基于混合遗传算法的多约束组播路由问题的求解

研究了延时、延时抖动约束的最小费用组播路由问题,并且提出了一种混合遗传算法.遗传算法是一种模拟生物进化过程的并行最优算法,适合在大型、复杂的空间中寻找最优解.遗传算法并不需要求解问题具有连续性,因而适宜于约束组播路由问题的求解.此外,遗传算法的并行分布式处理实现简单,因而用遗传算法解决约束组播路由问题十分有效.并通过计算分析,表明本算法能够快速有效的构造出所要求的满足延时、延时抖动约束的最优组播树.     

MANET中基于遗传算法求解QoS组播路由问题

本文针对MANET中QoS组播路由问题进行剖析和研究,在MANET网络中抽象出QoS组播路由模型的基础上,提出了一种基于遗传算法求解QoS组播路由问题的新算法。该算法引入预处理机制和贪心算法的思想,避免了产生多个非法多播树;采用自然树型结构编码,同时设计新初始化种群算子并简化了变异算子。仿真结果表明,本文算法收敛速度快,寻找最优路径成功率高。     

一种具有度约束的组播路由遗传算法

本文提出了一种基于树编码机制的遗传算法来求解组播路由选择问题,进化过程中采用了线形变异概率控制策略来提高解的质量。通过仿真实验表明,本文算法的解质量较好,运行速度快。     

边不对称网络的QoS组播路由算法

针对QoS组播路由问题，建立链路负载不对称网络模型，以平衡网络负载为目标提出一种基于带宽和延时约束的QoS组播路由遗传算法（BDMGA）。 通过对该算法的收敛性分析和与其他算法的性能比较研究表明，该算法构建的组播树费用较低，且算法具有很强的均衡负载能力，可有效避免链路拥塞，提高网络运行性能。此外，在小规模的网络上能够以较快的速度收敛到全局最优解。     

下一代互联网中的智能QoS组播路由算法

设计了一种下一代互联网中的智能QoS组播路由算法,给定一个QoS组播请求和柔性QoS需求,包括带宽需求、组播端到端延迟区间,延迟抖动区间和出错率区间,寻找一棵QoS组播路由树.提出一种基于演化算法和单纯形算法的混合算法来构造满足上述需求且费用近优QoS柔性组播路由树,兼顾网络负载均衡.仿真结果表明,该算法是可行和有效的,明显优于基于传统遗传算法的QoS组播路由算法.     

多种群遗传蚁群融合的多Qos约束组播路由算法

具有多约束的Qos(quality of service)路由问题是一个NP完备问题,传统方法很难求得全局最优解。针对多约束Qos组播路由问题,选择带宽、时延和时延抖动为Qos参数,由多种群遗传算法产生初始状态,利用蚁群算法的全局寻优能力提出一种将多种群遗传算法和蚁群算法融合的新算法。分析表明,该算法是可行、有效的。     

一种双种群进化集成QoS组播路由算法

设计了一种IP/DWDM光Internet中的非NP类QoS组播路由算法,采用树形编码方式,基于双种群进化,寻找一棵带宽、延迟、延迟抖动与出错率受限的费用优化组播路由树,集成解决路由与波长分配问题.仿真结果表明,该算法是可行和有效的,不仅能够满足QoS约束,而且性能优于基于经典遗传算法设计的QoS组播路由算法,克服了算法易早熟、收敛慢等缺点,有效地解决了IP/DWDM光Internet中的QoS组播路由问题.     

NGI中立队竞争演化QoS组播路由算法

设计了一种NGI中的非NP类QoS组播路由算法.该算法以最小化费用为目标,基于立队竞争演化算法,寻找一棵延迟、延迟抖动、带宽及出错率受限且费用优化的组播路由树,一体化解决路由与波长分配问题,同时兼顾网络负载均衡.仿真研究表明,该算法是可行和有效的,不仅能够满足QoS约束,而且在组播树费用和运行时间上明显优于基于经典遗传算法的QoS组播路由算法.     

NGI中的一种禁忌-递阶遗传QoS组播路由算法

设计了NGI主干网重要组网形式IP/DWDM光Internet中一种非NP类QoS(quality of service)组播路由算法,基于禁忌-递阶遗传算法(tabu-hierarchy genetic algorithm,THGA)构造优化的QoS组播路由树·该算法模拟生物繁衍过程,采用递阶编码方式,引入禁忌交叉和禁忌变异两种禁忌算子改进遗传操作,综合考虑了用户QoS需求和网络费用,同时有助于实现网络负载平衡·仿真结果表明,所设计的算法是可行和有效的,它在一定程度上克服了基于经典遗传算法的QoS组播路由算法存在的早熟和收敛慢等问题,提高了算法性能,较好地解决了IP/DWDM光Interne...     

LEO卫星IP网络组播路由算法

为了解决低轨(lowearthorbit,LEO)卫星网络中需要快速高效组播路由协议的问题,提出了一种新型LEO卫星IP网络组播路由算法。在分析建立LEO卫星网络拓扑模型的基础上,该算法利用了LEO卫星网络的自身特点,采用分布式迭代的计算模式,生成基于源端的组播路由树,大幅度地降低了算法的计算复杂度。仿真结果表明,和传统的LEO卫星网络组播路由算法相比,该算法具有较低的计算复杂度,生成的组播路由树具有较小的开销。相比于传统MRA算法,该算法生成的组播树中源点到组播成员节点的平均延时大约为前者的90%。     

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。     

一种解多QoS约束组播问题的改进蚁群算法

多QoS约束的组播路由技术是当前实现分布式网络多媒体的关键技术,蚁群算法是解决多QoS约束组播路由问题的一种启发式算法,但存在收敛速度慢等缺陷. 基于这种情况提出了一种改进的蚁群算法,该算法采用基于组成员节点驱动的方式构造组播树,并在概率转移函数中添加了方向因子,使蚂蚁在寻找路径时摆脱了最初的盲目性,以更大的概率快速向源节点靠近. 仿真实验证明,改进蚁群算法的收敛速度明显提高.     

改进的WMN的QoS组播路由算法

无线Mesh网络（WMN）是一种新型的网络结构,服务质量（QoS）是影响其网络指标的关键因素,因此对WMN的QoS组播路由算法研究成为了一个新的研究方向．采用粒子群优化（PSO）算法应用到WMN的QoS组播路由,存在易早熟的问题,因而采用DE-PSO算法是差分进化（DE）算法与PSO算法一起进行WMN的组播路径寻优．仿真结果表明,DE-PSO算法相比PSO算法,具有收敛速度快、多样性的特点,而且发现DE-PSO算法提高了算法全局搜索能力,更符合无线通信实际的要求．     

通信网络中QoS多播路由技术研究

给出了多约束QoS组播路由的问题模型,分析论述了多约束QoS组播路由优化的约束树算法和遗传算法、蚁群算法、免疫算法等智能化算法,对QoS约束的多播路由技术的进一步研究进行了展望。     

基于免疫原理的动态多播路由算法

为了避免传统启发式算法在求解多播路由问题时存在的过早收敛问题,提出了一个新的动态多播路由免疫算法(DCOMIA),此算法利用克隆选择和基因库的思想改善了群体的多样性,并评估了二进制串表示的候选个体.同时,提出了一个改进了的动态约束多播路由问题(MDCMR),试验结果表明:此算法求解该动态多播问题是高效的.     

Distributed multicast routing algorithm with dynamic performance in multimedia networks

The delay and DVBMT problem is known to be NP-complete. In this paper,an efficient distributed dynamic multicast routing algorithm was proposed to produce routing trees with delay and delay variation constraints. The proposed algorithm is fully distributed,and supports the dynamic reorganizing of the multicast tree in response to changes for the destination. Simulations demonstrate that our algorithm is better in terms of tree delay and routing success ratio as compared with other existing algorithms,and performs excellently in delay variation performance under lower time complexity,which ensures it to support the requirements of real-time multimedia communications more effectively.     

Internet中的多播路由选择算法

Ｉｎｔｅｒｎｅｔ 中多播路由选择问题可归化为最小 Ｓｔｅｉｎｅｒ 树问题，而该问题是一个 Ｎ Ｐ 难题，当前只存在若干种启发式算法。基于遗传算法和最小树算法，提出并实现了一种新的自适应路由选择算法，经编程运行发现，此算法具有良好的实际应用前景。     

改进的遗传算法选择算子

为了进一步提高遗传算法选择算子的选优能力,本文在传统轮盘赌的基础上提出了一种基于排序的多轮轮盘赌选择算子,加入了多轮转盘的思想,并利用对上代种群进行排序增加优秀个体的选择概率,从而在提高了算子的选优能力同时也减少了随机性所产生的误差;随后本文将此算子与最佳个体保存法的思想相结合,进一步提出了无放回的基于排序的多轮轮盘赌选择算子,达到了既能够选出最好个体又能够保证种群多样性的效果.实验表明,与传统轮盘赌算子相比较,新方法能够有效地提高遗传算法的收敛速度.     

LEO卫星IP网络组播路由算法

为了解决低轨(low earth orbit,LEO)卫星网络中需要快速高效组播路由协议的问题,提出一种新型LEO卫星IP网络组播路由算法。在分析建立LEO卫星网络拓扑模型的基础上,该算法利用LEO卫星网络的自身特点,采用分布式迭代的计算模式,生成基于源端的组播路由树,大幅度地降低了算法的计算复杂度。仿真结果表明:与传统的LEO卫星网络组播路由算法相比,该算法具有较低的计算复杂度,生成的组播路由树具有较小的开销。相比于传统MRA算法,该算法生成的组播树中源点到组播成员节点的平均延时大约为前者的90%。     

基于改进模式提取变异算子的遗传算法

在经典遗传算法的基础上，提出了一种基于改进模式提取（Algorithm of pattern extraction,Alopex)，种群个体的连续进化方向作为当前代个体的变异方向，并利用自适应来调整变异步长，通过控制参数来控制变异方向的概率从而跳过局部最优值。对几种典型函数的测试结果表明，基于该变异算子的遗传算法能较好地避免收敛到局部最优，收敛性能优于经典遗传算法。