基于混合增添遗传算法的无源光网优化规划

本文首次设计的混合增添遗传算法对PON网络拓扑结构进行优化，以富士通FPX－1000的光网络系统为例进行了仿真实验，发现混合增添遗传算法运行10代后，最小费用就比增添算法的最小费用降低了23％，并且网络拓扑结构图中客户结点（ONUs）均匀分布于或聚集在光分支结点周围，簇网络结构具有很好的对称性。仿真结果表明混合增添遗传算法是有效的，它可使网络建设代价最小化，非常好地解决了PON规划问题。     

基于遗传算法和Hopfield神经网络的字符识别方法

分析了Hopfield神经网络和遗传算法的基本原理,探讨了Hopfield神经网络在字符识别中的应用,针对Hop-field神经网络易陷入局部最优的问题,提出了基于遗传算法的Hopfield神经网络的字符识别方法,利用遗传算法的全局搜索能力来弥补Hopfield网络易陷入局部最优解的缺点。并进行了仿真验证。实验结果证明...     

基于Hopfield网络的PID模型参考自适应控制的研究与仿真

为了得到较好的PID模型的控制效果,提出一种有效的控制方案.阐述PID控制技术的定义与Hopfield网络的基本原理.结合PID控制的特点,构造了基于Hopfield网络的PID模型参考自适应控制算法.利用Hopfield网络对控制器进行优化,得出优化后系统的相应参数.通过Matlab软件对构造的系统模型进行仿真.仿真结果表明,该算法实现简便,具有较好的实时性、稳定性和鲁棒性,对被控对象的控制效果比较理想.     

基于模式识别聚类思想的无源光网络规划

使用聚类思想对无源光网络（PON）规划进行优化设计，并进行了仿真实验，对结果进行了分析，并与传统算法及遗传算法进行了比较，取得了令人满意的结果，并指出了进一步研究的方向。     

无线传感网中基于sink节点的目标位置选择移动算法

在深入研究k-means算法和连续Hopfield神经网络算法的基础上,提出一种目标位置选择移动算法,该算法先利用k-means算法的原理,将网络中能量相近的节点进行聚簇,并选取每个簇的质心作为sink节点可以安放的目标位置,再利用连续Hopfield神经网络算法的思想,为sink节点的前进预设一条最优路径。Matlab仿真结果显示,该路由算法可以有效地抑制能量空洞的现象,对延长网络寿命具有重大意义,同时对解决能源问题也做出了一定贡献。     

蚁群-遗传算法的无线传感器网络路径优化

为了提高无线传感器网络路径优化效率,快速找到最优路径,提出基于蚁群-遗传算法的传感器路径优化方法.利用遗传算法的快速全局搜索能力和蚁群算法的正反馈机制,实现了两种算法的融合.仿真结果表明,蚁群-遗传算法在时间和性能上都优于单独的蚁群算法和遗传算法,能快速找到无线传感器网络最优路径,有效延长了网络的生命周期.     

基于混沌遗传的异构无线网络接入选择策略

为了解决异构无线网络接入选择问题,提出一种基于混沌遗传算法的解决方法.将网络接入选择转换为一个多属性优化问题,利用混沌遗传算法解决全局寻优问题.算法首先通过超混沌系统产生初始种群和混沌扰动向量,对遗传算法进行改进;然后利用混沌遗传算法对适应度函数求解得到网络选择评价指标权重.仿真结果表明,该算法能够使新到达的用户更均匀地分布在各备选网络中,有效降低网络阻塞率并减小各候选网络阻塞率差距,实现网络的负载均衡.     

改进遗传算法优化无线传感器网络路由算法

为了有效延长无线传感器网络的生存时间,针对传感器节点能耗不均衡难题,提出一种改进遗传算法优化的无线传感器网络路由算法。首先对LEACH算法不足进行分析,然后构建簇头节点选择的目标函数,并将其作为遗传算法的搜索目标,最后通过遗传算法找到下一时刻簇头的候选节点,并针对遗传算法不足进行相应改进。采用仿真实验对算法的性能进行分析,结果表明,相对于其它无线传感器路由算法,本文算法可以保证无线传感器的节点能量均衡,延长了网络的生存时间。     

基于模拟退火遗传算法的RBF网络的优化

提出了引入模拟退火的遗传算法对径向基函数(RBF)网络中心参数进行优化的算法,算法中选择实数编码,采用引入模拟退火过程的多点交叉和区域内随机波动的变异方法.用此算法作了两个仿真实验:一是对典型的混沌时间序列的预测,二是对被干扰了的图象进行去干扰.结果表明:这种基于模拟退火遗传算法对RBF网络参数的优化是行之有效的.     

基于ANN的双重选路算法实现ATM路由选择

本文研究人工神经网络用于ATM网络路由选择问题．通过引入等效带宽的概念，利用Hopfield网络求解一般通信网路由选择的原理，求解ATM网络最优选路问题．本文以降低呼损率和运算复杂度为目标，提出双重选路算法，在运算复杂度和路由最优化之间取得折衷．计算机仿真结果表明，ATM双重选路算法有效降低了呼损率．     

A mode transformation algorithm based on traffic prediction in virtual multi‐OLT PON

In this paper, a mode transformation algorithm based on traffic prediction in virtual multiple optical line terminal (OLT) passive optical network (PON) is proposed. By proposing exponential smoothing algorithm based on weight update (WU‐ESA), user traffic is predicted well. WU‐ESA is a combination of two algorithms: exponential smoothing algorithm (ESA) and genetic algorithm (GA). The weight in ESA is optimized by GA based on real‐number encoding. By setting two periods, GA part and ESA part can be separated effectively. By presenting elastic packing algorithm (EPA), the load balance problem in virtual multi‐OLT PON is solved. EPA is implemented based on WU‐ESA. By the simulation and analysis, the effectiveness of the proposed algorithms is demonstrated. Compared with traditional mode transformation algorithm, EPA shows good performances in delay, throughput, and packet loss. Compared with traditional mode transformation algorithm, the EPA makes the packet loss decrease by at least 5% when the system load is greater than 0.9. Meanwhile, the delay of the two subsystems can be kept at a relatively balanced level by the implement of EPA. For throughput, the use of EPA improves the throughput by 20% when the system load is high.     

基于进化算法的层叠式长距离无源光网络规划

In this paper, we propose a mathematical model for long reach Passive Optical Networks (PON) planning. The model consid-ers the traffic demand, user requirements and physical constraints. It can support conventional star-like topologies as well as cascade PON networks. Then a two-stage evolutional algorithm is described to solve this problem. The first stage was to find a proper splitter candidate site set, composing the outer loop. The second stage aimed to get the optimal topology when the splitter locations were selected, composing the internal loop. In this algorithm, the PrÜer sequence is used to build up a one-to-one correspondence between a PON network configuration and a chromosome. Compared with the results obtained by the enumeration method, the proposed model and algorithm are shown to be effective and accurate.     

基于GA BPNN的MPPT控制方法与P&O的比较

针对传统光伏电池阵列控制方式在复杂天气环境下,对最大功率点跟踪效果不理想的现象。设计了一种基于GA BPNN的改进型恒压光伏MPPT控制算法,并通过搭建基于GA BPNN的改进型恒压光伏MPPT的仿真模型,再与传统P&O控制方法进行比较分析。仿真结果证明,该算法能准确快速地在复杂天气环境下进行最大功率点跟踪,且性能稳定。     

基于Triple Play业务的OFDM系统信道划分

研究了基于Triple play业务的OFDM系统信道划分问题。首先证明了在信道状态和传输总量已知的情况下。基于传输时差最小的OFDM系统信道划分的优化问题属于NP完备问题，因此必须使用随机算法代替穷举法来求解。引入了遗传算法和蚂蚁算法，并在原有方法的基础上进行了改进。在大量仿真实验的基础上，给出了仿真结果，并证明尽管随机算法不能保证解的最优性，但搜索时问较短；同时在相同条件下，蚂蚁算法可以显示出比遗传算法更强的搜索能力，因此对于OFDM这类实时性要求较高的系统，具有更大的实用性。     

基于遗传算法和神经网络的多用户检测器

利用两种方法的优点,并将它们应用于CDMA多用户检测中,提出一种基于并行遗传算法和递归神经网络的多用户检测器。该检测器中,遗传算法首先给神经网络提供较好的初始值,然后神经网络实时快速地获得最优解。计算机模拟结果表明:本文所提出的检测器在误码率和抗“远近”效应方面均具有良好的性能。     

量子进化组播路由算法

近年来,时延受限的代价最小组播树问题备受关注。作为全局优化算法,遗传算法（GA）越来越多的用于解决组播路由问题。GA拥有比经典算法更强的搜索能力,但是它容易陷入＂早熟＂,很难得到最优组播树。基于量子计算的机理和特性并结合进化计算,提出了一种新颖的量子进化组播路由算法（QEA）,有效地解决了遗传组播路由算法中的＂早熟＂问题,并且在每代个体更新中采用量子旋转门策略加速了算法的收敛速度。算法实现简单,控制灵活。仿真结果表明QEA算法性能优于改进的进化算法即克隆多播路由算法（CS）和传统的遗传算法（GA）。     

一种改进遗传算法在WDM光网络中的应用

在波长路由光网(WRON)中,波长转换对提高网络性能、减少阻塞率起着重要的作用.但由于目前全光波长转换器非常昂贵,因而如何最优利用波长转换是配置光网络的一个重要问题.文中利用遗传算法很好地解决了这一问题,并且利用数值模拟的方法,计算了美国自然科学基金网(NSFnet)网络中最优配置下网络的阻塞情况.然后针对普通遗传算法的缺点,提出了一种改进遗传算法.最后利用数值模拟的方法,比较了两种算法的性能.     

Grooming of dynamic traffic in WDM star and tree networks using a genetic algorithm

The advances in WDM technology lead to the great interest in traffic grooming problems. As traffic often changes from time to time, the problem of grooming dynamic traffic is of great practical value. In this article, we discuss the dynamic grooming of traffic in star and tree networks. A genetic algorithm (GA) based approach is proposed to support arbitrary dynamic traffic patterns, which minimizes the number of ADMs and wavelengths. To evaluate the algorithm, tighter bounds are derived. Computer simulation results show that our algorithm is efficient in reducing both the number of ADMs and wavelengths in tree and star networks.