一种动态贪婪多播路由算法仿真模型

提出一种动态贪婪多播路由算法仿真模型,算法是一种平均无效度和最大无效度都在可接受的范围内的一种动态路由算法,尤其在多播节点密度较高时,它的平均无效度和最大无效度都较低。因此提出的算法是一种快速、有效、不重组的动态多播路由算法。     

多波长光网络的动态路由等效算法

针对多波长光网络的特点，提出了一种动态路由和波长分配的等效算法。采用波长图、增加虚拟源节点和目的节点等技术，把多波长网络转化为等效的单波长网络，避免了求解路由和波长分配两个复杂子问题，简化了算法的程序设计。利用最短径算法进行路由和波长分配可以求得问题的最优解，从而有效地降低了网络阻塞率。仿真结果表明：与FAR-2D算法相比，在4和8波长的全波长转换网络中，采用等效算法阻塞率最大降幅分别达到0．02、0．025。     

改进蝙蝠算法在柔性制造系统环路布局的应用

环路布局是常用的柔性制造系统布局方式,传统智能算法能够解决环路布局问题,但是存在参数复杂、收敛慢和精度不高等缺陷。针对传统智能算法的缺陷,拟采用新型元启发式改进蝙蝠算法求解环路布局问题。首先以物料传输成本最小化为优化目标,建立柔性制造系统环路布局的数学模型;然后提出一种融合模拟退火的Lévy飞行扰动蝙蝠算法进行模型求解;最后利用已有研究中的基准问题进行算法验证。结果表明改进的蝙蝠算法不仅能够有效地求解环路布局,而且提高了模型求解的收敛效果。     

应用于路由协议测试的在线测试系统

在深入分析路由协议特点的基础上，提出了适应于路由协议测试的在线测试方法。该方法在通信线路上监听方式对协议实现进行测试，可在实际网络运行环境下进行而不干扰网络运行，并具有其他有益特性。在分析解决了关键技术问题之后，提出了在线测试OLTS的设计目标和系统框架；OLTS通过状态同步算法对路由协议的状态机进行测试，通过拓扑结构分析和内部过程模拟等手段测试路由信息的交互和处理；OLTS具有直观友好的用户界面和良好的可扩充性。目前已完成了原型系统，开展了BGP、OSPF和RIP的测试。     

一种新型水下移动自组织网路由算法

目前针对移动自组织网提出的路由协议普遍存在路由发现和路由维护效率低的问题,在研究按需距离矢量(AODV)路由算法的基础上,提出了一种水下多路径选择按需距离向量算法(MAODV)。该算法采用多节点路由切换机制,在一条链路失效后不必重新启动路由发现过程,而选用备用节点构成新的链路,继续进行数据包的传输,大大节省了信息资源和带宽。计算机统计仿真表明,该MAODV方法的性能在端到端通信的平均时间延迟和数据包接收率上均优于(AODV)。有效地解决了路由协议中路由发现和路由维护效率低的问题。     

EIGRP协议剖析

EIGRP和早期的IGRP协议都是由Cisco发明,是基于距离向量算法的动态路由协议.EIGRP(Enhanced Interior Gateway Routing Protocol)是增强版的IGRP协议.它属于动态内部网关路由协议,仍然使用矢量一距离算法.但它的实现比IGRP已经有很大改进,其收敛特性和操作效率比IGRP有显著的提高.EIGRP的收敛特性是基于DUAL(Distributed update Algotithm)算法的.DUAL算法使得路径在路由计算中根本不可能形成环路.它的收敛时间可以与己存在的其他任何路由协议相匹敌.从EIGKP协议的原理入手,对该协议的特点和缺陷进行剖析,使读者对EIGRP协议有更深刻的理解.     

一种新型的动态路由和波长分配综合算法

讨论了WDM光网中，在动态业务流量和有限范围波长变换情况下的动态路由和波长分配问题。基于Moone-Dijkstra算法，考虑到动态波长变换的可能和限制，提出了一种新型的、可实现动态最小代价路由和最佳虚波长通道的综合启发式算法(DMC-OVWP)。该算法对路由子问题和波长分配子问题既相互独立，又相互结合，优化了RWA。以中国教育和科研计算机网(CERNET)为拓扑背景，基于本算法进行了计算机仿真，并对实验结果进行了比较分析，证明本算法可充分利用网络信息获取较低的阻塞率。     

改进的蚁群算法及其在卫星网络路由计算中的应用

介绍了蚁群算法的原理，然后对现有蚁群算法进行了一些改进，使它能够快速地收敛以满足高速变化的卫星网络拓扑结构．采用改进的虚拟拓扑策略解决了卫星网络拓扑高速变换的问题．将改进的蚁群算法应用于其上，并给出了相应的性能评估．所提出的改进的虚拟拓扑策略，能够大大减少一个系统周期内卫星网的时间片个数．应用于此基础上的改进的蚁群算法也体现了较好的性能．     

一种ATM网络中的动态路由算法

针对前期工作中讨论的多阶段虚通道（ＶＰ）控制和ＶＰ拓扑优化问题，以及基于在每一个源目（ＳＤ）节点对之间存在一组备选路由集这一假设的相应的优化算法，提出了一个补充算法，它能够求出任意两节点间的所有可能路径。在此基础上，进一步研究了一种动态虚通路（ＶＣ）路由策略。与其它路由策略不同，它是在更一般的网络环境中加以考虑的。最后，给出了一个动态ＶＰ路由算法，这是动态ＶＣ路由策略中的一个重要组成部分。理论分析和试验结果表明，这些算法是正确的，且有极高的实用价值。     

RIP路由协议分析及配置简述

介绍RIP(Routing Information Protocol)路由协议的基本内容,分析RIP协议的工作原理,路由环路的产生及解决方法,通过实验阐述如何在路由器上配置RIP协议。     

应用蜜蜂繁殖进化型粒子群算法求解车辆路径问题

为了提高粒子群算法求解车辆路径问题时收敛速度和全局搜索能力,将蜜蜂繁殖进化机制与粒子群算法相结合,应用到CVRP问题的求解。该算法中,最优的个体作为蜂王与通过选择机制选择的雄蜂以随机概率进行交叉,增强了最优个体信息的应用能力;同时,随机产生一部分雄蜂种群,并将其与蜂王交叉增加了算法的多样性。实例分析表明该算法具有较好的全局搜索能力,验证了该算法的可行性。     

智能化遗传算法

针对遗传算法的收敛速度慢、收敛早熟和概率稳定性差等问题提出一种智能化遗传算法(IGA)。首先，建立描述种群进化的统计特征量，为IGA的算法策略提供决策依据。其次，建立种群的自学习算法、种群的自组织算法与遗传算子操作概率的自适应算法，并将这些算法嵌入最优保存简单遗传算法(OMSGA)，从而构成IGA。最后，从理论上对算法收敛性及效率进行了分析。通过遗传算法标准测试函数的仿真结果证明了算法的实用性和有效性。     

混合智能算法在CVRPTW中的应用

考虑到遗传算法本身存在易"早熟收敛"的缺陷,提出将模拟退火算法中的Metropolis接受准则引入到遗传算法的群体更新策略中,并将其应用于物流管理中的带容量约束和时间窗的车辆路径问题(CVRPTW).针对Solomon提出的几个标准问题,从数值计算上探索了遗传算法和模拟退火算法融合后的优化能力,获得了满意的效果.     

基于改进蚁群算法的码垛机器人路径规划应用研究

目的为解决蚁群算法在码垛机器人路径规划中存在的收敛速度慢、容易陷入局部最优等问题,提出一种人工势场和蚁群算法相结合的方法。方法首先,根据码垛机器人机械手在人工势场中不同节点所受到的合力,对初始信息素进行不均匀分布,以解决蚁群算法初期由于缺乏信息素导致的无效路径搜索。其次,在启发函数的设计中引入码垛机器人机械手在下一节点所受到的合力,以解决蚁群算法容易陷入局部最优的问题。最后,对信息素的更新策略进行改进。按照寻得路径的长度不同,对每次迭代完成后信息素的增量成比例进行更新,并设置最大、最小值,以解决迭代后期路径上信息素过大而使蚁群算法陷入局部最优的问题。结果改进后的蚁群算法收敛速度提升了约51%,寻找到的最短路径提升了约10%。和其他改进的蚁群算法相比,在综合性能上也有一定程度上的提高。结论改进后的蚁群算法收敛更快,寻找的最优路径更短。     

备件物流系统选址库存路径问题模型及算法

考虑到备件需求的随机性和时间紧迫性,以供应链二级分销网络的备件物流系统为研究对象,以系统总成本最低为目标,建立了带软时间窗的选址-库存-路径问题模型。由于该模型属于NP-Hard问题,因此提出了基于禁忌搜索算法和改进的C-W算法的两阶段混合启发式算法。通过实例演算,结果表明了该算法的实用性与有效性。     

全量补偿复合反演算法的改进及其应用

全量补偿法的提出为部分输入未知条件下的结构参数识别以及荷载反演提供了一个很好的思路,但由于该算法在进行参数估计时没有考虑已知输入与未知输入的可信度差别,因此参数收敛过程中会产生振荡现象,收敛速度相对较慢。在此基础上,充分利用部分输入可确知而部分输入未知的激励特性,构造了一个基于加权最小二乘准则的改进算法。与原算法相比,改进算法不仅在理论上更加完备,而且其收敛特性也有质的改善。在同等的参数识别精度条件下,其所需的迭代次数仅为原算法的十分之一。     

改进蚁群算法设计拉式膜片弹簧

 通过对拉式膜片弹簧载荷-变形特性的综合分析,考虑各种约束条件,提出了一种新的多目标优化设计数学模型．该模型以在摩擦片磨损极限范围内,弹簧压紧力变化的平均值最小及驾驶员作用在分离轴承装置上的分离操纵力的平均值最小为共同优化目标,使离合器后备系数稳定,离合器分离力的平均作用力较小．蚁群算法是一种新型的元启发式优化算法,该算法具有较强的发现较好解的能力,但同时也存在一些缺点,如容易出现停滞现象、收敛速度慢等．将遗传算法和蚁群算法结合起来,在蚁群算法的每一次迭代中,首先根据信息量选择解分量的初值,然后使用变异操作来确定解的值．最后,通过实例与其他优化方法的结果进行比较．结果表明,该算法有较好的收敛速度及稳定性．     

一种用于匹配场反演的遗传算法

遗传算法在接近全局最优解时,存在搜索速度变慢、过早收敛、个体的多样性减少很快、甚至陷入局部最优解等问题。通过在遗传算法中引入模拟退火因子、混沌因子和多样性测度因子,在很大程度上克服了原有遗传算法的早熟、局部搜索能力差的缺点。同时,又能发挥原有遗传算法的强大的全局搜索能力,保证了改进后的混合遗传算法能较好地收敛于其全局最优值。     

一种超松弛原始对偶不动点算法及其应用

近年来,关于两个凸函数和的优化问题受到极大关注,其中一凸函数可微且其梯度满足 Lipschitz 连续性,另一凸函数包含有界线性算子。提出一种超松弛原始对偶不动点算法求解这一类问题,相比于原始对偶不动点算法,所提算法扩展了松弛参数的选择范围。通过定义合适的范数,运用非扩张算子不动点理论,证明所提迭代算法的收敛性,并证明算法的遍历收敛率。在对目标函数一些强的条件下,证明算法具有全局线性收敛率。最后,为验证算法的有效性和优越性,将所提算法运用于求解全变分图像复原模型,数值结果表明,选择松弛参数大于 $1$ (即超松弛) 的原始对偶不动点算法比松弛参数小于 $1$ 时算法收敛更快。     

延时受限启发式组播路由算法

给出了一种带延时约束的组播路由算法，旨在确定组播路由，不仅要使网络通信的费用达到最小，而且要保证源节点到每个目的节点的延时满足给定约束。此算法具有易于实现、计算量小且所需传递信息量小等优点。仿真结果表明此算法性能良好。