一种基于蚁群算法的多媒体网络多播路由算法

为了克服蚁群算法（Ant Colony Optimization,ACO）收敛速度慢，易限于局部最小点等缺陷，对ACO进行了改进，在每次循环结束时，保留最优解，自适应地改变挥发度系数，引入遗传算法的交叉算子，提出了一种基于ACO的有时延约束的多播路由算法模型。仿真结果表明，基于改进ACO的多播路由算法模型 可以稳定地获得优于现有启发式算法的解，是一种有效的多播路算法，该算法也适用于并行执行和应用。     

最小生成树在动态贪婪多播路由算法中的应用

由于在所有节点都是多播节点时,最小生成树是最佳的,因此期望通过最小生成树动态贪婪多播路由算法产生的多播树的性能在合理的范围之内．对贪婪算法、加权贪婪算法和本文提出的最小生成树动态贪婪算法进行了详细的仿真,仿真结果表明,本文提出的算法在多播节点密度较大时显示了优越性,且它的平均无效度在其他情况下也在可接受的范围之内．同时它还具有复杂度低的特点．     

移动自组网的多约束QoS多播路由最优算法

在多播应用中,应当确保多种网络服务质量(Qos).针对移动自组网多播通信业务工程,本文给出了一个基于遗传算法的多约束最优化路由算法(MQMGA),该算法能够优化最大链路利用、节省多播树开销、保持长寿命路径选择、减少平均延迟和端对端最大延迟.仿真实验结果表明,该算法有效,能够提高多播通信业务工程的性能,易于评价移动自组网的路由稳定性.     

IP多播路由选择及应用

分析在因特网上使用的各种IP多播路由算法及优缺点。基于具体多播模型,重点介绍因特网IP多播路由标准。最后对实验性多播主干网提出改进意见。     

基于Tabu搜索的QoS多播路由优化算法

该文研讨了具有QoS多播路由问题．文中描述了一种适应于研究QoS多播路由的网络模型．该文在网络环境及不确定参数下，提出了一种在网络规模、可行性方面为Internet、移动网络和其他高性能网络基于Tabu搜索的QoS多播路由优化算法(TQMRA)．TQMRA在网络环境及不确定参数下能够优化网络资源．仿真实验结果表明．TQMRA为QoS多播路由提供了一种新的有效途径．     

基于最小生成树的时延约束多播路由算法

多播路由已有广泛的应用,但满足时延约束而代价最小的多播路由算法复杂性很高．提出一种快速有效的基于最小生成树满足端到端时延限制的多播路由算法SsTBMR．STBMR试图建立原图的满足时延约束的最小生成树,如果这样的最小生成树不存在,则用已找到的树与时延最小路径一起组成满足时延约束的多播树此算法简单易实现,时间复杂度为O(n2),与Kpp算法的时间复杂度O(△n3)相比,具有更大的应用价值．当然,这是以多播树的费用增大为代价的．实验模拟表明STBMR算法构造的多播树费用比KPP算法构造的约大4%,但STBMR算法执行所耗CPU时间比KPP算法约少54％．     

通信网络中QOS多播路由技术研究

给出了多约束QoS组播路由的问题模型,分析论述了多约束QoS组播路由优化的约束树算法和遗传算法、蚁群算法、免疫算法等智能化算法,对QoS约束的多播路由技术的进一步研究进行了展望。     

移动IP中的多播技术分析及改进的新方案

以移动IP作为网络层路由支持向移动主机提供多播技术是一个巨大的挑战。首先对基于IP网络模型的移动IP和IP多播技术做概括论述，分析了IP多播的算法和多播路由协议。然后侧重研究在目前的移动IP中如何有效提供多播技术的支持，分析了在现有的IP网络中集成多播和移动性时出现的问题，阐明了几种可能的机制并比较了各自的优缺点。最后提出了一种改进的基于移动IP的移动主机多播技术支持，并和其他方案进行了比较。     

一种新型片上网络及其受限组播路由算法设计

从降低节点度、减少网络链路数和缩短网络直径的角度出发，提出一种用于片上核间互连的新型互连网络——基三分层互连网络（THIN），该网络具有明显的层次性、对称性和可扩展性．深入研究了THIN的静态特性，并与2-D Mesh和Hypercube进行对比，结果表明：在网络规模不大时，THIN更适于用来构建片上核间的通信网络．THIN中节点采用一种支持分组的编码方案，基于该方案，设计了一种基于树的受限组播路由算法（TRMA），该算法设计简单、路由效率高并易于硬件实现．仿真结果表明：TRMA比基于单播的多播路由算法具有更小的网络延迟和更少的网络流量．     

基于免疫原理的动态多播路由算法

为了避免传统启发式算法在求解多播路由问题时存在的过早收敛问题,提出了一个新的动态多播路由免疫算法(DCOMIA),此算法利用克隆选择和基因库的思想改善了群体的多样性,并评估了二进制串表示的候选个体.同时,提出了一个改进了的动态约束多播路由问题(MDCMR),试验结果表明:此算法求解该动态多播问题是高效的.     

基于量子遗传算法的多约束QoS路由算法

提出了一种基于量子遗传算法解决多约束QoS路由问题的算法，详细讨论了该算法用于解决包含带宽、延时、包丢失率和最小花费等约束条件在内的多约束QoS路由问题，给出了算法实现的方法和具体流程．实验结果表明，与其他2种算法相比，该算法不但能满足QoS约束要求，同时可以均衡链路负载，很好地优化网络资源．     

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。     

基于改进量子遗传算法的WSNs多路径路由研究

最优路径搜寻和能量优化是无线传感器网络(wireless sensor networks,WSNs)研究的两大关键性问题,基于簇结构的无线传感器网络模型,将改进的量子遗传算法引入WSNs网络层节能路由算法研究中,选取多条较优染色体代替一条最优染色体指导群体的进化;采用动态的量子旋转门调整策略,避免算法收敛于局部最优解;利用球面坐标角度对量子遗传算法编码,降低算法的复杂度;以路由所耗能量为优化目标,构造适应度函数。与基于传统遗传算法（genetic algorithm, GA）、标准量子遗传算法(quantum genetic algorithms, QGA)的多路径路由进行比较,实验表明,该算法比基于GA,QGA算法的多路径路由具有更低的网络能量消耗,更长的网络生存周期。     

基于量子粒子群优化算法的PID参数控制

针对传统PID算法参数最优或接近最优确定较为困难,提出一种量子粒子群(QPSO)优化PID参数的算法,并用平方误差矩积分函数作为适应度判据,以克服PID算法自适应能力较差及遗传算法(GA)优化效率不高,其局部搜索能力较弱的缺陷。并使用伺服电动机数学模型进行仿真,结果表明量子粒子群优化PID参数速度快,避免早熟缺陷,同时表明了所提出算法的有效性和所设计控制器的优越性。     

基于自适应退火遗传算法的船舶管路布局优化方法

采用自适应遗传算法来确定标准遗传算法的杂交率和变异率,尤其对变异率的调整,使其不但能根据个体适应值的大小进行自适应修正,而且能随进化状态的改变而改变,从而增强了算法摆脱局部最优解的能力.同时引入模拟退火思想,通过对标准遗传算法接受算子的退火处理,使其在搜索过程中除了接受优化解以外还以Metropolis准则接受恶化解,提高了种群的多样性,有效地增强了全局寻优能力.通过对适应值函数的退火拉伸,调整了进化前后期的适应值差异,从而加速了寻优过程.最终以形成的自适应模拟退火遗传算法进行船舶管路的三维布局优化,仿真实验表明,该算法不但加快了寻优速度,而且与标准遗传算法相比全局收敛率提高了近30%.     

改进遗传算法求解有时间窗车辆路由问题

为了有效求解带有时间窗的车辆路由问题,在标准遗传算法的基础上,引入两代竞争近距淘汰选择算子,用欧氏距离来判断个体之间的距离作为个体的相似程度,相似程度高且适应度差的个体被淘汰,并辅以循环交叉算子和插入变异算子,构造出了一种改进的遗传算法.仿真实验表明,改进的算法在迭代过程中能有效保持群体的多样性,避免出现早熟现象而陷入局部极值点,提高遗传算法的内在并行性.同时通过竞争淘汰,使局部搜索能力得到加强,加快了搜索速度.改进算法所计算出的结果优于用轮盘赌和自适应选择作为选择算子的遗传算法的结果.     

基于KFDD与进化算法的可逆电路优化算法

为降低由Kronecker功能决策图(Kronecker functional decision diagram,KFDD)综合所得可逆电路的成本,提出一种基于进化算法的可逆电路优化算法.该算法基于遗传算法模型进行设计,分别采用离散值和整型值编码KFDD输入变量的分解类型和顺序,使用所设计的遗传算子,将量子成本作为主要目标、量子位数作为次要目标进行可逆电路的优化.为解决过早收敛问题,该算法在搜索过程的前期阶段利用多个子群搜索解空间中的不同区域,在搜索过程的后期阶段将多个子群合并为整体种群,利用整体种群进行集中搜索.使用基准函数对算法进行验证的结果表明,所提出算法具有较强的全局寻优能力,有较好的结果稳定性,能够降低可逆电路的量子成本.     

基于量子遗传算法的WSNs能量均衡路由优化

针对无线传感器网络（WSNs）中传感器节点能量有限,以及单一的传输路径所带来的能量消耗不均衡的问题,引入量子遗传算法对其进行优化。充分利用量子遗传算法高效搜索和全局优化的能力,在综合考虑网络耗能和路径延迟的基础上全局优化路由;并对算法的一些环节如量子比特编码、适应度函数的设计以及量子变异进行了详细的分析与设计。仿真表明：与传统遗传算法相比,量子遗传算法在降低网络能耗,延长网络生命期方面有着优越性．     

基于混沌序列遗传算法的QoS组播路由选择方法

针对遗传算法求解服务质量(QoS)组播路由易发生早熟收敛的缺点,将混沌序列引入遗传算法中.首先利用混沌序列的随机性,生成更具多样性的遗传算法的初始解集,然后,通过判断适应度函数值的变化,判断早熟是否发生,如果发生早熟,则用混沌扰动对该解群进行类似变异的扰动操作,从而避免进化过程中基因多样性的缺失.仿真结果表明,该算法能快速、有效地构造出满足QoS约束要求最优组播树.     

一种WDM光网络中混合波带交换算法研究

波长/波带混合交换是WDM光网络中的一个新的研究热点.提出了一种在WDM多层多粒度交换网络中新的跨层交换路由算法-最大波带链路路由算法.该算法最大限度地利用波带交换链路和波带/波长混合交换链路的容量,仿真表明该算法能降低阻塞率,有效提供网络性能.