遗传算法在组播路由优化中的应用

通过分析遗传算法和组播路由的特点,提出了一种求解满足带宽-时延约束多组播路径问题的遗传算法.在算法中设计了一种基于节点连接路径的具有树状结构的染色体表示方法及可以实现树状染色体交叉和变异的算子.数值实验结果表明,所提出的算法有效改善了初始群体的整体适应性,便于更快地找到最优路径,有效解决了带宽-延时约束组播路由的问题.     

用一种改进遗传算法求解带时延约束的组播路由问题

提出一种改进的遗传算法,用以求解带时延约束的组播路由问题.该算法综合考虑了路由费用和路由时延,并给出了一种适应度评价函数,在算法中采用了最佳个体保留、自适应交叉以及非线性排序选择等多种优化机制.仿真结果表明,该算法是可行的,有效的.     

MANET中基于遗传算法求解QoS组播路由问题

本文针对MANET中QoS组播路由问题进行剖析和研究,在MANET网络中抽象出QoS组播路由模型的基础上,提出了一种基于遗传算法求解QoS组播路由问题的新算法。该算法引入预处理机制和贪心算法的思想,避免了产生多个非法多播树;采用自然树型结构编码,同时设计新初始化种群算子并简化了变异算子。仿真结果表明,本文算法收敛速度快,寻找最优路径成功率高。     

基于混合遗传算法的多约束组播路由优化算法

针对目前多约束组播路由算法中存在的算法复杂,不能求出其精确解和运算量大,解不稳定等问题提出了一种新的组播路由优化算法,其核心是采用改进的遗传算法。该算法采用模拟退火算法与遗传算法相结合的方法,编码采用实数编码结构,交叉和变异概率适当选择,合理设计适应度函数。仿真结果表明,该算法是有效的,稳定的,比传统遗传算法性能优越,具有较强的实用性。     

基于遗传算法的路由选择问题的研究

针对多目标优化问题,应用免疫遗传算法的基本思想,提出了一种求解满足带宽-时延约束多组播路径问题的两层遗传算法。在算法中设计了一种基于节点连接路径的具有树状结构的染色体表示方法及可以实现树状染色体交叉和变异的算子。数值实验结果表明,文中提出的算法可以有效找到多组播路由问题的优化解。     

基于遗传算法时延与时延差约束组播路由算法

现有组播路由协议提供尽力而为的服务而没有QoS(服务质量 )的支持 .一种启发式组播路由方案考虑了时延与时延差的约束条件 ,可以为应用提供实时性与同步性的支持 .提出了基于遗传算法的时延与时延差约束条件组播路由算法 ,在具有启发式组播算法性能的基础上兼顾组播的代价 ,同时力图减小算法运算复杂度     

多宇宙并行量子遗传神经网络人脸识别算法研究

针对传统遗传算法交叉、变异过程过于繁琐和神经网络在极值判断及收敛速度受限等问题,提出了一种并行的量子遗传算法优化神经网络权值的算法.首先引入了量子计算的概念,在量子计算的过程中使用量子旋门实现染色体的训练,然后引入量子交叉克服了早熟收敛现象,避免了遗传算法中繁琐的交叉、变异过程.最后设计实现了并行的卷积神经网络,使用并行量子遗传算法优化了卷积神经网络权值,实现了并行量子遗传神经网络人脸识别系统.实验结果表明,相对于原来的遗传算法,该算法在鲁棒性和实验速度上都有明显的提高.     

基于混合遗传算法的多约束组播路由问题的求解

研究了延时、延时抖动约束的最小费用组播路由问题,并且提出了一种混合遗传算法.遗传算法是一种模拟生物进化过程的并行最优算法,适合在大型、复杂的空间中寻找最优解.遗传算法并不需要求解问题具有连续性,因而适宜于约束组播路由问题的求解.此外,遗传算法的并行分布式处理实现简单,因而用遗传算法解决约束组播路由问题十分有效.并通过计算分析,表明本算法能够快速有效的构造出所要求的满足延时、延时抖动约束的最优组播树.     

QoS路由技术的新方法

多约束QoS路由问题是NP完全问题，一般采用启发式算法求解。量子遗传算法和DNA计算技术是新型的软计算方法．是解决NP完全问题的有效途径。文章在介绍量子遗传算法和DNA计算基本原理的基础上．给出了利用量子遗传算法求解多约束QoS路由问题的算法过程以及利用DNA计算技术解决QoS路由问题的算法模型，为多约束QoS路由技术的求解提供了新方法和新思路。     

边不对称网络的QoS组播路由算法

针对QoS组播路由问题，建立链路负载不对称网络模型，以平衡网络负载为目标提出一种基于带宽和延时约束的QoS组播路由遗传算法（BDMGA）。 通过对该算法的收敛性分析和与其他算法的性能比较研究表明，该算法构建的组播树费用较低，且算法具有很强的均衡负载能力，可有效避免链路拥塞，提高网络运行性能。此外，在小规模的网络上能够以较快的速度收敛到全局最优解。     

NGI中的一种禁忌-递阶遗传QoS组播路由算法

设计了NGI主干网重要组网形式IP/DWDM光Internet中一种非NP类QoS(quality of service)组播路由算法,基于禁忌-递阶遗传算法(tabu-hierarchy genetic algorithm,THGA)构造优化的QoS组播路由树·该算法模拟生物繁衍过程,采用递阶编码方式,引入禁忌交叉和禁忌变异两种禁忌算子改进遗传操作,综合考虑了用户QoS需求和网络费用,同时有助于实现网络负载平衡·仿真结果表明,所设计的算法是可行和有效的,它在一定程度上克服了基于经典遗传算法的QoS组播路由算法存在的早熟和收敛慢等问题,提高了算法性能,较好地解决了IP/DWDM光Interne...     

Network coding resources optimization with transmission delay constraint in multicast networks

Minimizing network coding resources of multicast networks,such as the number of coding nodes or links,has been proved to be NP-hard,and taking propagation delay into account makes the problem more complicated.To resolve this optimal problem,an integer encoding routing-based genetic algorithm (REGA) is presented to map the optimization problem into a genetic algorithm (GA) framework.Moreover,to speed up the search process of the algorithm,an efficient local search procedure which can reduce the searching space size is designed for searching the feasible solution.Compared with the binary link state encoding representation genetic algorithm (BLSGA),the chromosome length of REGA is shorter and just depends on the number of sinks.Simulation results show the advantages of the algorithm in terms of getting the optimal solution and algorithmic convergence speed.     

基于遗传算法的代理服务器位置优化研究

针对传统方法难以快速求得Web服务器代理部署问题的满意解,提出了一种基于遗传算法的求解策略.以图论为基础,构建了代理服务器位置优化模型,从Web服务器到客户构成一个树型结构.遗传算法采用二进制编码表示代理的位置,使用单亲交叉算子和单亲变异算子来提高算法的执行速度和进化效率.算法在时间复杂度方面优于传统方法.仿真结果表明,基于遗传算法的求解方案能快速地求出代理服务器位置优化问题的全局近似最优解,并满足实际Web应用的精度要求.     

一种新的全局优化算法——统计归纳算法

在多极值问题的优化领域 ,主要有模拟退火算法(SA) ,遗传算法 (GA) ,人工神经网络 (ANN)算法 ,它们都是基于对自然现象模仿的算法。该文从更基本的优化思想出发 ,基于概率论提出了一种新的全局优化算法——统计归纳算法 (SIA)。在一些标准测试函数以及“货郎担问题”(TSP)上的计算结果表明 ,该算法在智能性 (所需的函数计算次数 )和解的全局性方面都远远好于 SA和 GA。在中国 144个城市的 TSP问题实例中 ,它甚至很快就找到了比参考计算中给出的“目前已知的最优路径”更短的路径。从这一算法思想的角度 ,阐述了 SA和 GA为何对全局优化问题有效 ,以及SA和 GA各自固有的不足之处     

基于遗传和粒子群结合的文化算法

针对粒子群优化(PSO)算法的"早熟"现象,给出了基于遗传和粒子群结合的文化演化算法.该算法将PSO/GA纳入文化算法框架,形成PSO的主群体空间和GA的信仰群体空间,两群体空间可以独立并行演化,并在适当的时机实现信仰群体空间对主群体空间的引导,达到改善粒子群优化算法全局搜索能力、提高计算精度的目的.仿真表明,该算法的优化性能和效率优于PSO算法、GA算法和GA-PSO混合算法.     

下一代互联网中的智能QoS组播路由算法

将遗传算法、模拟退火算法、禁忌搜索算法这3种智能优化算法引入基于QoS的优化组播树计算中·首先建立了支持QoS组播的高速网络模型,在此基础上给出了组播算法问题的数学模型·分析了在组播算法问题中应用这3种智能算法所面临的关键问题及解决方案,然后给出了3种算法在费用寻优和运行时间性能方面的对比·仿真表明,这3种算法都有较高的性能,能够满足下一代互联网支持QoS组播的需求·     

基于混沌遗传算法的QoS组播路由

针对遗传算法在搜索最优组播树的过程中易发生早熟收敛的缺点,提出一种抑制早熟的混沌遗传算法.利用混沌的随机性和遍历性,将混沌扰动算子加入到遗传算法的操作中,当判断种群有早熟发生时,就对该种群进行类似变异的混沌扰动操作,从而增加了种群的多样性,既保留遗传算法的全局搜索能力又能有效改善算法性能.仿真结果表明,该算法能克服早熟收敛的缺点,又能快速、有效地构造出满足QoS约束要求的最优组播树.     

链路优化时延约束组播路由的遗传算法

针对网络的瓶颈路径易造成网络拥塞的现象,分析了链路负载不平衡的原因,重新给出链路代价定义,提出一种遗传算法求解该类组播路由问题.算法从链路代价权值转化开始,以满意的时延树为遗传算法的初始解集,然后在交叉操作过程中不断地用低链路代价的边代替树中高链路代价的边,以求得满足链路代价最优的组播树.仿真结果表明,该算法在考虑网络的负载均衡情况下,选择链路代价较低的空闲路径,快速、有效地构建满足时延要求,链路代价最小的组播树.     

Intelligent Scheduling of Public Traffic Vehicles Based on a Hybrid Genetic Algorithm

A genetic algorithm （GA） and a hybrid genetic algorithm （HGA） were used for optimal scheduling of public vehicles based on their actual operational environments. The performance for three kinds of vehicular levels were compared using one-point and two-point crossover operations. The vehicle scheduling times are improved by the intelligent characteristics of the GA. The HGA, which integrates the genetic algorithm with a tabu search, further improves the convergence performance and the optimization by avoiding the premature convergence of the GA. The results show that intelligent scheduling of public vehicles based on the HGA overcomes the shortcomings of traditional scheduling methods. The vehicle operation management efficiency is improved by this essential technology for intelligent scheduling of public vehicles.     

生命线工程网络抗震优化算法研究

以生命线工程网络系统造价为优化目标,网络拓扑结构为优化参数,网络节点抗震连通可靠度为约束条件,建立生命线工程网络系统的抗震拓扑优化模型.同时,介绍了利用递推分解算法来获得单元重要度的方法,进而利用遗传算法、模拟退火算法和遗传-模拟退火混合算法,进行了生命线网络系统的抗震拓扑优化分析.其中,遗传算法通过对种群选择、交叉和变异操作不断进化以获得优化解,模拟退火算法则通过扰动当前解产生新解来获得优化解,遗传-模拟退火混合算法则通过将遗传算法中的变异操作以模拟退火操作代替获得优化解.利用三种优化方法对两个算例进行生命线工程网络系统的抗震拓扑优化分析.计算结果对比表明,遗传-模拟退火混合算法具有最好的优化能力.