基于混合遗传算法的多播路由多目标优化

互联网不断增长的多媒体应用引发人们研究如何满足这些应用的服务质量(QoS)约束.目前网络中多主机之间的多播通信一般需要严格的多个QoS保证,文中描述了一种适应于研究多播QoS路由多目标优化的网络模型,在此基础上提出了基于遗传算法和禁忌搜索混合策略的,具有多目标的多播路由QoS优化方法,以克服遗传算法的爬山能力差以及不成熟收敛等问题.此外还采用了改进的多播树编码方法及高效的遗传操作,同时还优化时延、丢包率和带宽利用率等不同的参数.实验结果表明,该算法为多播路由QoS多目标优化问题的求解提供了一种有效的新途径.     

基于多目标优化的应用层多播路由方案

针对网络中的多播路由问题,提出了同时兼顾时延、平衡和网络层业务量均衡多目标优化的应用层多播路由优化模型.该模型综合了网络层多播的高效率和应用层多播的灵活性的优点.通过将混沌免疫进化算法用于解决应用层多播路由多目标优化问题,最终产生一组最优非劣解集.该算法能够较好地保持种群的多样性,且收敛速度快,搜索能力较强,可以克服采用单目标路由优化方法的不足.最后仿真实验结果表明了该算法的有效性.     

基于遗传算法的多目标QoS多播路由算法

针对通信网中多目标QoS多播路由模型，文章提出了一种改进的遗传算法。算法的编码方式采用节点序编码，编码和解码过程都比较简单直观。采用保留最佳个体与适应度比例的选择方法，加快了遗传算法的收敛，并在此基础上采用理想点法构建评价函数来求解模型的Vareto解，采用双层的交叉与变异操作，增加群体的多样性。仿真试验验证，该算法可靠性高，适用于大规模网络。     

采用遗传算法求解多跳分组无线网服务质量路由优化模型

采用多目标遗传算法来确定多跳无线网服务质量路由优化问题的Pareto最优解集。通过计算表明,多目标遗传算法能够在一次运行中搜索到优化问题的近似Pareto最优解集,这为决策者进行目标折衷决策提供了充分的依据,此算法是有效可行的。     

用遗传算法求解应用层多播路由问题

由于IP多播部署面临的困难,应用层多播作为互联网多播服务策略逐步被人们认可。在分析了应用层覆盖网络特点的基础上,本文提出了一种更合理的应用层多播路由问题模型MRRB。该模型对延迟和负载均衡性等多个目标进行优化。同时,本文还分析了求解MRRB问题的复杂性,并给出了基于多目标遗传算法的求解方法。仿真实验与结果分析表明了该该方法的合理性和有效性。     

基于遗传算法的QoS多播路由优化算法

研究了带宽、延时、延时抖动和分组丢失率约束以及费用最小的QoS多播路由优化问题,提出了一种启发式遗传算法、该算法采用可变长度染色体(路由串)和它的基因(节点)应用于编码问题。交叉操作在交叉点进行部分染色体(部分路由)交换,变异操作维持种群的多样性。该算法采用简单维护操作维护好所有的不可行的染色体,交叉操作和变异操作相结合保证了最优解的搜索能力和解的全局收敛性。计算机仿真实验证明该算法快速有效,可靠性高。     

基于遗传算法的带宽-时延约束多播路由优化算法

随着许多多媒体在高速网络中的应用,多播路由问题成为越来越重要的课题。多播路由问题在计算机网络中是著名的Steiner树问题,同时也是NP完全问题。该文提出了一种基于遗传算法的多播路由优化算法,采用可变长度染色体(多播树)和基因(路径)应用于编码问题。该算法在满足带宽和时延约束条件下寻找代价最小的多播树。仿真实验证明该算法能快速找到最优解,收敛速度快,可靠性高,能够满足多媒体网络对实时性的要求。     

几种基于多目标遗传算法的QoS组播路由优化算法

提出基于多目标遗传算法的QoS组播路由优化算法,在遗传进化过程中分别使用三种方法：随机权重方法随机生成权重,使算法具有可变搜索方向,沿Pareto前沿面均匀采样,增加算法成功率;Pareto排序方法合理分配适应值,使Pareto解具有相同的适应值,并能调整选择压力;Pareto竞争方法通过适应值共享维持种群多样性,提高遗传算法的性能。实验仿真在不同网络规模下研究算法的遗传进化过程、成功率、收敛速度和可扩展性,并与相关算法进行比较与分析,证明本文提出的算法是可行的、有效的。     

一种基于遗传算法的QoS多播路由算法

深入研究基于遗传算法的QoS多播路由算法,建立支持QoS的多播路由模型.对已有的QoS多播路由算法进行优化,提出适用于下一代网络的基于遗传算法的QoS多播路由算法.采用定长的染色体编码和预处理机制降低算法复杂度.仿真试验表明,该算法收敛速度快,可靠性高,能够更好地满足多播业务的需要.     

基于遗传算法的有矢量约束的多播路由计算

针对QoS参数(带宽(bandwidth)、时延(delay)、丢包率(packet loss)等)的多样性，提出了利用遗传算法(GA)解决带有多维约束的多播路由路径的生成算法GAVCMR．该算法把各种约束结合起来，提出了矢量约束的概念；GAVCMR突破了遗传算法(GA)传统观念上的限制，对各种约束参数赋予了更为清晰的实际含义，根据参数的实际物理含义，在进化的不同阶段灵活调整各参数的大小，加快了算法的收敛速度，并在一定程度上避免算法终止在局部最优．在矢量约束下生成的多播树能够适应各种QoS参数的要求，仿真结果证明了算法的有效性．     

基于启发式遗传算法的QoS组播路由问题求解

研究了带宽、延时抖动和包丢失率约束以及费用最小的QoS组播路由问题,并提出一种启发式遗传算法。该算法有以下特点：（1）预处理机制;（2）树结构编码;（3）启发式交叉策略;（4）指导性变异过程,最后通过仿真实验证明该算法快速有效。     

基于极值遗传算法的QoS组播路由

基于遗传算法和极值优化思想,提出一种极值遗传算法,将其应用到QoS组播路由。极值优化的非自衡性可以防止算法陷入局部解,加快算法的收敛速度。根据网络拓扑结构特点,采用特殊的编码、交叉、变异操作,保证解的可行性。实验结果表明,该算法能达到较高的QoS组播路由速度和精度。     

基于蚁群算法的QoS组播路由问题研究

提出一种基于蚁群算法的服务质量(QoS)多约束的组播路由算法,算法通过引入模拟退火思想和多行为蚂蚁,解决了常规蚁群算法搜索能力差,容易陷入局部最优的缺点.给出一个网络路由模型,给定相关参数进行仿真实验,实验结果表明,基于模拟退火思想的逆向蚂蚁算法性能优于常规蚁群算法,能更好地搜寻到全局最优解.     

基于遗传算法的带时延约束组播路由算法

探讨了带时延约束组播路由优化算法,选用时延约束信息产生备选路径集并编码,给出了在该编码方式下使用不同进化阶段应用不同变异概率思想的改进遗传算法.仿真试验结果表明,该算法是可行有效的.     

QoS组播路由的并行遗传算法

针对遗传算法应用于服务质量(QoS)组播路由时运算时间长的问题,提出一种基于集群路由器的并行遗传算法,并对集群路由器的体系结构加以改进,使其适用于该并行遗传算法的运行。该算法对种群初始化方法进行改进,使每个从路由器能独立初始化种群,减少主从路由器之间的通信次数,缩短算法收敛的时间。实验结果证明了该算法的有效性。     

并行量子遗传算法在QoS组播路由中的应用

随着网络通信技术的发展和Internet的普及,性能出色的组播路由越来越重要。著名的组播路由Steiner树问题是NP完全问题,应采用启发式方法求解。文中在常规量子遗传算法中引入并行进化模型,提出了一种解决多约束QoS组播路由优化问题的算法。在满足带宽、时延约束条件下寻找代价最小的组播树,并合理安排节点负荷,减少通信开销。仿真实验结果表明本算法搜索速度快、全局寻优能力强,性能和效率优于常规量子遗传算法。     

基于遗传算法的多约束QoS组播路由优化算法

在计算机网络中,随着大量新兴多媒体实时业务的应用,组播路由问题成为越来越重要的课题。组播路由问题在计算机网络中是著名的Steiner树问题,同时也是NP完全问题。目前许多研究者在单约束(特别是延时约束)组播路由中取得了较好的成果,但对于多约束Qos组播路由方面的研究相对比较少。论文提出了一种基于遗传算法的多约束组播路由优化算法,该算法在满足带宽、延时、延时抖动和包丢失率约束条件下寻找代价最小的组播树,文中描述了一种适应于研究Qos组播路由的网络模型。最后通过仿真实验证明该算法操作简单、搜索速度快、效率高且具有较强的实用性和鲁棒性。