一种满足时延和时延差约束的组播路由算法

针对时延和时延差约束的组播路由优化问题,提出一种最优代价组播路由算法。基于Dijkstra最短路径树算法,通过指示函数调整新加入节点的优先级,利用局部信息构建低代价组播树,使其能较好地平衡组播树代价、时延和时延差之间的关系。仿真实验结果表明,该算法能正确构造出满足时延和时延差约束的组播树,同时具有时间复杂度低、求解成功率高等综合性能。     

基于拉格朗日松弛法的时延约束组播路由算法

通过对时延约束组播路由网络模型的分析，提出了一种基于拉格朗日松弛法的时延约束的低代价组播路由算法（LR—DLMR）。由于封闭图对原网络的多播不可达问题，该算法并没有构建原网络的封闭图，从而有效利用了链路中间节点信息。仿真实验结果表明本算法具有良好的稳定性，有较低的代价和时延。     

支持时延-带宽约束的动态层次组播路由

层次网络及层次路由成为解决大规模网络QoS路由可扩展性问题的一个主要手段.文中对PNNI层次网络模型下的时延-带宽多QoS约束的动态组播路由问题进行了全面研究:在已提出支持时延-带宽约束的拓扑聚集算法(Stair)的基础上,进一步对组播树节点需维护的组播树状态信息及其聚集问题进行研究,并提出"伪树上边界节点"模式的域内组播树状态信息的聚集方法,最后设计了基于聚集拓扑信息和组播树状态信息的动态层次组播路由算法.仿真结果显示,该路由不仅大量压缩了存储和扩散的拓扑信息和组播树状态信息,同时还保持了与平面网络近似的路由效率,实现了大规模网络情况下组播路由的扩展.     

基于局部信息的时延和时延差约束的组播路由

组播通信是从一个源节点同时向网络中的多个目的节点发送分组的通信服务,它一般提供一个以上的端到端的服务约束,实际的路由算法在应用时可以受到多重约束,解决这类问题的组播路由算法是NP完全的。在研究了构建组播树的相关算法后,提出了一种新的时延和时延差约束的低代价组播路由算法-DDVMC。该算法采用基于贪婪策略的Dijkstra最小生成树算法,利用局部信息来构建低代价组播树,很好地平衡了树的代价、时延和时延差。仿真表明,该算法能正确地构造出满足约束的组播树,同时还具有较低的代价和计算复杂度。     

基于动态变异遗传算法的组播路由算法

具有时延约束的组播路由问题已被证明是NP-完全问题。论文提出了一种基于动态变异遗传算法的组播路由算法,用来解决带时延约束的组播路由问题。通过计算机仿真分析和与同类算法的比较,此算法收敛速度快,不易陷入早熟,具有很强的鲁棒性和实用性。     

基于时延约束的快速低代价组播路由算法

低代价最短路径树是一种广泛使用的组播树,通常不能满足实时多媒体应用中信息从源端到目的端传输的时延限制。针对该问题,提出基于时延约束的快速低代价组播路由算法,利用代价构建满足时延约束的初始树,将不满足时延约束的路径用最小时延路径代替。仿真结果表明,相比时延约束最短路径树算法,该算法的计算时间更少,组播树的总代价更低。     

基于拉格朗日松弛法的时延约束组播路由算法

通过对时延约束组播路由网络模型的分析,提出了一种基于拉格朗日松弛法的时延约束的低代价组播路由算法(LR-DLMR)。由于封闭图对原网络的多播不可达问题,该算法并没有构建原网络的封闭图,从而有效利用了链路中间节点信息。仿真实验结果表明本算法具有良好的稳定性,有较低的代价和时延。     

一种有时延约束的动态组播路由算法

贪婪算法是一种动态组播路由算法,该算法获得的通信树时延较大。文章在改进的多标号算法基础上,提出了一种有时延约束的动态组播路由算法,可以获得满足时延约束的通信树,仿真显示该算法可以获得问题的次优解。     

一种有效的时延约束组播路由算法

在多媒体通信网络中，组播问题提出了新的要求，除了最小化组播通信的代价，同时要求保证每一个目的的节点在固定的延时之内接收信息，在这篇论文中，我们提出了一个边路选择函数用于解决时延约束组播问题，我们的实验结果揭示了该函数能提供满足时约束且代价较小的组播路由问题近似解。     

一种基于IP网络的QoS约束组播路由算法

针对时延约束最小代价组播路由问题,结合禁忌搜索算法和模拟退火算法的优点,提出了一种改进的混合遗传路由算法TSSAGMA。通过分析与仿真,证实了该算法在解决时延约束最小代价组播路由的问题上优于传统算法,能够在较小的代价下搜索到较好的解。     

文化基因算法在第四方物流路径规划中的应用

第四方物流路径问题是复杂的组合优化问题。基本遗传算法在第四方物流路径问题上存在随着问题规模扩大,算法的成功率和准确率不断下降等缺点。针对基本的遗传算法已经不能满足规模较大的第四方物流问题等缺点,结合实验分析,提出了一种以遗传算法为全局搜索策略的文化基因算法,并针对第四方物流的问题特点设计了相应的局部搜索策略。实验结果表明,与基本遗传算法相比,该混合算法不仅在求解质量上有了较大的改进,并且在大规模第四方物流问题上也能获得质量较好的解,算法的成功率和准确率明显高于基本的遗传算法。因此,基于遗传算法的文化基因算法是解决大规模第四方物流路径问题的一种有效方法。     

一种基于遗传算法有时延约束的选播路由算法

选播是一种新型的网络服务，是IPv6的一个新特性。与单播、组播一样，都是IP的一种通信模式。本文在分析选播通信服务的基础上，提出了一种改进的遗传算法以求解有时延约束的选播路由问题。仿真实验结果表明，该算法是有效且切实可行的。     

带度约束的最小直径应用层多播路由问题的启发式遗传算法

由于IP多播难以在因特网环境中配置，应用层多播作为IP多播的一种替代方案得到越来越多的研究。从网络设计的角度来看，应用层多播在网络代价模型及路由策略方面与传统的IP多播有很大区别。本文研究了带度约束的最小直径应用层网络多播路由问题，提出了解决该问题的启发式遗传算法。通过大量仿真实验，我们对比分析了两种贪婪算法法和遗传算法的性能。实验显示，启发式遗传算法具有较好的性能。     

基于遗传算法的选播QoS路由算法研究

针对选播的QoS路由选择问题,提出了一种基于遗传算法的多约束选播路由优化算法。该算法在满足带宽、延时、时延抖动和包丢失率的条件下,可寻找花费最小的路径。网络仿真实验证明:该算法操作简单,结果可行且有效。     

An Efficient Hybrid Algorithm for a Bi-objectives Hybrid Flow Shop Scheduling

This paper considers the problem of scheduling n independent jobs in g-stage hybrid flow shop environment. To address the realistic assumptions of the proposed problem, two additional traits were added to the scheduling problem. These include setup times, and the consideration of maximum completion time together with total tardiness as objective function. The problem is to determine a schedule that minimizes a convex combination of objectives. A procedure based on hybrid the simulated annealing; genetic algorithm and local search so-called HSA-GA-LS are proposed to handle this problem approximately. The performance of the proposed algorithm is compared with a genetic algorithm proposed in the literature on a set of test problems. Several performance measures are applied to evaluate the effectiveness and efficiency of the proposed algorithm in finding a good quality schedule. From the results obtained, it can be seen that the proposed method is efficient and effective.     

求解车间作业调度问题的一种改进遗传算法

针对标准遗传算法收敛速度慢和易陷入局部最优的问题,在总结已有经验的基础上对标准遗传算法提出改进:采用基于工序的编码、解码方式,每一次遗传操作后对种群采用循环选择并保留最优个体,对交叉操作和变异概率的计算提出了一系列改进方法,避免遗传算法产生无用解或陷入局部优化,以提高效率。通过实验验证,改进后的算法具有可行性,并且可以得到十分满意的结果。     

基子改进的遗传算法的选播QoS路由算法研究

针对选播的QoS路由选择问题，本文提出了一种基于改进的遗传算法的多约束选播路由优化算法。该算法在满足带宽、延时、时延抖动和包丢失率的条件下。可寻找花费最小的路径。网络仿真实验证明：该算法操作简单，结果可行且有效。     

矢量量化的遗传k-均值算法

提出了一种遗传k-均值算法，该算法通过改进标准遗传操作及采用可变变异率，使其在矢量量化应用中表现出很好的性能．实验证明，该算法能够获得质量高于k-均值和模糊k-均值算法的矢量量化码书，为设计全局最优码书提供了新思路。     

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。     

基于遗传算法和模拟退火算法的特征选择方法

针对模式识别时原始特征数量大而有冗余的现象，提出了一种基于遗传退火算法的特征选优方法。首先对遗传算法和模拟退火做了简要评论，然后在遗传算法中引入模拟退火的Boltzmann更新机制，以克服传统的遗传算法易于过早收敛和易于陷入局部极小的问题。最后阐述、设计了适应度函数和遗传算子。仿真实验表明，该方法在求解的效率和解的质量方面都达到了令人满意的效果。