应用遗传算法求解计算机通信网的最佳路由─—一种新的遍历匹配选择法

求解计算机通信网的时延和路由选择是一个多约束条件的非线性优化问题，采用遗传算法求解是目前比较有效的方法。本文以遗传算法的基本思想为基础，提出了一种新的遍历匹配选择法，通过实例计算，采用这一选择方式的遗传算法能快速求出问题的全局近似最优解，且具有较高的计算精度。     

遗传算法的改进及应用

通过分析遗传算子对全局收敛性的影响，提出有条件的最佳保留和遍历匹配以及动态变异相结合的算法，并选择标准测试函数对其检测。实验证明，该算法能够迅速找到全局近似最优解。在求解计算机通信网的时延和路由选择问题时有较好的效果。     

计算机通信网

从通信的角度看,计算机通信网是以计算机或与计算机相连的各种终端为终端设备的数字通信网;从计算机系统来看,这是用通信系统互相连接起来的地理上分散、功能上独立的计算机以及计算机相连的终端系统的集合,故又称之为计算机网。     

浅谈全光通信网技术

本文对全光通信网的概念、特点和关键技术做了简要说明,并介绍了全光通信网的分层结构。     

基于遗传算法的OSPF路由研究

本文主要对OSPF网络路由规划在选择中运用了遗传算法的应用进行相应的研究,重点对有效的改善网络局部拥塞和快速求得全局的最优解的问题进行探究。本文利用约束条件,并结合着OSPF网络路由参数的特性,来确定搜索的方向,解决OSPF网络路由在选择上的难题,其中OSPF网络路由主要的目的就是应用和探索遗传算法为选择难题上开辟新的途径。     

计算机通信网及光纤通信技术

计算机通信网和光纤通信技术具有不同的特点。本文主要论述了通信网的概念、网络通信的主要内容、光纤通信技术介绍、光纤材料、通信信号的衰弱和再生等方面。     

计算机通信网课程双语教学的探索

本文以我校计算机通信网双语教学为例,依据问卷调查结合实践教学,分析教学中所遇到的问题,并总结多年的实践教学经验,提出要充分发挥计算机通信网的学科特色,并在选择教材及实践教学环节等方面提出建议。     

基于遗传算法的Qos的路由算法

目的 为得到求解Qos路由的高效算法。方法利用遗传算法，提出了求解Qos路由的新算法。结果通过三阶段给出了基于遗传算法的Qos的路由算法，分析了该算法的时间复杂度，且通过数值模拟，验证了算法的有效性。结论算法原理简单，鲁棒性强，符合Qos路由的不确定性等特点。     

计算机通信网最大流算法的分析和实现

应用网论分析了计算机通信网的最大流，采用ＴＵＲＢＯＣ语言编程实现了基本算法。应用面向对象的程序设计方法，为用户提供交互式图形界面的系统框架，从而可以直观地在显示屏上求得给定网络图任一对节点间的果大流值和流向     

基于QoS的多媒体流动态路由选择的设计与实现

以路由器的基本原理和ＴＣＰ／ＩＰ协议族为依据，针对多媒体通信的特点，在ＷｉｎｄｏｗｓＮＴ操作系统平台下，提出并实现了一种基于ＱｏＳ的动态路由选择的方法它，它根据网络现有资源状况决定多媒体流的路径，并能为有ＱｏＳ要求的多媒体流进行资源预留，将ＱｏＳ协商机制与路由选择有机地结合到一起，为多媒体流提供较好的服务。     

基于遗传算法的波分复用网络保护容量优化设计

针对传统数学方法难以快速求得波分复用（VDM）网络保护容量优化问题的工程满意解，提出了一种基于遗传算法的全新求解方案，它具有结构简单，搜索效率高，求解速度快等优点，分析了交配概率和变异概率等控制参数对算法性能和求解精度的影响，为了加快遗传算法对链路分离型路径保护方法下WDM网络优化模型的求解过程，设计了一种简捷的问题解编码方式，它极大地简化了选择，交配和变异等遗传算子的执行，仿真结果表明，基于遗传算法的求解方案能够迅速地求出保护容量优化问题的全局近似最优解，且满足工程设计的精度要求。     

基于遗传算法BP神经网络优化IRFPA非均匀性适应校正算法

本文具体研究了红外图像非均匀性校正算法中的基于场景类BP神经网络校正算法。针对BP神经网络算法运算量大、容易进入局部最小值、实时性能差的问题,提出利用遗传算法优化BP神经网络校正过程的算法。     

改进组合遗传算法的信道分配研究

介绍了信道分配问题中的干扰约束模型并在组合遗传算法的信道分配基础上结合难度分配小区优先分配的概念提出了改进组合遗传算法以及算法的实施方法,改善了"热点"地区信道分配难的问题,提高了最优分配方案的收敛率。     

基于遗传算法的模糊神经网络控制器在虚拟仪器中的实现

模糊控制技术在复杂的非线性控制过程中表现出优越的性能，神经模糊控制器的出现为自适应模糊控制设计开辟了新的途径。遗传算法由于具有不依赖于问题模型、全局最优、隐含并行性、高效率和解决不同非线性问题的鲁棒性等特点，能很好地用于神经网络的训练。两种方法综合使用，可以大大提高模糊神经推理控制系统的自学习性能和鲁棒性。通过应用Active X技术在Lab VIEW中调用和操作MATLAB的方法，实现了基于遗传算法的模糊神经网络控制器。     

网络划分优化的退火遗传算法

通过将退火机制引入遗传算法的选择运算中,提高了收敛速度,克服了传统遗传算法容易早熟的问题,较好地解决了网络划分优化问题.实验证明此算法在网络划分优化中行之有效.     

基于遗传算法和BP算法的混合算法

结合神经网络的优化问题,提出一种新的混合算法.该算法是在遗传操作中嵌入BP算子,有效地结合了遗传算法全局寻优与BP算法快速收敛的特点,同时采用二进制编码和实数编码将神经网络的结构与权值混合编码到串中,实现了结构与权值的同步优化.仿真结果表明,新算法既能够快速地收敛到全局最优解,又能够在简化网络结构复杂度的同时得到网络权值的最佳逼近.     

基于遗传算法的汽车非独立悬架与转向匹配优化设计

针对汽车上的两个重要组成部分转向系和悬架系统之间在实际运动中所存在的干涉问题,文中以某款重型车非独立前悬架为研究对象,推导了非独立悬架系统与转向系统运动干涉量的计算公式,并在此基础上建立了优化的目标函数、设计变量和约束条件.基于遗传算法,运用Visual C 6.0软件开发了优化设计仿真程序,通过比较优化前后仿真结果,可得出优化后的结果明显好于优化前,和传统的设计方法相比,这种方法提高了精度和效率.     

基于遗传算法的神经网络分类器优化设计

依据神经网络分类器的设计原理，设计了一种有效的遗传算法，实验结果表明：算法优化后的神经网络分类器不但学习速度快，还能保证分类精度．     

基于基因控制的遗传算法的研究

分析了传统的遗传算法适应度函数设计通常只针对目标函数,而没有考虑自变量。提出使用基因控制的方法,以达到增强较好的基因在遗传算法中的作用。从而做到尽量保留染色体中较好的基因,从而尽快的找到可行解,提高算法收敛速度和效率。