一种面向IPv6的定制化路由备份机制

针对网络定制化能力和可靠路由问题，提出一种面向IPv6的定制化路由备份机制.该机制设计了路由定制化流程，使网络在满足多种应用差异化需求的基础上，考虑用户和网络服务提供商对网络的满意度最大化问题，并结合IPv6崭新的包头格式设计路由备份机制来增强网络的可靠性.仿真实验和性能分析表明，本机制通过二人博弈在选路由时均衡了用户和网络服务提供商的效用，使路由具备了定制化能力.在可靠性上，相比不存在定制的原IPv6路由，本机制在路由时间开销增加16.8%的基础上，预留了备份路径资源，使路由恢复响应时间缩短15%以上.     

节点剩余能量均衡的机会网络路由机制

机会网络中的节点能量受限且难以补充,其能量消耗情况影响着整个网络的生命周期和性能。针对社区机会网络中部分活跃节点频繁转发数据所导致的能量消耗过快问题,提出一种节点剩余能量均衡的机会网络路由机制,根据节点剩余能量及其在网络中的活跃程度感知其综合转发能力,进而合理地选择下一跳节点,有效减少不必要的转发次数,均衡网络负载。数值结果表明,所提出的机制能够在保证网络投递率的同时均衡网络能耗,延长网络生命周期。     

基于改进离散粒子群算法构建制造单元

在未知最佳分群单元数的情况下,考虑了零件多种可选工艺路径和零件工艺顺序,建立基于最小化零件跨单元移动次数的数学模型.通过引入自适应变异因子,提出一种改进的离散粒子群优化算法能动态地确定分群单元数,极大地减少了算法陷入局部最优解的可能.通过对文献中不同规模的单元构建问题进行求解,结果证明了该方法有效,并且无需预先设定分群单元数即可获得与文献中相同甚至更好的结果.     

异构带宽约束的动态源组播路由

提出异构带宽约束的动态源组播路由(heterogeneous bandwidth-constrained dynamic source multicast routing, HBMR). 为了支持组成员的动态性和异质性,收集了组播树分布信息和组播树上节点的最大可接收能力信息. 并设计了一个基于该信息的异构带宽约束的动态源组播路由算法. 仿真实验结果表明,HBMR不但解决了异构带宽约束费用优化的动态组播路由问题,而且在路由成功率、路由消息开销和组播树占用的带宽资源等方面的性能都有综合提高.     

考虑节能的城市物流配送方案优化

针对城市物流配送环节,提出了一种能够节约车辆能耗的物流配送方案优化方法.首先,在考虑载重和车速对车辆能耗因子的影响及时间窗开启前的等待时间约束等条件的基础上,提出了以能耗最小为目标的物流配送路径选择数学模型,并采用蚁群算法求解该问题,实现物流配送方案的一次节能优化;然后,基于一次优化结果,通过调整配送车辆从配送中心及各配送点出发的时刻,实现物流配送方案的二次节能优化;最后,基于北京市道路网的仿真试验显示,相对于以最短时间为目标的优化方法,本文提出的节能优化方法可使城市物流配送过程中的能源消耗平均降低约6.68％.     

一种基于地理位置预测的高性能路由算法

提出了基于ARIMA预测模型的高效路由算法.该算法中节点通过前向与反向成功转发率、数据传输速率等计算链路的丢包率和期望传输次数来获取干扰感知期望传输时间(i ETT),代替DSR路由算法中的最短跳数判据.并引入ARIMA模型来预测节点下一时刻的运动位置,防止链路频繁断裂造成的网络丢包,并在链路失效之前预先选择最稳定的路径进行数据传输.仿真结果表明,所提路由算法相比DSR判据吞吐量提高6%~9%,平均端到端时延降低2%~6%,提高了网络整体性能.     

考虑GIS的物流配送区域划分与路径规划算法

针对大规模VRP配送问题,提出一种配送区域划分的启发式-模拟退火混合搜索算法.针对GIS中实际路网建立路网数学模型,并在大规模VRP路径规划问题研究中与实际GIS路网相融合.对配送路径规划问题提出一种结合GIS模型约束的启发式路径搜索算法.对杭州市某配送区域实际问题求解并与另一种启发式算法对比,验证了算法的有效性.     

基于多目标优化函数的无线传感器网络负载均衡路由协议

针对目前无线传感器网络路由协议在延长网络生存期和提高网络整体性能等方面存在的缺陷,以平衡网络中节点能量消耗、延长网络生存期为优化目标,提出了一种基于多目标优化函数路由协议. 该协议将节点可用能量、路由跳数和节点之间物理距离等参数引入到路由选择函数中,以实现最优路径的建立和对无线传感器网络性能的综合优化. NS2仿真结果表明,与传统的定向扩散协议相比,数据发送成功率提高了15. 3%,网络能量利用率提升了9. 7%,网络生存期延长约12%,在无线传感器网络中具有显著的优越性.     

一种带时间窗车辆路径问题的混合蚁群算法

针对带时间窗车辆路径问题求解时蚁群算法存在容易陷入局部最优,而遗传算法初始种群的优劣对算法有效性存在直接影响,提出一种混合蚁群优化算法。算法首先在蚁群算法的节点选择概率公式中引入时间窗因素,以得到初始种群,然后通过遗传算法的交叉算子和变异算子对初始种群中的较优路径进行交叉和变异操作,从而得到更优的路径。通过Matlab环境下对文中混合算法进行仿真实验,在车辆利用率和路径规划上效果明显,表明了算法的高效性,同时混合算法可以避免陷入局部最优。     

求解带时间窗车辆路径问题的混合智能算法

基于布谷鸟搜索算法和单亲遗传算法,设计了一种求解带时间窗车辆路径问题的混合智能算法.该算法首先对客户位置进行聚类分析,然后再进行各区域的路径优化.混合智能算法不仅改进了布谷鸟搜索算法中当鸟卵被鸟窝主人发现后需要随机改变整个鸟窝位置的操作,同时引入的单亲遗传算法加快了最优配送路线的搜索速度.分析和比较了混合智能算法与布谷鸟搜索算法的计算复杂度.最后采用国际通用标准测试集Benchmark Problems进行测试.结果显示,混合智能算法是求解带时间窗车辆路径问题的一种有效算法.