多模式网络（精选11篇）
多模式网络 篇1
在技术壁垒、多样化需求、全球化分工影响下,新兴产业发展成为保持国家竞争力、增强对金融危机抵御能力、促进区域经济结构优化的关键。 产品高端性决定了创新过程依靠互相关联的技术链, 企业形成了多节点竞合关系,同时关键技术突破程度、顾客需求存在着不确定因素,新兴产业复杂性和风险性导致其成长呈现多方向、阶段性重组整合的网络特性。
1主要文献综述
自弗里曼提出创新网络概念以来,创新网络被认为是实现新兴产业创新扩散、产业融合的主要途径。其理论研究注重创新关系中不同个体的交互作用和结构差异,改变了BASS模型注重整体性分析的传统创新思想。
目前对创新网络研究主要集中在网络特征、功能、对创新绩效影响几个主要方面,Burt[1]较早提出创新网络中的 “结构洞”特征,认为在网络拓扑结构中节点之间分布具有较明显的异质性,对 “结构洞”利用程度不同会使参与者在信息获取和网络控制能力方面具有较大差异; Steven Caspera等[2]通过比较英国、德国新兴产业集群中创新组织间人员交流特点,提出创新网络中 “小世界” 连接模式。 创新网络相关概念的相继建立使创新网络研究进一步扩展,针对结构模型对创新网络内部资源的影响、 创新网络促进产业发展的途径,学者们提出了不同观点,其中Ahuja[3]的观点具有一定代表性,认为创新网络结构利于不同成员合作,交互联系关系促进了知识的获取与整合,并形成新的知识扩 散源; Boase认为知识共享与行动的一致性降低了创新网络中的交易成本、促进了网络绩效提高; 此外Mc Evily等[4]从 “结构洞”企业获得互补性信息与知识角度解释了创新网络作用。随着创新网络实证研究增加, 如何确定创新网络的绩效成为创新网络理论亟待解决的问题,多角度绩效研究如企业收益、组织效率、 外部溢出等成为创新网络研究的热点[5]。如Ritter等[6]通过分析企业在创新网络中绩效,认为企业成长与其在网络中位置有关,而更重要的是与其他组织关联中整合网络资源的能力,在与其他组织的交互发展中,创新网络成员更趋向于具有互补性并且长期、稳定的合作关系[7]; 创新网络成员与外部信息、知识交流效率促进了不同节点的创新能力增强, 进而提高网络绩效[8]。
目前新兴产业创新网络的研究仍存在着不足, 多数研究只注重结构、组织特性等单一因素的作用效果,基于多目标的创新网络研究较少,网络优化研究则刚刚开始被学者所关注。针对创新网络中企业具有的异质性,本研究根据新兴产业创新网络中不同企业特征,将企业划分为领先企业和跟随企业, 明确不同企业在新兴产业创新网络中特殊功能,构建了两者相互作用的并联模式,应用粒子群神经网络对网络要素进行优化,结合中航集团案例探讨了促进创新网络发展的要点。
2新兴产业创新网络并联模式
新兴产业的并联模式由领先企业带动机制、跟随企业后发机制、企业间网络关联机制共同组成。
2.1领先企业带动机制
新兴产业发展基础是关键技术的突破,新产品的形成改变了已有的技术集成方式。领先企业在技术优势、供应商、消费市场建立、商业模式形成等方面形成了优势[9]。这种优势在短时间内其他企业难以模仿和超越,促使领先企业成为创新网络中知识扩散的中心点[10],跟随企业在创新网络中需要从领先企业 中获得技 术、管理经验 等多方面 的支持[11]。领先企业在纵向集成过程中,可以通过与供应商和销售商建立稳定的信任关系,改变企业的外部环境,使其价值 链得以延 伸,增强其领 先优势[12]。共享过程并不单独存在与企业内部或企业之间,而是将不同内外部资源作为创新网络中的一部分进行系统性组合,其特征是改变了企业边界[13]。
领先企业的技术优势是促进新兴产业发展的基础,优势的保持与形成过程是不可分割的,其技术溢出在产品第一次商业化过程中已经开始,持续的改进会在技术应用于市场过程不断完善,跟随企业通过制造许可、FDI等技术溢出途径可分享到相应的适用技术。为阻止这种负面外部性,领先企业的知识保护是首选策略; 同时领先企业在创新网络中通过优先占有供应商、企业家、品牌与顾客联系, 扩展其在成本、市场份额上的优势。随着产品成熟度提高,领先企业的竞争方向已由提高产品功能、 增加附加价值转向形成技术壁垒,将标准竞争作为保有市场盈利水平的基本方法,制定新产品的技术标准形成了对跟随企业的进入障碍。领先企业在标准竞争中由于面临着较大的不确定性,相关企业参与形成标准联盟可进一步提高对产业发展的控制能力。
限制性标准使领先企业具有成本和市场份额的优势,但同时也减少了其对创新网络资源的利用, 领先企业在保有核心技术同时与跟随企业共享创新网络资源是新兴产业发展条件。领先企业通过产业链条延伸、空间聚集效应、技术转移等方式形成以其为核心的创新网络联盟,将部分产品采用外包生产,在降低自身成本同时增加市场供给量。1982年IBM公司公布除BIOS外的技术标准、GMC移动通信标准联盟的形成,使得计算机和移动通信从技术突破过度到市场规模拓展。领先企业在确定行业标准同时对新兴产业的运营平台有着直接的影响,如Google的免费搜索平台、Ebay的Seller’ s Assistant软件和Turbo Liste服务、淘宝网的 “支付宝”对于降低产业进入障碍、形成顾客群体产生了带动作用, 降低了跟随企业进入成本,促进新兴产业结构和规模的变化。领先企业带动作用如图1所示。
2.2跟随企业后发机制
领先企业在形成市场先动优势后同时往往会产生 “创新惰性”,原因来自于技术更新的风险性、 现有市场垄断带来的稳定利润、对已经形成商业模式的依赖,使领先企业的创新过程由以突破式创新为主转变为以渐进性创新为主,其竞争优势的减弱使得跟随企业有机会超越领先企业形成后发优势。 创新知识随着产品生产、销售、技术管理人员流动在创新网络中扩散,使得跟随企业可以通过不同渠道获得领先企业的显性和隐性知识,跟随企业可以利用较少的资源投入、较低的创新风险形成新的创新过程[14]。
跟随企业创新过程能否形成后发优势取决于其自身的对于外部知识接受能力、内部知识整合能力、 资源调配能力和规模化能力等多方面的因素。20世纪90年代以来,产品复杂性、技术资源专业化、区域交流成本降低使企业在创新过程中利用外部资源比例明显高于内部资源[15]。创新网络中吸收外部资源能力受 企业文化、学习路径 影响呈现 不同效果[16]。组织中合作团队的形成、对不同意见的包容、乐于分享管理经验、成员中相互信任都有助于对外部知识的吸收,而较高层管理着的接触、正式的项目形成 “小世界”结构开发,缩短了学习路径。
跟随企业有目的地学习并与内部资源进行整合, 这种开放性吸收和动态重组过程使企业有效利用异质零散资源弥补内部知识局限[17]。跟随企业在创新知识吸收与整合过程的差异,决定了其发展为以低成本优势为主的模仿性企业、还是以超越为主的后发优势企业。对于形成后发优势的企业,利用创新网络中的学习机会,逐渐完善企业的技术体系,将可利用的内外部资源进行重新编码,使新的技术优势与市场需求结合,形成企业的新创新方向。如中兴手机通过与摩托罗拉公司建立联合实验室、与TI公司建立定期培训制度,获得了GSM双频手机、 GSMLayer2 /3等技术创新突破。技术的跨越式发展进而引发企业的组织变革[18]。企业家将创新机会、 企业资源、市场需求与企业内部新的运行方法结合, 形成利于未来发展的企业管理模式,实现从技术到流程的超越[19]。跟随企业的后发机制如图2所示。
2.3企业间网络关联机制
企业与顾客、供应商、科研机构及大学共同形成交错相连的创新网状结构[20]。其发展过程就是从创新网络中获取其缺乏资源的过程。企业所处的网络特征对其交流、学习效率有着直接影响[21]。创新网络的 “结构洞” 体现了网络组织之间的中介作用: 企业位于 “结构洞”时可实现不同组织间的信息与知识的交流,是企业互补性知识和异质性知识的来源,增加了创新过程中新产品和管理经验的传播; “结构洞”连接企业的不同特点,会引起其连接企业在创新过程中采用渐进性或根本性创新策略。
创新网络中的企业关联体现了横向和纵向交互关系,企业为了获得市场资源或互补性知识,多趋向于横向联系[22]。如Web Kit是网络浏览器最为流行的引擎,苹果、Google和Opera同时采用这种技术,随着这款综合了稳定、快速和共享特点的引擎联合开发,使得三家企业在浏览器市场上的份额得到了巩固; 2013年波音和洛马公司宣布共同开发新一代远程轰炸机,如竞标成功则两家公司将垄断美国空军战机市场。
创新网络中纵向关联则更多地体现为领先企业对跟随企业的带动作用,将其技术、管理经验扩展到供应商或销售商,从而将企业管理理念扩展到企业外部,通过网络关联实现交易成本的降低。如丰田公司的准时化生产由于在初期没有兼顾零部件供应商利益,导致了供应商对丰田公司的抵制,为了实现全方位的精益生产,丰田公司将供应商和经销商纳入其知识共享系统,形成了创新网络的密切协同关系。
创新网络的中关联强度体现在关联稳定性与关联密度两方面。联合研发、战略联盟及契约合作是创新网络中通常的强关联,能有效地控制知识扩散。 强关联企业间的技术引进、分包生产、风险共担提高了知识共享能力,组织结合紧密利于隐性知识扩散,但也存在知识异质性不足的问题,适宜形成渐进性创新模式。共享企业间的分销渠道与供应商、 单一技术的许可协议以及企业的特许经营是主要的弱关联形式。弱关联可以使企业接触到不同资源, 松散的组合方式利于企业进行探索性创新,随着对产品或技术成熟度,提高往往向强关联过渡。
新兴产业创新网络的相互关联使领先企业与跟随企业只是在阶段上划分的结果,在创新网络发展过程中两者可以互相转化。技术突破或商业模式改变使领先企业在从产品设计到销售的过程形成具有独特竞争力的自主创新模式,产品优势和管理诀窍提升了企业市场信誉,凭借拥有的知识产权建立符合企业利益的行业标准体系,与创新网络中其他企业共同建立营销网络,扩大了产品销售范围并保持有利的市场地位,通过FDI等形式优化生产成本、 形成全球化的加工网络,继而进入不同区域的市场。 领先企业在拓展市场同时也通过互补性合作获得合作企业的技术、成本等资源,通过创新网络联盟、 外包生产、建立共享平台带动新兴产业结构与规模的发展。
跟随企业虽然不具有领先企业所具有的创新人才、高端技术、风险资金、产品声誉等优势,但在新兴产业市场快速发展中通过对高端产品的模仿和简化设计、建立广泛的零配件供货渠道,可以减少研发风险与产品价格,利用其成本优势获得一定的市场份额,并在与领先企业强关联合作过程中形成适合本企业的新产品开发、质量管理及营销体系。 跟随企业在创新网络中不处于中心位置,与其他组织的合作强度较弱,降低了其获得信息、知识的能力,但由于网络冗余较少,企业可以有更多的机会构建新的网络节点,多方面学习新知识,从而构建与现有领先企业不同的知识框架。跟随企业在技术、 市场和管理方面不断积累,使其具有与领先企业竞争的能力; 同时其规模的扩大增加了新兴产业行业内竞争,会带来产品价格下降、顾客群体数目增加的产业发展效果。此时,跟随企业一旦具有技术或运营模式上的突破,则具有明显的后发优势。新兴产业创新网络关联机制如图3所示。
2.4并联模式的变量度量
依据新兴产业创新网络并联模式,创新网络中领先企业与跟随企业交互发展是网络绩效提高的基础。而不同类型企业在创新网络中具有明显的功能差异,领先企业的作用主要在于形成产业根本性转变、得到标准化产品; 而通过知识扩散、市场竞争, 跟随企业吸收技术和知识资源,形成成本优势。这些是在创新网络组织间以契约、技术许可、供应链等形成相互关联的效果。
对于创新网络并联模式,度量指标可以分为领先企业开拓能力、领先企业共享能力、网络关联强度、跟随企业吸收能力、跟随企业规模化能力5个方面。其中,领先企业开拓能力是企业形成技术专利、限制性标准、建立新的商业模式的综合; 形成创新联盟、构建技术共享平台、技术转让则体现领先企业共享能力; 在相关技术中有效地识别企业发展的适用技术、与内部优势进行整合、形成利于新知识应用的组织模式是跟随企业在创新网络中吸收能力的主要方面; 技术改进与积累、成本优势形成、 学习的异质性是跟随企业规模化的评价指标; 创新网络中不同类型企业关联的持续时间、纵向或横向网络开放度、网络集中度、网络规模与结构洞度则从时间、空间与强度不同方面评价了创新网络的关联程度。
3新兴产业创新网络优化方法
3. 1粒子群优化算法改进方向
粒子群算法自20世纪90年代中期被提出以来, 由于在优化过程中具有结构层级少、易于收敛等优点,与蚁群算法、文化算法等成为具有优势的算法之一。但在求解中,基本粒子群算法容易出现落入局部极值和精度达不到要求的问题。对此,后续学者提出了多方面的改进策略,如惯性权重、速度钳位、交叉机制等。
基本粒子群算法中控制粒子位置和速度主要依据迭代过程中出现的最优解,单一的最优解使粒子漫游区域局限在较小的范围,难以形成对可行域中较大区域的搜索。本研究将最优解扩展为具有一定数量的解集,解集向量为当前最优的种群,其选择规则为: 将迭代后不同种群得到的最优解集与已有最优解集进行筛选,淘汰较差的粒子。经过比较和选择的粒子成为控制迭代方向的精英种群,精英种群的存在使粒子搜索范围由单点转变为集合,增加了算法搜索初期最优解范围,同时在收敛阶段进行多粒子比较使最优解的确定更为精确。
粒子群算法在迭代过程中需要结合以前粒子的最好位置、精英种群优化粒子位置及漫游过程的最佳方向,而漫游方向更多地取决于变异策略。为获得较好的搜索范围和精度,根据搜索不同阶段的特点对变异策略进行调整: 搜索开始阶段为增加精英种群的多样性采用均匀分布; 当搜索过程达到设定条件后,转向采用高斯变异策略,基于高斯概率分布特点,在减少变异控制参数的同时扩展了搜索空间,提高了收敛速度并增强了全局搜索能力。
3.2优化算法结构设计及实现
精英种群和基层粒子群在优化过程中形成相互关联的层级结构,精英种群为基层粒子群中选出的最好的粒子构成,再经过迭代后形成精英种群最好粒子回到基本粒子群。为增加搜索过程的多样性, 算法中下层的每个子群分别进行初始化和独立搜索, 基层粒子相互独立,在初值设定与迭代过程中相互不发生联系,每个基层粒子群迭代时最优解具有一定的差异,并且搜索范围也并不相同。通过精英种群与基本粒子群间信息传递,构成具有较大范围的精英种群集。为确保候选解的多样性,每个子群设置不同参数,如权重、最大和最小速度等。
3.3改进基础子群的进化规则
粒子群算法中基础子群的进化取决于精英种群、 粒子自身对漫游方向的记忆和基础子群的漫游方向, 为此在粒子速度计算公式中加入使粒子趋向于精英种群的调节变量c3和r3,使基本子群在记忆自身漫游方向基础上与精英种群变化趋势一致。以下为进化规则:
3.4改进上层精英种群变异策略
粒子群算法中精英种群的变异策略影响着粒子漫游方向与位置,其变异算子可控制其在搜索空间的分布及粒子移动速度。采用均匀分布算子可以增加精英种群粒子分散程度,提高精英种群粒子的多样性。在粒子满足公式xij(k + 1)= xij(k)+ δ 时,变异策略转变为高斯变异。高斯变异粒子位置控制参数只有一个利于提高收敛精度,粒子以不同概率分布在搜索区域内,增强了获得最优解能力。改进算法实际是一种多种群双进化机制,具体描述如图4所示。
4实证研究
通过对中国航空工业集团公司 ( 中航工业) 的实证研究,验证基于粒子群神经网络的新兴产业创新网络优化模型。中航工业是我国进入世界五百强的企业之一,是由具有技术和资金优势的20余家上市公司及为数众多的子公司组成的大型企业,拥有30多所研发机构,为中国空军提供歼击机、无人飞机等先进武器,同时新舟系列支线客机、运8、运12、直9等产品使中国航天产品进入到民用飞机国际市场,已形成以军用产品研发为先导,通过项目开发进行知识扩散,由技术集成拓展民用市场的创新网络。选取中航工业17家企业作为创新网络样本,原始数据通过调查问卷获得。共发放调查问卷230份, 其中有效 问卷173份, 问卷有效 率为75. 2% 。根据新兴产业创新网络概念模型,创新网络结构含领先企业开拓能力Ra和共享能力Sa、创新网络关联强度h、跟随企业吸收能力Rb和规模化能力Sb共5个参数。根据创新网络的运行方式,如果已知不同指标的参数,就可以计算出创新网络的时间和成本。计算公式如下:
式中: i表示第i个关联方式; j表示第j种运行模式,这里假设共有n种参考运动方式; strij为单个企业类型的时间; Fij为单个企业类型的成本。对于新兴产业创新网络最优参数的确定,应使创新网络中不同关联方式的关联时间和成本最低,为多目标优化问题,可将关联函数相乘形成单目标优化问题。即:
将基本粒子群算法与改进后的算法优化结果进行比较,两者在迭代4 ~ 5代时搜索效果十分接近, 但之后两者显示出较大差异: 基本粒子群算法出现了 “早熟”问题,没有达到全局极值; 而改进粒子群算法具有较强的全局搜索能力,其搜索的极值比基本粒子群算法低。5个指标的最优点值为 { 2. 05, 2. 16,2. 89,0. 21,0. 51 } ,函数值为25196; 而基本粒子群算法最优点为 { 1. 92,2. 04,2. 76,0. 21, 0. 53} ,数值为26084。如图5所示。双层种群、改进的进化规则和种群变异策略使改进粒子群算法的搜索能力和精度得到提升。
5结论
现有研究缺乏对不同类型企业对创新网络影响的分析,对共同作用下创新网络的优化未予以考虑。 本研究根据新兴产业创新网络中企业的特点构建创新网络中领先企业与跟随企业交互作用形成的并联模式,提出基于创新网络5种不同因素共同作用的优化模型。实证研究表明: 网络关联强度是创新网络首要的影响因素,是不同企业发挥各自优势的基础; 新兴产业创新网络优化是不同要素的协同效果, 不同企业投入要素最优值有明显的差异,跟随企业资源需求明显低于领先企业; 领先企业开拓能力相对于共享能力需要投入较多的资源。
依据新兴产业创新网络并联模式研究,政府应通过补贴、重大项目立项、拓展国际合作领域等方式促进新兴产业关键技术突破,建设产业平台、统一行业标准、规范企业合作法规、提高新兴产业创新网络关联效率,跟随企业的发展更多地依靠对低端市场的拓展,规范市场秩序、防止 “劣币淘汰优币”是维护创新网络持续发展的关键。创新网络优化中跟随企业后发优势的区域特点、领先企业引发的商业模式的变化未予考虑,需今后进一步研究。
多模式网络 篇2
以往的培训，许多教师挤在一个会议室听课，各种硬件条件差，夏天室外热火朝天，室内热浪滚滚，身上汗流夹背；冬天室外冰冻三尺，室内凉气嗖嗖，身上冷的直打哆嗦心里烦闷自不必说。应付公事，走走过程，无聊且没有价值。现在国家正在针对农村中小学骨干教师进行国培计划。老师只要打开电脑，进入河北省农村中小学学科骨干教师培训网，就可进行培训。与以往的培训相比，我认为网络培训有着以下的好处：
1、网络远程学习可在业余时间进行，学习时间更灵活
由于很多在职的教师还要忙于工作事务和照顾家庭、孩子，不能保证按时参加学校安排的统一课程或辅导，因此往往导致没时间学习，影响自己的业务水平的提高。而网络远程学习则主要通过网络进行，教学内容都基于网络呈现，教师通过网络提供实时非实时的辅导，这样学习的时间不再受到限制，学员可以根据自己的情况，避开忙碌的工作时间，自主选择相对轻松的业余时间比如工作日的夜晚、周末等来学习，一般平均每天学习1小时左右为宜，比较好地处理了学习、工作和家庭的矛盾，因而更适合在职人员的培训要求。
2、学习过程更自主，学员可结合个人实际情况自由控制和把握学习进度 学习是一项费时费脑的工作，只有充分发挥学习者自身的内在动力和潜力，才能使学习活动取得事半功倍的效果，而要调动学习者的主观能动性，必须充分体现学习活动自主的原则，只有自己做主，才能使学习活动由“要我学”转变为“我要学”，也只有自己做主，才能更好的协调各种矛盾，确保学习的深入和持久。
网络远程学习的学习进度主要由学生自己把握。这种因人而异、因时而异、因势而异的自主学习活动，对于确保学员深入持久的学习动力起到了十分重要的作用。
网络“自诊”害处多 篇3
这样做，貌似省时省力，但我以为一味依赖网络，甚至觉得网络可以替代传统医院诊病，这种观点值得商榷。我的朋友就有过教训，身为宅女的她，每天在网上购物、聊天、玩游戏，乐此不疲，有一阵子感觉眼睛不舒服，但她不去医院看医生，却是上网搜索怎么治疗。一连几天她眼睛痒、流泪，还伴有轻微的疼痛。她便上网在论坛上发了好多帖子，很多人都回复了，有的说可能是眼球里有寄生物，有的说是细菌感染，还有的说是上火，她按照大家的建议去买药吃，还是没治好。最后没办法到医院一看，原来只是红眼病，只需要用消炎眼药水滴眼，再配着药茶来辅助治疗就好了。
通过网络查阅疾病信息确实很方便，但是这些信息当中也存在很多错误，特别是一些个人的帖子，可靠性更差。每个人的病情都是不一样的，个体化特征比较强，往往同样一种病可能需要不同的方法来治疗，包括药量大小，等等。因此，患病后最好能及时与专业医生沟通，及时治疗，以免耽误病情或误诊。
中医养生专家中里巴人说过：“古有悬丝诊脉，尚可临帐听音，今朝网络断疾，全然隔山买牛。”其实，自己的病本来自己最清楚，人要多几分自信，可以上网查阅一些简单的祛病养生知识与方法，做到自我保健；但对于复杂的疾病，还是要去医院找有经验的医生来诊治，这才是明智之举。
多模式网络 篇4
计算机网络的广泛应用已经对经济、文化、教育、科技的发展产生了重要影响, 许多重要的信息、资源都与网络相关。客观上, 几乎没有一个网络能够免受安全的困扰。依据Financial Times曾经做过的统计, 平均每20秒钟就有一个网络遭到入侵, 而安全又是网络发展的根本。尤其是在信息安全产业领域, 其固有的敏感性和特殊性, 直接影响着国家的安全利益和经济利益。因此, 在网络化、信息化进程不可逆转的形势下, 如何最大限度地减少或避免因信息泄漏、破坏所造成的经济损失, 是摆在我们面前亟需妥善解决的一项具有重大战略意义的课题。
而入侵检测技术便是为保证计算机系统的安全而设计与配置的一种能够及时发现并报告系统中未授权或异常现象的技术, 是一种用于检测计算机网络中违反安全策略行为的技术。在检测机制中最重要的组成部分是多模式匹配算法, 它能有效地进行精确的模式匹配并且能够适应网络中数据量的不断增长。然而, 传统的模式匹配算法对于数据包的检测是不切实际的[1]。因为在庞大的模式库中, 一个有效的检测机制必须同时搜索整个模式集, 而不是重复执行单模式匹配。包的处理过程不仅受到计算时间的影响, 更重要的是受到访问外部存储器次数的影响。众所周知, 近年来处理器速度的性能提高超过存储器速度的性能提高。例如, 一个外部存储器访问时间是网络处理器系统Intel IXP2x00检测反应时间的150-250倍[2]。因此, 一个快速的多模式匹配算法应减少外部存储器的访问次数。
1 传统的模式匹配
根据需要匹配的模式串数目可以把模式匹配问题划分为两类:单模式匹配和多模式匹配。两者之间的不同在于单模式匹配算法是在文本中通过一次搜索仅仅匹配一个给定的模式, 而多模式匹配算法则要在整个文本中搜索一个模式集给出的所有模式。
1.1 Boyer-Moore (BM) 算法
单模式匹配是在长度为n的文本串y=y[0.n-1]中, 寻找一个或多个长度为m的模式串x=x[0.m-1]。
经典的单模式匹配算法有:Knuth Morris Pratt (KMP) 算法, Boyer-Moore (BM) 算法, KarpRabin (KR) 算法。在KMP算法中, 模式在文本串上从左向右滑动, 搜索每一个可能的匹配, 文本串中的每一个字符仅仅被检测一次。因此, KMP算法的时间复杂度是O (n+m) , n和m分别是文本串和模式串的长度。在BM算法中, 模式匹配是从右端而不是左端开始。当出现一个字符不能匹配时, 模式向右滑动, 文本串中的一些字符没有被检测而直接跳过了。在最坏情况下, BM算法的时间复杂度为O (n+r*m) , 其中, n和m分别为文本串和模式串的长度, r为文本中出现的模式串总数目。BM算法在一般情况下不需要检测文本串中的每一个字符, 这一点在英文字符串中尤为突出[3]。
在实际应用中BM算法是最有效的模式匹配算法。与其它经典算法相比较, BM算法能提供最好的平均匹配速度。一些模式匹配算法对每一个模式重复应用BM算法来解决多模式匹配问题。然而这些算法原本是为单模式匹配设计的。因为不同的模式长度、模式集范围以及内存存储能力, BM方法不适合网络中数据包的检查。表1显示了这些不同[4]。
1.2 Aho-Corasick (AC) 算法
多模式匹配是从文本串string[1.n]中一次查找多个模式串P1, P2, …, Pq;所有这些模式串形成模式串集合{P}, 其中q为模式串的数目, q=1时, 多模式匹配蜕化为单模式匹配。
多模式匹配的经典算法是基于有限自动机DFSA (deterministic finite state automata) 的算法[1], 该算法在匹配前对模式串集合进行预处理, 转换成树型有限自动机。然后只需对文本串进行一次扫描就可找出所有模式串, 其时间复杂度是O (n) 。这些基于DFSA的算法主要是通过软件或硬件来实现的。
Aho-Corasick (AC) 算法是一个基于自动机的算法, 它提供了最好的最坏情况下的计算时间复杂度[5]。通过用一个简单的数据结构, 存储状态转移矩阵的存储空间需求是O (|□|×S) , 其中S是自动机的状态数目, □是字符集, |□|表示字符集中的字符的数目。用一个压缩结构, Tuck等改进了AC算法 (AC-C) , 降低了AC算法内存需求的2%[6]。然而, AC-C算法的数据结构仍然很大, 不能放在片上的缓冲中。虽然, AC算法有最好的最坏情况下的计算时间复杂度, 但是对外部存储器访问的反应时间仍然是处理过程的主要影响因素而不是计算时间。另外, 即使仅仅只有一个模式改变了, AC算法必须重建失败表, 因为它的失败表是通过全部模式集的相互关联建成的。当增加或减少模式的时候, AC-C也需要重建完整的状态机。结果, 对于模式更新, 基于AC的检测机制不得不暂停, 暂停时间与P中所有模式的总长度成比例。
2 改进分级多模式匹配算法 (HMA)
BM算法主要应用于单模式匹配, AC算法对存储空间的需求又比较大, 以至于出现频繁访问外存的情况, 所以它们都不适合于实时网络数据包中多模式的匹配。基于以上原因提出了分级多模式匹配算法 (HMA) 。此算法包括两个阶段:线外预处理阶段和线上匹配阶段。线外阶段为线上阶段构造了两张小表:H1和H2[4]。HMA算法能有效地减少外存的访问次数和不以内存空间为代价的串匹配。
为了构造H1和H2表, 提出了一个频繁字符搜索算法 (FCS) 和一个集群平衡策略 (CBS) [4]。FCS是用来从模式集P中找出频繁字符集合F, 用它来建立第一层表:H1;用F和CBS建立第二层表:H2。H1和H2作为两个过滤器来避免不必要的外存访问和模式匹配。第二层匹配仅仅在第一层得到一个匹配之后才进行。HMA仅仅将P中的一些选定模式与包中的可疑子串进行比较, 而不是将包中的所有子串与所有模式进行比较。实验表明, HMA能有效地改善匹配的性能。
2.1 FCS算法
定义PC为P的子集, 在PC中的所有模式包含一个字符c, 即PC={pi|c∈pi和pi∈P}。显而易见, 假如一个字符在不同的模式中较其它字符出现的频繁, 它将被作为F中的一个元素, 这样则出现了小集合F。基于这一推论, 用FCS算法来查找P中的频繁字符集, 设为F={fi|fi∈□}, F是代表模式集P中模式的最小字符集, 其中fi是一个频繁代码, □为字符集。FCS算法如下所示。
输入:一个模式集P。
输出:一个频繁代码集F。
用一个|□|维向量M= (mi) 和一个|□|×|□|矩阵R= (rij) 作为临时存储, 其中0≤i, j<|□|。M是一个位图, 记录模式中每一个字符的出现。R用来记录发生的频率。对于rij, i≠j, 表示模式集P中ai与aj同时出现的次数。rii记录字母ai∈□在不同模式中出现的频率。例如, rij=2表示当前P中有两个模式包含ai与aj。首先, FCS算法在位图M中记录每个模式的字符出现, 然后积累M中的元素到R中各自相对应的元素 (2-4行) 。然后, FCS找到最大的出现频率rff, 把相应的字符af作为F中的一个元素, 然后把R中与af相关的元素进行值调整 (6-9行) 。FCS重复这一过程, 直到R中对角线上的元素全为零。
FCS从P中找到F之后, 就可以构造第一层表 (H1) 。H1的第a个条目表示为H1 (a) , 每一个条目有两个字段:频繁代码ID, 即H1 (a) .fid;单字符模式ID, H1 (a) .pid。即H1 (a) .fid={i|a=fi∈F}, H1 (a) .pid={i||pi|=1, pi=’a’和pi∈P}, H1中不用的字段置为NULL。由于H1是一个小表, 例如仅仅256个条目, 它能被放在片上缓存中。H1作为第一层线上阶段过滤器, 它能很快的发现是否一个包包含一个模式。即, HMA利用F减小了搜索范围。
2.2 引入模式树的集群平衡策略
通常, 大多数包是没有危害的, 有危害的包也仅仅包含一部分模式。假如能够根据P中模式的相似性将P分成不同的小集群, 然后仅仅一个集群的模式与输入串相类似需要比较。这样, 匹配过程的效率将会提高。
定义集群关键点作为划分模式的标准, 其中每一个集群关键点是模式中的字符。两个普通代码作为一对集群关键点, 称作一个关键对, 记作 (a, b) , 其中第一个关键点是F中的频繁字符, 第二个关键点是普通字符。用Pa, b表示选定模式 (模式的子集) 的集群, 它包含关键对 (a, b) , 即Pa, b={pi|’ab’奂pi, a∈F且b∈□}, 其中’ab’是两个串a和b的联合, 是一个pi的子串。因为一个模式可能有几种方式选择一个集群, 一个好的分配能够均衡集群的大小, 因此能够改善HMA在最坏情况下的执行效率。
为了降低最坏匹配时间, CBS用来平衡集群大小。在CBS中, 一个|F|×|□|阶矩阵N= (na, b) 用来记录一个集群Pa, b的当前大小。算法如下:首先, CBS从P中读出一个模式并扫描它。根据FCS, 对于任何给定的pi, 存在一个字符pi[k]∈F, 1≤k<|pi|。为了平衡集群大小, CBS在pi的所有关键对中找到最小的na, b, 记作 (a, b) , 其中a∈F和’ab’∈pi。在pi进入最小集群Pa, b之后, 相应的na, b是增加了。按照这一方法, 所有模式分进了指定的集群中。
在集群分配的基础上构造了第二层表H2。因为每个集群Pa, b都有很多个模式, 这些模式都含有子串’ab’, 要在这些模式中找到一个模式与数据包T中的某个含有’ab’的子串相匹配仍然是耗时的。所以, 将一个集群Pa, b的所有模式以关键对 (a, b) 为根节点向前向后分别建立两颗模式树。H2每个条目H2 (a, b) 由4个字段组成:模式ID H2 (a, b) .pid, 模式内容H2 (a, b) .data, 同一个集群中指向向后模式树指针H2 (a, b) .next和指向向前模式树指针H2 (a, b) .late。
图1描述了HMA中H1、H2的构造, 假定字符表是26个英文字母。图中有6个模式:a, red, orange, green, yellow, black。由FCS算法可知’e’和’a’是最频繁字符, 它们都出现在三个不同的模式中, 所以F={e, a}作为这6个模式的频繁字符集。由于H1仅仅有|□| (=26) 个字段, 所以它能够存放在片上缓存中。第一个模式’a’是单模式, 它存放在H1表中。模式’red’有’e’∈F以及关键对 (e, d) , 所以根据CBS, ’red’被放到集群Pe, d。剩下的模式使用同样的集群策略。
2.3 HMA算法的在线匹配过程
2.3.1 第一层匹配
在这个匹配阶段, 从左到右扫描T, 每个字符T[t]作为索引关键字去查找H1中的条目H1 (T[t]) 。由于H1是很小的可以放在微处理机制的内存中, 所以访问内存的时间与访问外存相比较小得多。
在第一层匹配中, 假如H1 (T[t]) .pid不是NULL, 那么T[t]是一个单字符模式, 这个被匹配的模式将被放入成功匹配模式集PM。无论H1 (T[t]) .pid是不是NULL, 这第一层匹配程序都检测fid字段。
假如H1 (T[t]) .fid是NULL, 则T[t]埸F, T[t]不进行模式匹配而跳过。然后, 在线匹配停留在第一层匹配, 进入下一个字符T[t+1], 检查H1 (T[t+1]) .pid。由于|F|比|□|小, T大多数字符能够发生跳动而不进行第二层匹配。因此, 字符比较的数目和外存访问的次数都能减小。
假如T[t]F, T可能包含一个模式pi∈P, 其中T[t]∈pi。也就是说, 由于H1 (T[t]) .fid不是NULL, T可能有一个模式 (或者多个) 属于集群PT[t], T[t+1]。然后第二层匹配开始执行。
2.3.2 第二层匹配
在第一层匹配之后, 只要H1 (T[t]) .fid不是NULL, 这匹配过程进行第二层匹配。根据输入T, H2 (T[t], T[t+1]) 显示相对应的集群PT[t], [t+1]的位置。
在第二层匹配中, 首先是检查H2的pid字段。假如H2 (T[t], T[t+1]) .pid是NULL, 它意味着集群PT[t], [t+1]没有模式。然后, 扫描下一个字符T[t+1], 匹配过程返回到第一层匹配。否则, 假如H2 (T[t], T[t+1]) .pid是有效的, 意味着集群PT[t], [t+1]中可能有模式匹配于T中的子串。然后, HMA将H2 (T[t], T[t+1]) 中的模式串内容与T中对应部分相比较。比较时先搜索向前模式树, 若成功, 再搜索向后模式树, 若还成功, 则将匹配成功的模式加入PM。以此类推, 最后得到包含所有匹配成功的模式集PM。
3 实验及分析
通过实验模拟, 将HMA算法与目前常用的BM算法、AC算法相比较, 其中BM算法、AC算法都已经用在IDSs中。Snort是最著名的NIDS, 其中的模式是由VRT提供和检测的。在这一模拟中, 不同的模式有200-2000个, 字符集|□|=256。含有可疑信息的数据包是通过随机选择模式和随机分布产生的[4]。攻击系数λ表示一个数据包中可疑模式的期望数。得出如图2所示的实验数据。
从图2可以看到HMA算法的性能要优于BM算法和AC算法, 即使|P|和λ增加也是如此。HMA的曲线随着λ的增加逐渐上升, 这是因为当数据包中有比较多的可疑模式时, HMA访问外存的次数会增加。
4 结束
网络安全在当今社会的各行各业越来越引起重视, 高效的多模式匹配方法是网络信息审计系统好坏的主要评价标准。本文章提出了一种分级的多模式匹配算法 (HMA) , 该算法在性能上明显优于其它类似的算法, 例如BM算法、AC算法。当然, 网络在迅速发展着, 攻击网络的方式方法也在不断变化着, 所以要求多模式匹配的模式库要不断更新, HMA算法的模式库更新还需要在以后的学习中深入研究。
摘要：多模式匹配的效率是网络内容检测的主要技术之一。本文在分析现有模式匹配方法的基础上——主要是BM算法和AC算法, 提出了分级的多模式匹配算法 (HMA) , 该算法适合网络数据包中模式数量大、长度小的特点。实验表明该算法能有效减少访问外存的次数, 性能明显优于其它算法, 这样可以有效保证网络信息安全。
关键词：网络安全,内容检测,多模式匹配
参考文献
[1]A.V.AHO, M.J.CORASICK, Efficient string matching:an aid to bibliographic search[J].Communications of the ACM18 (6) (1975) 330-340.
[2]Sridhar Lakshmanamurthy, Kin-Yip Liu, Yim Pun, Larry Huston, Uday Naik, Network pro-cessor performance analysis methodology[J].In-tel Technology Journal6 (2002) 19-28.
[3]FAN JANG-JONG, SU KEH-YIH.An effi-cient algorithm for match multiple patterns[J].IEEE Trans on Knowledge and Data Engineer-ing, 1993, 5 (2) :339-351.
[4]Tzu-Fang Sheu, Neu-Fu Huang, Hsiao-Ping Lee.Hierarchical multi-pattern matching algo-rithm for network content inspection[J].Informa-tion Science178 (2008) :2880-2898.
[5]GRAHAM A.STEPHEN, String Matching Algorithms[J].World Scientific, 1994, ISBN981-02-1829-X.
网络家教收入多了好几倍 篇5
为了在人海茫茫的网上让“田野”受到关注，他绞尽脑汁设计招聘、招生启事，将所有教师的性别、学历、学校、所教科目以及对教师的要求等信息分门别类地公布，不仅涵盖了学龄前到初中的全部科目，还有如乐器、计算机、美术、书法等专业课程。他的招聘、招生启事几乎覆盖了所有社区网站、教育网站、学校网站，还通过MsN、在朋友圈内招老师、找生源。“几乎无孔不入。”他如此形容，“只要随便打开一个信息网站，都能搜索到我们的信息。”
硬着头皮坚持营业，没想到反而有了意外的收获，在中心成立两个月后，他终于做成了第一笔生意。
此后，互联网就像一条信息高速公路让王野的生活从此变得精彩。
为展开差异化竞争，王野一直琢磨开展一些新的家教服务。“我们通过总结发现，老师做家教和大学生做家教各有优势，老师教学经验丰富，容易发现孩子学习中的问题，教学效果好而大学生做家教因为和孩子年龄差距小。更容易和孩子沟通，孩子一些不敢问老师的问题，却会对大学生提出来。”于是，他出了“1+1家教”服务，即由一名老师就孩子的薄弱环节进行授课辅导，课后再由一名大学生陪孩子做功课和复习，有针对性地解决孩子遇到的问题。随后他又陆续推出了“家教保姆”、“艺术家教”等特色的家教服务，并打出了“家教超市”的宣传语。“虽然事实证明这些服务不一定都成功，但因为有针对性，能满足不同顾客的需求，效果还是很好的。”他说。
为了扩大影响，他壮大“办班”规模。在保持一对一质量稳定的基础上，又开展了一对多小班辅导，这在几年前的家教市场上还是个新名词，一经网络传播，不少知名家教中介也引用了他的课程设计。收费单价下去了，但人数多了，1小时往往也有过千元入手。以平均日收入2000元，月收入6万元计算，抛去其他开支，王野在开业第一年收入就超过了50万元，完全可以称为“高级白领”。
多模式网络 篇6
近年来, 移动互联网的飞速发展似乎超出了所有人的想象, 曾几何时, 那些保守者还在宣扬“手机的功能是通信而非计算机”, 但现在, 以iPhone为首的智能终端正在颠覆人们的传统认知——手机似乎变得无所不能。
来自美国摩根士丹利的报告更具说服性:智能手机2010年的全球市场规模已经超过了笔记本和上网本, 该报告还预测, 智能手机将在2012年超越全球PC市场规模, 而移动互联网用户也将在2014年中旬赶超桌面互联网在全球的用户数。
运营商们早已预见到这一趋势, 转战“移动互联网蓝海”成为了他们最初的口号, 但没过多久, 运营商发现, 在移动互联网产业中, 自己不再是产业链和利益链条的主导者, 包括腾讯、谷歌在内的互联网巨头正在将已经成型的互联网版图迁移至手机上, 并将运营商逼到了“管道提供者”的角落中。
对此, 国内三家运营商纷纷建立业务基地, 期望聚拢大量的第三方合作者, 搭建具备主导权的业务平台, 挽回价值链的核心地位。
就在去年, 中国电信一口气推出了八大业务基地, 分别为江苏无锡物联网基地、江苏游戏基地、广东爱音乐基地、上海视讯中心、四川成都天翼空间、福建厦门动漫中心、浙江阅读基地、浙江协同通信基地。
但是, 这种缺乏创造性, 过于强调以自我为核心的运营模式, 在崇尚开放的互联网领域如何显效, 中国电信还有很长的一段路要走, 但至少已经掌握了要领。
中国电信公众客户事业部张新告诉记者:“建立基地的目的不是抢夺内容, 而是聚拢内容, 而如何发挥固移协同网络能力, 也将是我们制定移动互联网战略的重要思考点。”
手机Web沦落, 垄断瓦解
国外《连线》杂志曾经抛出过“Web将死”的论调, 尽管遭到了业界的不少抨击, 但它至少点出了一个趋势, 那就是, 随着智能终端性能的完善以及移动宽带的不断提速, 移动用户连接互联网的方式不仅仅是手机浏览器, 大量的应用程序也成为了移动互联网的入口。
这对于电信运营商而言, 无疑是致命的打击。
“在过去的2G和2.5G时代, 由于移动带宽受限, 移动用户对互联网的访问需要通过手机Web浏览器, 对宽屏网页进行特殊处理, 而运营商也通过这个唯一入口后方的网关系统, 构建起了一个封闭的花园, 牢牢掌握住了移动互联网的主导权。”张新表示, 但现在, 手机Web上网逐渐过时, 运营商的垄断高墙开始坍塌。
当然, 类似APP的应用程序的大量出现丰富了移动互联网体验, 用户从最初的文字浏览已逐渐延伸至现在的媒体社交、电子商务、游戏等众多领域。
用户的人均数据流量随之攀升, 这也带动了运营商的数据业务营收, 但是, 运营商更加看到, 那些风头正旺的P2P应用、IM应用正在耗费大量的移动宽带资源, 而运营商换得的仅是微薄的流量费用。
基地模式遭遇多重竞争
运营商的基地模式能否成为扭转移动互联网战略颓势的救命稻草, 现在还难见分晓, 但起码让运营商看到了希望。
比如浙江电信正在运营的天翼阅读基地, 其产业链涵盖了内容方、出版方以及终端厂商, 浙江电信总经理张新建还表示, 将直接投入3亿元人民币用于基地的建设和应用推广, 并计划与超过500家的出版单位进行合作。
如此大规模的资源聚合动作, 无疑为中国电信天翼品牌的推广, 以及数据流量的控制起到了示范效应;但另一方面, 也产生了新的产业竞争关系。
面对运营商平台搭建所引发的多重竞合关系, 中国电信也有自己的看法。“在移动互联网的新产业格局中, 合作共赢已经成为主旋律, 任何一家独大都无法撑起整个移动互联网的运营。虽然运营商搭建的阅读平台会与其他出版商在建的数字平台构成直接的竞争关系, 但我们认为, 这种竞争态势将长期共存且共同发展。”张新表示。
协同网络优势有望突围困局
另外, 这种多重竞争关系也反映在不同的电信运营商之间。
毕竟基地模式并非中国电信独创, 目前三家运营商都有“极为相似”的基地规划, 而中国电信和中国移动的建设步伐几乎为同期, 如何体现“差异化”成为了运营商们需要思考的核心问题。
对此, 中国电信将目光放在了协同网络上——结合自身固移融合的网络优势, 联合产业链上下游创造出差异化的商业模式。
中国电信集团公司市场部总监何志强对此也公开表示:“中国电信拥有‘天地一体, 固移融合’的全业务运营优势, 运营着全球最大的互联网络, 宽带用户数位居全球之首, 率先在全国范围内实现了良好的3G无线网络覆盖, 独家提供全国范围内有线、无线相融合的宽带接入服务, 这些都是发展移动互联网业务的基础。”
上海电信运营的视讯中心就是典型案例。
多模式网络 篇7
1.1小速率业务对网络的冲击
在3G网络下, 数据业务已成为主角且业务种类繁多, 本文将网络中常见的数据业务归纳为八大类, 以便于分析各类数据业务的特点, 分别是视频类、浏览类、即时类、电商类、游戏类、地图类、彩信类、下载类。从下表的分析可以看出, 即时类业务用户数占比达到30%但流量占比仅有1.71%, 每日单用户平均流量仅有0.06MB, 属于典型的小流量业务, 特别是单位流量消耗信令286条, 对网络资源的消耗过大, 对网络资源的均衡策略提出了极大的挑战。
1.2网络资源区域性紧张
虽然全网全天平均码资源利用率不高, 但忙时有部分小区已经出现资源不足的情况, 尤其是上行。统计发现小区上行最大码资源利用率多集中在40%-70%区间, 且有44.7%的小区上行最大码资源利用率大于50%。网络资源区域性出现紧张的情况对无线网络资源的有效利用提出新的要求。
1.3资源利用率对网络质量和用户感知的影响
当小区码资源利用率大于50%时, CS接通率和PS接通率均开始下降, 掉话率和掉线率均开始升高, 且小区拥塞次数明显增加。当HSDPA最大用户数大于5时, 拥塞小区开始明显增多;当HSDPA最大用户数达到极值 (6或12) 时, 拥塞情况最为严重。可见网络资源的合理配置对提高网络质量和用户感知的意义重大。
从以上三点可以看出, 为解决3G网络资源利用不均衡、业务种类繁多带来的新挑战, 必须改进无线资源优化策略, 采用多维角度进行分析, 在无线资源优化理念和手段上有所突破, 有所创新。随着网络业务类型的变化, 采用新的资源优化策略可以高效、快捷的提升网络资源利用效率, 增强客户对网络质量的良性感知, 起到事半功倍的效果。
二、基于用户感知的无线资源优化方法
2.1数据业务三等级八类型划分方法
在3G网络下, 数据业务已成为主角且业务种类繁多, 本文将网络中常见的数据业务归纳为以下八类, 以便于分析各类数据业务的特点, 针对不同的业务类型制定合理的优化策略。
为了进行数据业务速率等级划分, 我们在现网无线环境良好的情况下, 选取了各种应用的典型业务进行了下行速率测试。以此为依据, 可将数据用户业务进行大类汇总。
测试结果可以看出, 以QQ为代表的即时类业务速率较小, 通常下行速率在30kpbs以下, 可归为小速率业务;以移动视频为代表的视频类业务要求的下行速率较大, 通常要在260kpbs以上, 下载类业务则越大越好, 没有上限, 因此将视频类和下载类归为大速率业务;其他几类业务要求下行速率在30kpbs至260kpbs之间, 可归为中速率业务, 对数据业务速率等级进行划分如下表:
通过以上划分, 3G网络业务类型可以归纳为语音业务、小速率数据业务、中速率数据业务和大速率数据业务, 针对不同业务类型的特点应制定不同的资源优化策略。针对小速率业务, 重点在于提高资源的利用效率;对于中高速率业务, 重点在于保障业务速率;对于语音业务, 重点在于保障用户通话过程中的感知。根据以上分析, 本文针对三种不同业务类型的各自特点采用不同的无线网络资源优化手段。
2.2针对小速率数据业务的资源优化
HS-DSCH信道为公共信道, 用于传输高速数据业务。多用户数据在HS-DSCH上时分复用, 数据传输资源由Node B调度分配。Node B根据业务指派最大速率、保障速率、数据传输需求、用户信道质量等因素来调度业务并分配资源。目前, Node B的资源分配方式有两种:
竖切:资源分配的最小粒度为时隙;
横切:资源分配的最小粒度为码道, 所有HSDPA时隙的资源分配方式相同;
在这种资源分配方式下, Node B无法完全按照其数据传输需求对同时调度的业务分配资源。另一方面, Node B为了获得有效CQI, 至少64个TTI会对业务调度一次, 即每个业务至少占用1/64的调度机会。[2]如果HS-DSCH信道上承载了持续小流量业务, 就会因占用调度机会而影响调度效率, 进而影响高流量用户的数据传输速率, 降低了系统吞吐量。因此, HS-DSCH不适合承载持续小流量业务。
3G网络特有的HSDPA传输方式无法完全按照其数据传输需求对同时调度的业务分配资源。如果HSDPA信道上承载了持续小速率业务, 就会因占用调度机会而影响调度效率, 进而影响中高速率用户的数据传输速率。因此对于小速率业务采用小速率迁移策略, 将承载在HSDPA上的小速率用户迁移到DCH, 提高HSDPA的资源利用效率, 缓解小流量业务对网络负荷的冲击、提高其它用户的感知。
1. 小速率业务的识别
UTRAN要进行小流量业务迁移首先要识别出速率量业务, UTRAN主要有以下两种方式进行小速率业务的识别:
2. 小速率业务的迁移
在识别出承载在H载波上的小流量业务后还要进行HSDPA资源利用率的评估, 如果HSDPA资源处于预警状态则进行速率量业务的迁移, 否则小速率业务仍然由H载波承载。
当小区的HSDPA资源处于预警状态时, 可依次触发以下两个措施, 每次只选择一个业务进行调整:
(1) 将HSDPA频点上的R4业务迁移到R4频点上。
(2) 将小速率的HSDPA业务迁移到DCH信道上, 并以业务初始接入速率接入小区内的R4频点。
2.3针对中高速率数据业务的资源优化
对于中高速率数据业务旨在保障用户使用速率, 这需要中高速率用户尽可能的接入HSDPA载波。由于H载波接纳用户数量有限, 我们通过伴随信道帧分复用和H载波资源均衡两项优化措施提高H载波接纳用户的能力。
1.伴随信道帧分复用
调整前每个用户需占用2个码道作为伴随信道, 12个码道最多接纳6个用户;调整后, 两个用户通过时分复用的方式共享两个码道, 12个码道最多接纳12个用户。
2.H载波资源均衡
通过将HS-PDSCH信道由3个时隙调整为2个时隙, 增加伴随信道的数量, 提高接纳用户数。伴随信道数量由12个码道增加到28个码道, 接纳用户数从6个增加到14个。
两种优化措施的优缺点对比如下, 可根据不同网络状况自行选择。
2.4针对语音业务的无线资源均衡策略
对于语音业务, 首要任务是保障用户感知, 当3G网络资源利用率超过50%时, 语音业务用户感知下降明显, 针对这样的区域我们采用以下两种策略来平衡资源的使用情况, 以改善用户感知。
1.23G网络资源均衡
考虑R4资源的上、下行占用情况, 针对R4码资源利用率高的小区实施资源调整, 在R4频点的码资源占用率达到一定程度后 (目前取值60%) , 采取以下两项措施:
(1) 语音业务的2/3G切换。
(2) 对R4频点上的PS业务进行降速。
2.基于用户感知的网络驻留策略
多模式网络 篇8
1 问题背景
1.1 问题描述
假设将网络抽象为一个赋权图G(V,E)，其中V={v1,v2，…，vn}表示节点集，E={e1,e2，…，em}表示边集，n为节点数，m为边数。从源节点S到目的节点D的路径记作P，则服务质量(QoS)度量参数形式化表示如下
(5)瓶颈带宽
其中，，dek,cek,bek表示链路ek上的延迟、费用和带宽，li表示节点i的丢包率。
假设用A={a1,a2，…，aj}表示网络中所有业务，对于任意业务ai(1≤i≤j)，业务流量为f(ai)，链路ek容量上限为υ(ek)，则链路ek总流量o(ek)定义为经过该链路的业务流量之和，即
链路利用率u(ek)定义为通过ek链路的总流量与ek链路容量上限的比值，即
网络资源平均利用率定义为网络中所有链路利用率的平均值，反映了全网所有业务映射到物理链路后，对资源的占用情况
1.2 多目标优化模型的建立
多目标优化存在着目标之间的相互冲突和目标值量纲的不统一，所以多目标优化的目的在于产生一组相互均衡的解方案，使得在满足约束条件的情况下这些解的各目标值相互非劣[1]。本文涉及到的目标函数有网络总费用、网络资源利用率方差和最大链路利用率，可分别用F1(A)、F2(A)和F3(A)来表示。其中，delay(ai)、hop(ai)、lost(ai)代表任意业务ai的延迟约束、跳数约束和丢包率约束。
多目标优化模型数学描述如下
其中
综合目标函数定义为
其中，w1,w2和w3代表3个目标函数的权重值，且满足
为统一量纲，在求解综合目标函数时需归一化处理，分别用各个子目标函数除以上一代个体子目标的最大值，其可分别用F'1(A)、F'2(A)、F'3(A)表示，归一化处理后综合目标函数表示为
2 多Qo S约束条件下的多目标优化算法
2.1 算法思想
首先采用多约束条件下的路径集预处理，为每个业务找出满足多QoS约束和流量约束的多条可行路径并编号，然后从每个业务路径集中随机抽取一个编号共同组成一条基因链，重复上述基因链生成方法获取初始种群，再运用遗传算法的选择、交叉和变异操作产生新个体，个体进化的方向是在满足多QoS约束和流量约束前提下，使得综合目标函数值最小，其目的是实现网络资源的有效利用，并提高网络的整体性能。
2.2 过程描述
基于上述思想和多目标优化模型，文中设计了一种基于遗传算法的多目标优化算法，其步骤如下
步骤1初始化业务信息和网络拓扑信息。业务信息包括源节点、目的节点、带宽需求以及QoS信息(延迟、丢包率、跳数)。网络拓扑信息包括顶点信息(丢包率、延迟)和链路信息(源节点、目的节点、带宽、延迟、代价)。
步骤2多QoS约束条件下的业务路径集预处理，计算出全网每个业务满足其QoS约束条件的路径集合。
本文使用Dijkstra算法产生多条从源点到目的节点的路径，然后判断这些路径是否满足业务对应的QoS约束和流量约束，若满足则加入业务路径集并编号，不满足则在相应路径的链路上增加代价值，再次运用Dikstra算法，直到获得的路径数量超出设定的上限值或连续使用Djistra算法超出设定的上限值时终止。由于Dijksta算法是根据变化的权重产生完整路径的，使用一次Djkstra算法只能产生一条最短路径，在本文中因多次使用Dijkstra算法，所以对权重的变化做了以下处理，将链路总流量乘以链路的费用作为链路代价，计算出业务从源到目的地的最短路径，并当该路径不满足多QoS约束和流量约束时，增加该路径上链路代价值。
步骤3初始种群的生成。从每个业务的路径集中随机选取一个路径编号作为基因值，共同组成一条基因链，业务数量直接决定基因数量。初始种群的生成是在保证染色体不重复的条件下，按照设定的种群规模，重复上述基因链生成方式来获得。染色体的编码方式是采用整数编码，相比二进制编码而言更利于问题的描述。
步骤4个体适应度值的计算。个体适应度值反应了个体适应环境能力的优劣，是遗传算法中评价个体优越的标准。本文适应度函数值设为
步骤5算法迭代终止条件。算法迭代终止条件是通过公式(9)进行判断，其中求解精度ε的取值决定了算法迭代次数。这种通过调节求解精度来确定算法终止条件的方法更具一般性，相比于通过设置固定迭代次数作为终止条件的方法更为灵活。在式(9)中，fitnessbest(X)表示第X代的最佳个体适应度值，fitnessbest(X-a)表示第(X-a)代最佳个体适应度值，a为整数参数值，其取值不能大于种群大小
步骤6遗传操作。遗传操作涉及选择、交叉和变异。选择的目的是用来重组或交叉个体，本文采用随机两两选择。
交叉是指从亲代群体中随机选择两个个体作为父个体，按照某种方式相互交换其部分基因，生成两个新的子代个体的过程。交叉操作的目的是提高遗传算法的搜索能力，以获得新的优良个体。交叉概率取值范围在0～1。本文通过依次比较每个基因位随机生成的概率值Pgen[i]与交叉概率的大小来实现两个配对个体在该点的部分基因互换，当个体基因位的随机概率值Pgen[i]大于交叉概率时进行基因互换。
变异用于产生新个体，使得遗传算法具有局部搜索能力并能保持种群的多样性，使算法向良性方向发展。变异概率取值范围0～1。
步骤7爆破处理。爆破处理是当出现未成熟收敛或产生明显征兆时的一种应急措施，其在保留最佳个体的前提下，随机选择当前群体中β个个体，用相同数目完全随机生成的个体替代，以保持群体多样性，达到挣脱未成熟收敛，提高算法求解精度的目的。实施爆破处理的条件是，当代平均适应度值提高在γ以内时进行爆破处理。文中γ取值为5%。
步骤8个体淘汰机制。个体淘汰的目的是对种群的规模大小进行控制，当种群大小超过阈值时，对种群中的个体进行排序并删除一些适应度值较低的个体。
2.3 算法实现流程
算法实现流程如图1所示。
3 算法性能评价
仿真用到的网络是下一代国际互联网美国Abilene骨干。
仿真使用业务需求数据来源于“通信网络规划数据库———SNDlib”中提供的测试数据[5]。
遗传算法运行的基本参数设定:种群个数为800，变异概率为0.05，交叉概率为0.6。算法终止条件是ε=0.000 1,3个目标函数的权重分配:w1=0.4,w2=
3.1 求解精度对算法迭代次数的影响
传统遗传算法中通过设置固定迭代次数来终止算法运行，这种方式有失灵活性。假设在某些网络环境中，经过较少的迭代便可获得最优解，而算法设置了较高的迭代次数作为终止条件，这会增加算法的运行时间，因为迭代次数越多，算法所花费的时间也越多。而本文通过调节求解精度来确定算法终止条件的方式不失一般性，相比较为灵活。表2给出了在Abilene网络环境中求解精度对算法迭代次数的影响，表中数据表明:ε取值越小，算法求解精度越高，算法迭代次数呈现出缓慢增长趋势，且结果逐渐趋于稳定。当ε取0.000 1时，算法求解目标函数的结果较优。
3.2 爆破处理对算法的影响
图2给出了算法使用爆破处理与未使用爆破处理情况下对最优个体的网络总费用目标函数值的影响。从图中变化趋势可看出，经过爆破处理得到结果要优于未经过爆破处理所得到的结果。这说明爆破处理能够增加种群的多样性，防止了算法陷入局部最优。
3.3 多目标优化性能分析
从采集的业务需求中随机抽取50个实例，分别用Lingo软件的线性规划方法和本文的多目标优化算法进行求解。线性规划方法以最优网络总费用为目标，本文算法以网络总费用、链路利用率方差及最大链路利用率为目标，并将结果用三维图形呈现。
从图中数据分布可知，综合考虑网络总费用、链路利用方差和最大链路利用率3个目标函数时，本文算法获得的解集相对较为集中，其更靠近中心点，整体性能较优。而线性规划获得的精确解偏离中心点，只能单方面的获得网络总费用最优，而其他两个方面的性能则较差。
4 结束语
本文使用改进后的遗传算法求解多业务网络环境中的多目标优化问题。在满足各业务服务质量的基础上，以最佳形态均衡各子目标，最终获得了满意的解。参考文献
摘要：多约束、多业务、多目标的网络优化是一个复杂且涉及范围广泛的课题。文中在对该课题进行分析的基础上,提出了一种基于遗传算法的多目标网络优化算法(MOPGA)。该算法使用了多约束条件下的路径集预处理,使得每项业务能够获得所需的QoS服务质量,通过对所有业务的路由号进行编码,将问题的解空间转换到遗传算法的搜索空间,达到对全网业务的综合考虑。改进后的适应度函数刻划了网络的费用、链路利用率方差和最大链路利用率、爆破处理以及个体淘汰机制增加了种群多样性,挣脱了未成熟收敛。以求解精度作为算法终止条件,使得算法运行时间减少。仿真实验表明,所提出的算法能高效、快速解决实际多目标网络优化问题,同时在满足多QoS约束条件下可均衡各子目标函数。
关键词：多业务,多目标,QoS,遗传算法,网络优化
参考文献
[1]催逊学,林闯.一种带约束的多目标服务质量路由算法[J].计算机研究与发展,2004,41(8):1367-1375
[2]PARDALOS P M.A genetic algorithm for the weight setting problem in OSPF routing[J].Journal of Combinational Optimization,2002(6):299-333
[3]BAROLLI L,SAWADA H,SUGANUMA T.A new qos routing approach for multimedia applications based on genetic algorithm[J].IEEE CW,2002(6):289-295.
[4]MOU D,BISWAS G P,CHANDAN B.Optimization of multiple objectives and topological design of data network using genetic algorithm[C].Guangzhou:RAIT,2012.
[5]LEELA R,THANULEKSHMI N,SELVAKUMAR S.Multiconstrain QoS unicast routing using genetic algorithm(MURUGA)[J].Applied Soft Computing,2011(11):1753-1761.
[7]ARIE M C A K,MANUEL K,CHRISTIAN R.On the robustness of optimal network designs[C].Guilin:IEEE ICC,2011.
[8]CIDON I,ROM R,SHAVITT Y.Multi-path routing combined with resource reservation[C].Kobe:Proceedings of the IEEE INFOCOM 97,IEEE Communication Society,1997:92-100.
[9]杨云,徐永红,李千目.一种QoS路由多目标遗传算法[J].通信学报,2004,25(1):43-51.
多信道网络通信设计 篇9
路由器是用来连接多个逻辑上分开的网络，逻辑网络是指一个单独的网络或一个子网。当数据从一个子网传输到另一个子网时，可通过路由器来完成。因为，路由器具有判断网络地址和选择路径的功能，能在多网络互联环境中建立灵活的连接，可用完全不同的数据分组和介质访问方法连接各种子网。路由器是属于网络层的一种互联设备，只接收源站或其他路由器的信息，不关心各子网使用的硬件设备，但要求运行与网络层协议相一致的软件。路由器分本地路由器和远程路由器，本地路由器是用来连接网络传输介质的，如光纤、同轴电缆和双绞线;远程路由器是用来与远程传输介质连接并要求有相应的传输设备，如电话线要配调制解调器，无线通信要通过无线接收机和发射机。
1 军用网络设备的特殊要求
市面上民用的路由器产品种类众多，小到几十元的家用路由器，大到几十万的电信级高端路由器，这些路由器虽然种类繁多，功能齐全，却并不完全适合于军事通信的特殊应用环境。
首先，军用网络和民用网络使用的环境不同。军用网络设备主要在野战条件下使用，自然环境恶劣，甚至敌方会使用电磁干扰等对抗性手段对通信进行破坏。因此整个网络系统必须要能够应对这些挑战。
其次，军用通信的可靠度要求高。民用通信可以接受暂时的中断，而军用通信则要求尽可能高的可靠度。军情如火，在通信上的任何延误都可能造成贻误战机甚至战争失败。
因此，军用网络设备必须能够保证军用网络在遭受打击后，仍然可以保持正常通信。通过对军用网络设备的特殊设计，同时采用多个相互独立的物理信道进行通信，可以避免单点失效。即使某条物理信道遭到毁灭性打击，如通讯电缆被切断，仍然有其他信道，如无线信道可以继续使用，保证非常紧要的信息可以及时传送到目的地。
综合使用多种有线、无线通信手段和多重线路设置是对付敌方对我军通信系统的各种软硬件杀伤的有效手段。各节点之间为保证通信的正常进行，常使用各类信道冗余传输，保证系统的安全性和可靠性。因此很多时候在两台路由设备之间会有多条通信链路存在，为保证系统信息传递的可靠性，这些信道会同时向目的路由器传递相同的数据信息，而目的端需要在接收到多条相同数据时进行取舍，实现数据在信道上的冗余传输。
2 硬件设计
在路由设备中，采用双处理器分别完成系统的主控功能和路由功能，主控单元实现对现役通信设备的兼容，路由单元实现IP数据的路由及数据传输功能。路由单元的设计中，采用基于Xscale架构的Intel425处理器，由实时嵌入式操作系统vxWorks提供系统平台，系统的路由功能完全由处理器上软件实现，二层以下的交换功能由KS8995MA芯片完成。Intel425的最高主频可达533M的XScale核心处理器(可工作在533M,400M,266M三个频率下)，三个网络处理引擎(NPE,network processor engine),32位的PCI接口，8位的UTOPIA-2接口，USB1.1设备控制器，两个高速的串行接口以及SDRAM接口等等。KS8995MA是一款高度综合的具有管理功能的二层交换芯片，具有VLAN、QoS优先级管理，MIB计数器，双工的MII接口和CPU控制/数据接口，KS8995MA包含五个10/100数据收发器，五个媒体访问控制单元(MAC)，一个高速非阻塞的交换结构。所有的物理单元都支持10BASE-T和100BASE-TX，此外端口4和5还支持100BASE-FX。KS8995芯片的功能如图1所示。
Intel425处理器通过GPIO口控制KS8995MA交换芯片，通过以太网接口传递数据信息，Intel425处理器与KS8995MA芯片的连接关系如图2，各信道设备直接连在KS8995MA交换芯片的网口上。
3 软件设计
处理器在通用的动态路由协议基础上还支持了多信道数据的冗余传输，为节点间互为备份的多条信道提供有效数据的提取功能。为实现多信道冗余传输时对数据的有效提取功能，设备启动时，处理器需要将KS8995MA交换芯片设置工作在VLAN模式下，且每个端口具有独立的VLAN标志，这样可以有效地防止芯片工作在交换机模式下出现广播风暴，避免单一信道传输时数据在同一VLAN内部扩散。
用户数据发送时完成上层处理后数据到达IP协议栈，IP协议栈的路由表是用户设置的静态路由和动态路由协议自动学习的路由信息的总和，在IP层完成数据包的路由功能，选择当前路由表中的系统路由后，将数据封装成以太网数据包交给以太网协议处理层。在发送以太网数据之前，根据系统的使用要求和用户设置大致可划分为，自动发送、用户指定信道发送、多信道同传三种数据发送方式。
自动发送方式适用于源路由器和目的路由器之间仅一条信道连接和多条信道连接两种方式，源和目的之间仅一条信道连接时，采用IP层查找到的路由信息，在以太网层仅将数据添加VLAN标志重新封装为802.3Q的VLAN信息，并通过KS8995MA的相应端口发送到信道上。当源和目的之间有多条信道连接时，自动发送根据以太网数据包的下一跳地址信息可以获得对应的信道参数，在用户预设的信道参数表中可以查找到用户指定的和该信道具有相同目的地的其他信道，最终获得各信道在KS8995MA芯片上的端口信息，根据这些端口设置的速率，将数据按照速率最高的端口的VLAN标志，封装成符合802.3Q格式的VLAN信息，并通过速率最高的信道发送。
用户指定发送方式用于源路由器和目的路由器之间有多条信道连接。当源和目的之间仅一条信道连接时，用户也只能指定从该信道发送，系统处理过程和自动发送方式相同。当源和目的之间有多条信道连接时，根据用户指定的信道获得该信道的VLAN标志，将数据添加重新封装为802.3Q的VLAN信息，通过KS8995MA的对应端口发送到信道上。
多信道同传发送方式用于源路由器和目的路由器之间有多条信道连接。根据以太网数据包的下一跳地址信息可以获得对应的信道参数，在信道参数表中可以查找到用户指定的和该信道具有相同目的地的其他用于冗余传输的信道，获得各个信道在KS8995MA芯片上的端口信息，将数据按照各端口的VLAN标志，将数据分别封装成符合802.3Q格式的VLAN信息，并通过KS8995MA的各个端口向连接源路由器和目的路由器的所有信道发送数据。动态路由协议路由更新信息的发送过程与此类似，都是向所有信道冗余发送。
接收端的KS8995MA芯片接收到各条信道的数据后直接发送给处理器，处理器首先去掉802.3Q的帧头，对以太网层的用户数据进行分析，并记录下每一包数据的IP层报文的帧序号，根据IP数据帧序号递增的规则，判断此包数据是否已经收到过了，收到过的数据直接丢弃，未收到过的数据重新封装成标准以太网数据交给IP协议栈进行上层的处理。并将此数据包的帧序号保存，供与下一包数据进行帧序号比较。
4 结束语
Internet的关键协议IP协议，直接用于军事网络互连，可以将互通性较差的各种战术网连成战术互联网(TI)，这在以ATM为核心的B-ISDN尚未普及的今天，不失为一种既利用了现有资源又解决了互通问题的好办法。路由器作为Internet网络组网的关键设备，在军事通信过程中具有重要作用，使用多信道冗余传输方式，可以有效地防止单点失效，增强网络节点的抗毁性。本文设计的多信道冗余传输方式与网络层的动态路由相结合，使路由设备即拥有自动组网的灵活性，又具有备份信道传输的可靠性，适合于战时的恶劣环境。多信道冗余传输在链路层以下通过多信道同时发送来增强数据传输的可靠性，由于网络层IP本身提供的是一种不可靠的服务，因此数据的有效性需要由上层协议进行保证。
参考文献
[1]张公忠.现代网络技术教程[M].北京:电子工业出版社,2000-01.
[2]李晓东.IP QoS的实现[N].北京:计算机世界日报,2000-07-03.
多模式网络 篇10
关键词：多校区；高职院校；学生党建；工作模式
近几年来，随着高等职业教育的快速发展，多校区办学已经成为当前高职院校普遍的一种运作方式。与单一校区相比，多校区办学开拓了新的教育发展空间，弥补了教育资源的不足，增加了院校的竞争优势，但同时也带来了一些新的问题：比如人数多、距离远、运作成本高、师资力量分散等。学生党建工作作为高职院校发展和学生日常管理的重要内容之一，也面临着诸如党建规模扩大、党建资源整合、党员教育管理难度加大等问题。按照高职学生教育管理特点和规律，在一校多区的格局下如何不断创新工作思路和方法，更好地发挥其在高职生思想政治教育中的龙头作用，成为高职学生党建工作一个亟待解决的新课题。
一、多校區模式下高职学生党建工作存在的主要问题
高职院校作为培养高素质技能型人才的高等院校，在学生党建工作上的重点任务是培养和造就一批优秀的入党积极分子和学生党员，充分发挥学生党员的先锋模范作用，团结和带领广大青年学生努力学习、提升素质，成为地区生产、建设、服务和管理领域的高技术人才。然而，由于多校区在空间上造成的距离现实，高职学生党建工作在新的管理模式下面临着一系列亟待解决的问题和困难。主要表现如下：
（一）党建规模与党建水平相冲突的问题
伴随多校区建设运行和高职院校招生规模的扩大，高职院校招生数量和质量较之以往的单一校区有大幅度的变化，学生党建工作面临着数量规模和质量水平上的挑战。目前，要求入党的高职学生人数越来越多，一般班级申请入党人数能达到50%。然而，当前高职思想状况总体比较复杂，有明显的多元化、个性化、现实性等特点。因此，学生入党前的考察培养和入党后的教育管理工作就显得尤为重要。然而，在多校区管理模式下，学生人数众多，教学管理任务繁重，党务人员流动性大，入党质量关难以细致把握，导致党建规模和党建水平难以保持均衡发展。
（二）党建资源整合利用力度亟待加强
多校区的管理模式造成学生党建工作所需的人力、物力、财力资源分散缺乏，资源难以实现共享，信息难以畅通，给高职学生党建工作的持续健康发展带来一定影响。主要表现在：党务干部人员紧缺，流动性大，专业化专职化困难；新校区建设发展所需巨额资金导致学生党建工作所需经费紧张；新老党员交流缺乏，榜样示范作用发挥受到限制；学生党支部管理困难，信息不对称导致支部活动协调困难等。这些问题严重影响了党建资源的科学、合理、有效配置，给党建资源的充分利用造成了极大障碍，严重阻碍了学生党建工作持续高效运转的步伐。
（三）党建工作模式亟待调整创新
由于多校区运行下校区分散，加之高职学生在校时间相对较短和培训体系的不完备，现有的党建运行机制已经无法适应新的目标和任务要求。比如新校区的校园文化氛围比较缺乏、高职学生自我教育管理程度不高、师生缺乏沟通交流、难以形成高年级带低年级的良好工作机制等，增加了对入党学生考察培养和教育管理的难度，学生党建工作的针对性和实效性大打折扣。因此，在多校区运行模式下如何与时俱进，针对高职学生特点和教育管理实际对管理思路、管理方式进行大胆创新，探索出一种全新的学生党建工作模式是每一个党务工作者所应该深刻思考的。
（四）党员教育的内容、形式以及方法亟待创新
高职院校的学制目前为三年制，个别专业甚至是两年，在校学生从写入党申请书到被发展为预备党员至少需要两年时间，与本科院校相比，客观上存在着培养考察时间过短。加之，高职院校学生党员占学生总数的比例偏低，而且学生党员大多集中在三年级，难以发挥其先锋模范和骨干带头作用。随着多校区管理模式的运行，必然会加剧对学生党员的跟踪教育管理难度，学生党建工作将面临部分学生党员入党动机不纯、党性修养欠缺、模范作用不突出等问题。因此，积极探索创新新形势下学生党员教育内容、形势及方法，大力加强学生党员的教育及管理，保持党员先进性，发挥学生党员的榜样示范作用已成为高职院校学生党建工作的重要内容。
二、多校区模式下高职学生党建工作的指导思想
胡锦涛同志在党的十七大报告中提出，在新的发展阶段继续全面建设小康社会、发展中国特色社会主义，必须坚持以邓小平理论和“三个代表”重要思想为指导，深入贯彻落实科学发展观。科学发展观，就是坚持以人为本，树立全面、协调、可持续的发展观，促进经济社会和人的全面发展。科学发展观的内涵极为丰富，其第一要义是发展，核心是以人为本，基本要求是全面协调可持续，根本方法是统筹兼顾。
把科学发展观的理论指导作用应用于多校区模式下高职学生党建工作实践，核心就是要以高职学生为本，以充分发挥党团组织在大学生思想政治教育中的重要作用为本，全面贯彻落实中共中央、国务院《关于进一步加强和改进大学生思想政治教育的意见》文件精神，创新多校区模式下高职学生党建工作模式，充分发挥学生党员在大学生思想政治教育中的骨干带头作用和先锋模范作用，为高职学生综合素质的提高以及可持续发展能力的增强提供必需的保障，切实引领帮助高职学生成长为地区经济社会发展中的中坚力量。
三、多校区模式下高职学生党建工作模式构建
高职院校特有的三年制工学结合人才培养机制，本已给学生党建工作带来诸多困难。加之面对多校区管理模式的新形势，笔者认为学生党建工作需要在科学发展观“以人为本”的思想指导下，从组织领导、制度创新、机制运行、干部队伍等方面出发，努力探索与多校区管理相适宜的学生党建工作模式，积极发挥学生党建在大学生思想政治教育中的重要作用。
（一）健全组织领导，构建高效组织网络
多校区学生党建工作的关键是建立健全科学规范的领导决策机制、政令畅通的执行机制以及切合实际、操作性强的工作评价体系，形成一个领导有力、运转高效、协调一致的组织网络，单一校区那种高度集中的党建发展模式已经不能适应多校区党建的实际要求。高职院校应该根据自身的管理实际，按照“健全机制、规范程序、分头把关、提高水平”的原则，合理设置校区党建组织机构，健全“学院党委一系党总支一党支部一团支部”组织机制，完善多校区党建分层管理模式，统一整合配置各校区学生党建资源，重点加强基层党组织建设，通过建立完善的党建工作考评激励体系来有效提高学生党建工作水平。就目前高职院校学生规模和学制来看，虽然不能像本科院校那样做到“低年级有党员，高年级有党支部”，但可建立学生党小组制度，加强对入党积极分子特别是业余党校学习结业学员的跟踪培养。
（二）加强制度创新，构筑完善制度保障
管理是育人的重要手段，制度是管理的根本保证。加强学生党建制度建设是提高学生党建管理水平的切实措施。高职院校应结合多校区和高职学生实际，对原有党建制度进行整合，按照科学化、民主化、规范化的原则，根据学生党建工作运行规律，建立、健全、修订、完善各项管理制度，包括基层党组织建设、学生党员发展工作细则、学生党员教育管理制度、学生党员考核汇报制度等方面，并严格落实，依照制度对党员和积极分子进行管理、教育、考核，使学生党建工作有章可循，形成制度科学、遵章执行、规范办事的良好局面，保证学生党建工作的与时俱进与规范运行。
（三）创新教育管理机制，增强教育管理有效性
党员教育管理是党的思想建设的重要内容，是党的建设的一项基础工作，是全面提高党员队伍素质、从严治党的中心环节。面对多校区管理新形势，加上高职院校职业教育的特殊性和面临就业的紧迫性，在进一步把好学生入党关、创新培养教育内容和方式、完善激励考评体系的基础上，结合多校区实际，应着力从以下三个方面入手开展工作：
1.构建“党员带动学生”的自我教育管理机制
在多校区格局下，尤其要重视发挥学生党员的先锋模范作用、骨干作用和桥梁作用，形成“以点带面”的学生教育、管理工作新格局。
（1）树立正面典型，发挥榜样作用。多校区运行方式下，学生规模庞大，学生质量层次不齐，学生的教育管理工作压力骤然加剧。在日常的教育管理工作中，把那些素质好、能力强、表现突出的优秀学生培养、发展为党员，通过榜样示范的方法推进思想教育、学风建设、人才培养工作，不仅有助于党员开展自我教育、自我管理，提升党员综合素质，而且有助于发挥示范效应，提高学生的教育管理效率和水平。
（2）高低班级对口挂钩，党建工作“传、帮、带”。在校区分散、学生人数多的现实条件下，必须充分发挥学生中老党员的作用，按照专业班对口的方式采取高低年级挂钩扶持的办法，由高年级学生党员对低年级进行“传、帮、带”，主要负责指导低年级班级开展党建学习活动，进行入党积极分子考查、培养，将党建工作经验传授给低年级党员，保证党建工作的可持续性发展。
2.构建“网络化”的党建工作机制
（1）拓展党课教育“网络化”机制。在多校区办学特点和高职学生培养模式下，如果还是按照过去统一时间、统一地点、统一内容的集中教学方式开展学校党校教学，将遇到很多问题和困难，如交通问题、课室问题、与专业教学时间相冲突、顶岗实习等问题。因此，必须进行对教学方式进行适应性调整，积极构建“学院-系科-班级”三级党课教育网络，形成以学院业余党校为主导，以系级业余党校为主体，以班级党章学习小组为基础的相互衔接、相互配合的分层推进的培训教育体系。
（2）党建工作“网络化”、“信息化”。高职院校为有效应对新的人才培养模式对党建工作带来的挑战，更应该充分运用网络，发挥网络在学生党建工作中的作用。一方面能有效突破工学结合、顶岗实习造成的时空限制，另一方面也为同学们随时学习提供了便利条件。例如，建立党建理论学习、研讨的门户网站，占领党的理论、政策宣传的网络阵地；开展党员干部教育、入党积极分子教学的网络远程教学；实施党内信息统计“信息化”、党内信息管理“网络化”工程，提高党内信息动态管理的效率，以克服多校区办学和学生顶岗实习条件下党建工作的地域、空间障碍。
3.构建“党风促学风”的校园文化机制
校园环境文化是高校育人的基本环境，它“包括校容校貌、教学内容与管理制度，全校师生的共识及所遵循的价值观念与行为准则，以及由此产生的一种浓烈的精神氛围”。多校区管理模式下，存在的突出问题是如何在这些办学“新区”传承、延伸学校一贯的办学理念、历史内涵和文化底蕴，使在“新区”学习的大学生能够成为传承本校大学精神的当代优秀大学生。在这一过程中，必须紧紧依靠广大党员和基层党组织，从多校区办学的现实出发，构建“党风促学风”的校园文化机制，结合高职学生成长成才需要，通过开展特色鲜明的精品文化活动，着力展现本校校园文化的时代风采，推动校园物质文化、精神文化、制度文化和行为文化在新校区的形成，做好高职学生大学文化精神的培养与塑造工作，使之成长为德、智俱佳的高素質技能型人才。
（四）增强党建干部力量，打造管理服务高地
努力建设一支信念坚定、业务精通、乐于奉献的学生党建工作队伍，是做好高职学生党建工作的保证。当前高职院校学生党建工作主要依靠三支队伍。党务工作者是专职从事学生党建工作的干部，他们主要在规范程序、严格把关、宏观协调方面担负重要职责；党员专业教师尤其是“两课”教师在高校学生党建工作中是不可或缺的重要力量，他们对大学生的“三观”树立和共产主义理想信念的建立具有较强的感召力；学生党员既是学生党建工作的对象，又是发展学生党员工作的骨干力量。面对多校区管理模式带来的学生党建工作新形势，高职院校首先要加强党建工作人员的整合力度，提高管理服务效率；其次，要对既有党建干部进行培训教育，切实提高其政治业务素质，保证党建工作队伍的专业化专职化；再次，要建立一整套选拔、考核、监督的考评和激励体系，按照不断提高学生党建工作水平的目标要求，着力发挥他们在学生党员教育管理中的导航作用。
總之，在多校区办学特点和高职学生特殊培养模式下，高职学生党建工作面临着新的挑战与压力，必须在科学发展观“以人为本”思想指导下，进一步更新观念，与时俱进，求真务实，开拓进取，积极研究新形势下学生党建工作的新情况、新问题，努力形成一整套行之有效的学生党建工作模式，不断开创多校区高职学生党建工作的新局面。
参考文献：
［1］ 王爱民.科学发展观与高职院校党建工作［M］.上海：上
海交通大学出版社，2009：20-46.
［2］ 蔡立斌.多校区办学高校党建模式初探［J］.学生党建与
思想教育，2005，（10）：18-19.
［3］ 操菊华.多校区高校学生党建工作对策研究［J］.教书育
人，2008，（9）：53-54.
［4］ 康雷.高校学生党建工作的问题与对策探析［J］.文教资
料，2009，（10）；194-195.
［5］ 肖丽静.跨校区大学生党建工作面临问题及应对措施［J］.
才智，2010，（23）；269-270.
［6］ 蒋平.高职院校学生党建工作对策及创新研究［J］.中国
科教创新导刊，2011，（29）；68-69.
The Model of Students' Sork of Party under Multi Campus Mode
of Higher Vocational
WANG Wen-feng
Abstract: With the running of the management model of multi-campus vocational colleges, actively exploring to build to adapt to multi-campus management of student work of party building mode has become a pressing problem of student work of party building. Education management features combined with vocational students. The article proposed the scientific development concept "people-oriented" thought, under the guidance of the organization and leadership, institutional innovation and mechanism run, team building. Student party building in line with the characteristics of vocational colleges works, and actively plays the leading role of party building in the ideological and political education in the vocational students.
多模式网络 篇11
随着人们环保意识提高, 不可再生资源日益稀缺, 以及国家立法更为严格, 逆向物流废旧品的回收逐步显示出良好的经济、环保和社会效益。与正向物流相比, 回收物流更具复杂性, 尤其是废旧品回收时间、数量及质量的不确定性, 增加了逆向物流回收网络设计及其管理的难度。当前有关逆向物流的研究一般假设回收数量为确定实数, 或借助模糊参数或随机参数来刻画回收量的不确定性, 而对于影响回收数量的因素很少给出具体分析。由于回收数量的大小直接影响回收设施选址, 以及回收网络设计的有效性。一些闭环供应链运作的文献, 给出了废旧品回收率的函数, 或假设回收率是回收价格的指数函数[1,2,3], 或回收率是回收商广告投入的函数[4,5,6], 或假设回收率是回收价格的线性函数[7,8,9], Aras.N[10]指出经济利益和回收便利性是影响回收率的两个主要因素。据此, 回收价格是影响回收数量的重要因素, 尤其当各周期各区域的废旧品供应量发生剧烈波动时, 更应该实行动态定价。回收价格的高低, 关系到回收系统的总利润, 从而在设计回收网络时应考虑回收数量和回收价格的变化。
当前逆向物流回收网络设计主要集中于单周期单目标, 而多周期多目标回收网络设计决策效果更好, 多周期更切合实际;多目标兼顾了各方利益, 因此, 更能反映现实回收网络的复杂性。Ko[11]研究了基于第三方回收的集成式动态模型, 钟学燕[12]建立了随机环境下多品种、多周期再制造逆向物流网络随机规划模型;詹沙磊[13]研究了基于第三方回收的多周期多目标回收网络规划, 考虑了第三方物流供应商利润和制造商两个目标。但作为逆向物流废旧品供应者的消费者, 其利益很少作为决策目标予以考虑。
在多周期逆向物流回收网络中, 本文首先对每周期的废旧品数量进行预测, 在此基础上, 假设废旧品回收率是回收价格的线性函数, 考虑回收中心处理能力及存储费用, 动态定价影响回收数量, 并以回收网络总利润和消费者利益两个目标建立模型。
2 模型建立
2.1 问题描述
本闭环供应链由制造商、零售商和回收商构成, 回收网络结构如图1所示。收集中心从消费者手中回收废旧品, 制定每个周期的回收价格;回收中心对收集中心运送来的废旧品进行清洁、检测、分类及存储等活动, 将回收的废旧产品分为可维修再制造、可拆解再制造、可分解再制造三类, 并发往制造/再制造工厂;制造/再制造工厂对废旧品进行再制造, 并通过正向物流实现销售。
2.2 模型假设
①再制造品与新产品性能和销售价格无区别, 在同一市场销售。再制造品数量远小于市场需求量, 因而不存在再制造品的超额供应。
②每个消费者区域都有一个收集中心负责本区域废旧品的回收。收集中心将回收的废旧品及时送往回收中心, 不考虑库存及存储费用。
③回收中心有最大处理能力限制, 无存储能力限制, 超过处理能力的废旧品存储在回收中心进入下一周期。再制造工厂无能力限制。
④周期s第i个消费者区域的废旧品供应量为前周期购买的产品在当期报废的数量, 由于考虑周期跨度较长, 前面周期未回收的废旧品不进入下一周期。
⑤废旧品回收率为, p为回收价格, Δ为允许的最高回收价, rmax为最高回收价时回收率。各消费区域消费者对回收价的敏感程度一样, 回收率函数亦相同。
2.3 模型参数与决策变量
(1) 模型参数
i={1, 2, …, I}表示消费者区域;j={1, 2, …, J}为回收中心;k={1, 2, …, K}为制造/再制造工厂;s={1, 2, …, N}表示周期;T为周期跨度;Usi为周期s消费者区域i购买的新产品的数量, Vsi为废旧品数量, Xsi为收集中心从第i个消费者区域回收的废旧品数量。m1为收集中心单位废旧品的运输成本, c1为回收中心单位处理成本, R为回收中心的最大处理能力, w为废旧品单位存储成本, Qsj为周期s第j个回收中心处理的废旧品数量, Dsj为废旧品存储数量。c2为可维修再制品的处理成本, c3为可拆解再制品的处理成本, c4为可分解再制品的处理成本, m2为单位废旧品从回收中心运往制造/再制造工厂的单位费用。p为新产品售价, f (t) 为产品使用寿命概率密度函数, α为可维修率, β为可拆解率, γ为可分解率, α+β+γ=1。Ilij为收集中心i到回收中心j的距离;Jljk为回收中心j到制造/再制造工厂k的距离。h1为收集中心的建设成本, h2为回收中心的建设成本, h3为制造/再制造工厂的建设成本。
(2) 决策变量
psi为周期s收集中心i废旧品的回收价格, Ysij为收集中心i运往回收中心j的废旧品数量, Zsjk1、Zsjk2和Zsjk3分别为回收中心j运往制造/再制造工厂k的可维修再制造品、可拆解再制造品和可分解再制造品的数量。Fj、Lk表示回收中心、制造/再制造工厂备选点, 为0-1变量, 0表示不修建, 1表示修建。
(3) 废旧品回收量参数说明
周期s第i个消费区域的废旧品供应量Vsi为前周期购买的产品, 按照一定概率在当前周期报废的数量。参照文献[14], 将产品的使用寿命周期的概率密度f (t) 近似为产品报废的概率, 可求出Vsi的表达式:
收集中心i废旧品回收数量Xsi的表达式:
2.4 模型建立及求解
(1) 目标函数
一个有效的回收网络不仅可降低回收成本, 增加系统利润, 而且还应能增大社会效益, 提升企业形象, 提高客户满意度和忠诚度, 因而, 回收网络设计时决策者不仅考虑系统利润的最大化, 同时也应考虑社会效益, 即消费者利益的最大化。
目标1:系统利润
①制造/再制造工厂的销售收入
②收集中心成本
③回收中心成本
④制造/再制造工厂成本
目标2:消费者利益
(2) 约束条件
模型的目标函数必须满足的约束条件有:
其中, 约束条件 (9) 为收集中心运量平衡条件; (10) 和 (11) 分别为回收中心在处理能力限制下的处理量和库存; (12) 、 (13) 、 (14) 分别为第s个周期可维修再制造数量、可拆解再制造数量和可分解再制造数量; (15) 和 (16) 为流量约束, 其中λ为充分大正数; (17) 为回收价格的约束; (18) 为0-1约束; (19) 为非负约束。
(3) 模型求解
本文模型是混合整数非线性规划模型, 可选择用优化软件LINGO11的全局最优求解器求解模型。为了提高求解速度, 可以设定用多个初始点进行求解, 同时在非线性求解程序的选项卡内选择生成初始解、识别二次规划、Steepest Edge最陡边缘策略。
3 算例求解与分析
原始设备制造商委托第三方回收商回收, 该城市分为4个消费区域 (i=4) , 4个回收中心候选点 (j=4) , 3个再制造工厂候选点 (k=3) , 单个周期跨度为3个月, 在第7个周期初考虑开始回收。新产品售价p0=1000, 最大允许回收价Δ=800, 最大回收率rmax=0.88, 回收中心最大处理能力R=800, 单位废旧品的存储成本w=50, 运输成本m1=0.003, m2=0.006, 建设成本h1=10000, h2=120000, h31=350000。其余参数如表1、表2、表3、表4、表5所示。
通过采用LINGO11计算得第7、8、9周期的废旧品供应量, 如表6所示。
①当仅考虑系统最大利润时, 目标1的全局最优解为:OBJ11=1474766, 记为OBJ1max, 表示目标1的最大值。F1=F2=F3=1, F4=0, L1=L2=1, L3=0, 此时目标2:OBJ12=1697508, 记为OBJ2min, 表示目标2的最小值, 各总期各区域回收价如表7所示。
②当仅考虑社会效益最大化时, 目标2的全局最优解为:OBJ22=3159640, 记为OBJ2max, 表示目标2的最大值, F1=F2=F3=F4=1, L1=L2=L3=1, 此时目标1的值为:OBJ12=1.757617, 记为OBJ1min, 表示目标1的最小值。各周期各区域回收价格如表8所示。
③同时考虑系统利润和社会效益, 构建回收系统满意度和消费者满意度, 回收网络构建的目标是使两者满意度都尽量最大化, 从而提出总体满意度μ=μ1μ2, 将多目标转化为追求总体满意度最大, 求解得μmax=0.7254, OBJ1=1266961, OBJ2=2932144, F1=F2=F3=F4=1, L1=1, L2=L3=0, 各周期各区域回收价格如表9所示。
针对各周期各区域废旧品供应量的不稳定, 对回收价格实行动态定价。由于表6中第7周期废旧品供应量高于第8、9周期, 第7周期较低的回收价格就可以实现较大的回收量, 因此表7、表9中第7周期的回收价格低于第8、9周期的回收价格。
当仅考虑系统利润最大时, 系统利润达到最大1474766, 各周期各区域的回收价格均小于最高回收价格400, 这导致回收数量和再制造数量减少, 造成资源浪费。当仅考虑社会效益时, 消费者利润达到最大3159640, 各周期各回收价格都达到最高回收价格400, 系统利润为1.757617, 这将导致回收商和再制造商积极性降低。因此, 需兼顾系统满意度和消费者满意度, 提升各方积极性, 此时系统利润为1266961, 满意度为0.8591, 消费者利润为2932144, 满意度为0.8444, 总体满意度为0.7524, 在两个目标之间达到较好的平衡。
4 结论