中文摘要：

针对移动自组网中的实时多播业务，如何以最小代价保证其在严格时延限制下的高可靠性传输是一个具有挑战性的性能优化问题。目前研究多集中于采用基于遗传算法的协同编码等一类的寻优方法来优化其性能。然而，对这类难以用精确数学模型描述、具有高度时变性、非线性和不确定性的复杂随机对象，遗传算法等传统智能优化算法难以满足其实时自适应要求。鉴于此，本课题探索物理机理与数学模型结合的方法，试图突破现有思路，建立基于特征模型的智能自适应优化方法。通过提取影响系统性能的特征参量、变量，研究抓取移动自组网的动态特性、协同编码机制和性能优化目标之间的特征关系，探索特征建模的理论和方法，将特征参量、变量组成简单易行且与实际对象等价的特征模型；最终，保证系统在各种状况下稳定运行且达到最优性能指标。本研究将在基于特征建模的协同编码理论与方法上有所创新，对移动自组网中的高效实时可靠多播协议设计具有实际指导意义。

结论摘要：

对于移动自组网(简称MANET)中的实时多媒体多播(简称RMM)业务，如何以最小代价保证其在严格时延限制下高可靠性传输是一个具有挑战性的性能优化问题。针对该优化问题，本课题探索了物理机理与数学模型结合的方法，提出了构建基于特征模型的自适应优化新方法。具体的，通过该项研究，我们发现基于多元统计分析的方法，能够对无线多播信道的删除错误特征、以及MANET中干扰的随机分布特征进行较精确的建模和分析。基于无线信道与干扰随机分布的特征模型，构造出基于冲突图的联合网络编码与调度的优化数学框架，并提出了一种基于随机偏转次梯度的主-对偶分布式近似优化算法，该算法可实现在线优化的功能，使RMM业务在MANET中的传播性能达到最优。与现有算法相比较，该优化算法不仅具有显著的性能增益，而且能取得良好的收敛性、稳定性和鲁棒性，因而具有较好的实际应用前景。 最终，基于该项目的研究成果总结如下发表了学术论文20篇，其中SCI论文3篇，EI论文10篇，中文核心期刊7篇；申请了发明专利7项(均已受理)；培养了硕士研究生6名。