基于蚁群优化算法的QoS多播路由算法改进及实证

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,但大多算法仍属于集中式算法.该文提出了一种基于蚁群优化的分布式QoS多播路由算法,并结合多播路由问题的特点对算法进行了改进.通过仿真实验讨论了该方法的性能,并与传统的蚁群算法对比,证实了其的有效性.     

能量优化和负载均衡的QoS按需路由协议

摘要：针对移动ad hoc网络对QoS的要求,提出一种能量优化和负载均衡的QoS路由协议. 综合整条链路的能量 和负载信息生成QoS参数,根据QoS选路算法建立链路. 结合距离信息控制路由请求分组的广播方向,并在中间节 点设置能量和队列阈值作为路由请求分组转发的限制条件,减少不必要的路由开销. 在路由维护阶段利用节点的能 量信息限制路由的本地修复,避免能量即将耗尽的节点继续参与路由发现. 该算法同时优化了路由选择机制、中间 节点转发机制和路由维护机制. NS2仿真结果表明,提出的协议在投递率、归一化路由开销和端到端延时方面均表 现出良好的性能.     

一种多用户自适应协作信道分配方案

研究了多用户协作通信系统中最大化系统吞吐量的上行信道分配算法,提出一种启发式的信道分配协作方案,可兼顾用户QoS要求和系统吞吐量. 该方案通过生成虚拟的节点模拟协作功能,将协作信道分配问题简化为一个传统的信道分配问题,并将分配给虚拟节点的信道用于协作,以实现协作和信道分配的自适应. 仿真结果表明,在多用户系统中,该算法在满足用户QoS及提高系统吞吐量方面都能获得较好的性能.     

基于干扰管理的宏基站与家庭基站联合资源分配

提出了一种宏用户与家庭小区联合资源分配算法,该算法基于启发式动态分簇算法对宏用户和家庭基站进行联合信道分配,在对家庭基站进行分簇的同时有效降低了家庭基站系统与宏蜂窝系统之间的跨层干扰. 在保证宏用户和家庭用户QoS 的约束条件下,构建了以最小化家庭基站发射功率为目标的最优化问题,并推导了优化的家庭基站发射功率的闭合式,最后用次梯度法解优化问题. 仿真结果表明,该算法降低了家庭基站系统干扰,减小了家庭用户中断概率,并提高了家庭基站能量效率.     

一种分层结构与快速切换的可靠移动组播方案

摘要： 移动IP组播技术能有效缓解移动环境的资源受限问题,但同时也面临许多挑战. 文中提出了一个基于分层结构和快速切换的可靠移动组播方案(reliable mobile multicast scheme with hierarchical architecture and fasthandover capability, MMHFH),该方案综合运用微移动和链路层触发技术,针对切换过程中的组播开销、切换延迟、切换丢包、同步丢失、可扩展性以及路由影响等移动特性进行优化设计. OPNET仿真实验表明,MMHFH方案具有组播树稳定、组播维护开销小、切换延迟短、切换丢包少、可靠性高、可扩展性好、组播包传送效率高等特点.     

移动自组织网络路由协的改进

讨论了适应室内环境的移动自组织网络路由协议问题。研究了目前应用最为广泛的移动自组织网按需距离矢量路由(AODV)协议,发现了其不能提供完整的用户路由信息和产生无效路径等方面的问题。基于AODV-UU协议,提出了一种改进算法AODV-HIT,分析和实验表明该算法保留其在防止路由环路、快速路由的优点,并有效地解决了路由信息完整性和无效路径的问题。     

基于启发式蚁群算法的家庭基站信道分配方法

针对由宏基站和家庭基站构成的异构蜂窝网络,提出一种结合图论与启发式蚁群算法的家庭基站信道分配方法.该算法基于图论建立家庭基站间的邻接矩阵,根据宏用户和家庭用户的信干噪比获得每个家庭基站的可用信道列表,并利用启发式信息和信息素来指导启发式蚁群算法的求解,以实现最大化家庭用户的平均吞吐量.仿真结果表明,所提算法既可保障宏用户及家庭用户的服务质量,又能提升总吞吐量.     

动态环境下基于混合记忆策略的遗传算法

为了有效地处理动态优化问题,提出一种短时记忆与长时记忆相结合的混合记忆策略. 被记忆的信息由最优个体与种群概率向量组成. 短时记忆作用于进化过程中的每一代,对记忆中的信息进行提取并构建下一代的种群;长时记忆仅在环境发生变化时产生作用,取新环境中最优的一组信息对短时记忆进行赋值. 该文首先构建了动态环境下基于混合记忆策略的遗传算法,然后在非周期、周期和带噪声周期动态环境下进行算法的性能验证. 实验结果表明,新算法处理动态优化问题的能力优于同类算法.     

基于遗传算法的多路径测试数据自动生成

遗传算法作为现在启发式搜索算法的理论和实验基础,在测试数据生成方面显示出较大的优越性。由于适应度函数设计是应用遗传算法进行测试数据生成的效率的关键,因此本文综合考虑现有适应度设计的因素,设计出一种新的基于遗传算法的多路径算法。该方法是首先设计一种衡量两条路径相似度的算法,然后在此基础上设计了一个针对多路径的算法。通过与现有方法的生成效率进行比较发现:对于基于遗传算法的测试数据生成问题,该方法的测试生成效率有较大提高。     

水声通信网中基于能量平衡的动态路由控制

针对水声传感器网中一些中继节点因过分使用而过早耗尽能量的问题,提出一种动态路由控制新方法.通过周期性预测出节点的信息产生率,并根据节点当前剩余能量,估计出采用不同路由时节点的生命值.以网络节点的最小生命值为目标函数,借助遗传算法周期性搜索出与最大目标函数值对应的路由,这样的路由就是能平衡各节点能量的最佳路由.仿真结果表明,该方法能避免生命值较小的节点承担过分的中继任务,延长节点生命.     

基于改进遗传算法的车辆路径问题研究

车辆路径问题是一个典型的组合优化类问题,而传统的算法无法满足顾客需求对物流运输提出的要求.遗传算法是求解此类问题的方法之一,针对遗传算法容易出现早熟收敛,以及车辆运送的时间限制,该文采用改进的遗传算法对有时间窗的车辆路径问题进行分析,实验验证了算法的有效性.     

动态环境下混合生产的Makespan调度方法

针对动态生产环境下混合生产的最小完工时间(Makespan)调度问题,借鉴于预测控制的思想,用滚动优化的原理求解.提出可操作集的概念,将动态环境下的调度问题合理分解,并将所得的子问题规范化,并给出适用小规模问题的基于混合整数规划的算法,对于较大规模的问题给出快速收敛的启发式算法.仿真算例表明方法的可行性.     

基于一种混合算法的分类规则挖掘

在分析决策树算法及遗传算法的基础上,提出了一种将两种算法结合起来挖掘分类规则的新方法.实验证明,它不仅解决了数据挖掘中的“碎片”问题,同时还提高了分类的准确率.     

解决作业车间调度问题的改进蚁群优化算法

针对作业车间调度问题,提出一种改进的蚁群优化算法.首先设计禁忌表以产生活动调度,然后对传统的蚁群优化算法进行简化,并提出一种新型优先规则作为启发式信息.为增强算法的收敛性和提高求解质量,引入基于作业车间调度问题邻域结构的局部搜索.实验表明该文算法有效.     

十进制遗传算法在水电站负荷分配中的应用

针对水电站负荷分配问题,建立约束优化模型,并将十进制遗传算法应用到水电站负荷分配调度中．遗传算法是从多个初始点开始寻优,同时搜索解空间内的多个区域。具有潜在的并行性,且搜索使用评价函数启发,过程比较简单,容易与其它算法进行结合,具有很好的拓展性,是一种用于解决最优化问题的有效的随机启发式搜索算法．通过实际的水电站负荷分配问题的求解表明该算法能够获得较好的结果,具有高效性和通用性,适用于求解一般水电站负荷分配问题．     

软时间窗配送车辆路线优化算法及应用

在软时间窗非满载车辆调度优化问题中,每个客户要求在一定的时间范围内被服务,如果每项任务不能在要求的时间范围内完成,则给予一定的惩罚.在建立物流配送路径优化问题模型的基础上,构造了求解该问题的基于自然数编码的遗传算法,并进行了实验计算和应用.结果表明,采用该算法进行带软时间窗的非满载车辆调度计算,可以方便有效地求得满意解.     

基于蚁群信息素的混合遗传算法

针对遗传算法无法利用系统中的反馈信息,求解到一定范围时出现的冗余迭代,求精确解效率低,局部搜索能力弱、易出现"早熟"现象等缺点,提出了采用蚁群信息素对均匀划分子空间进行标定,利用留存的信息素控制选择操作,采用双重选择算子、基于"杂交优势"思想的交叉算子和自适应变异算子的混合遗传算法.实验表明,采用该算法的分类系统的分类准确率、算法运行时间、算法收敛性等方面性能均有明显提高.