基于遗传算法的计算机通信网优化设计

计算机通信网中将路由选择和链路容量分配综合起来考虑时的优化设计模型（ＣＦＡ）是一个复杂的非线性０－１规划，若采用传统的数学方法求解，无法快速有效地求得工程满意解。文中以遗传算法的基本思想为基础，设计了一个与传统方法完全不同的遗传寻优算法。对计算机通信网优化设计实例的计算表明，该算法能够迅速求出ＣＦＡ问题的全局近似最优解，并且解的精确度很高，能够满足工程设计中的要求。     

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。     

网络中路由选择算法的计算机模拟

结合互联网络中路由选择的问题,通过计算机模拟寻找一条最佳的通信路径,从而提高通信的效率.     

计算机网络中路由选择的优化研究

为了改进计算机网络的性能 ,提出了一种改进的并行遗传算法 ,采用多群体并行进化与自适应地改变遗传参数 ,对计算机网络中路由选择问题进行了优化 ,比较了不同算法所得到的链路利用率及网络的平均时延 .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 ,证明此改进的并行遗传算法是行之有效的     

一种新的混沌遗传算法及其在多播路由选择中的应用

分析遗传算法的进化过程，提出一种新的混沌遗传算法。该算法利用混沌变量的特定内在随机性和遍历性对基因座空间进行搜索，有效地克服了遗传算法容易收敛于局部最优的缺点，大大提高了遗传算法的寻优速度。在多播路由选择中应用该方法，能快速找到最佳多播路由，显示出了优良的性能。     

一种基于量子遗传算法的多播路由算法

提出了一种基于量子遗传算法QGA（quantum genetic algorithm）解决多播QoS（quality of service）路由问题的算法．介绍了量子遗传算法的基本原理，给出了算法实现的方法和具体流程，并进行了量子遗传算法在多播路由选择优化方面的仿真实验，证明了量子遗传算法优于常规遗传算法．     

用一种改进遗传算法求解带时延约束的组播路由问题

提出一种改进的遗传算法,用以求解带时延约束的组播路由问题.该算法综合考虑了路由费用和路由时延,并给出了一种适应度评价函数,在算法中采用了最佳个体保留、自适应交叉以及非线性排序选择等多种优化机制.仿真结果表明,该算法是可行的,有效的.     

一种求解最短路径路由的遗传优化算法

将可变长度染色体——路由串和它的基因——节点应用于编码问题，交叉操作，在交叉点进行部分染色体（路由串）交换，变异操作，以维持种群的多样性。使用该算法进行简单操作，可以维护好所有不可行的染色体；交叉操作和变异操作相结合，能保证最优解的搜索能力和解的全局收敛性。实验结果证明，该算法收敛快，可靠性高。     

具有不可靠链路的通信网最佳可靠路由的确定

研究了对给定拓扑结构的通信网在假定节点完全可靠而边存在随机破坏的情况下,通过计算点对间的路由概率确定最佳可靠路由的两种算法———邻接矩阵算法和动态路由算法－ 邻接矩阵算法通过构造网络的邻接矩阵及一些相关矩阵,利用深度优先搜索的方法找到点对间的所有路由,进而计算各路由的概率并由此确定最佳可靠路由－ 动态路由算法则给出了在链路失效后,按照最短路径原则由失效链路的起始点重新构造最佳可靠路由的方法－ 图１,参５－     

一种基于遗传算法的组播路由选择方法

提出了一种基于遗传算法的组播路由选择方法·该方法首先寻找所有满足时延限制条件的路径,组成备选路径集,然后以代价最小为优化准则,在备选路径集中采用遗传算法求解最优解·为保证算法的收敛速度快,遗传算法的交叉操作使用了相同链路保留的方法·最后,进行了仿真实验,并与其他算法做了比较·实验表明,该算法收敛速度快,可靠性高,能够满足多媒体网络对实时性的要求·尤其是在网络规模较大时,本算法可大大减小路由计算时间·     

一种最短路由问题的遗传算法研究

研究最短路由问题的遗传算法.采用可变长度染色体的编码方法,在固定网络和随机网络环境下,用C语言得出的仿真结果及与Dijkstra算法相比表明:大多解与Dijkstra算法的解相同,存在少数的不同解偏离不大;种群越大,路由的失败比率越小,收敛的速率越慢;当种群一定,增大网络规模时,解的质量下降,网络收敛速率急剧提高.     

基于多种遗传算法的组播路由选择方法

给出了一种混合多种群遗传和微种群遗传的算法,以及一种防止产生网络环路和冗余的编码技术,并对算法的时间性能进行了分析,表明该算法快速有效.     

一种基于遗传优化的路由控制策略

遗传算法是通过模拟自然进化过程有效解决最优化问题的计算模型,在实际操作中得到广泛应用.但由于遗传算法的选择策略使每一代的优良个体大量的遗传到下一代,且适应度函数设定的差异,使最优个体很快充斥整个群体,缺少物种多样性,导致算法很快收敛于局部最优解,达不到全局优化.针对遗传算法存在的这一问题,结合禁忌搜索算法能够禁忌搜寻过的最优解而引入裂解、增加种群多样性的特性,提出了一种基于遗传优化的路由控制策略.该策略将遗传算法得到的最优解作为禁忌搜索的初始解,提出将染色体模版作为禁忌对象,并以此模版为基础建立邻域的方案.仿真实验表明,该策略能够有效的抑制遗传算法过早收敛的问题,减少了全局能量的消耗,从而延长了网络生命周期.     

一种新的神经网计算机结构

人工神经网络存在着广泛的并行机制。为此，人工神经网络计算机使用多个处理单元以适应并行处理的需要。多处理单元之间的信息通信是并行研究的内容之一，作者提出了利用数据流驱动思想和双口存储器技术实现人工神经网络计算机的一种新结构。     

计算机通信网中的一种混合交换技术

本文分析了计算机通信网中的一种新的混合交换技术。这种技术组合了电路交换、报文交换和报文分组交换,特点是网中某结点缓冲器内仅有一个报文分组时,新到达的信息就不必完全存储,在报文分组处理后即可直接输出,改善了网络延迟。这种交换称为部分一切通交换。本文研究了这种混合交换技术在网中按级联的M/G/1排队分析模型,而且所设各中间结点具有处理横向到达及离开的信息包能力。最后,采用事件调用方案编写了计算机模拟程序。数值分析与模拟曲线的结果表明,两者的一致性很好。     

基于量子遗传算法的电力通信网路由选择策略

针对电力通信网路由算法未考虑电力业务特性的现状,提出一种面向电力业务的路由算法。根据对通信指标的不同要求,将电力系统现有业务划分类别,明确业务对通信指标的要求,在满足电力业务通信需求的基础上,利用量子遗传算法进行路由选择,将网络带宽、时延和丢包率作为目标函数,采用量子比特编码,利用量子旋转门操作实现量子染色体的更新以求最优解,起到了优化网络资源、平衡网络负载的成效。仿真结果表明,对电力业务划分类别进行路径选择,能够寻出满足业务特性的最佳路径,且算法的收敛性比较理想,能在较短时间内收敛到最优解。     

应用神经网络理论的计算机通信网迟延新算法

计算机网络最小平均迟延的求解实质上是一个联合优化问题。进一步的分析表明，它可以近似为一个二次型优化问题。我们利用一种具有全局收敛性质的神经网络模型解决了这一问题。计算结果表明，这种方法是可行而有效的。     

动态路由选择协议在网络通信中的应用

计算机网络通信使用路由选择可以从一个网络向另一个网络发送数据信息。计算机网络通信中在网间网上移动分组和数据传输的网络映射是用算法和协议动态完成的,这些算法和协议就是我们所说的动态路由选择协议,动态路由协议是路由器在网络层转发分组运用的主要方法。另一种在网间网转发分组的方法是静态路由协议,由管理员手动添加路由到路由表中,文章简单讨论了几种动态路由协议。     

一种基于遗传算法的无线传感器网络路由算法

针对传感器节点在能量储备、计算能力、通信能力方面制约性强等问题,采用进化算法理论,提出一种适用于无线传感器网络的移动Agent路由选择算法.该算法能为移动Agent探测具有最小能耗的路径,同时保证信息收集的完整性.实验结果表明,该算法自适应性强,可减少传感器节点的能量消耗,满足无线传感器网络在实际应用中对移动Agent路由算法的需求.