改进的WMN的QoS组播路由算法

无线Mesh网络（WMN）是一种新型的网络结构,服务质量（QoS）是影响其网络指标的关键因素,因此对WMN的QoS组播路由算法研究成为了一个新的研究方向．采用粒子群优化（PSO）算法应用到WMN的QoS组播路由,存在易早熟的问题,因而采用DE-PSO算法是差分进化（DE）算法与PSO算法一起进行WMN的组播路径寻优．仿真结果表明,DE-PSO算法相比PSO算法,具有收敛速度快、多样性的特点,而且发现DE-PSO算法提高了算法全局搜索能力,更符合无线通信实际的要求．     

QoS组播路由算法研究综述

组播路由和网络服务质量(QoS)是目前和下一代Internet的两个重要研究课题。QoS组播路由作为这两个研究课题的融合,是亟待解决的NP-完全多目标优化问题。结合QoS组播路由算法的问题模型与数学描述,依照不同标准对现有的QoS组播路由算法进行了分类,就当前QoS组播路由算法的研究成果进行了总结,分析比较了典型的QoS组播路由算法,提出了目前算法研究存在的问题,并对以后的研究方向作了展望。     

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。     

面向下一代互联网的智能QoS单播路由算法

为了适应下一代互联网对多个约束条件服务质量(QoS)的要求,提出了一种基于粒子群优化PSO(Par-ticle Swarm Optimization)的智能QoS单播路由算法.首先给出了QoS单播路由问题模型及其数学描述,然后对所考虑QoS参数进行模糊处理,在此基础上利用改进的PSO算法的智能优化能力进行路径寻优.仿真结果表明,提出的算法是可行和有效的.     

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...     

一种IP/DWDM光因特网中的组播路由算法

研究了IP/DWDM光因特网的集成QoS(QualityofService)组播路由与波长分配算法·给定组播请求与用户QoS需求,提出的算法基于遗传算法GA来构造一棵柔性QoS组播树,并基于波长图方法对组播树进行波长分配,一体化考虑路由选择和波长分配问题,从而使QoS组播树费用和用户QoS满意度都趋近优化·该算法还考虑了IP/DWDM光因特网的负载均衡问题·仿真实验表明,算法是可行和有效的·     

NGI中一种基于粒子群优化的QoS单播路由算法

针对满足多个约束条件的服务质量QoS(Quality of Service)单播路由的特点,提出了一种下一代互联网NGI(Next Generation Internet)中基于粒子群优化PSO(Particle SwarmOptimization)的QoS路由算法.给出了QoS单播路由问题模型及其数学描述,对所考虑的带宽、延迟、延迟抖动和出错率等QoS参数进行模糊处理,在此基础上基于PSO算法进行路径寻优,并在多个实际的和虚拟的网络拓扑上进行了仿真实现与性能评价.仿真结果表明,提出的算法是可行和有效的.     

基于QoS的动态组播路由协议框架

通过对现有动态组播路由算法及协议的研究和分析,在总结QoS动态组播路由问题研究现状的基础上,提出了一个协议框架,并就此协议框架中的动态问题、QoS问题及分层问题提出了一些理论上的解决办法.框架试图利用集中式算法作为组播路由的预计算方法,同时结合分布式地动态收集QoS信息,做出QoS相关的组播路由决定.把一些现代互联网的先进技术,如Anycast机制等,结合到组播路由算法中,使组播路由算法具有更大的灵活性和可扩展性.     

卫星Internet中一种QoS组播路由机制

考虑了卫星Internet拓扑变化的可预测性和组播应用的服务质量QoS(quality of service)需求,设计了一种QoS组播路由机制.给出了卫星Internet中QoS组播路由问题模型及其数学描述,引入拉格朗日松弛,设定适应度函数,使用PRIM算法,基于次梯度优化,寻找生存周期最大化的QoS组播路由树.基于NS2进行了仿真实现和性能评价.仿真结果表明,同传统的组播路由机制相比,该机制是可行和有效的,提高了QoS组播路由树生存周期,具有良好的性能.     

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。     

具有差分进化算子的社会蜘蛛群优化算法

[目的]社会蜘蛛群优化算法 (SSO) 是一种新颖的元启发式优化算法,自从它被提出之后就受到该领域学者的广泛关注,并且也被成功应用到许多领域.但是由于社会蜘蛛群优化算法还处在算法的研究初期,该算法的收敛速度与收敛精度还需要进一步提高.[方法]将差分进化算子引入到社会蜘蛛群优化算法(SSO-DM)中,并将改进的算法应用于函数优化问题中,通过5个标准测试函数来验证基于差分进化算子的社会蜘蛛群优化算法(SSO-DM)的优化性能.[结果]差分进化算子增强了社会蜘蛛群优化算法的收敛速度与收敛精度.[结论]本研究中所提出的算法能够获得精确解,并且它也具有较快的收敛速度和较高的算法稳定性.     

基于协同进化和并行计算的船舶管路布置方法

为解决船舶管路协同布置问题,提出一种适合求解多管路或分支管路协同布置的算法框架.通过为每条管路或分支生成对应的进化种群,将管路间的协同布置转换为种群间的协同进化.基于提出的路径连接点概念,生成管路接口间的候选路径种群,并对种群进行交叉、变异操作.使用A~*算法作为寻路算子,提高了生成路径的质量,同时保证了路径的有效性.为了提高运算效率,引入并行计算策略对算法框架和A~*算法进行改进.最后,两个仿真实例验证了所提出方法的可行性和有效性.     

多约束条件车辆路径问题的二阶段遗传退火算法

针对多约束条件的多配送中心有时间窗车辆路径问题,提出了一种二阶段遗传退火算法.在第1阶段,使用遗传算法对客户按供应量和路径长度进行模糊分区;在第2阶段,采用二维变长染色体编码及相应的遗传算子进行混合遗传算法的全局优化.在初始种群生成和交叉、变异算子中采用了随机贪心算法以避免无效解,并利用退火选择来提高种群的多样性.实验结果表明,二阶段遗传退火算法可加速收敛,提高搜索效率,在模糊分区上的搜索速度较之标准遗传算法提高了3～10倍.     

基于GAs求解整数规划问题的算法设计

对于遗传算法（ＧＡｓ）求解整数规划问题,提出一种新的位串编码结构,采用一种新的加速变异算子,可明显改善寻优的收敛速度,并为保持种群多样性引入分散型淘汰法。     

兼顾最优个体的模拟退火分层遗传算法

针对传统分层遗传算法存在"发散"、收敛速度慢和最优解易丢失等缺陷,本文提出了一种改进的分层遗传算法,采用基于模拟退火思想的底层交叉和变异算子,避免底层算法的"发散"、提高收敛速度;设计了一种兼顾最优个体的高层选择算子,防止最优个体丢失。求解SAT问题的比较实验结果表明:求解成功率与收敛速度等算法性能均有较大提升。     

求解TSP问题的一种基于信息素的遗传交叉算子

提出了求解TSP问题的一种新的基于信息素的遗传交叉算子,并对算子构造子个体的过程进行了实验分析. 在生成子个体时,基于信息素的遗传交叉算子不仅能够利用包括边长度和邻接关系在内的局部信息,还可以利用以信息素形式保存的全局信息. 在纯遗传算法框架内,利用TSP基准算例对所提出的交叉算子的性能进行了实验测试. 结果表明,该算子在精度和收敛速度上均优于其他知名的交叉算子.     

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.     

基于集合覆盖的异构有向传感网寿命优化策略

在由感知半径、感知角度和携带能量不同的有向传感器节点组成的异构有向传感器网络中,对满足优先级不同的监测目标有不同覆盖要求条件下的网络寿命最大化问题进行研究。利用集合覆盖的思想,将有向传感器节点划分为满足目标覆盖要求的集合,通过集合之间的切换来达到延长网络寿命的目的。首先证明本文问题是NP-hard问题,然后利用改进的和声搜索算法进行求解,一方面引入带有混沌参数的微分变异因子,改进种群的多样性;另一方面,与模拟退火算法结合增强算法的局部搜索能力。同时为对比算法性能,提出一种贪婪算法。仿真结果显示:较之原始和声搜索算法和贪婪算法,改进和声搜索算法能有效延长网络的寿命,证明了改进算法的有效性。     

Memetic算法及其在分类中的应用研究

群体智能优化算法Memetic算法(Memetic Algorithm,MA)采用进化算法的操作流程,引入局部搜索算子,使其在问题的求解中保证较高收敛性能的同时又能获得较高质量的解,克服了遗传算法等传统全局优化算法易"早熟"的问题,同时避免陷入局部解。在MA框架基础上,提出了全局动态适应MA算法,采用遗传算法为全局搜索算子,k-means算法为局部搜索算子。使用Java语言实现算法并对UCI中分类实验数据集进行测试,结果表明,将遗传算法和k-means结合的全局动态适应MA在分类问题中具有较高准确率。     

基于互信息的混合蚁群算法及其在旅行商问题上的应用

为了提高蚁群算法的求解性能,从医学图像配准算法的思想出发,提出了一种基于互信息相似度的混合蚁群算法.为了表示最优路径和待配准路径之间的互信息熵,在蚁群算法的概率算子中增加了一个新的相似度影响因子,从而可以增加原算法的全局搜索能力,同时可以加速算法在解空间的搜索速度.将该算法应用在旅行商问题上,根据旅行商问题的特定环境,...