新型混沌遗传算法在多约束QoS路由的应用

针对多约束QoS路由优化问题,提出一种新型混沌遗传算法。算法采用节点序号编码,混沌优化初始化种群,以及能防止产生无效路径的交叉变异策略。利用混沌变量的随机性、遍历性特点有效增加初始种群的多样性,改善了遗传算法早熟的不足。仿真实验证明,该算法适用于较大规模的网络,且具有收敛速度快和稳定性高的优点,是一种解决多约束QoS路由问题的可行、高效的方法。     

基于混沌遗传算法的组播路由优化研究?

在采用混沌遗传算法优化多目标QoS组播路由时,为克服Logistic映射收敛速度不快,而使传统混沌遗传算法优化效果不好的缺陷,将Tent混沌遗传算法引入QoS组播路由问题的求解中。该算法利用Tent混沌映射优越的区间均匀搜索能力,对通过遗传优选出的个体再次进行混沌优化,优化出适应度最高的个体进行交叉变异,从而保证足够多的下一代,以致算法不会陷入早熟。仿真结果表明,该算法优于Logistic混沌遗传算法,有效地改进了搜索效率,且收敛速度更快、更稳定。     

基于混沌遗传的Ad Hoc网络组播路由算法?

针对移动Ad Hoc网络(MANETS)的QoS组播路由优化问题,提出一种基于混沌遗传的组播路由算法。利用混沌变量的遍历性特点对遗传算法的适应度函数进行优化,避免遗传算法出现早熟现象。仿真实验结果表明,该算法具有较好的收敛性和稳定性,能解决多QoS约束下MANETS的组播路由问题。     

ICPSO算法及其在经济负荷分配中的应用

提出一种改进的混沌粒子群优化ICPSO(improved chaotic particle swarm optimization)算法,用于求解非线性、非凸、不连续等复杂约束条件的电力系统经济负荷分配。通过修正粒子群迭代的行动策略,并引入Tent混沌映射加强部分粒子的全局搜索能力,可以提高优化算法的全局搜索性能。最后将该算法应用于3机6母线的电力系统经济负荷分配中,在计及阀点效应的情况下,分别以考虑网损和忽略网损为例进行仿真。仿真结果表明,该算法有较快的收敛速度和较强的全局搜索能力,验证了算法的有效性和优越性。     

基于混沌遗传算法的多目标QoS组播路由优化

针对遗传算法易发生早熟收敛的缺点,提出了一种既满足时延、时延抖动及带宽等约束,又能使通信代价最小的混沌遗传算法。该算法利用混沌扰动算子对种群进行扰动操作,增加种群的多样性,抑制遗传早熟收敛的发生,提高收敛速度。仿真结果表明了该算法的有效性、快速收敛性及稳定性。     

基于链路生存时间的混沌遗传QoS路由算法

根据移动Ad Hoc网络移动性强、容易在通信过程中产生链路中断的特点,引入了链路生存时间的概念,采用PANDD-LV方法来预测计算移动节点间的链路生存时间。在此基础上,把混沌遗传算法应用到移动Ad Hoc网络中,同时将链路生存时间作为多约束QoS路由的一个重要度量。仿真实验表明:该混沌遗传QoS路由算法适用于Ad Hoc网络,能有效地找到满足链路生存时间以及其他QoS约束条件的最优路由。