基于双种群演化的遗传算法研究

针对标准遗传算法（SGA）在实际应用中出现的早熟收敛问题，引入了双种群演化的遗传算法，同时设计了适应双种群的特殊算子。文章首先阐述了遗传算法的基本原理和操作步骤，然后描述了双种群遗传算法的原理和特殊算子的设计；对“运动员参赛项目排序”这样一个实际问题进行了具体说明并分别使用标准遗传算法和双种群遗传算法进行了对比求解。实验证明：这种方法收敛效率较标准遗传算法有了很大提高，并保持了种群的多样性。     

基于遗传算法的MPLS网络流量工程研究

针对MPLS网络的流量工程问题,用多目标规划的方法建立数学模型,并在网络的入口出口节点对之间建立多条标记交换路径来进行分流。针对该问题的NP-hard特性,提出一种基于遗传算法的求解方法。算法采用自然数编码的方法来提高搜索效率,并进行了仿真。仿真结果表明该方法是行之有效的,有效地改善了网络的资源利用情况。     

基于淘汰机制的双种群遗传算法

传统的遗传算法虽然经过了多方改进,但是早熟的困扰仍然存在.针对这一缺陷,提出一种基于淘汰机制的遗传算法,模仿自然和社会的进化过程,在双种群遗传算法的基础上,将"战争"模式引入到种群的进化过程中去,建立一种新的淘汰机制来保持种群的多样性,避免算法提前收敛.用测试函数对算法进行测试,并将结果与自适应遗传算法进行对比和分析.实验证明,基于淘汰机制的遗传算法是可行且有效的.     

一种基于蜜蜂双种群进化的遗传算法

提出了一种基于蜜蜂双种群进化的遗传算法（BDPGA）。算法共有两个种群,一个是通过迭代进行遗传操作得到的,一个是在每代进化过程中随机引入的。每个种群中的最优个体作为蜂王分别以概率与其它个体（雄蜂）进行交配操作。既能增强对种群最优个体所包含信息的开采能力,又能提高算法的勘探能力,从而避免算法过早地收敛。实验结果表明,该算法对于改进和提高遗传算法性能是有效可行的。     

基于遗传算法的大规模流量工程问题求解

研究了大规模网络中的流量工程问题，其实质是在复杂约束条件下的多业务多目标网络流问题。提出了一种经过优化的遗传算法，该算法引入预处理机制，采用启发式变异操作并且采用爆破处理。仿真实验证明，该算法是快速有效的。     

基于蜜蜂双种群进化机制的云自适应遗传算法

为了提高传统自适应遗传算法的鲁棒性,受蜜蜂双种群进化的机制启发,把雄蜂通过竞争参与交叉及雄蜂与决定双蜂群优秀遗传基因的蜂后交叉的机制引入算法中,再利用正态云模型云滴的随机性和稳定倾向性特点,提出了基于蜜蜂双种群进化机制的云自适应遗传算法。算法由正态云模型的Y条件云发生器及蜂后参与的方式实现交叉操作,基本云发生器实现变异操作。函数优化实验和暴雨强度公式参数优化的仿真结果表明了算法的有效性和可行性。     

基于MPLS的流量工程

讨论了基于MPLS的流量工程的实现过程，并通过与覆盖模型的比较，分析了基于MPLS的流量工程技术的优势。     

基于遗传算法实现并行路径的自适应流量工程

研究实现动态并行路径的集中式流量工程,利用遗传算法提出流量优化算法,基于网络拥塞信息动态精简优化对象,基于网络链路利用率动态确定并行路径的采用,同时给出在并行路径间可行、简洁的流量分配方案简化算法的进化选择。仿真结果验证了提出的算法简化了解空间、降低了复杂度、提高了收敛速度,可同时确保优化性能。     

基于个体相似度的双种群遗传算法

针对标准遗传算法搜索精度低、容易陷入局部最优解的缺陷,提出一种基于个体相似度的双种群遗传算法。将竞争算子和第二个种群引入标准遗传算法中,在主种群内部利用海明距离计算个体之间的相似度,进行种群内部竞争,保留"种子"个体,而与其相似的个体参与种群之间的交流,从而保持种群多样性。使用经典测试函数对该算法进行了仿真实验,结果表明,该算法能有效抑制"早熟"现象,其全局搜索能力和搜索效果都有了明显的提高。     

蜜蜂双种群进化型遗传算法

为了改善传统遗传算法的性能,由蜜蜂种群繁殖进化的方式得到启发,提出了一种蜜蜂双种群进化型遗传算法(DBPGA).算法共有两个种群,一个是通过迭代进行遗传操作得到的;另一个在每代进化过程中随机引入.每个种群中的最优个体作为蜂王分别以概率与其它个体(雄蜂)进行交配操作.既能增强对种群最优个体所包含信息的开采能力,又能提高算法的勘探能力,从而避免算法过早地收敛.实验结果表明,该算法对于改进和提高遗传算法性能及求解连续非线性规划问题是有效可行的.     

基于流量工程的骨干网拓扑设计研究

分析了采用流量工程的新型骨干网络的特点,提出了一种基于遗传算法的网络拓扑设计算法方案。仿真分析表明,本算法方案充分体现了流量工程在拓扑没计中的作用,是有效而可行的。     

基于MPLS流量工程的路径最优排序算法

针对多协议标记交换（MPLS）网络流量工程的路由选择问题,在分析已有算法的基础上,提出一种路径最优排序算法。该算法使用一种学习机,根据随机网络环境提供的信息自动学习,计算出最佳路由优先顺序,按此顺序确定最佳转发路径。仿真结果表明该算法路由拒绝率低、计算速度快,并且能够有效地保证网络服务质量,是一种高效快捷的路由选择算法。     

基于MPLS流量工程的路由算法研究

简述了MPLS流量工程的网络结构、协议以及其路由技术现状。详细介绍了目前路由算法尤其是最小干涉路由算法的研究情况,分析了基于MPLS流量工程技术路由算法的优势和存在问题,指出了未来研究方向。     

一种基于自主计算的双种群遗传算法

针对多种群遗传算法在处理复杂多峰函数优化问题时效率低下、容易早熟收敛等缺点,提出一种基于自主计算的双种群遗传算法。双种群包括一个主种群和一个协助种群,协助种群通过系统的内、外监视器动态地向主种群传递优良个体和调整迁移间隔,以帮助主种群进化,并改进适应度函数防止迁移者过早死亡以保持种群多样性。实验结果证明,该算法优于标准遗传算法和双种群的多种群遗传算法。     

MPLS网络中基于约束路由机制实现流量工程的研究

传统内部网关协议(IGP)容易造成网络资源使用的不均衡,引起网络拥塞,导致网络性能下降,服务质量无法保证。流量工程是解决这一问题的有力工具,它可以为网络用户提供各种QoS保证,同时提高网络性能、优化网络资源的使用。多协议标签交换(MPLS)为流量工程的实施提供了便利,其核心技术就是基于约束的路由机制。论文对基于约束的路由机制进行了重点论述,为其建立了数学规划模型,并给出了常用的优化算法。     

一种基于MPLS的流量工程系统管理模型

简述了网络MPLS流量工程的现状，提出了一种基于MPLS的流量工程系统管理模型。该模型的特点是：管理功能模块边缘化，运输功能模块平面化，在高速、简单的运载核心上运行一个可管理的流量承载平台。模型的有效性通过形式和仿真两个方面得到验证。     

MPLS实现流量工程及服务质量的技术分析

本文阐述了多协议标签交换技术（MPLS）的基本原理,并重点对MPLS如何实现IP网络的流量工程和支持服务质量及服务等级保证等进行了详尽的介绍,最后展望了MPLS技术的发展前景。     

一种MPLS流量工程动态路由选择算法

MPLS网络中,允许在网络的入口和出口之间建立多条LSP来分担流量。MPLSTE的关键问题是LSP的分布优化问题针对这一特性,本文提出一种基于遗传算法的求解方法,仿真结果表明,该算法是有效且切实可行的。