基于遗传算法的WSNs节能覆盖方案

针对环境监测中无线传感器网络(WSNs)协议设计没有考虑网络的覆盖和连通特性以及网络中存在着大量冗余节点的问题,把拓扑控制思想引入到节能覆盖研究中,建立感知半径之和最小的数学模型,并用遗传算法求解该模型,得到最优覆盖解.在此最优覆盖拓扑上利用韦尔奇.鲍威尔着色法研究了通信及信道分配的问题,并建立了覆盖方案的能耗模型,使用网络仿真器J-Sim对算法进行能耗分析和仿真实验.结果表明该方案不仅可以节约20%能量,而且达到了99.7%的覆盖率,通信信道的干扰也降低了约50%.     

一种基于遗传算法和LM算法的混合学习算法

针对遗传算法与神经网络结合方式中存在的早熟收敛、泛化能力弱等问题, 提出一种交替使用遗传算法和Levenberg Marquardt算法优化神经网络的混合学习算法（GALM算法）. 该算法先通过遗传算法粗调得到一组全局最优近似解, 再以该近似解为初值, 交替使用遗传算法和LM算法优化神经网络训练, 直至发现满意的网络参数. 实验结果表明, 新算法提高了网络的学习能力和收敛速度.     

基于生态遗传算法的冲击地压预测模型

针对传统方法预测冲击地压存在的弊端,采用遗传算法设计的模糊神经网络做为预测模型,为避免传统遗传算法"早熟"问题而使用生态遗传算法对该模糊神经网络进行训练,选择Matlab7.01在PC机上实现该网络模型,并比较BP算法、传统遗传算法以及生态遗传算法这三种算法所训练的网络性能.仿真和实验结果显示生态遗传算法使网络具有良好的收敛性能,提高了冲击地压预测的准确性.     

时变网络中物流车辆调度问题的研究

研究了时变网络中的车辆调度问题,设计了该问题的并行遗传算法并进行求解.仿真结果表明,该并行遗传算法优于BC-saving启发式算法.     

计算机通信网络中容量与流量分配的优化研究

为了改进计算机通信网络的性能并降低其运营费用,采用改进的并行遗传算法,对计算机网络中容量与流量分配问题进行了优化,比较了不同算法所得到的网络运营费用.大量的计算机仿真实验结果表明,该算法能较迅速地求出全局近似最优解,并且与传统的方法相比较,解的质量能大幅度地提高.这对于减少网络运营费用及合理利用网络资源等方面都具有重大意义,在计算机通信网络及其它网络的规划设计、性能优化及评估中具有重要的理论和实用价值以及广阔的应用前景.     

分层的无线传感器网络非均匀分簇路由算法

为解决无线传感器网络分簇路由算法因簇间长距离通信而带来的高能耗以及路由寻址复杂的问题,提出了一种基于分层的非均匀分簇路由算法。该算法对非均匀分簇算法进行了改进,在竞争半径的计算上同时考虑了节点的位置和剩余能量,以使簇头的负载更加均衡。采用层间多跳通信方式进行数据传输,不仅避免了节点的长距离通信问题,而且简化了数据转发过程。仿真实验表明：与低功耗自适应分簇路由算法和非均匀分簇算法相比,该算法能够有效地节约簇头的能耗,减少网络的系统能量开销,延长网络的工作周期。     

基于模拟退火遗传算法的GMDH网络模型

针对传统GMDH网络建模用最小二乘法辨识参数时容易陷入局部极小导致模型预测效果不理想的问题,提出将模拟退火算法与遗传算法结合起来,并引入到GMDH网络,用模拟退火遗传算法来辨识其部分描述式系数.描述了模拟退火遗传算法,构建了基于该算法的GMDH网络模型,并将该模型应用于泥石流预测的仿真研究,预测平均相对误差达到3.54%.结果表明,该算法既保证了全局寻优又防止了过早收敛,进一步提高了GMDH网络模型的全局与局部寻优能力.     

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.     

基于改进克隆算法的WSN的QoS路由研究

为解决在无线传感器网络QoS约束下的最优路由选择问题,在优化网络拓扑结构的基础上,提出利用克隆选择算法和蚁群算法结合求解WSN组播路由的方法.该算法利用克隆选择算法对原始路由种群进行优化改善,避免搜索过程陷入早熟收敛问题,然后利用蚁群算法快速搜索.该算法在保证能力最优的前提下,提高了路由搜索速度,在保证最优路径选择基础上,节约了通信成本,仿真结果证明了其可行性和有效性.     

有效利用协同空间复用的"绿色"资源分配策略

构建绿色环保的移动通信网络已成为构建和谐社会的一个组成部分.针对未来通信系统的节能问题,提出了一种有效利用协同空间复用的资源分配策略.该策略通过动态调整源节点的发送功率和协作水平来控制参与协同的节点数,从而能够很好地为不同业务提供QoS保证,并且最大限度地节约系统资源的消耗.通过仿真验证了该算法在中断概率和节约系统资源方面的良好性能.     

基于遗传算法的片上网络虚通道分配算法

针对虚通道技术导致片上网络(NoC)面积增加的问题,提出了一种基于遗传算法的NoC虚通道分配算法.该算法利用分析模型计算出路由器每个输入端口的带宽利用率,并将该问题转化为遗传优化问题,根据所有端口带宽利用率的分布情况,引入遗传算法实现虚通道资源的分配.仿真结果表明:该算法有效地利用了系统的缓冲资源,提高了吞吐量;在保证网络性能的前提下,与均匀分配算法和贪婪分配算法相比,该算法可节省约39.6%的虚通道资源.     

混合算法在流量工程中的应用

针对大规模网络中的流量工程问题,设计了结合遗传算法与模拟退火以及结合遗传算法与爬山法的两种混合算法.仿真实验表明,结合遗传算法和模拟退火的混合算法在整体性能上较单独使用遗传算法有明显的提高,结合遗传算法和爬山法的混合算法在处理超大规模的网络和海量业务要求的流量工程问题时具有时间上的明显优势.     

基于并行量子遗传算法的QoS组播路由方法

通信网络时延受限且满足带宽要求的最小代价组播树问题是NP完全问题,传统方法难以求解,一般采用启发式方法求解.提出了一种基于并行量子遗传算法的服务质量(QoS)组播路由算法,算法中将各个子群体独立地并行进化,并通过相邻子群体间的信息交换实现克服早熟,避免局部收敛的目的,还提出了一种新的动态旋转角调整策略,使算法具有更好的种群多样性和全局寻优能力.仿真实验表明,新算法在求解性能上优于遗传算法(GA)和采用静态旋转角的量子遗传算法(QGA).     

列车通信网络设计问题中的双层规划模型

列车通信网络的物理拓扑结构和逻辑拓扑结构优化问题关系到列车控制系统及安全监测系统的性能和经济效益。对列车通信网络的设计问题进行建模,通过双层规划的思想,将列车通信网络的可靠性、建造费用与通信效率纳入统一的决策过程,从而建立科学的列车通信网络最优性能模型。上层规划以最低建造成本为目标,约束条件为网络可靠性;下层规划以最大通信效率为目标,约束条件为建造费用和网络物理拓扑。最后利用一种基于遗传算法和Floyd算法的混合求解过程对列车通信网络综合规划模型进行求解,得到满足网络稳定性要求下的最小费用设计方案及该方案下的最优效率通信方式。通过对实例结果的分析表明,文中提出的模型是切实有效的。     

求解离散网络平衡设计问题的遗传算法

针对离散网络平衡设计二层规划模型,提出了一种新的求解算法,对上层问题采用遗传算法,而对下层问题采用平衡交通分配的Frank-Wolf算法.数值试验结果表明:该算法是有效的.能够较快地求解这类网络平衡设计二层规划模型.     

基于混沌小生境狼群算法的高密度无线传感器网络高能效分簇方法

无线传感器网络节点能量通常由能量有限的电池供应,如何在对节点进行分簇的同时减小通信能耗是研究中的一个重要问题。提出了一种基于混沌小生境狼群算法的高密度无线传感器网络能量高效分簇方法,通过智能选取簇头位置来降低无线传感器网络的单轮通信能耗。在不同节点数和簇头比例的条件下,分别采用了粒子群算法、量子遗传算法、模拟退火算法和混沌小生境狼群算法进行了无线传感器网络分簇。仿真结果表明,基于混沌小生境狼群算法的无线传感器网络分簇能够有效降低无线传感器网络的整体单轮通信能耗和平均节点通信能耗,有效提升了能量利用效率。     

用遗传算法改进的RBF神经网络在语音识别系统中的应用

针对传统的RBF网络求取隐层基函数中心的K-均值聚类算法的缺点,利用遗传算法的全局搜索性能,将遗传算法用于RBF网络的训练过程.由于简单遗传算法存在收敛速度慢及不能收敛到全局最优解等不足,引入自然数编码的自适应遗传算法,加快网络的训练速度.将该算法应用到语音识别系统中,实验结果表明:使用该方法的识别结果优于使用K-均值聚类算法选取质心的RBF网络的识别结果.     

基于免疫遗传算法的GMDH网络模型及其应用

针对传统GMDH网络建模用最小二乘法辨识参数时常常陷入局部极小导致模型预测效果不理想的问题,提出将免疫算法与遗传算法结合起来,引入到GMDH网络,来辨识其部分描述式系数.给出自适应免疫遗传算法,构建了基于该算法的GMDH网络模型,并将IGA-GMDH模型应用于苏州一交叉口的交通流量数据的仿真研究.结果表明,该算法既保证了全局寻优和所求解的精度,又进一步提高了全局与局部寻优能力;所构建的IGA-GMDH网络模型比传统的GMDH网络预测精度高.     

基于混合算法的最短路径优化算法

为了解决无向网络的最短路径优化问题,本文采用的是遗传算法和模拟退火算法相结合的思想,阻止早熟现象的发生,保证种群的多样性,防止陷入局部寻优情况的出现,并且定义了无向网络中的结点结构.仿真比较实验说明,混合算法不仅比单一遗传算法运算时间缩短,而且可以找到最短路径,证实了该算法的可行性.     

一种组播路由遗传算法

在计算机通信中,越来越多的多媒体应用如视频会议、多媒体教学系统、视频点播等需要组播技术,这就需要研究如何构造有效的组播树的问题。首先给出基于受限延时的最小代价组播树的网络模型及其教学描述;然后提出一种采用启发武算法和遗传算法的混合算法来解决该问题。该算法可以在满足延时约束的条件下,寻找出最小费用的组播树。算法仿真试验结果表明该算法有较好的性能,快速有效。