用模糊神经网络求解多级交换网路由重排问题

研究利用人工神经网络求解多级交换网路由重排问题，提出了一种求解路由重排问题的模糊控制神经网络算法。大量的计算机模拟结果表明，该算法与其它同类算法相比较具有收敛速度快，结果有效性高，自适应性强等特点。利用ＴＭＳ３２０Ｃ３０数字信号处理器构成了虚拟硬件系统，实时实现了多级交换网路由重排控制器，理论计算与测试结果一致。该工作为神经网络与模糊系统相结合探索了一条新的途径。     

暂态混沌神经网络应用于ATM路由算法

异步传输模式（ATM）网络中基于给定的虚通道（VP）拓扑结构，提出一种暂态混沌神经网络模型的虚通路（VC）路由算法，通过构造能量函数达到网络资源的有效利用以及路由请求的有效性。仿真结果表明，本算法能根据用户提出的通路连接（VCC）请求，实时，有效地实现VC路由选择和利用网络资源。     

用遗传算法进行光传送网虚拓扑的优化设计方法

为了解决波分复用的光组网结构设计的核心问题，提出了一种广域光传送网优化虚拓扑的设计原则，其优化的目标是使吞吐量最大。整体最优问题可分解为若干相对简单的局部优化子问题，即确定一个虚拟的边通拓扑，它使每个节点都满足接收机和发射机限制；在物理拓扑上路由光通道；最优化分配光通道波长；在虚拓扑上路由分组业务。采用Prufer数方法随机产生一组可行的虚拓扑算法，并使用遗传算法来优化虚拓扑，从而得到最优解。该算法对于实际光传送网逻辑拓扑的设计具有重要的指导作用。     

基于遗传算法的人工神经网络优化设计

提出遗传算法新的编码方案，用于全局优化神经网络拓扑结构和权值参数，解决了神经网络拓扑结构的难确定性和权值训练的长时性问题，并且在遗传操作中采用自适应代沟的替代策略，改善其求解效率，获得了良好的优化结果。通过仿真实验显示了该算法的快速性和有效性。     

基于正交多项式神经网络的卫星网络QoS路由算法

QoS路由问题作为多目标约束优化问题,是一种非确定多项式完全(NP-complete)问题,目前在地面网络中多使用启发式算法求解。卫星网络的拓扑时变特性要求路由算法快速收敛,而高昂的信息交换代价又要求尽量减少星间控制信息交换,这导致绝大多数探测导向型的启发式路由算法应用在星上时性能不高。该文引入一种基于正交多项式神经网络的卫星网络QoS路由算法,将数据包路由过程类比为在经训练过的神经网络中分类的过程;同时正交多项式的使用提高了训练速率,保证了拓扑周期内训练结果的有效性。仿真结果表明:该路由算法在满足用户QoS需求的同时还降低了链路拥塞、丢包率、呼叫阻塞率等指标。     

一种基于模拟退火和Hopfield神经网络求解TSP算法

针对Hopfield神经网络解旅行商问题（TSP）经常出现无效解和局部优化解。将模拟退火智能算法与Hopfield神经网络相结合,提出了一种混合优化算法（SA-HNN）,同时合理地修改了Hopfield神经网络的能量函数,确立网络参数。这种方法在很大程度上避免了Hopfield神经网络优化陷入局部极小的缺陷,大量实验证明了该算法具有收敛速度快,可避免无效解,易获得全局最优解等优点。     

一种新型的动态路由和波长分配综合算法

讨论了WDM光网中，在动态业务流量和有限范围波长变换情况下的动态路由和波长分配问题。基于Moone-Dijkstra算法，考虑到动态波长变换的可能和限制，提出了一种新型的、可实现动态最小代价路由和最佳虚波长通道的综合启发式算法(DMC-OVWP)。该算法对路由子问题和波长分配子问题既相互独立，又相互结合，优化了RWA。以中国教育和科研计算机网(CERNET)为拓扑背景，基于本算法进行了计算机仿真，并对实验结果进行了比较分析，证明本算法可充分利用网络信息获取较低的阻塞率。     

基于现代超启发式搜索方法的计算机通信网络中路由选择优化的研究

为了改进计算机通信网络的性能，首次采用近年来才开始应用、且具有很强灵活性的现代超启发式搜索方法——Tabu搜索方法，对计算机通信网络中重要的路由选择优化问题进行了详细的研究，得到了比经典的拉格朗日松驰及子梯度优化方法更优的结果，尤其在网络负荷很重的情况下，与其它算法相比，更显示出该方法的优越性，从而为计算机网络的优化理论提供了新的思路方法。大量的计算机仿真实验的结果表明，所得结论对于计算机通信网络以及电信网、电力网、交通运输网等，在其性能优化与评价、提高网络性能与效益、降低运营费用等方面，具有重要的理论价值和广阔的应用前景。     

基于神经网络和遗传算法的舰艇声纳自噪声预报

研究了舰艇航行时声纳部位接收到的全艇自噪声的预报问题．分析了影响声纳部位自噪声的各种参数,将BP神经网络和遗传算法相结合用于舰艇声纳部位自噪声预报．通过使用遗传算法对神经网络的初始权值进行优化,可以在解空间中定位出一个较好的搜索空间,然后采用BP算法在这个小的解空间中搜索出最优解．通过整理大量的测试数据,对神经网络进行训练,训练好的神经网络能够迅速而精确地对舰艇各种航行状态的自噪声进行预报．结果表明,该方法不仅具有足够的精度,而且实用方便、适用性强．     

最优模糊神经网络参数的设计--混沌模拟退火学习法

提出了一种新型优化算法———混沌模拟退火学习法,将混沌算法和模拟退火算法相结合学习模糊神经网络的结构和参数。首先将混沌变量引入模糊神经网络参数的优化搜索中,利用混沌变量的遍历性寻优,根据性能指标寻找较优的模糊神经网络控制器,然后在混沌优化确定的网络基础上,把经混沌搜索后得到的全局次优解作为模拟退火学习算法的初始值,再用模拟退火方法进一步学习网络的隶属函数和权值参数,找到一个全局最优的网络。仿真结果表明:混沌模拟退火学习法优于传统优化方法,其控制结果具有精度高、超调小和响应快的优点,为解决模糊神经网络控制器参数全局最优设计提供了一种切实有效的方法。     

基于多目标规划的WSN路径动态选择算法

为解决无线传感器网络中查询的能量有效和实时性之间的矛盾,提出一种基于多目标规划理论的动态路径选择算法(MOPEH).该算法结合了最低能耗路由策略(ME)和最小跳步数路由策略(MH),运用多目标规划模型,将能量代价和传输时延同时作为路由算法的设计目标,利用深度优先搜索策略建立了节点间的所有可行路径集合,并从中选择能耗低于平均能耗的路径.根据查询要求设定网络性能函数,动态调整两项性能指标,从可行路径集合中选择满足要求的路径,得到最优解.实验证明该算法能够能量有效地处理实时查询.     

基于模拟退火的多约束路径优化选择算法

多约束QoS路由是下一代互联网的核心问题之一．为解决QoS路由算法容易陷入局部最优的问题,将模拟退火方法与路由计算结合起来,提出一种新的组合优化算法．该算法可以及时从无效的迭代中跳出到其他空间,提高搜索效率,具有全局收敛性,可在有限次数迭代中快速找到可行路径．实验表明,该算法性能高,同时对网络规模和多约束个数具有很好的可扩展性．     

基于RBFNN和PSO求解第二类Volterra积分方程的混合方法

提出一种基于RBFNNs和PSO求解第二类Volterra积分方程的混合方法.先将积分区间离散化为点集,并代入积分方程得到方程组,再利用RBF神经网络逼近积分方程中的未知函数,将所求解问题转化为残差平方和的极小化问题.利用PSO算法求解残差平方和的极小化优化问题,得到RBF神经网络的参数,即得问题的逼近解.数值实验表明,该方法可行有效.     

基于粒子群算法的电力通信光纤网络恢复优化

针对电力通信光纤网络的恢复,提出一种基于粒子群算法的电力光纤网络恢复优化算法,算法以电力光纤网络的虚拓扑结构为主要研究对象,模拟鸟群觅食行方式获得网络业务受损节点恢复方案。结果表明,粒子群算法可以快速、有效求得网络恢复问题的优化解,是求解网络恢复问题的一个较好方案。     

基于改进粒子群优化算法的灰色神经网络模型

根据灰色神经网络的参数随机选择类似于粒子群算法中的粒子初始空间位置,采用改进粒子群算法代替梯度修正法,对网络参数进行了处理,并通过寻找粒子群算法中的最优个体,建立了基于改进粒子群算法的灰色神经网络,提高了预测模型的稳健性和精度.通过解决短期订货量问题,与反向传播(BP)神经网络、灰色神经网络、没有改进的粒子群灰色神经网络算法和基于遗传算法的灰色神经网络等方法进行了比较.分析结果表明,基于改进粒子群算法的灰色神经网络计算更为方便,并具有更好的逼近能力和预测精度.为优化网络模型参数提供了一种新方法,并拓展了预测模型的研究思路.     

基于软件定义网络的多路径路由算法性能研究

基于不相交多路径的路由方案在负载平衡、容错等方面具有明显优势,但存在计算复杂度高的缺点,故对应的分布式算法难以在网络中大规模部署.通过分析软件定义网络的特点,论证了在其网络中部署不相交路径路由方案的可行性.其次,基于网络流的性质与不相交路径的图论性质,设计并实现了计算不相交路径的算法.最后,通过一系列基于不同网络模型的对比实验,验证所提算法较传统最短单条路径路由算法具有更佳的负载均衡.实验结果表明,该算法的性能与网络中链路能承受的负载极限阈值有关.     

考虑时空相关随机行驶时间的车辆路径问题模型与算法

本文对一类在真实道路网络中考虑时空相关的随机行驶时间的车辆路径问题进行了研究. 首先我们建立了该问题的两阶段随机规划模型. 然后我们将用于候选解寻优的智能优化算法与用于产生评价解的随机场景的情景生成技术相结合,提出一种智能随机优化方法求解该问题. 为了有效地进行解的寻优,本文结合可变邻域下降算法提出了一种混合粒子群优化算法.最后通过一系列基于北京市区道路网络的算例实验,我们验证了所提出的混合粒子群优化算法的有效性.实验结果还表明,考虑实际交通环境中道路网络上车辆行驶时间的时空相关性,会影响最优车辆路径决策方案.     

星状集输管网拓扑结构的整体优化

针对星状集输管网结构特点,建立以管网建设总投资为目标函数,以系统中节点连接关系、站点位置、管线参数为优化变量的星状油气集输管网拓扑结构优化模型。将蚁群算法与遗传算法相结合对模型进行整体优化求解。在蚁群算法中,将节点连接关系的确定转化为路径选择问题,将启发因子表示为管段建设成本的函数,用路径方案对应的管网建设总成本计算信息素的积累量。在遗传算法中,以格雷码形式将站址信息储存于染色体上,用蚁群算法求得每种站址分布方案下最优井组和管径,并用其计算各染色体的适应度,从而同步求得最佳站址、最佳井组划分和管线参数。结果表明,所设计算法优化质量高于分级优化,且鲁棒性强,不受计算初始值影响。     

无线mesh骨干网络的路由与调度联合优化算法

在基于TDMA的无线mesh骨干网络中,考虑路由和调度的联合优化问题,最大化系统频谱利用率.综合考虑了节点业务、路径平均容量以及干扰等因素,提出了一种新型路由策略.对于汇聚网关的业务模式,提出了一种基于网关瓶颈极大团相关性的链路调度策略.考虑路由算法和调度算法的联合优化,设计了链路调度模块和路由模块的信息交互策略.仿真结果表明,该联合算法对于各种节点业务分布和各种干扰环境,均可很好地提高系统频谱利用率,在保证一定通信速率的情况下,节省了能量,实现绿色环保通信.     

一种新的QoS多播路由优化算法

讨论一种适应于研究QoS多播路由的网络模型.在网络环境及不确定参数条件下,提出了一种在网络规模、可行性方面为Internet、移动网络和其他高性能网络基于Tabu搜索的QoS多播路由优化算法（TQMRA）.仿真实验结果表明,TQMRA在网络环境及不确定参数条件下能够优化网络资源.