优化区域因软切换导致的掉话次数由7次降为0次;软切换掉话占比由1.25%降为0。定位的漏配邻区都是优先级较高的邻区, 切换次数也超过全网平均, 且这些漏配邻区相关的切换成功率基本上达到了100%。将漏配邻区自动加上后, 整体切换成功率有较大提升, 并消除了因软切换原因导致的掉话[14]。
3.2 覆盖容量优化 (CCO)
对于SON中覆盖与容量优化 (CCO) , 通过实时采集性能数据并分析, 对存在“过覆盖”“弱覆盖”“越区干扰”等各种的覆盖问题在线自动识别, 并计算出调整参数, 从而大大提高网优的效率。图2、图3是某地运营商一个区域CCO应用的结果。
该小区为过覆盖小区, 在覆盖图上表现为覆盖半径超出规划范围、话务远距离离散分布等特征。从该小区执行优化结果后的接入用户分布图 (右图) 可以看到, 优化后的小区接入用户集中在小区中心区, 远距离接入用户大幅减少, 提升了整体通话质量, 减少了干扰。优化执行后, 目标小区的语音掉话率由优化前的1.11%下降到优化后的0.44%, 提升率达60%[14]。
3.3 PSC扰码优化
某地运营商同期还执行了PSC的测试, 通过实际话务的在线实时分析, 计算出各种复杂场景下的扰码冲突, 这种冲突信息会自动回传到中央控制系统, 并自动分配新的最优扰码, 整个过程完全自动化, 不需要人工干预。优化结果显示, 识别出的冲突小区, 和人工识别的结果吻合[11]。
4 结束语
自组织网络技术能够使得无线网络自主地实现部分部署和运行维护的功能, 减少人工参与, 降低成本, 提高用户体验。目前, 3GPP在SON自配置、自优化和自治愈方向上已经标准化了一系列的技术方案, 其中部分技术已经在LTE现网中得到了应用和验证[1]。但LTE SON系统非常复杂, 其研究工作还远未完成, 未来的发展仍面临许多挑战:如合适的SON架构选择的挑战;开放式接口的挑战;多个SON功能的联合使用挑战;多种制式的网络共存带来的综合SON的挑战;SON与智能管道技术相结合的挑战等。未来随着LTE/LTE-A商用规模的扩大和SON标准工作的持续推进, 这些技术挑战和研究工作必将陆续得到落实和解决, SON技术必将迎来更快更好的发展。
自组织网络技术 篇2
无线传感器网络自组织方式――集中式：
所有参与侦测的节点将数据通过多跳网络直接送给服务器，目标的位置和轨迹在服务器中产生。这种方法和传统网络的方式无太大区别，虽然服务器的处理能力很强，跟踪精度会很高，但由于节点的通信量庞大、延时大，所以这种方式在传感器网络中一般是不适用的。
无线传感器网络自组织方式――静态局部集中式：
在网络中安排一定量具有较强处理能力的簇头(也叫超级节点)，普通节点在获得测量数据后传到簇头，簇头再对数据进行处理，然后通过簇头间的路由送到用户终端。这也是层次式的结构。虽然这是比较好的方法，但是对随机撒布形成的传感器网络无法控制簇头位置，事实上难以实现。在网络拓扑不可人为控制时，这种方法就失去了其有效性。
无线传感器网络自组织方式――动态局部集中式：
簇首在目标跟踪过程中通过一定的准则动态产生，其他节点将数据传送给动态簇头；在目标离开簇首侦测范围后，产生新的簇头，原来的簇头恢复侦测状态，这是目前比较流行的方法，
不过这种方法在目标频繁出现的情况下，容易引起网络“黑洞”，簇首负担过重，同时在参与传送数据的邻居节点数量和区域的选取上还需慎重考虑，以减少通信能量消耗。
无线传感器网络自组织方式――单点式：
在目标跟踪的过程中，始终只有一个动态头节点在跟随目标。在任何时刻t，只有一个头节点k，他负责获取测量值并更新目标位置的估计。头节点从他的邻居节点中选取信息量最大的节点，然后将信息传给他。这个节点就成为下一时刻的头节点，原先的节点回到空闲状态。这种方法有效地减少了通信能量消耗。但是当头节点损坏或数据丢失后，跟踪就无法进行，降低了跟踪系统的稳定性。另外，这种方法只利用了信息量最大的节点，舍弃了其余的信息量，这一定会降低跟踪的精度。
无线传感器网络自组织方式――序贯式：
自组织网络技术 篇3
【关键词】网络自组织；信息；流动与共享；农村青年
一、引言
随着网络技术的发展，尤其是Web2.0技术的出现，使人们能够参与到互联网的交流中，由单纯的信息接收者变成了信息的发布者和接收者。香港学者邱林川就通过大量的统计数据和现象分析，认为中国的社会信息化过程已由90年代精英垄断的局面进入到更广社会内信息中下阶层和中低端信息传播技术紧密结合的新阶段[1]。农村青年凭借着较高的学历和容易接受新鲜事物的特点，积极参与到了信息革命的大潮当中：他们加入各种专业QQ群（厨师群、焊工群等）进行专业技能培训，他们利用微博、博客去维护和保障自己的权益，并表达自己的政治主张与诉求，他们利用网络平台充实自己的娱乐生活……这些丰富多彩的网络生活形成了以群（QQ、MSN、Fetion等）、博（微博、博客、播客、SNS等）、吧（BBS论坛等）、游（各种网络游戏等）为主的四种典型的网络自组织[2]。
农村青年参与网络自组织的各项活动与交流，会在潜移默化中提升他们的传统人力资本（听说读写等基本能力）、组织资本（例如在网络交易群中进行交易，就会节约交易成本，提高交易效率）和社会资本（网络自组织不仅能复制现实中的亲缘关系网、地域关系网还能拓展技术技能、兴趣爱好等更为广泛的社会关系网络）。李录堂（2011）认为这种劳动者通过信息网络技术在收集存储信息、加工处理信息、利用和传播信息等投资中所获得的知识和技能累积而凝结在劳动者身上的资本量，以及劳动者通过信息网络技术整合和吸收组织资本和社会资本而凝结在劳动者身上的资本量称为信息技术型人力资本[3]。而网络自组织成员提升信息技术型人力资本的关键在于信息在网络自组织中的流动与共享水平，只有信息在网络自组织中畅通无阻的流动与共享，才能更有效的提高他们的传统人力资本、组织资本和社会资本。例如某人加入其自己的亲戚群，这是现实中亲缘关系网在网络上的复制，如果信息流通顺畅，他可能被与自己兴趣相近的亲戚介绍到某个兴趣群，这就扩大了此人的关系网，无形之中增加了此人的社会资本。
本文首先分析了信息在网络自组织中流动与共享的阻碍因素并提出假设，然后根据农村青年网络自组织的调查数据建立模型进行了实证研究。
二、研究假设与模型建立
（一）研究假设
信息在网络自组织中的流动与共享面临着多方面的阻碍，除了受网络自组织自身条件的影响，还受组织成员自身素质、组织文化差异及参与网络自组织的外部条件等诸方面的影响。
1.网络自组织的组织化程度
网络自组织的组织化程度即网络自组织具有一定结构、同一目标和特定功能的程度。如果一个组织的目标、任务、结构和功能越明确，那么它的组织化程度就越高，反之则越低。例如QQ群这种自组织它有明确的群主，成员也是确定的，有的QQ群群主会制定详细的群规，而且大部分QQ群都有明确的主体，如厨师群、焊工群等，所以QQ群的组织化程度相对来说就很高。
组织化程度高的自组织由于有明确的目标、任务和结构，并且成员也是确定的，所以，信息在该组织中应该更容易流动与共享。
假设H1：网络自组织的组织化程度越高，越有利于信息在网络自组织中的流动与共享。
2.网络自组织成员的信息化水平
网络自组织成员的信息化水平是指某时间段内网络自组织成员在网络自组织中交流的信息占其这一时间段内所有交流信息的比值。例如某成员一天内在网络自组织中交流的信息占其那天所有交流信息的比重越高，那么他的信息化水平就越高，这样的成员越多，应该越利于信息在网络自组织中的流动与共享。
假设H2：网络自组织成员的信息化水平越高，越有利于信息在网络自组织中的流动与共享。
3.参与网络自组织的工具装备和技术水平
参与网络自组织的工具装备即上网的设备和网络，如台式电脑、笔记本电脑、平板电脑、智能手机、一般手机，或是宽带、WLAN、3G 、GPRS网络；参与网络自组织的技术水平是指是否熟悉网络自组织的所有技术操作，例如转帖、复制、标注、搜索等功能。一般来说，工具装备越高端，技术水平越高，应该越有利于信息在网络自组织中的流动与共享。
假设H3：参与网络自组织的工具装备越高端，参与网络自组织的技术水平越高，越有利于信息在网络自组织中的流动与共享。
4.网络自组织的交互记忆水平
网络自组织的交互记忆水平是网络自组织之间形成的一种彼此依赖的，用以储存和提取不同信息的合作程度，它主要表现为自组织与自组织之间相互信任程度的差异。如果彼此不信任，那么获取的信息就很难被信任，未被信任的信息估计是很难继续流动与共享的。例如，在微博粉丝的自组织中，地产大鳄潘石屹、任志强发布的房产信息及观点由于其权威性就很容易被信任，这些信任的信息和观点就容易被转发，易于在微博自组织中流动和共享。
假设H4：网络自组织的交互记忆水平越高，越有利于信息在网络自组织中的流动与共享。
5.网络自组织间的文化距离
网络自组织间的文化距离主要指不同网络自组织在组织结构、组织技能和制度传统上的差异性。每一个组织都有组织文化，不同组织所具有的组织文化往往有差异，因此，组织之间一般都存在着文化距离。
假设H5：网络自组织间的文化距离越小，越有利于信息在网络自组织中的流动与共享。
nlc202309011338
（二）模型建立
五、结语
本文提出的假设H1、H2、H4和H5均得到了验证，为了使信息在自组织中更快更有效的流动与共享，特根据结果提出以下建议：
1.引导相关自组织的建立者规范自组织，使其更加正式化，有条件的可以逐步建立完备的组织结构、流程和规范等。
2.提高农村青年的信息化水平，其一要在线上线下两方面下手，使农村青年接触到更多的信息；其二要逐步改善条件，使他们能有条件随时随地接收并发布信息。农村青年信息化水平越高，接收和发布的信息就会越多，信息就更容易流动与共享，反过来又会促进他们信息化水平的提高，这是一个良性循环过程。
3.大力倡导名人、名博、知识精英等拥有充分话语权的人物能够关心农村青年，多发布一些与其有关的信息，并替他们甄别信息，引领农民工朋友走在主流价值观的道路上，以得到更多人的关心和关爱。
4.引导文化互动，缩小网络自组织间的文化距离。本文分析并验证了信息在网络自组织中流动与共享的影响因素，但是并没有深入挖掘出农村青年参加网络自组织的动机、方式和行为特点，以及网络自组织发起、参与线下活动的规律和影响，这些都能进一步更加有效的提高农村青年的信息技术型人力资本，还有待进一步的深入研究。
【参考文献】
[1]邱林川.信息“社会”：理论、现实、模式与反思[J].传播与社会学刊，2008，（5）：8—10.
[2]冯志明，吕建军.共青团对网络自组织的引导策略研究[J].中国青年研究，2012，（8）：33—38.
[3]李录堂.信息技术型人力资本：事实依据、形成机理及效应研究[A].信息技术、服务科学与工程管理国际学术会议[C].2011.
[4]李怀祖.管理研究方法论[M].西安：西安交通大学出版社，2004：18—46.
[5]White，H.，1980，A Heteroskedasticity-Consisiitent Covariance Matrix Estimator and a Direct Test for Heteroskedasticity， Econometrica，48（4），pp.817—838.
【作者简介】
张文（1985— ），男，山东临朐人，西北农林科技大学经济管理学院研究生。研究方向：农村人力资源管理与开发；李录堂（1962— ），男，陕西岐山人，西北农林科技大学经济管理学院教授、博士生导师。研究领域：管理理论与农村人力资源管理、现代企业管理。
自组织网络技术 篇4
随着通信技术和业务的高速发展,无线网络规模和容量不断扩大,2G、3G、4G多种无线网络制式多个频段并存,异构网络的出现,都使得现代移动通信网络变得愈加复杂。基于LTE的下一代无线网络以其高带宽为用户提供更加丰富的多媒体业务,传统的网络规划和优化以人工完成其部署和运营的方式渐渐显得力不从心;另一方面,伴随着竞争日趋激烈,各通信运营商的ARPU在不断下降,这都促使运营商更加注重成本,运营商越来越关心通过减少运维成本(OPEX,Operating Expense)以取得较高的利润。3GPP为LTE提出了一种新运维策略一一自组织网络,LTE运营商通过SON机制提高网络的整体性能和操作效率,可以明显降低OPEX,从而进一步提升LTE的竞争优势。
2 SON的发展和现状
自组织网络(SON,Self Organization Network),是伴随LTE发展而引出的一套完整的网络理念和规范。它的主要提出方是运营商,其目的是为了减少LTE网络引入带来的网络建设成本和运维成本的增加,目前涉及范围已扩展到整个无线网络。SON有广义和狭义两种定义,广义的SON一般被定义为运营商用来管理和控制宽带网络的一系列功能和特征,通过不需要人为干预的自动化操作来提升运营效率,降低运营复杂度;狭义的SON被定义为用于3GPP和LTE中的自动化网络运营功能,由3GPP来对SON进行标准化,由NGMN (Next Generation Mobile Network,下一代移动网络联盟)从运营商角度对SON的长期目标和远景进行规划和展望。
SON作为一种完整的网络理念,其功能主要可以归为:自配置,自优化,自治愈。
自配置,指从设备安装上电到用户设备能够正常接入进行业务操作,在很少甚至完全没有工程人员干预的前提下完成。它简化了新站开通调测流程,减少了人为干预环节,降低了对工程施工人员的与业要求,目标是做到即插即用,真正降低开站难度从而减少运维成本。其中涉及到的功能和技术实现包括:传输自建立,节点鉴权,软件版本自安装和更新,基站自检,自邻区关系规划,自资产管理,无线参数规划等。
自优化,根据终端UE和基站eNodeB的测量和性能测量等网络运行状况,对网络参数进行自调整优化,以达到提高网络性能和质量和减少网络优化成本的目的。另外传统运维优化依赖的是工程师对大量路测和仿真数据的分析决策,而自优化从人员能力和人力上能减少了要求,同时可以提供更及时的提示和更准确详实的测试数据,提早发现网络缺陷并加快工单的处理。其功能包括覆盖和容量的优化、节能(通过对网络负荷的变化趋势检测,在不影响服务情况下,自动调整设备功率。高负荷处提高功率,低负荷处降低功率,以达到减低功率的真正节能目的)、PCI (Physical Cell Indicator,物理小区标识)自检测和重配、健壮性优化、负荷均衡优化、RACH优化、自邻区关系调整、小区间干扰协调,QOS优化等。
自治愈,通过对系统告警和性能的检测发现网络问题,并自检测定位,部分戒者全部消除问题,最终实现对网络质量和用户感受的最小化影响。其中包含的功能点有:告警关联,“根”原因定位,静默小区检测,故障小区检测和补偿,问题自跟踪检测等。
从以上功能可以看出SON涉及到网络部署的各个方面,它综合了传统运维手段并将其“智能化”,也引入了很多新技术、新应用模式和场景。目前成熟的欧美高端移动通信市场和亚非拉新兴的移动通信市场,都不同程度地商用了SON,统计数据表明SON确实可以有效降低运营商网络运营成本。
3 SON技术架构体系
根据自优化算法在网络结构中的位置不同,SON分为三类:集中式SON (C-SON)、分布式SON (D-SON)、混合式SON (H-SON)。三种架构各有优缺点,不同的网络状态下采用的架构不同,目前大多数采用的是混合式架构。
集中式主要在网管系统上实现,分布式主要是通过SON分布在eNodeB节点上实现。相比较而言,集中式的优点突出在控制范围较大、互相的冲突相对较小,缺点是算法比较复杂、实现速度较慢,但在SON商用初期一般选择此架构;与其相反,分布式拥有更高的速度和效率,且网络的可拓展性较好,缺点是彼此间协调起来很困难。虽然混合式兼有集中式和分布式的优点,但在设计上却不得不变得更加复杂。三种架构如图1所示。
4 SON PCI自规划研究
基于LTE的SON关键技术主要包括以下几个方面:PCI自规划、覆盖和容量优化、自动邻区关系功能(ANR,Auto-matic Neighbour Relation Function)、负荷均衡优化、随即接入信道(RACH,Random Access Channel)优化技术等。其中PCI自规划是为每一个新加入网络的eNodeB分配物理层地址,分配得合理与否直接决定终端能否辨识服务小区、接入网络的成功率以及全网干扰的大小,PCI自规划是网络自组织的重要用例,自规划涉及到自配置和自优化两个层面,自规划成功后站点提供服务。
现网PCI自规划一般都隶属于如下两种场景,一是大规模新建网络,大量站点陆续开站;二是在已有网络基础上新开部分站点。
无论上述哪种场景,每个站点的开站都遵循同样的流程,即上电、IP地址配置、基站鉴权、与核心网对接、下载软件和配置参数。一些方案里将PCI自规划放在自配置阶段,在配置参数过程中通过算法为当前站点找到合适的PCI,在复杂网络状况下SON自配置会导致开站时间较长,不利于工程进度。
本文推荐的做法是开站自配置时,从模版中获取与小区基本信息相关的参数如频点、PCI、TAC (Tracking Area Code,路由区)为默认参数,可能不一定适合当前无线环境,但这样会缩短站点开站时间,然后将PCI自规划放在自优化阶段,在站点识别网络无线环境后通过算法选择适合的PCI后再让站点提供服务。
目前站点识别网络无线环境的方法包括但不限于如下:
(1)待规划/优化站点装备无线信号接收机,接收并解析周边已开通站点的无线信号包括能邻区的频点、PCI、TAC等,从而协助本站点参数选择;
(2)室外待规划/优化站点通过GPS接收机得到位置信息,室内待规划/优化站点通过WiFi辅助定位获取位置信息,OMS SON综合网络中汇总各站点位置信息可以进行整体网络规划和优化;
(3)已开通站点可以根据接入的UE (用户设备)位置等辅助信息,协助网络参数优化;或者通过服务区域内UE向本站点反馈UE所探测到的邻区信息等相关无线环境参数,协助本站点进行网络参数优化。
3GPP规范规定了PCI自规划的两大原则,即不冲突、不混淆,但对于具体的技术和算法并不属于标准协议范畴,由各研究机构和SON解决方案提供商自行研究实现。LTE中采用PCI在上下行中分别区分基站和用户,由于受到同步序列的物理特性限制,LTE系统中PCI的数量不可能无限多,共设计了504个ID,分成168个组,每组包含3个ID。随着LTE和后续5G网络的逐渐商用,城市中站点分布十分密集,异构网络(HetNet)成为主流形态,即除了之前常见的宏基站(MacroCell)外,会增加微蜂窝(MicroCell)、微微蜂窝(PicoCell)、家庭基站(FemtoCell,又叫Home eNodeB,简写为HeNB)的联合覆盖,网络结构越来越复杂,但是无论哪种站点在PCI复用时都需要遵循3GPP SON关于PCI不冲突、不混淆的原则,否则会导致网络复用干扰严重,用户不能准确识别小区。
如图2所示给出了PCI冲突和混淆的示意图,图(a)中由于相邻的两个小区A、B被分配了相同的PCI,导致网络中出现PCI冲突,位于交叠区域的UE无法区分这两个小区,也就不能完成切换的过程;图(b)中,小区D和E使用了相同的PCI,虽然二者并不直接相邻,但是他们却有同一个邻区C,从而导致当小区C内的UE上报邻区测量结果时,小区C分不清D、E两个小区,就因为D、E的PCI相同。因此在SON自规划过程中,避免PCI冲突和PCI混淆是当务之急。
目前国内外对于PCI不冲突、不混淆的算法有一定的研究,比如基于协商的分布式策略、基于图论的配置原则等,但这些算法较为复杂,计算量也相对较大,在自配置或者自优化阶段需要耗费的时间较长。
本文提出在PCI自优化过程中采用简单的遍历算法,假设站点A是新开的站点,已通过模版参数进行了自配置,将通过上述无线环境检测方法中的一种或联合多种检测到的无线环境汇总到OAM SON后,若站点A是该区域中第一个新开的站点,周围无任何邻区关系,那站点A的PCI则可在当前可选范围中任意取值即可;若站点A是原有网络中一个新开的站,OAM SON综合多渠道得到A的邻区关系如图3所示,其中站点B、C是待优化站点A的邻站,我们称之为一阶站点;其中B和C又各自有自己的邻站F、G和D、E,那么站点D、E、F、G称为站点A的二阶站点,那么只需同时满足如下两点即可满足PCI不冲突、不混淆的原则:
(1)站点A的PCI不能与一阶站点B、C的PCI相同,即不冲突,同时避免与一阶站点的模三冲突;
(2)站点A的PCI不能与二阶站点D、E、F、G的PCI相同,即不混淆。当无线环境不是太复杂的情况下,该遍历算法还是相当简单并且耗时很短,是行之有效的一种工程方法,该算法对于SON的三种架构中集中式和混合式更为适用,因为分布式架构中各站点以一己之力不一定能检测到二阶站点的分布。
对一些常规的场景甚至异构环境下,上述PCI自规划的策略都是适用的,但是针对一些特别复杂和特殊的场景,还需具体问题具体分析,比如高铁下如何通过自组织网络的自配置和自优化来解决语音质量不好和频繁切换导致的掉话问题,或者是出现重大自然灾害基础通信设施设备被破坏后,如何通过自组织网络快速布局动态站点以暂时满足灾区迫切的通信问题等,这些场景都是后续研究的方向和重点。PCI自规划不是一劳永逸的,随着网络架构的动态变化需要持续优化。
5 结束语
LTE和后续通信系统自组织网络SON的发展是未来的必然趋势.但是当前SON的研究仍存在一定的局限性。标准方面不同的SON案之间互联可能存在冲突,需要形成标准以实现互联互通,才能最终推动商业进程。算法方面SON算法需要进一步研究,使之更高效、收敛速度更快,同时需要一个公正有效的评估模型.以便了解SON的相关功能是真正起到作用还是带来了其它负面效果。研究领域目前我们的研究面很窄,主要集中在PCI和ANR的自配置和自优化,尚未涉及到更宽泛的课题,特别是网络优化参数、QOS保证等方面。无线自组织网络是机遇与挑战并存的研究方向,还有很长的路要走。
参考文献
[1]R3-080376."SON Use Case:Cell Physical ID Automated Configuration",3GPP RAN3#59.2008.
[2]3GPP,"Technical Specification,Technical Specification Group Service and System Aspects(2010)Self-Organizing Networks(SON)Policy Network Resource Model(NRM)Integration Reference Point(IRP):Requirements".3GPP TS 32.521 Version9.0.0 Release9,6 April 2010.
[3]魏垚.蜂窝移动通信系统物理小区识别自组织技术研究.2013年博士论文.
演化博弈与自组织合作 篇5
演化博弈与自组织合作
主要研究复杂网络上的演化博弈.首先研究具有社团结构的.无标度网络上的演化囚徒困境博弈及Newman-Watts小世界网络中异质性对合作演化的影响.然后考察了在不同合作者和作弊者初始分布配置情况下,不同的初始比例条件对合作水平的影响,且在社会网络上研究了雪堆博弈中的合作演化.进一步地,讨论了网络拓扑和博弈动力学的共同演化问题和网络上演化囚徒困境中的强化学习问题.最后给出了复杂网络上演化博弈论的未来发展方向与应用前景.
作 者：王龙 伏锋 陈小杰 楚天广 谢广明 Wang Long Fu Feng Chen Xiaojie Chu Tianguang Xie Guangming 作者单位：北京大学系统与控制研究中心智能控制实验室,北京,100871刊 名：系统科学与数学 ISTIC PKU英文刊名：JOURNAL OF SYSTEMS SCIENCE AND MATHEMATICAL SCIENCES年，卷(期)：27(3)分类号：O1关键词：群体行为 合作 演化博弈论 复杂网络 囚徒困境博弈 雪堆博弈 强化学习自组织 拓扑 动力学
自组织网络技术 篇6
关键词：可视化沟通；自组织学习；网络学习；家长
中图分类号：G434 文献标志码：A 文章编号：1673-8454（2016）14-0091-03
一、引言
“2016年1月22日，中国互联网络信息中心（CNNIC）发布第37次《中国互联网络发展状况统计报告》”[1]，截至2015年12月，中国网民规模达6.88亿，互联网普及率达到50.3%，而我国手机网民规模达6.20亿，有90.1%的网民通过手机上网。只使用手机上网的网民达到1.27亿人，占整体网民规模的18.5%，可见网民的上网设备正在向手机端集中，格式信息与知识都以最简单明了的可视化方式展现在家长们的眼前，面对着浩瀚的数据和信息海洋，挑战就在于筛选掉无用信息，挑选出契合自身需求的相关信息与知识。但是数字化、网络化、智能化的信息环境，正在改变家长们的思维方式乃至教育方式和学习方式；家长也从传统的网上家长学校的盲目自学中转向社交媒体平台上的自组织交流与碎片化学习；视觉化是现如今知识信息最有效的传递方式，家长学习方式和习惯的转变是否给我国家校协同教育管理和平台资源建立者带来一些启示呢？
二、家长网络自组织学习的现状分析
笔者通过全国39个省、市级网上家长学校和10个国家级专题家长学习网站分析与对比发现，传统网上家长学校致力于提供海量的家长学习资源，资源形式多为纯文本文章和少量的讲座、活动图文视频，形式单一，导致不能形象直观地将相关教育理念和方式有效传达给家长，导致家长无效学习甚至失去学习兴趣。
现正处于一个网络化社会，“信息生产力具有分布式协同的特征，不断涌现的新媒体和海量的信息已超出了家长的处理能力。”[2]而家长信息素养层次不齐，家长对知识的筛选和甄别能力不足，因此家长开始无意识地自发组成群体，通过网络社会化媒体软件走在了一起，从网站、论坛、贴吧过渡到现在的家长学习交流QQ群、微信群等，通过集体的力量，在QQ空间、微博、专题家长学习网站、微信公众订阅号上分享好的学习资料和教育方法供大家学习与讨论，这种现象都可称之为自组织网络学习。而“学习型组织通常是一开放系统，在没有外部来源引导或管理之下会自行增加其复杂性，能熟练地创造、获取和传递知识的组织，同时也要善于修正自身的行为，以适应新的知识和见解。”[3]现阶段新媒体如微信、微博、QQ等家庭教育知识资料良莠不齐，自组织中的讨论与学习资料也出自家长自身，其学习实践价值的有效性值得怀疑。笔者在全国教育科学“十二五”规划课题《基于网络平台的学校、家庭与社会协同教育研究》中了解到，很多新媒体协同教育平台的资料来源于网上家长学校和网上家长学习平台，可谓是知识的简单搬家，其表现形式没有太大区别。家教知识和信息的可视化在协同教育知识领域并未系统地运用，家长获取知识的效果大打折扣。网络学习自组织尚未成为真正意义上行之有效的学习型组织。
三、可视化沟通在家长网络自组织学习中的作用
Remo A.Burkhard和Martin J.Eppler共同撰写的工作档案Knowledge Visualization-Towards a New Discipline and its Fields of Application中将知识可视化界定为：“知识可视化领域研究的是视觉表征在改善两个或两个以上人之间知识创造和传递中的应用。”[4]可视化沟通就是利用计算机图形学和图像处理技术，将数据转换成图形或图像在屏幕上显示出来，并进行人际交互与沟通的理论、方法和技术。可视化沟通又体现在数据、知识与信息可视化创造传递的过程中。在网络自组织学习中，知识信息的分布具有草根性和分散性，而受众主体呈现个性化、碎片化需求趋势，家长针对自身情况对知识和信息需求广泛而分散，家长自身的教育理念隐性知识也需要通过可视化技术来转化成显性知识，从而与学校、社会、家长群体间进行传递交流与分享。
可视化沟通主要有以下三个作用：
1.辅助碎片化家教知识系统重构
知识的海洋是广泛的，家长容易在网络知识的海洋中发生信息迷航、信息超载现象，而家长个人的需求是个性化的，每个家长都会在子女成长过程的各个阶段去发现问题，解决问题，寻求老师和网络的支持与帮助，汲取多元观点，通过判断与吸收整合至个人境况，个性化地重构碎片化知识，再加工从而灵活运用。“王竹立认为可以把表面上似乎没有联系、乃至互相矛盾的不同理论、观点、思想，通过加工改造，使之互相兼容、有机组合、融为一体，使不同的理论或观点和平共处、互为补充。”[5]使学习者在自组织学习环境中灵活运用碎片化知识，个性化地实践。灵活运用碎片化知识的关键所在就是可视化，可视化沟通提供了自组织群体灵活获取知识更为方便的工具与途径。例如家庭教育相关的微信公众平台家庭教育知识分类，用可视化将不同类别的家庭教育知识以形象的图形和配套的文字来构建可视化的分级交互菜单，让家长在碎片化海洋中快速找到自己所需的数据和知识，并对其贴上标签，进行下一步碎片化知识关联和重组，赋予自我特定的情境，重构成更为复杂的个性化知识体系，能解决个人情境下的教育问题。
2.促进内隐化家教理念高效传递
可视化对于人类来说是更有效的传播手段。在《大脑法则》一书中，发展分子生物学家John Medina写道：视觉是迄今我们最主要的感官，50%-80%的人类大脑用于不同形式的视觉处理，例如视觉、视觉记忆、颜色、形状、物体运动、形态、空间意识，以及形象记忆。从知识管理角度看，学习是一个从数据到信息、知识和智慧的过程，是一个不断情境化的过程。教学理念不仅来自于专业教育学校教育实践，从某种程度上来说也来自于家庭教育，例如在相同的教育环境中，配备相同的教师和教育资源，但必定会产生不同的教育结果，这一差异与学生自身能力素质和家庭教育理念方法有关。而其中优秀的教育理念是隐形的知识，需要由可视化将其转化为显性的知识来分享传递，将这些隐性的教育理念以可视图的方式表现出来，例如中小学的绘本阅读，教育专家通过多年的研究与调查，发掘学校和家庭教育中优秀的教育理念，但这些教育理念是隐性知识，只可意会不可言传，绘本给予了可视化沟通，利用可视化插画图配上相应简练的文字，并赋予一定的教学情境，家长从可视化图中发现这些要素之间各自的联系，从而与以前所学知识联系起来，并对已有知识进行再认识，使隐藏的新旧知识联系得以显示，有利知识的重新组织和高效传递。
3.提升家长学习注意力和积极性
在网络自组织学习环境中，家长容易出现信息超载的现象，“所谓信息超载指信息接收者或处理者所接收的信息远远超出其信息处理能力。”[6]家长在学习过程中，需要在自组织学习环境中找寻与自身情境相似的个性化知识内容，从而产生联系，构建对知识内容的系统概念，若家长迷失于众多的信息之中，可能会给家长带来不安情绪，使其产生挫折感，对学习内容产生恐惧感，进而降低学习的兴趣和积极性，甚至产生厌学情绪。更糟糕的是，现如今的多数专题协同教育网站和新媒体平台发布的家庭教育知识信息多为纯文字纯理论性文章，没有相对的语境和可视化表达的策略运用，家长往往在学习的过程中会感到乏味，难以持续学习，同样会降低学习兴趣和积极性；而图文可视化沟通表达的形式会更好的吸引家长的眼球和注意力，减少家长理解内容和数据信息的时间，可视化还能提供对比的语境使家长更形象地去理解内容，通过图片效应，颜色、构图、形状等去提升家长的关注度，让所表达的教育理念和知识重点更突出，从而提升家长学习注意力和积极性。
四、可视化沟通应用模式
家庭、学校、社会之间是一个开放的网络生态系统，而家长、老师和社会之间互为信源和接受者，以可视化沟通的方式动态平衡相互联系着，可视化沟通应用模式图如图1所示。
1.学校和社会与网络自组织间层面
家庭与学校和教师之间建立沟通机制，用可视化沟通技术交换分享教育心得、教育知识、教育理念、教育数据，学校和社会则通过平日的教学、观察与沟通获取一线的数据与信息，将这些数据与信息重新解码、重新编译，将隐形知识通过可视化表达出来，国家及社会应顺应当下读图时代发展要求，尤其官方专题家庭教育媒体平台系统化运用可视化沟通技术，增强可视化图文在数字化教育资源的建设，并在可视化图文教学资源中赋予一定的教学情境，减少成篇的纯文字大论。
重点建设优质资源的网上公共平台，尤其是移动新媒体平台，家长群体中需求的是碎片化学习、移动学习，所以社会教育系统应当充分利用当下时兴的微博、微信等新媒体平台，在有条件的情况下，社会和教师应发挥自身优势，悄无声息地在网上自组织群体中充当引路人的角色，帮助群体更好地进行优质资源筛选与分享。让家长对学习资源更好的意义建构，更好地选择性碎片化学习，不再迷失在繁杂的信息冗余之中。
2.家庭与网络自组织间层面
苏伽特·米特拉教授在“墙中洞”实验中得出结论，认为学习的本质深藏在自组织之中。自然界中充满了自组织现象和涌现，他认为教育如同自然界的蚂蚁群居、蜜蜂筑巢一样，是一个自组织系统，学习就是其中“涌现”的现象。而家长为了自己子女的健康与发展，为了共同的目的与愿景自发聚集在网络之中，结成特殊群体，这也是涌现现象，家长在自组织网络中的沟通也应充分利用可视化沟通技巧。在信息化社会，家长的信息素养也极其重要，家长可在MOOC平台上学习可视化沟通技术，从而更好地参与到自组织学习中，将自己的教育观点可视化分享出来。
绘本阅读是可视化沟通的一种体现方式，以绘本为例说明家庭内部亲子之间的可视化沟通方式；家长与孩子一起进行绘本阅读，打破以往家长教育孩子的传统非可视化方式，家长在网络自组织中获取优质的绘本，在子女的儿童时期，以绘本为通道，将成长中健康的、正确的经验传递教育给子女，以一种形象的思维方式与子女进行可视化沟通，其教育效果大大超出传统教育方式。
五、总结与反思
随着网络信息化的逐步完善与发展，学习理论与模式也在随着适应与更新，终身学习体系的建立，碎片化学习趋势的显现，让学习不再仅仅是传统意义上学生的事，也是教育工作者、家庭成员的必需参与的，网络提供了学习的无限可能，利用新技术、新理论去丰富学习的方式与通道，教育工作者应发现学习者真正的需求和现状，基于现状和需求去改变教学资源和教学策略。李康之惑，让我们警惕数字废墟，让教育系统和社会关注网络教育资源利用率低、使用效果差的现状，顺应时代发展的要求，系统地去应用可视化沟通技术，契合家长群体学习习惯与碎片化学习方式的需求，及时更新建设符合信息化碎片化自组织群体要求的数字资源，改变教学策略。
参考文献：
[1]中国互联网络信息中心.第37次《中国互联网络发展状况统计报告》[EB/OL]. http：//cnnic.cn/gywm/xwzx/rdxw/2015/201601/t20160122_53283.htm，2016-01-22.
[2]陈媛.微内容的自组织学习模式研究[J].浙江广播电视大学，2014（1）.
[3]邵泽斌.国内学习型组织研究综述[J].河北师范大学学报，2007（3）.
[4]赵国庆，黄荣怀，陆志坚.知识可视化的理论与方法[J].教育导刊，2012（6）.
[5]王竹立.新建构主义：网络时代的学习理论[J].远程教育杂志，2011（2）：11-18.
[6]郭磊，郭华.网络环境下学习者信息超载和迷航的成因及化解[J].远程教育杂志，2004（4）：31.
自组织网络技术 篇7
对于网络的研究, 各个学科都有不同的侧重。关于网络的定义, 学术界也存在争议。对于将网络纳入社会科学的研究来说, 其实自20世纪50年代以来, 网络一词就得到广泛运用, 如社会学、人类学、组织行为学等。但经济学和管理学的研究则相对较为落后。从已有的文献来看, 许多学者从不同的角度对网络组织作出定义 (见文献[6]) , 这些定义主要围绕两个方面, 一是围绕交易过程中相互作用的方式和关系;二是围绕独立企业主体间的资源流动。从这些不同的定义中, 可以发现一个共同点, 那就是隐含了对网络其实是一种复杂系统的预设, 因此, 对网络的考察带有系统论基础。
关于网络演化的研究, 从已有的文献来看 (文献[2], [3], [5], [8], [9]等) , 主要着重于以下几方面:首先, 网络具有价值, 这一价值会随时间发生变化, 这表现为网络中的节点之间的关系随着先前个体间相互作用而不断获取的经验而动态变化。其次, 对网络个体间作用所形成价值的分布特征, 以及这一分布随时间演化的特征的关注。这样, 网络形成的结构, 以及网络产生的总体价值都能被加以考察。不同个体之间的作用被用网络的节点的连接加以表示, 并在宏观上表现出特定的行为特征, 这一行为特征体现在特定的网络结构中。网络结构反过来又对网络的决策机制的形成产生影响。在这一意义上, 网络演化观点能对宏观和微观相互关联的机制进行解释。在网络演化模型的构建中, 产生和删除特定节点及其相互间联系的规则发生在网络的微观层次。这些规则通常建立在构建一个新的网络节点和连接的收益和成本之间的权衡基础之上。通过在不同成本收益假设上的企业网络拓扑结构的形成与演化的模型分析, 旨在说明, 基于不同成本收益假设, 将产生不同的网络的演化结果, 并对合作网络的稳定性和收敛性产生影响。网络结构对产业组织系统内企业间不同关系的形成和演化具有重要的作用。因此, 分析随着网络的演化将形成何种网络拓扑结构对探讨产业组织个体间的网络关系的形成与演化具有关键意义。
从动态契约的角度来看, 产业组织网络可视为不同企业之间为实现共同或各自目标而在一定的时期内形成的持续性的交互活动时, 所达成的合作性正式或非正式协议或达成协议的过程。从产业组织演化的形式来看, 产业组织网络是产业组织的一种新形式。它是一种超越了传统的关于市场与企业两分法、复杂演化的自组织的产业组织形式。它的形成和发展很大程度上是受环境变迁的影响 (如经济全球化、技术进步程度的日益加深和竞争程度的日趋激烈等) , 使得垂直一体化的组织结构逐步向多个相对独立个体的网络组织结构演化, 组织内的个体互相结成相对松散, 但同时又具有复杂关联的动态联盟。具有多样化功能的互补性企业通过联合、信息交换等来共同提高网络中企业创新能力和竞争力。
事实上, 产业领域中的实际变化以及环境因素等事实催生了以网络为基础的产业组织研究方法。进入20世纪90年代以来, 产业组织理论经历了对产业组织网络考察的关注不断深入的最新进展, 产业组织文献中基于网络基础的方法也日益增多 (文献[4], [13]等) 。但这些研究的一个缺陷是, 没有就促进产业组织网络动态过程的生成机理进行深入的挖掘。产业组织网络的一个显著特征就是不断增加的产品和技术的复杂性, 多样性。产品的技术复杂度增加的同时, 意味着产品中内嵌的知识的复杂度和多样性也同时增加。当产品特征变得越来越复杂时, 单个企业不能生产产品的每一个部件, 并同时能保持领先地位。企业必须在专业化生产其所擅长的, 同时和其他企业通过各种合作关系来分享他们的技术专长或技术创新成果。技术合作形成的网络在不断技术创新的前提下, 能促进网络组织的持续演化发展。
关于技术合作网络的理论研究, 已有较多的文献从不同的角度进行的研究。如博弈论中的产业组织的技术合作策略, 但大多数成果的缺陷是没有就产业组织个体间的技术合作网络放入一个动态演化的框架内考虑。因此, 如何将网络博弈理论运用于技术合作网络的已有静态分析结果进行动态拓展, 考察产业组织系统内市场结构、企业间的市场竞争行为和技术合作动机之间的动态反馈和协同演化, 从而从博弈论框架内寻求产业组织技术合作网络的形成和演化特征, 是此类技术合作网络研究的进一步深入方向。
本文认为, 可以分别从侧重于网络演化的微观企业层面和宏观系统层面对产业组织网络演化机理进行模型构建和分析。对微观企业层面的分析侧重于不同企业间组网 (连接) 的动机、触发条件等, 着重探讨构建一个新的网络节点和连接的收益和成本, 并进行权衡, 从而产生新的节点或对特定节点进行删除 (见上述相关文献综述) 。系统层面则从宏观层面上分析产业组织的网络结构随时间变化的宏观演化趋势。从已有研究成果来看, 这方面的研究相对较少。
据此, 本文以技术合作网络为例, 侧重于从系统层面分析产业组织的技术合作网络结构随时间变化的宏观演化趋势。所构建的模型用来阐述维持网络演化的多样性和异质性的重要性。从系统论的角度来看, 基于系统演化的自组织机制, 微观层面和系统层面存在着内在的联系, 因此, 微观企业层面和系统层面的分析并不能完全隔离开来, 只是考察的侧重点有所差异。本文侧重于系统层面视角, 构建一个基于系统自组织基础上的产业组织技术合作网络形成演化机理的动态模型。其与侧重于微观企业层面的模型最大的区别在于无需对企业的行为特征作详细描述, 而是着重考察由微观层面的企业间交互作用引起的系统宏观层面企业技术合作网络的动态演化。解释产业组织系统内企业合作网络演化的动态复杂特征, 指出市场和企业合作网络形成必须的技术外部性、异质性和系统开放性特征等在网络演化过程中发挥着重要的作用。技术合作网络所发挥的选择机制的作用在使得企业间的技术特征日渐趋同和存在网络维持成本的同时, 削弱了网络长期演化的合作稳定性基础。研究得出的结论是:个体多样性、异质性和系统开放性是产业组织技术合作网络动态演化的前提, 合作网络得以维持的条件是必须有新的技术创新引入原有的网络空间中。如果没有具有开创性的新技术引入, 合作网络将难以继续维持下去。
2 模型描述与结构
假设产业内的企业数目为n, 但没有进入退出行为, 企业数目在整个演化期内保持不变。企业可以改变技术合作与否的状态, 假设存在有两种状态, 合作c或不合作d。设合作的企业数为n1, 不合作的企业数为n2, n=n1+n2。引入离散状态变量
状态空间的最左端表示一个完全不合作的网络状态, 企业间没有任何技术合作或技术“溢出”, 各企业独自进行技术研发, 合作的企业数为0。最右端表示一个完全的企业技术合作网络, 不合作的企业数为0。中间状态则表示合作和不合作企业的相对分布状态。
以下将在此基础上着重探讨该技术合作网络系统的宏观演化趋势。引入概率P (e, t) , 用来表示离散状态变量e在特定的时刻t处于满足
(1) 引入状态转移可能性变量sc→d, sd→c分别度量状态空间中企业从合作状态转向不合作状态、从不合作状态转向合作状态的可能性
在某一特定时刻t, 企业状态的转变受这一特定时刻状态空间的宏观结构P (e, t) 的影响。当单个不合作企业i在t时刻处于不合作状态占主导的状态空间时 (上图中变量e越靠左的状态空间) , 其从不合作向合作状态转变的动力相对较小。但随着合作企业的不断增加, 即变量e在上述状态空间中不断右移, 至少在一段时期内, 由合作所产生的“溢出”效应和不同企业的异质性所带来的“互补”效应会增加原先不合作的企业转变状态的概率, 从而获得比不合作更大的收益。以上过程用等式表示如下:
sd→c (e) =γ.e, γ>0 (1)
上式表明, 一个原先处于不合作状态的企业加入合作网络的可能性随着合作网络的扩大而扩大 (随着合作网络的扩大, 状态变量值e也增加) 。参数γ表征企业技术合作的不确定性程度或技术强度, 一般来说, 技术强度越大, 技术含量越高, 企业独自研发该技术的不确定性越大, 因此寻求技术合作的动机就越强。这一特征已得到产业领域内的大量事实的验证。寻求合作是现代企业的一大特点。在充满高风险和高不确定性的行业, 如制药业、金融业、半导体电子产业等, 不同企业都寻求开展广泛的合作。例如, 小企业在对新发现的反应能力方面会比大企业显示出大得多的创造力和更快的创新速度, 而大企业则具有成熟的关系网和创新技术的市场化运作能力, 两者能更好的实现优势互补。这类似于生物学上的协同进化和共生模式。
类似的, 假设企业从不合作状态转向合作状态的优势正是企业从合作状态转向不合作状态的劣势。因此:
sc→d=-γ.e, γ>0 (2)
(2) 考虑技术生命周期对企业转变状态意愿的影响
从知识基础论的角度来说, 技术合作是异质性知识转移的一种有效形式。经验研究表明 (文献[10]) , 不同的两个企业之间的技术特征相似度和该两企业之间形成技术合作之间存在倒U关系。一般来说, 在技术演化轨迹的初期阶段, 技术具有高度的不确定性, 技术特征在不同企业间的相似度较低, 再加上其它因素如技术投资所需的高昂融资成本, 企业之间将有更大的意愿进行合作。但随着技术演化进入到其生命周期的较为成熟的后阶段, 技术不确定性的程度降低, 企业将更多的转向考虑对“规模经济”效应的挖掘和对技术的“渐进创新”效应 (如降低企业生产产品成本的流程创新) 的关注。同时, 技术含量饱和度的增加会增加企业间技术的“趋同性”, 也就是说, 随着技术合作的不断深入进行, 企业间技术特征的相似度会不断提高, 导致维持技术合作的边际收益不断减少, 在仍需支付技术合作的维持成本的情况下, 为降低技术不确定性而进行的技术合作动机将不断降低。考虑这些技术演化周期因素的影响, 引入变量w (t) , 其与技术演化周期t满足如下的非线性函数关系:
w (t) =w0-ϑ (t2-t) , w0>0, ϑ>0 (3)
w0表示t=0期的企业技术合作意愿, 随着技术生命周期的演化, 这一意愿沿上述抛物线轨迹先增后减。ϑ代表技术合作意愿的变化率。
(3) 考虑企业转变状态的状态维持成本
以
以
ρ1≠ρ2, 一般假定ρ1>ρ2。表示在相同的条件下, 企业技术合作比不进行技术合作多付出的合作维持成本。
(4) 结合 (1) (2) , 将企业的技术状态转移概率, 即企业从不合作状态转变为合作状态以及从合作状态转变为不合作状态的状态转移概率, 表示如下 (分别以pd→c (e, t) 和pc→d (e, t) 表示) :
其中η是标度参数。
以上以e, t为自变量的指数形式状态转移函数用来表征:在合作网络扩大的初期, 会生成不断增强的企业合作环境, 从而加大企业从不合作到合作的技术状态转移概率。但从长期来看, 合作网络中的企业从网络外部获得技术合作机会的可能性增加, 而不同企业之间的技术“异质性”会受所拥有的技术日益趋同而削弱, 这两种因素对企业技术状态的影响体现在包含变量t的表达式上, 从而影响企业的技术状态转移概率。上述两个状态转移概率的等式的最后一项分别表示企业为维持合作状态所付出的成本, 和企业为维持自身独立进行技术研发所付出的成本, 两者都对企业技术状态转移产生负面影响。
(5) 用μd→c (e, t) , μc→d (e, t) 表示企业在t时刻发生状态转移的系统行为, 表示为以下两个等式:
(6) 在上述过程基础上, 导出一个用来描述企业合作网络宏观演化过程的微分方程, 该方程用来描述概率P (e, t) 随时间变化的连续运动过程:
初始条件为:
P (e=0, t=0) =1, P (e-1=-1, t=0) =0,
P (e+1=1, t=0) =0 (9)
以下是状态变量e在微小的时间间隔dt内的状态转移图 (图2) , 过程假设具有Markov性, 即在t时刻仅考虑e以及它的两个相邻状态的e-1和e+1, 经过dt时间, 从d←c和从d→c的变化。
3 模型模拟结果与分析
易见, 方程 (8) 是一个典型的非线性微分方程, 在明确解析解难以得出的情况下, 采用数值模拟的方法分析系统的演化轨迹。模拟结果较好体现了产业组织合作网络系统的符合上述假设的系统自组织运行特征。
(1) 在对表征企业技术合作的不确定性程度或技术强度参数γ设置不同值时, 系统演化结果表现的差异性较为明显。当γ的值较大时, 表明企业技术合作的不确定性程度较高, 在其它设置相同的条件下, 系统在运行初期表现出比较低γ值更强的合作关系。因为这是一个存在高度不确定性的阶段, 这种不确定性体现在对未来事件和技术发展的有限把握。企业如果能通过网络或合作等形式与外界建立联系, 则能把这种不确定性尽可能的降低。技术合作的高度不确定性为企业相互合作提供了动力, 并大大增加了与其他企业和相关主体建立正式或非正式网络的可能性。这方面有很多实际例子。例如, 伴随着Internet的迅速发展, 专门针对复杂科学计算的新型计算模式——网格 (Grid) 计算技术由于其超强的计算优势被得到日益重视, 但其应用空间、计算平台、相关技术、组建成本、标准制定等方面仍面临着种种不确定性, 推动网格计算的各企业纷纷寻求合作, 包括Oracle、 EMC 、Fujitsu-Siemens、HP、NEC、Network Appliance、 SUN 等共同创建了企业网格联盟EAG (Enterprise Grid Alliance) , 以扩大将该项新的计算技术从仅限于科学研究和开发领域向商用网络服务领域引进的空间。
(2) 随着时间的演化, 企业合作网络系统在自组织过程中出现“相变”阶段, 由合作状态向不合作状态转变, 这一过程在较大的γ值下, 体现得更为明显 (见图3, 4) 。这清楚的表明具有更高不确定性的技术环境, 其复杂性程度更高, 相对应的风险更大。而当系统一旦出现“相变”后, 在更高不确定性技术环境下, 系统状态向新状态转变的速度和程度也更大, 而这正是企业寻求规避与高度不确定性相关的高风险的适应性行为。
(3) 最后, “技术溢出”效应会随技术生命周期过程的演化而递减, 从而降低合作可能性, 模拟结果较好表现出了系统演化趋向于不合作状态的特征。在上述模型的假设和运行规则下, “相变”阶段以后, 随着时间的推移, 系统中企业间相互合作的概率将趋于不断降低, 从长期来看, 合作网络将趋于瓦解。从成本收益角度来看, 这是由于随着时间的推移, 企业间合作所产生的边际收益日益减少, 在存在合作维持成本的条件下, 企业变得不再有动力去维持原有的技术合作网络。也就是说, 当技术合作的空间挖掘潜力日益枯竭, 能被挖掘的都已被挖掘时, 如果没有具有开创性的新技术引入, 合作网络将很难继续维持下去。模型的分析结果还显示:在较大的γ值下, 不合作效应体现得更为明显, 这同样可用较大的γ值与较高的系统演化不确定性、复杂性和高风险性相对应来解释。模拟使用MATLAB7.0运行, 结果见下图①:
4 相关讨论
可见, 在上述企业合作网络自组织演化模型的框架内, 企业维持原有的合作关系的动力不断被削弱, 合作网络有趋于瓦解的趋势, 网络有演化为空网的可能。从复杂系统演化的角度来看, 产业组织间构成的技术合作网络属于一个动态演化的系统。结合耗散结构的熵值理论, 孤立系统熵值随着系统的演化不断趋于增加, 总过程从有序到无序。因此, 系统要形成有序结构的必要条件是系统开放。对于开放系统来说, 通过与外界交换物质与能量, 可以从外界获取负熵用来抵消自身熵的增加, 从而使系统实现从无序到有序、从简单到复杂的持续演化。如果企业处于上述所假设的技术合作网络空间中, 从模型所揭示的结论可以看出, 合作网络得以维持的条件是必须有新的技术创新引入网络空间中, 在演化分析框架下, 创新被视为众多经济现象背后的内在推动力。如果没有持续不断的创新为选择过程提供多样化的选择空间, 演化过程就要终结。这就意味着, 技术网络空间必须开放, 创新技术作为与外界进行能量交换的要素, 从而使技术合作网络获取新的负熵来维持系统的有序自组织演化;同时, 创新技术的引入, 也为产业组织个体提供了个体异质性保证, 而个体异质性、多样性同时又是系统有序演化的基础。否则, 技术演化特征的趋同和维持网络所需的成本将使一个孤立的没有创新的技术合作网络熵值不断增加, 不断趋向于热力学意义上的“平衡”态, 合作网络趋于瓦解。
从协同论的角度来说, 产业组织合作网络能通过组织个体间的相互作用来实现协同, 协同效应的发挥又促进企业的互动。但当面临新的不确定性的环境的变化 (例如某一种能对整个产业带来重大影响的新技术的诞生) 时, 产业组织演化的惯性 (如上述模型中技术饱和度日益增加) 会抑制产业组织网络的发展速度、方向以及维度。因此, 技术合作网络必须面临变革和创新, 否则将面临瓦解的威胁。
以一个典型的例子加以说明。在计算机软硬件生产领域, 一向被视作坚如磐石的由Intel和Microsoft为首的“Wintel”联盟网络由于新兴的64位处理技术的出现而变得有所松动。64位处理技术能把个人电脑的运算能力提升到前所未有的高度, 标志着个人计算机发展史又一个新时代的来临, 使PC从字符时代跨越到多媒体时代。因此, 64位技术对计算机产业链产生了根本性的影响, 它的首推者是Intel的竞争对手AMD公司, 而众多电脑生产企业都是Intel的联盟网络中的成员, 但在AMD64位处理技术的潜在利益的诱惑下, Intel阵营会出现分离的倾向, 受到利益因素的驱动, 许多联盟中的成员的行动使联盟网络出现松动的威胁。因此, 在竞争对手带来的强大的新技术威胁和激烈的市场竞争条件下, Intel要维持和巩固原有的联盟网络, 必须进行创新, 为网络系统注入新的能量和动力。否则原先的网络将面临瓦解的威胁。而从Intel公司的技术运行历史轨迹来看, 它还是具有较强的超前的市场洞察力和远见的, 这体现在其就64位技术的创新所构筑的研发基础和技术创新网络上。从市场运行的状况来看②, 依据Intel公司的以与64位架构相连的核心处理器产品安腾 (Itanium) 构建的Intel、HP、Microsoft以及其它相关企业之间的网络联盟的技术、知识和产业组织网络动态演化的交互关系即是一个很好的证明例子 (世界上有近2/3的最快的超级计算机都采用安腾或Intel的另一核心处理器至强Xeon) 。这充分说明了不断创新的处理器技术本身所具有的强大适应能力进一步巩固了企业间的技术网络联盟, 并促使网络的生态环境不断优化。
以上例子进一步说明了:产业组织网络运作和维持必须建立在相应的技术演化和持续的技术创新基础之上, 并且两者的关系是动态和交互的。在这样的产业组织网络系统 (如上述例子中的Intel、HP、Microsoft以及其它相关企业) 中, 单个产业组织拥有的是能提供专业化生产或服务的特定知识, 从而增加了网络企业的相互依存度和协调性。事实证明, 只有这种由异质知识和不断创新的技术协调构成的群集网络, 才能较好的表现了较高的运营绩效和相应的适应和创新能力。个体企业相互竞争和相互合作的网络组织间的交互, 能提炼为一种知识的交流。而异质知识、创新技术又是产业组织网络形成、维持和演化的内在推动力。
LTE自组织网络应用分析 篇8
在未来的网络中, 由于不同制式的网络共存, 使得网络将变得更加复杂, 庞大的网络规模给网络维护和优化带来了很大的挑战, 继续采用传统的网络规划、优化工作方式, 会使网络维护和优化人员的工作量大幅提高。而另一方面运营商则希望降低网络维护和优化的复杂度, 减少人工干预, 提高维护效率, 将低运营成本。在这一背景下, LTE (E-UTRAN) 系统的自组织网络 (SON) 特性被作为3GPP的重要研究方向。SON技术通过设备自身的自配置、自优化、自治愈等功能, 能够有效的应对网络异常, 是解决未来网络维护和优化工作, 提高网络服务质量并降低网络运营成本的一条有效途径。
二、SON的简介
目前从R8到R11的4个版本中SON的进展如下: (1) R8完成了SON相关用例的讨论, 列出了包括MRO、MLB、RO、PCI和ANR等在内的课题, 完成了专门针对SON的研究报告TR36.902 (SON用例及解决方案) , 完成了ANR和PCI这2个用例的标准化。 (2) R9完成了MRO、MLB、RO3个用例的标准化。 (3) R10对MRO、MLB进行了进一步增强, 包括对LTE系统内、LTE与其他系统间负荷信息交互流程的增强, 提高切换事件检测的完整性、移动性参数调整算法的准确性, 增强涉及Uu、S1、X2接口的改动, 并开始考虑节能和MDT功能。 (4) R11主要考虑MRO的增强, 包括对跨制式互操作 (Inter-RAT) 场景的支持、乒乓切换和短暂驻留问题等;根据Qo S相关信息选择合适的RAT接入;已有ANR机制的扩展;协调MRO、MLB的关系, 增强SON整体功能稳定性;He NB和Het Net部署场景下的SON特性等。
SON的主要功能框架包括自配置、自优化和自治愈。自配置就是指新增网络节点 (如基站) 的配置能够做到即插即用, 以降低成本并简化安装流程。该状态可理解为e Node B加电开通、实现与骨干网连接, 直到射频发射器打开。自配置过程包含基本建立和初始无线配置两部分。自配置相关功能主要包括网元自动发现、软件/配置数据自动下载、传输自建立、自动资产信息、自动邻区配置、PCI自动分配等。
自优化是指通过用户设备UE和基站e Node B的性能测量, 对参数进行自优化, 以尽量减少业务工作量并提高网络质量和性能。自优化过程包含自优化和自适应过程, 如自动邻区列表优化、覆盖和容量自优化、移动稳健性优化、移动负载均衡等。
自治愈指系统检测到问题时能自主减轻或解决, 优点是减少人工干预导致的故障, 自动检测和清除故障, 减少故障的可能性, 在网络出现故障时, 基站能够探测到故障的不同类型, 并自动启动适当的反应机制, 大大减少维护工作成本并避免对网络质量和用户感受的影响。
三、SON关键技术应用
目前, 广泛研究的SON关键技术主要包括基站自启动、基站自治愈、自动邻区优化、负载均衡、切换优化、覆盖和容量自优化等, 这些技术根据所解决的问题不同, 在网络建设和运营的不同阶段引入。本文对SON中的几个关键技术, 如PCI自动分配、自动邻区关系和负载均衡等功能进行详细分析。
3.1PCI自动分配
为避免其带来地移动性混淆, PCI规划的基本原则是保证一层相邻和二层相邻小区均没有PCI重复使用, 即PCI分配需避免以下两种情况出现。 (1) PCI冲突:一层相邻小区使用相同PCI, 即在一个小区覆盖范围内存在两个PCI相同的小区信号。 (2) PCI混淆:二层相邻小区使用相同PCI, 即一个小区存在两个PCI相同的邻区。
对于PCI自动分配、PCI冲突/混淆检测及解决方式, 3GPP并未给出具体的解决方案, 取决于厂商的实现。
PCI自动分配可以采用集中式方案由网管统一计算, 特点是速度快, 一旦网元自启动后可直接将可用PCI分配到小区。PCI的计算主要靠所提供的站址分布、小区物理参数和地域特征参数等模拟出无线覆盖图, 得出邻区关系。
PCI的冲突和混淆可以在网络运行中采用无线分布式手段检测, 可以在ANR发现邻区后检查与该邻区相关的小区间是否有PCI冲突或者混淆。发现PCI冲突/混淆的途径可以是:UE上报、通过邻区X2接口报告发现冲突或者通过其他方式获取 (如He NB通过下行接收机发现周围小区PCI) 。一旦出现混淆, 网元上报通知给网管系统, 由网管系统集中安排PCI优化的计算和配置。
3.2自动邻区关系
邻区关系的规划优化是无线网规网优中一个很重要的环节, 邻区关系规划优化的主要目的是保证在小区服务边界的UE能及时切换到信号最佳的邻小区, 以保证通话质量和整网性能。传统的邻区关系规划是在基本的工程参数确定的基础上进行, 优化则主要是在大量路测的基础上进行, 需要耗费大量的人力物力, 且由于输入参数的误差以及路测结果的限制, 难免会存在邻区漏配、错配的情况。自动邻区关系 (ANR) 的引入可解决传统邻区优化方式成本高、优化效率低的问题, 受到众多运营商的密切关注, ANR的目的是为了让运营商从手工配置邻区的工作中解脱出来, 是第一个3GPP标准化的SON功能。
ANR的主要应用场景有两种, 一是邻区关系的自动发现:应用大规模建网的初期, 相邻小区可以借助UE测量自动发现, 不再是完全由管理站配置, 极大地减少了运营商的配置工作;二是邻区关系的优化调整:在网络优化阶段, 通过相关算法自动发现冗余的邻区关系和漏配的邻区关系, 通过调整邻区关系属性, 能够减少由于缺乏邻区关联导致切换失败引起的掉话, 提高切换成功率, 优化网络性能。
LTE标准中, 当一个用户从正在通信的e Node B覆盖区域移动到另一个e Node B覆盖区域时, ANR允许自动发现并建立邻区关联。ANR也能自动建立e Node B间X2的接口, 但主要还是实现UE的切换。LTE具有两个明显特征才能够实现ANR功能:一是在LTE标准中用户不需要产生邻区基站列表, 在切换准备过程中用户可以将切换测量信息快速发送给具有ANR功能的未知小区, 而不是正在通信的e Node B;二是e Node B可以要求用户报告小区的完整信息从而使其确定相邻小区ID。
3.3负载均衡
负荷均衡主要目标包括:均匀地分配小区间的负荷;把已经拥塞的小区的部分业务转移到其他小区。按照TS36.902, 负载均衡的实现需要具备以下几个功能模块。 (1) 负荷上报。在Inter-LTE场景下, 地理位置相邻的小区间或共站址异频小区间通常通过X2接口交互小区的负荷信息, 完成负荷上报;在Inter-RAT场景下, 通常需要通过S1接口在不同的接入网之间交互小区的负荷信息。 (2) 基于切换的负荷均衡。负荷均衡的切换应该与其他普通切换区别开, 如在切换原因中标明是基于负荷的切换, 以便目标小区采取合适的接纳算法, 并避免出现覆盖空洞。 (3) 切换/重选参数的自动调整。源小区需向目标小区发起移动性配置协商进程, 双方确定调整目标, 然后通过SIB把调整后的参数下发给UE。所有参数应该在OAM允许的范围内调整。
负荷均衡不能以降低用户Qo S为代价, 激活态下的负荷均衡实现比较复杂, 策略不当容易影响用户感受, 初期可先考虑空闲态下的负荷均衡, 即通过均匀地分配空闲态UE避免大量UE集中驻留在某一频段/RAT, 从而保证当UE从空闲态转到激活态后, 业务负荷能尽量达到均衡, 同时也减少因负荷不均而触发的切换和重定向的次数。考虑到系统难以实时获取小区的空闲用户数, 可以根据该小区的激活业务量及Qo S判断是否需要改变小区重选参数, 让空闲用户迁移到其他小区或频点。
四、SON技术面临的挑战
SON系统非常复杂, 移动系统的性能指标和配置参数有上千个, 要想进行全面的自动化非常困难, 所以SON的发展仍面临许多挑战。 (1) 合适的架构选择。SON的架构分集中式、分布式和混合式3种。集中式目前主要在网管系统上实现, 分布式是通过SON分布在e NB上来实现, 二者各有优缺点。集中式的优点是控制范围较大、互相冲突较小, 缺点是速度较慢、算法复杂;分布式与其相反, 可以达到更高的效率和速度, 且网络的可拓展性较好, 但缺点是彼此间难协调。混合式可结合两者的优点, 但缺点是其设计变得更加复杂。 (2) 开放式接口和联合使用。SON在未来要支持开放的接口, 支持多厂商SON功能的互联。目前对SON的研究主要集中在自配置和自优化, 未来需进行更多用例方面的研究, 如保证用户的Qo S、网络参数优化等。未来还要利用认知无线电技术进行一个可适应动态环境的网络设计, 考虑多个SON功能的联合使用。例如ANR和PCI的联合优化, 在网络运行过程中, 邻区关系是动态变化的, 而PCI冲突/混淆的判断是基于邻区关系的, 邻区关系发生变化可能会导致新的PCI冲突/混淆, 例如在增加新邻区的过程中需要调用PCI碰撞检测功能, 检查PCI的有效性。 (3) 多种制式的网络共存带来的综合SON。由于运营商将长期同时运维多制式、多层次网络, 只研究LTESON对运营商降低OPEX的作用有限, SON必须向多制式、多层网络的方向发展并形成一个集中统一的解决方案, 才能抑制运维成本进一步上升。面对多制式的共存局面, 需提出综合SON的提案, 用来协调不同制式、不同层次网络间的关系, 提升全网运维效率。 (4) SON需要与智能管道技术相结合。目前的SON功能集中在无线网, 为保证端到端Qo S, 无线网和核心网需要互动, 同时配合深度包检测, 把SON功能与LTE网络中的策略服务器 (PCRF) Qo S策略控制相结合, 对不同Qo S业务进行差异化处理。
五、结束语
SON技术自提出以来就受到广泛关注, 尤其是运营商希望早点将其运用到现在的网络中, 以提升网络的智能化、自动化, 降低网络维护费用, 提升网络性能和灵活性。SON自身具备的强大功能也使其成为无线网络必不可少的部分, 虽然目前业界和学术界对SON关键技术的研究还不够深, 但随着无线网络技术发展, SON功能和技术都会不断得到完善。
参考文献
[1]3GPP TS 36.211.Evolved universal terrestrial radio access (E-UTRA) , physical channels and modulation
[2]3GPP TS 36.331.Technical specification group radio access network, evolved universal terrestrial radio access (E-UTRA) , radio resource contro (lRRC) , protocol specification
[3]3GPP TS 36.300.Technical specification group radio access network, evolved universal terrestrial radio access (E-UTRA) , and evolved universal terrestrial radio access network (E-UTRAN) , overall description
自组织小脑神经网络算法研究 篇9
关键词：自组织小脑神经网络,非线性逼近,卫星姿态控制
0 引言
传统的小脑神经网络计算速度快,应用越来越广泛。但是其基函数为常数0或者1,只能记忆静态信息,泛化能力差,精度不高。Chiang 和Lin [1]研究一种高斯基函数的小脑神经网络,输入信号根据输入状态空间的范围划分高斯基函数的中心,将输入信号与基函数相关联的对应地址空间里的相应权激活,经过加权得到输出 。但是上述神经网络高斯基函数中心点的选取和输入的最大最小值有关,在实际应用中,在线学习不确定时很难预测最大最小值,这样的网络存储空间的大小很难确定,结构不能自动获得,影响学习和控制的性能,因此一些能够自适应地改变神经网络结构的网络受到重视。
Hu和Pratt[2]研究了可以根据输入数据来改变自身结构的方法,但是这种方法运用了不可微分的阶梯性质的基函数,并且只研究了结构增加的方法,没有研究减少结构的方法。C.M.Chen[3]提出了一种自组织的遗传算法的小脑神经网络,运用了信息熵结合黄金分割的方法来决定结构的增加和减少,这种方法的缺点是结构过于复杂,缺乏在线的学习能力。
该文研究了一种自组织小脑神经网络在线逼近非线性函数,这种网络不需要预先确定存储空间的大小,可以根据输入数据自适应地改变神经网络节点数和相对应的权值,具有良好的智能性,并且可以达到全局收敛。针对挠性卫星姿态实例,采用变结构控制,并用神经网络补偿系统不确定性。
1 自组织小脑神经网络算法研究
自组织小脑神经网络是在高斯基小脑神经网络的基础上提出的。如图1为高斯基函数神经网络,输入x是n维空间,输出为:
式中,as为基函数的选择矢量,有C个单元等于1,其余视为0,相当于以输入数据为中心,以C作为边长,作了一个超立方体。其中:
wj(xs)=vjbj(xs), (2)
式中,vj为权值,bj(x)为径向基函数,基函数中心点和方差是在已知每维输入空间大小情况下选取的。写成矢量形式:
但上述的高斯基函数的小脑神经网络前提是已知了输入X的范围,在实际应用中多数不知道范围大小,在这种情况下,自组织小脑神经网络根据输入大小来增加或者减少节点数。此时:
1.1 增加节点数
已经存在的节点可以叫做族。如果一个新的输入量的值在这个族的范围内,则自组织小脑神经网络不会再产生新的节点,只是改变权值[5,6]。
在联想存储空间中定义:
MDk(xs)=‖xs-uk‖2k=1,…,nk, (4)
式中,uk=
如果满足MDk(xs)>Kg,Kg是预定好的最低限度,则产生一个新的节点。这意味着对于一个新的输入数据,如果这个数据跟与族里面的已经存在的节点的中心距离都大于一个设定值,即表示现有的族太小,则需要产生一个新的节点。产生如下的节点:
nk(t+1)=nk(t)+1, (5)
这里的nk(t)是已经存在的节点数目,新产生的节点的中心和方差设置为:
1.2 减少节点数
考虑第j个输出,定义:比例
式中,yj(x)是第j维输出,vjk(x)是输入数据与第k个中心节点的权值,MMjk(x)表示这个输入数据与第k个节点的权值在整个输出的比例。可以找到第j个输出中最小的比例,即:
设Kc是预定的上限,如果满足:
定义误差函数
vi(k+1)=vi(k)+Δvi(k)+alfa(vi(k)-vi(k-1))。 (10)
2 应用实例
该文将自组织小脑神经网络应用于挠性卫星姿态控制中。挠性卫星姿态控制系统状态方程为:
取状态向量
式中,
选取滑面
变结构控制选择为:
式中,Tf为常数,δ为消颤因子。卫星的姿态控制律为:
Tc=Teq-Tvsc, (16)
由于参数ηs、
系统的总控制力矩为:
神经网络与变结构控制相结合,使控制器既具有变结构控制对扰动不敏感的特点,又具有神经网络在线学习的能力,可加快系统响应速度,提高系统的抗干扰能力。
3 仿真分析
该文设计的姿态机动角度为70°,挠性卫星模态为4阶,执行机构为飞轮,控制力矩带有饱和特性。
变结构控制中边界层厚度δ为0.08,滑模面系数kc为0.4,边界层参数Tf为30,神经网络参数xite为0.2,alfa为0.08,加节点的时候Kg为0.001,减节点的时候Kc为0.000 01。
经过仿真,发现在有外加干扰Td=sin(t)时,用滑模控制,不用神经网络补偿时,如图2所示,角度和角速度波动比较大,精度不高。
用自组织小脑神经网络补偿干扰,如图3、图4和图5所示,在80 s角度和角速度达到要求精度,模态幅值为±0.003之间振动,可见神经网络提高了系统的鲁棒性。通过仿真发现,在未知干扰大小的情况下,小脑神经网络收敛速度快,误差小,网络的节点数随着输入的变化而变化,做到了自适应调节节点的目的,最后收敛于一个固定值,而且避免了局部极小的现象。
4 结束语
该文设计一种自组织小脑神经网络,这种网络计算速度快,可以根据输入自适应增加或者删除节点。针对挠性卫星姿态机动控制,由于外加力矩Td在实际中是未知的,而且变化剧烈,采用自组织小脑神经网络对不确定性进行补偿,得到了良好的控制效果。
参考文献
[1]CHIANG C T,LIN C S.CMAC with General BasisFunctions[J].Neural Networks.1996,9(7):1199-1211.
[2]HU J,PRATT F.Self-organizing CMAC Neural Networksand Adaptive Dynamic Control[J].IEEE IntelligentControl,1999:259-265.
[3]LEE H M,CHEN C M,LU Y F.A Self-organizingHCMAC Neural-network Classifier[J].IEEE Trans.,2003,14(14):15-27.
[4]LIN Chin-min,CHEN Te-yu.Self-Organizing CMACControl for a Class of MIMO Uncertain Nonlinear Systems[J].IEEE Transactions on Neural Networks,2009,20:1377-1384.
[5]ALEXANDRIDIS A,SARIMVEIS H,BAFAS G.A NewAlgorithm for Online Structure and Parameter Adaptation ofRBF Networks[J].Neural Networks,2003:1003-1017.
[6]QIN Ting,CHEN Zong-hai,ZHANG Hai-tao,et al.ALearning Algorithm of CMAC Based on RLS[J].NeuralProcessing Leters.2004,19(3):49-6l.
自组织网络技术 篇10
关键词：自组织,路由协议,仿真技术
0 引言
随着计算机科学和互联网技术的不断发展，无线自组织网络技术已经取得长足的进步[1]。无线自组织网络的特点是，两个相关节点之间的信息通讯，需要多跳路由来完成，同时网络的节点通过相应的分层网络协议以及查询算法，实现网络协调上的自组织[2]。关于自组织网络的建立，在硬件结构上，不需增加任何的网络报送装置的，依靠每一节点配置相关的路由协议，任意的移动终端需要兼顾主机和路由的功能，主机是基于面向用户的应用程序;路由的功能是通过相应的路由协议策略和路由节点表进行相应的数据包管理和维护[3]。目前无线自组织网络在军事和民用领域都获得了广泛的应用，例如学校、港口码头及勘测实验的区域网等[4]，节点数量基本都在10～20个之间，网络数据的传输速度在1.2 Kbps～2 Mbps。由于自组织网因素之间的相关性，例如移动速度、密度和规模等，对于网络的设计具有较大的影响。现有的大多数自组织网络协议设计，都是基于特殊的应用场合进行局域概念性开发，本文提出一种自适应的自由网络控制协议，依据相临节点之间相对位置参数，设计自组织网络路由协议的改进算例。
1 自组织网络结构
自组织网络平台是一种无中心的分层控制网络。在整个控制网络，不设置固定的网络基础设施，可以对无法使用互联网的场合，进行网络信息数据通信技术扩展，实现网络应用环境上的范围扩大化。自组织网络平台中的相关节点，具有随机性移动的特点，同时可以与网络中的其他节点，进行相应的任意数据点的链接，并且实时地改变动态自身节点和其他节点链接位置，相应的节点链接改变对于分层网络结构的协议策略有较大的影响。移动的自组织网络可以实现相对较强的自组织功能，也就是说一些相对较为简单的规则，在网络中的不同层次上进行相应的应用，相对规模较大的网络协议自适应能力，相应的网络平面结构解析图，如图1所示。网络构成的相应节点在路由协议选取、控制和流量分配上具有等价的地位，网络具有较大的功能，数据传输上具有多路径选择，由于网络的覆盖范围上相对较小，一般只应用于小型的局域网络中。自组织网络的分层次结构，利用完全相对的分布和中心式分层的相关优势，把整体网络划分成组合簇的结构，即把相应的数据功能进行相应的打包处理，利用簇节点进行数据的收发、管理和协调。双频分级网络结构是自组织的网络分级结构，任意级的功能特点相对较为简单，实现了维护的效率上的提高，降低了自组织网络的控制消息功能，具有相对较好的可靠性、扩展性，由于相应的簇头节点，可以依据相应的功能进行提取，这将使得网络具有较强的抗破坏性。
2 自组织网络移动模型
自组织的无线通信网络中，对于网络信息的路由协议策略的影响主要基于两个方面的问题，一是网路节点的任意移动;二是由于外界的干扰所引起的信号不稳定性。自组织网络节点的移动，将会造成相应的路径通断，使得路径进行相应的重新建立，这种情况将会使用相应的路由协议，维持相应的数据信息的通信。为了研究相应的自由网络路由协议，就要首先建立相应的节点移动模型，进行相应的节点模型仿真分析研究，以此模型为基础进行相应的网络协议功能的评价。
2.1 自组织网络移动模型
自组织网络移动的模型，对于个体来说，单个节点的移动相对独立于其他周围节点，而在实际的网络中，节点的移动具有相应的分组概念，即单一节点的移动是受到相应其他节点行为的影响，网络中节点的移动自动进行群体的组织，依据节点要实现的相应数据功能，本文选取移动的参考节点运动模型，其相应的结构运动如图2所示。
自组织网络中，所有节点依据相应的功能分自动分配成相应的组群体，每一个组中含有相应的逻辑中心节点，各组的逻辑中心点，存在相互独立的关系，并有其相应的中心移动轨迹，组中的相关节点与逻辑节点具有相同的运动方向和轨迹，并且组中的节点具有相对于逻辑中心位置的运动模型。该自组织网络移动模型就有下叙述特点，一是节点划分为功能组后，组中将会生成一个逻辑的中心点，中心点的移动将会代表整个组的移动过程，包含运动方程的位移、速度和加速度信息指标，可以理解为组群的运动可以以组中逻辑中心点移动位移表示;二是组中的任意节点将会分配一个相应的参考节点(RP)，节点和参考点之间具有相互独立的运动模式及空间范围，同时参考点随着组中群体节点移动而发生相应的动态变化，其运动规律如图2所示;三是相应的节点依据参考实际的相关空间位置进行自由状态的移动，参考点可以为节点进行相应的参数配置工作，假设参考点的相应位置发生位移量变化时，参考点A将进行组群之间的联动位移，矢量是GM(组群之间的位移矢量决定、逻辑中心组合判断)，发生A→B的位移，建立新的参考点位置随机网络位移节点RM，生产新的参考点位置B;四是相应的自组织网络中的随机位移变量将会独立于以前的参考点位置，RM的数量值以网络中的中心点为圆心，建立周期为0～2π的空间自由点随机分布，如图3所示。
2.2 网络中节点的预测模型
依据相应节点运动模型中是否含有运动方向角度θ，区分为两类情况进行考虑。
(1)节点n在时间t的运动速度为v，相应方向角度为θ，空间位置的坐标为(x,y)，则依据运动轨迹方程，可知预测节点n，将在tp时刻的位置(xp,yp):
(2)节点无运动轨迹的相关信息，则必须依据近邻两个点的数据对预测点进行估计，t1时刻，节点n1的相关空间平面位置(x1,y1);t2时刻，节点n2的相关空间平面位置(x2,y2);则有预测节点n，将在tp时刻的位置(xp,yp)。
3 自组织网络节点预测算法
自由网络中节点的相互独立性运动，可能会引起网络的拓扑变化，以及网络中相应的路径操作，这将会很大程度上损失相应的网络节点资源，导致数据信息的计算量增加和通讯控制成本的复杂化，引起了通讯信息的网络堵塞，主要体现在网络数据的延时，降低了网络服务的速度和质量。对于自组织网络节点的预测算法研究，基于节点的移动感知技术，实现自组织网络路由协议功能的改善。
3.1 节点的移动特征
依据自组织网络节点信息数据收发所具有的无线传输性性能，网络中任意节点的信号传输功率不同。理论条件下，网络中节点的收发功率相对比值与始末信息节点路径的平方成反比。自组织网络中设定所有节点具有相同的信号发送功率，则信息接收功率与距离的平方成反比。在网络节点两类移动模型的基础上，对于所测量的相应接受频率信号功能，依据式(5)，进行相应的节点与邻近点相对位置的计算，单独依据相对位置点确定节点的移动参数特性是不准确的，一方面节点1的变化速度相对较快，就不能体现节点2的移动特征，另一方面节点2变化不够快，主要的移动特征将会体现在节点2上。因此可以依据式(7)进行相应的网络节点移动特性的判断，并发送相应的判断性数据，进行相应邻近节点的移动特性更新。设网络中节点y有相关的n个邻近节点，分别用:i=1,2，…，n，用Xi点表示，MXi为节点Y接受到的节点Xi功率，相应的约束条件为
设定网络中的相关移动函数为MYrel(Xi)，相应值的确定为，网络中节点Y相对与邻近节点的运动特性，依据当前时刻与过去时刻的Wi值进行相应的确定，计算出网络节点Y的相对移动变量。
网络中任意单一节点具有n个相邻近的节点，也就有n个MYrel(Xi)，通过对于网络节点n个移动函数MYrel(Xi)的统计学计算，获得节点Y的网络移动特性:
其中，My值大，说明网络节点Y与周围邻近节点的相对移动位置较大;My值小，说明网络节点Y与周围邻近节点的相对移动位置较小。
3.2 自组织网络协议的改进
自组织网络路由协议的控制消息分为三类，即RREQ(RouteRequest)、RREP(RouteReply)、RERR(Route Error)。通过相应的判断标志信息“HELLO”，依据式(7)计算获得节点的网络移动位置信息，保存在节点的路由信息列表中。网络中节点定期计算中相应的位置移动参数MY，发送周期为“HELLO”的时间间隔M＿INTEVAL，并将所计算的位置相对移动参数MY，依据路由信息判断的格式发送到相应的近邻节点。时间间隔M＿INTEVAL，相邻节点没有收到邻近节点的数据包，WYi=0,MYrel(Xi)=1，说明节点Y相对于Xi具有较高位移移动性能。自组织网络协议中的路由路径选取原则是，相邻节点进行信息数据的转发过程中，选取位置相对移动参数MY较小的节点，作为下一个信息传输的跳跃点，节点获得一组路由信息后，将网络的路由信息表进行更新，并发出新的RREQ(RouteRequest)请求数据包。
4 实验仿真研究
应用NS2仿真软件[5]，进行了改进自组织网络协议的仿真实验研究，通过相应的实验结果可知，自组织网络节点移动预测算法，能够较好地描述节点移动的变化情况，并且随着网络节点数量的增加，预测的节点数度更加接近于实际情况。
基于自组织网络的位置移动特性，将相应的节点预测结果，应用到自组织网络的路由协议中，依据相应的网络端点相对延时性能，以横坐标为网络的正常运行时间，纵坐标为网络端点延时，改进后的自组织网络协议，对于端点间的网络时间延时，有较好的较低效果，同时在自组织网络中节点选取路由时的标准是，选取移动性能相对交换的节点，为跳跃节点。基于50个网络节点，进行改进前后的自组织网络协议对比，如图4所示。
5 结语
关于无线自组织网络的高效路由协议研究，一直是人们所关注的重要热点问题。依据无线自组织网络的结构特点和相应的节点移动模型基础上，实现了节点与邻近节点之间的移动位置特性确定的原则。在移动位置特性参数的前提下，明确改进无线自组织网络路由协议的相关思路，应用网络节点移动仿真工具NS2平台，对于无线自组织网络50个节点的前提下，进行相应路由改进前后的协议端点之间的延时时间计算。结果表明，改进后的无线自组织网络协议，降低网络端点之间的延时，能够有效对网络性能进行提高。
参考文献
[1]郑相全,等.无线自组网技术实用教程[M].北京:清华大学出版社,2010.
[2]蔡一兵.无线自组网MAC及路由技术研究[D].北京:中国科学院,2006.
[3]于宏毅.无线移动自组织网[M].北京:人民邮电出版社,2008:11-25.
[4]丁宁,赵春晓,高路.校园无线移动模型的研究[J].计算机应用与软件,2009,26(4):37-39
[5]The Network Simulator-ns-2[OL].http://www.isi.edu/nsnam/ns/.
[6]余旭涛,毕光国,王霄峻,等.Ad Hoc网络按需路由协议的改进[J].计算机学报,2004,27(6):838-843.
[7]李建东.大规模无线移动Ad Hoc网络[J].深圳大学学报:理工版,2004,21(4):283-286.
[8]张继荣,赵颜.自组织网络按需路由协议的性能研究[J].西安邮电学院学报,2011,16(1):21-25.
[9]陈林星.移动Ad Hoc网络[M].北京:电子工业出版社,2009:1-11.
[10]Khelifa S,Maaza Z M.An Energy Multi-path AODV routing protocol in ad hoc mobile networks[C]//ISVC,2010 5th International Symposium on,2010:1-4.
[11]钱钊.基于位置信息的移动自组织网络路由算法研究[D].哈尔滨:哈尔滨工业大学,2013.
自组织视域下的自媒体研究 篇11
过去的一年里，无论PC端还是移动端，单个自媒体与自媒体平台均获得快速增长。除去既有的微博、微信两大自媒体平台，2013年，互联网大佬持续发力，营造自媒体阅读平台。8月，网易继UGC精选栏目“真话”之后，云阅读宣布开放自媒体入口，并对自媒体人开放其移动阅读用户；新浪继“专栏”资源聚合之后，在9月发布首款全媒体覆盖型解决方案，特别提到正在开发一套提供自媒体使用的系统平台，包括内容生产工具、专栏、博客、微博以及传播途径等解决方案，以及配套的广告分成政策和系统；12月，腾讯推出自媒体产品平台“大家”，签约袁伟时、张鸣、孔庆东等48位著名学者、专栏作家和意见领袖。紧接着，百度推出自媒体原创新闻平台“百度百家”，初期入驻作家采取邀请机制，首批作家阵营囊括互联网、时政、体育和人文等多个领域。这些互联网大佬打造的自媒体平台，并非完全是UGC模式，本文将其称为“干预式自媒体平台”。此外，还有一些专业内容的干预式自媒体平台，如“虎嗅”“雷锋”“36Kr”等，在用户创造内容与编辑精选内容之间寻找平衡。
在移动端，原央视制片人罗振宇的个人自媒体“罗辑思维”、高晓松的“晓说”、韩寒的“一个”、80后青年大巴创立的“理财巴士”、梁冬、吴伯凡二人合办的“冬吴相对论”，以及脱口秀“百话读史记”“女孩子卧谈会”“知识派对”等个人自媒体脱颖而出。此外，自媒体平台荔枝FM、知乎、犀牛等自媒体平台也迅速崛起。
自媒体的蓬勃发展，创造出多元内容生长的媒体生态环境。尽管自媒体这一概念被吵得火热，但对于自媒体这一概念的理解，目前却多有误区。
自媒体的“自”≠自己（个人）
自媒体最常见的理解是将自媒体的“自”理解为“自己”，自媒体就是个人媒体、非专业媒体。我们以自媒体“罗辑思维”为例，2013年，创办人罗振宇用了6小时，收到160万会员费，成为一个成功赢利的自媒体典范，引来业界的羡慕嫉妒恨，并成功接到多个广告。“罗辑思维”实现收费之后，由于粉丝不断增多，老罗一个人忙不过来，引进5个人团队，由老罗统筹，其他人各有分工，各司其职。这时候的“罗辑思维”已经接近于一个小型的广播电台，只是没有办营业执照。如果在国外，“罗辑思维”完全可以去申办一个电台。问题由此而生，做大之后的“罗辑思维”还是自媒体吗？如果我们将自媒体定义为个人媒体，就会出现这样难以回答的问题。 因此，小与大、有无执照并不是自媒体与专业媒体的本质差别。因为，这种自媒体，它的内容生产机制与运营模式与专业媒体并无差别。
“自”的第一重理解：“我们”的媒体
自媒体一词，起源于20世纪90年代美国的公民新闻，可查资料最早见于美国学者丹·吉尔默（DAN GILLMOR）给自己的专著We Media的命名。美国新闻学会（The American Press Institute）的媒体中心（Media Center）对“We Media”下了一个很拗口的定义：“We Media是一个普通市民经过数字科技与全球知识体系相连，提供并分享他们真实看法、自身新闻的途径”。国内自媒体联盟也称作“We Media”。
综上，我们看到的所有关于自媒体的定义都是“We Media”，而不是“My Media”，即自媒体是指“我们的媒体，而不是我的媒体”。我们与我的区别在什么地方？我们是一个集合，我是一个个体，我只是我们的一个组织部分。我们研究的自媒体是指自媒体的集合。
对于自媒体的研究，争论的要点并不在于以“个体”作为研究基点的合理性。在人类对所谓“集体主义”认识付出沉痛代价，蒙受了像奥斯维辛集中营和古拉格群岛对人类尊严的亵渎以后，沒有人会怀疑“个体”（独立精神、独立思想、独立人格）对社会所具有的终极价值和意义。在此，我们需要澄清的是：即使存在着一种完全孤立的“原子式”的个体与脱离环境的“自由意志”，这种个体对整体社会的影响也是微不足道的，如果合作为人类提供了更大的效率空间，那么我们的研究重心应该是基于个体所诞生的集合行为。
芝加哥社会学派的创始人米德 ，曾经提出并论证过“社会自我”的概念。米德认为，不存在完全脱离社会的“自我”，所有“自我”事实上都是“社会自我”和“个体在群体内的相互作用”。 本文论及的自媒体个人主义与上述观点相同，并非是指一种脱离开社会与群体的个人主义，而是一种社会交互下的个体，是指群体中的个人，离开了群体，这种个人也就失去了意义。因此，我们研究的对象是博客、维基、微博以及各种SNS网站，而不是老徐博客、“罗辑思维”这样单个的自媒体。
在现有关于自媒体的定义中，有人将“自媒体”理解为“个人媒体”，即独立的、原子式的个人媒体，如果将“自媒体”等同于“个人媒体”，是一种对自媒体的简单化理解。如果我们把自媒体受众简单理解为单个的、独立的个体，忽略了个体在群体内的相互作用，孤立静止地理解用户在信息系统中的参与行为，而不去考虑用户自生产的信息在全局应用环境和整个系统中的动态发展趋势，就不能理解自媒体作为一种大众传媒形态与专业媒体相比肩的力量来源。
“自”的第二重理解：自组织的媒体
现有关于自媒体的研究，多采用“受众主体”的研究视角，过多地将研究视点放在“受众参与”上，认为“受众自我参与”是自媒体的核心，而对自媒体的生成与演变机制研究甚少。这就是本文所说的自媒体“自”的第二重含义：自媒体是一种自组织的媒体。
很多人对“自组织”这一概念并不陌生，国内谈及自媒体的文章经常会提到“自组织”这个名词，但对“自组织”的严格定义，却并未被重视。这一定义是在20世纪70年代，由德国理论物理学家H.哈肯（协同学创始人）首次提出的。哈肯认为：“从组织的进化形式来看，分为两类：组织（即被组织或他组织）和自组织。如果一个系统靠外部指令而形成组织，就是他组织。如果不存在外部指令，系统按照缔结默契的某种规则，各尽其责而又协调地自动地形成有序结构，就是自组织。
nlc202309020757
他组织不用多解释，这是整个现代工业化生产中典型的一种组织形态，世界上绝大多数的广播、电视、报纸、杂志等专业媒体都主要遵循他组织的形态来维持日常运转。传统的大众传播学研究正是建立在这种组织形态基础之上的研究。
自组织形态的研究并未像他组织一样引发传播学研究的大范围关注，但在自媒体的应用实践中，却存在着大量遵循自组织规律的成功实例，比如维基百科、新浪微博和SNS的典范Facebook，我们都惊讶地发现它们在最小的管理下呈现出最大限度的组织性，这种自组织形态下自发生成的惊人秩序与惊人传播能力，绝非专业媒介可以比拟。依照既有的有序化专业媒介管理原则也无法对其进行有效解释。在学界与业界，大家都不约而同地认识到了这是一种新的媒介组织现象，但却没有把它上升到一种理论高度来进行解读。
而在系统哲学中，自组织与他组织是早已被广泛认同的两种完全不同的研究范式，在实际应用中，关于自组织等复杂性网络设计理念也已运用到互联网的研发思想中，而传播学中，对于自媒体的研究却依然停留在组织理论范畴，即仍然用着传统大众传播学范式进行分析， 这是一个很大的误区。整个社会的变革尽管在不同领域、不同层面上展开，但其本质却是相通的。运用协同学中的自组织理论来研究自媒体的生成与运营机制，则是创新的研究范式，打开了传播学研究的新视域。
自组织的生成机制
以自组织视角来看自媒体，我们可以给出自媒体一个新定义：自媒体是基于受众自我生产与自我消费所形成的一种自组织的大众传播形式。自媒体的自组织是如何诞生的呢？
1. 存在大量相互作用的元素——主体
主体是指网站系统中具有适应性的用户，用户是自组织的创造者。所谓具有适应性，指用户能够与网络环境以及其他主体进行交流，在这种交流的过程中‘学习’或‘积累经验’，并且根据学到的经验改变自身的内容和行为方式。整个网站系统的演变或进化，包括新层次的产生、分化和多样性的出现，新的、聚合而成的、更大的主体的出现等，都是在这个基础上出现的。主体的存在是自组织形成的源泉。
自组织的主体具有如下3个特征：
（1）智能体。主体是具有智能创造能力的主体，无论是在豆瓣还是在维基百科中，如果用户没有智能贡献，只能成为这些网站的看客，而不能称其為参与性主体，只有对网站内容作出贡献，将自己的理解知识和兴趣爱好智能因素表现出来才是这些网站的主体。
（2）适应性。所谓适应性是指主体的自我学习能力和自我调适能力，主体可以在短时间内学会复杂性，适应系统的操作与使用规程。比如微博、微信、豆瓣、Facebook是怎么玩的。
（3）异质的。是指主体在重要的特征上存在差异。主体之间具有个性化差别，各有所长，这些差别是系统自组织形成的根本保证。试想如果豆瓣中的用户都具有相同的兴趣、喜欢相同的书籍，那么豆瓣也就不可能存在各具特色的分类、小组及书签，也就不可能形成这么丰富多彩的结构和内容了。
2. 信息处于复杂适应系统中
信息处于复杂适应系统之中是系统实现自组织演化的基本条件，系统的自组织是无法通过人工方式创造的，但是通过创造自组织产生的结构条件，促使自组织产生却是可能的。研究复杂性适应系统的特点，对于促使信息系统形成自组织具有重要意义。复杂适应系统有如下5个特征：
（1）系统开放
开放是指系统与环境必须进行物质、能量、信息的交换。信息系统本身就具有开放的特性，新技术的引入、人员素质的提高、系统功能的改进以及人机结合形式的调整，无不体现信息系统与环境的交换，体现着开放性。也只有当系统处于充分开放状态时，才可以人机互动。
Web2.0自形成之初就非常重视系统的开放性建设，开放源代码，反对知识产权的封闭一向是Web2.0的基本理念。
（2）系统远离平衡态（非静止）
平衡或近平衡不可能有发展的活力，只有远离平衡才有发展。一个开放的、有活力的集群系统，其内部结构不均衡的现象会经常出现。在复杂适应性系统中，环境变化信息通过交换传递进入系统，必然要求系统发生变化以匹配环境，就会破坏系统原有的平衡态。如果我们把一个完整的百科全书状态称为平衡态的话，那么一个刚刚起步的、许多词条尚待补充和添加的百科全书则是非平衡态。远离平衡态是系统维持更新的动力。
（3）系统内部强烈的非线性作用
线性结构是趋于稳定的一种结构设计，非线性是一种动态结构设计。这种非线性产生于内因，归之于个体的主动性和适应能力。我们通过新浪读书频道与豆瓣网可以看出，线性结构与非线性结构的差别，豆瓣的网状架构设计最大特点就是非线性。信息从一点到达另一点可以有多重选择，形成网站的复杂结构关系，为自组织的生成提供多种路径选择。我们通过小世界理论与SNS的设计模式验证了网状架构的网站中的惊人秩序性。
（4）系统具有多层次
系统由多层次构成，每一层次均成为构筑上一层次的单元，各单元之间的联系广泛而紧密，每个单元的变化都会受到其他单元变化的影响，并会引起其他单元的变化。系统在发展过程中能够不断地学习并对其层次结构与功能结构进行重组及完善。
（5）少数规则支配
系统涌现现象虽然复杂多变，但却不需要很复杂的规则，如同国际象棋的棋局，根据很少几条关于棋子合法行走的局部规则，就可以生成多种不可预测的棋盘局势。少数规则是保证系统涌现的重要原则。大量自媒体的成功实践也证实了这种少数规则支配原则。
自媒体的自组织性不能完全预知，也不能仅从微观层次单元推断总体。由于自组织体系的复杂性，以及这种系统设计理念中所依靠的主体用户的无穷创造性，使得不同自组织网站的建构都各不相同。换言之，全新的自组织形态在其自组织涌现出来之前，是不能完整地预测出来的。从整体上来说，由于目前认知的片面性以及研究与实践时间尚浅，我们对于各种SNS涌现结果也不可能完全预见。但当我们超越自媒体研究主体视角，以全新的自组织研究视角来看自媒体时，会更加清晰地认识到它的规律性。正如自组织理论的著名学者约翰·霍兰所言：“只要问对问题，十有八九的难题都能解决。”
（作者单位：中国新闻出版研究院数字出版研究所）
参考文献
[1] 哈耶克. 个人主义与经济秩序之第一章个人主义：真与伪[M]. 北京：三联书店，2003.
[2]米德著，霍桂恒译. 心灵、自我与社会[M]. 北京：华夏出版社，1999.
工程系统中的自组织技术研究 篇12
1 自组织的概念与特征
自组织系统在各个学科中定义不尽相同, 普遍认为自组织系统为一些个体集合, 可无需通过外部控制, 系统通过个体之间的局部相互作用的实现全局行为。
一般来说, 自组织系统具有如下的一些特性[1]:
(1) 分散控制。指的是系统主要利用个体的局部交互作用影响全局行为。
(2) 涌现性。一般来说, 涌现是一种来自系统各组元之间的相互作用的全局结果的现象。而系统全局结果相对于系统的组成部分是新颖的, 或者说系统内部组成部分的交互作用是无法预测系统的全局行为的。涌现的例子包括:蚂蚁系统中蚂蚁个体通过信息素交互产生的全局路径、鸟群的迁徙、汽车之间的相互作用而产生的堵车等等。
(3) 自适应性。一个自组织系统会自动调整系统状态以适应环境的变化, 即其具有一定的抗扰动能力和自适应维持其结构的能力。
(4) 进化:进化是自组织系统涌现和自适应性的结果。
2 自组织系统的求解模型
利用自组织系统研究工程问题, 需要对自组织系统模型进行研究, 使得其可以在数学上进行分析或通过计算机模拟研究。由于涌现行为不可预测性, 合理的模型可以提供了一个虚拟实验平台来探索涌现与局部规则之间的关系。目前, 研究较多的模型有元胞自动机 (CA) [2]和多智能体系统 (MAS) [3]。
2.1 元胞自动机
元胞自动机模型是一个研究自组织系统的模拟方法, 其实质上是定义在一个由有限离散状态的元胞组成的元胞空间上, 并按照一定的局部规则, 在离散的时间维度上演化的动力学系统。元胞自动机是一类模型的总称, 或者说是一个方法框架。其特点是时间、空间、状态都离散, 每个元胞只取有限多个状态, 且其状态改变的规则在时间和空间上都是局部的。元胞自动机自产生以来, 被广泛地应用到社会学、生态学、计算机科学、物理学、化学等领域。
2.2 多智能体系统
多智能体系统 (MAS) 是通过多个智能体相互交互和作用而使得系统达到某种目标的计算系统。MAS方法中包含组成系统的智能体和环境的定义以及智能体之间的相互作用。MAS系统中环境作为智能体生存活动的空间, 将MAS组织成一个整体, 为智能体提供通信和协调平台;智能体被认为是具有智能性和自适应性的个体, 遵循一定的规则, 根据自身的局部信息与环境和其他智能体的交互作用来调整自身的状态和行为, 使得系统逐渐进化, 从而在整体上显现出更高层次的有序性。换句话说, 系统是基于分散控制的思想, 根据智能体的局部适应度函数来评价组成整体解的智能体的状态变量, 每个智能体根据局部信息和局部适应度函数在当前解得邻域内作出相应的决策行为, 通过智能体之间的相互竞争与协作等局部相互作用, 系统自组织涌现出宏观的结构。
元胞自动机模型中各个元胞一般是同质的并遵循相同的邻域和局部规则, 其元胞状态更新也是同步的;而多智能体系统中的智能体可以是同质的, 也可以是异质的, 并且各个智能体具有独立性和自主性, 其邻域设定和局部作用规则也不尽相同, 智能体的状态更新可以是同步的, 也可以是异步的。因此, MAS对于复杂系统的具有更强的表达力。此外, 若将元胞自动机中的元胞看成智能体, 元胞的邻域结构和局部规则对应看成智能体邻域结构和局部规则, 则元胞自动机可以看成一类特殊的MAS系统。MAS方法已被证明是非常适合研究复杂系统涌现性质的模拟系统。
3 自组织系统机制与应用
3.1 直接相互作用机制
直接相互作用机制是直接设计个体的局部相互作用的自组织机制。其基于一些基本的原则如局部化和广播, 智能体通过直接的局部的耦合作用自组织涌现出全局状态。与传统的分布式算法不同, 自组织算法具有在环境中存在一定扰动的情况下, 系统能最终收敛到并保持需要的全局稳定状态, 也就是说系统具有较强的鲁棒性。
这种机制的典型实例是那些应用在自组装和分布式自定位领域。例如, 文献[4]中, 通过设计粒子的局部规则, 使得粒子自组织形成不同的形状。
3.2 Stigmergy机制
Stigmergy这个词是生物学家Grasse创造的, 用来解释白蚁的筑巢行为。它是一种间接相互作用的自组织机制:群体中的个体之间没有直接的相互作用, 个体通过改变环境的方式来发生作用。而环境的变化又会影响个体的行为, 其结果导致了环境的更新。这是一个信息的正反馈机制。
Stigmergy机制被广泛应用于MAS的设计中以获得需要的涌现特征。Brueckner等[5]将它作为Agent协作机制, 应用于移动自组网的管理中, 使得管理具有良好的自组织特征。Karuna等[6]等将MAS应用于工业自动控制, 并把Stigmergy作为其协调和控制机制, 使得整个控制系统具有涌现特征的预测能力。
3.3 强化机制
强化是导致生物系统中分化出“专家”和“一般劳动力”的机制。这主要通过两种方式实现: (1) Agent的工作效率随着经验的增长而提高; (2) Agent对相关刺激的阈值随着工作经验增加而降低。强化机制可以导致劳动分工和产生组织结构, 这是MAS中非常重要的一种涌现现象。强化机制是一种天然的学习方法, 学习和工作效率的提高往往被认为是产生劳动分工的主要原因。在强化学习过程中, Agent尝试在其环境中产生一些作用 (输出) , 然后收到一个关于该作用的评价 (报酬) , 学习算法选择性地保留那些最大化自身报酬的输出。强化学习一般通过奖惩函数来调整Agent的行为, 这样的交互学习作用使得系统具有较强的适应性和涌现特征。例如, Mazurowski等[7]将强化学习用于MAS通信, 以产生通信涌现。
3.4 竞争与合作机制
在自然界中, 各种生物与物种共同生存在一定的生活环境中, 这种生存环境中的资源是有限的, 它们必须通过竞争与合作才能获得自己生存所需的资源共同生存下去。通过这些竞争与合作的交互, 物种们不断进化和改变, 并相互影响彼此的进化过程, 因而自然界中的生物与物种之间实际上构成了一种协进化的关系, 生态系统逐步完善, 以适应环境。受生物系统协进化机制的启发, 工程系统所期望的集体行为可通过智能体协进化作用涌现出来[8]。换句话说, 系统的功能是在智能体的局部相互竞争与合作的作用中涌现出来的。每个智能体具有一定的自组织的能力, 能根据其知识和任务改变其与其它智能体和环境交互, 以适应环境的改变。
4 自组织系统在工程优化设计中的特点、优势, 存在的问题及难点
基于MAS的自组织系统设计对于复杂工程系统具有无可比拟的表达力, 可以成为研究复杂工程系统涌现行为的通用的模型和求解框架, 其基于分散控制的思想, 能充分挖掘智能体的局部信息指导智能体的进化, 同时, 在系统进化过程中, 可以结合多种求解策略, 特别是结合具体问题的特征, 根据环境的变化有针对性的设计智能体相应的规则, 具有灵活性, 适应性与鲁棒性的优点, 大大提高求解问题的能力。
自组织技术在工程中的应用中, 大多数是利用自组织系统进行系统模拟与预测。而在工程优化领域应用的较少。对于设计自组织涌现系统应用于工程优化问题, 其关键问题在于如何设计个体局部相互作用, 使得智能体的微观行为能涌现所要求的宏观性能[7]。然而, 由于自组织涌现的具有新颖性以及难以预测性, 使得自组织系统的应用于工程优化设计很难实现。因为我们很难根据想要的系统优化设计目标来推断出局部作用规则。
目前, 存在着三种方法寻找局部作用规则, 即解析方法, 仿生设计, 试错方法。解析方法主要用于所研究的问题模型相对简单, 所需局部规则可以通过对全局属性的解析得到, 但这种方法局限性比较大。仿生设计方法主要通过生物系统的启发来设计局部规则, 仿生设计可以希望得到较好的设计结果, 但它需要找出生物系统与所解决问题之间存在相似关系。试错方法是三类方法里面最一般的方法。然而, 可能出现的巨大的参数空间和经常反直觉的涌现性质都给这类方法带来很大的麻烦[7]。
5 总结与展望
工程系统中自组织涌现算法具有分散控制、自适应性、鲁棒性、灵活性以及扩充性强等优点。但其研究与应用仍存在以下几方面问题: (1) 它们均是基于概率搜索的方法, 从数学上对它们的正确性与可靠性的证明非常困难, 仿真成为一种不可或缺的测试与验证方法。 (2) 系统的高层次的结构是通过的个体之间的简单交互作用涌现出来的, 但由于涌现行为不可预测性质, 如何设计智能体之间的局部交互行为使得系统能够涌现出所希望看到的高层次的行为结构是一个极为困难的问题。
相比于自上而下设计的智能算法, 自组织涌现的方法求解复杂工程优化问题更有优势, 但也存在一些问题和困难, 今后的工作可以从自组织系统构建、邻域结构设计、交互机制设计等方面做深入研究, 使自组织求解成为复杂工程优化的高效的求解框架。
参考文献
[1]Heylighen F.The science of self-organization and adaptivity[J].The encyclopedia of life support systems, 2001, 5 (3) :253-280.
[2]Fredkin E.An informational process based on reversible universal cellular automata[J].Physica D:Nonlinear Phenomena, 1990, 45 (1) :254-270.
[3]黄红兵.基于涌现视角的多Agent系统分析研究[D].长沙:国防科技大学, 2009.
[4]Mamei M, Zambonelli V F.Self-Organizing Spatial Shapes in Mobile Particles:The TOTA Approach[C]//Engineering Self-Organising Systems.Springer Berlin Heidelberg, 2005:138-153.
[5]Brueckner S A, Parunak H V D.Self-Organizing MANET Management[M]//Engineering Self-Organising Systems.Springer Berlin Heidelberg, 2004:20-35.
[6]Karuna H, Valckenaers P, Saint-Germain B, et al.Emergent Forecasting Using A Stigmergy Approach In Manufacturing Coordination And Control[J].Lecture Notes in Computer Science, 2005, 3464:210-226.
[7]Mazurowski M A, Zurada J M.Emergence Of Communication In Multi-Agent Systems Using Reinforcement Learning[C]//Computational Cybernetics, 2006.ICCC2006.IEEE International Conference on.2006:1-6.