网络编码技术及其在通信网络中的应用

网络编码是可以逼近网络容量理论传输极限的有效方法,具有确定拓扑的有线网络的网络编码受到了广泛关注。介绍网络编码的基本概念,分析了网络编码对网络流量的提高,简单介绍将网络编码应用于不同的通信领域所带来的好处。     

基于改进遗传算法的多式联运网络优化

在对多种运输方式比较分析的基础上,从运输成本、换装成本及时间惩罚成本3个角度,建立多式联运网络模型,采用改进遗传算法进行模型求解,在标准遗传算法基础上引入移民算子,保证了种群多样性,避免了局部最优,增强了算法搜索能力.采用MATLAB计算平台对模型进行案例求解,结果表明,采用多式联运网络运作模型的成本降低了45.8%,从而验证了多式联运网络运作模型的有效性和实用性.     

基于流内网络编码与流问网络编码的无线路由算法

社会经济和科学技术的不断进步,带动了计算机互联网技术的发展,网络已经成为人们生活和工作中不可或缺的重要组成部分,而随着接入端口的增加,网络的容量会逐渐减少,其信息和数据的传输速度也会受到一定程度的影响。网络编码的使用,可以有效提高网络的吞吐量和可靠性,解决上述问题。本文提出了一种基于流内网络编码与流间网络编码的无线路由算法,与传统的编码感知路由算法相比,具有更高的吞吐量和可靠性。     

基于遗传算法的通信网络优化规划

综述了使用遗传算法进行通信网络优化的问题，指出了原有遗传算法进行通信网络优化存在的不足，并提出了一种新的基于动态惩罚的解决策略。通过对一个简单问题的仿真，验证了动态惩罚策略的有效性。     

基于混合编码遗传算法的匹配追踪算法

匹配追踪算法可以将任一信号分解为一组冗余的基元函数的线形展开,但是计算信号在每一个基元上的投影需要很高的代价,从而影响了它的广泛应用.本文提出了一种用浮点数和格雷码的混合编码遗传算法来实现匹配追踪算法,该算法有机结合了遗传算法和匹配追踪算法的优点,不仅能够有效地降低计算量,而且能够提高计算精度.计算机仿真结果证实了该方法的准确性和应用价值.     

基于实数编码遗传算法的二次曲面提取

在机械产品的逆向工程中,针对测量数据提取常用二次曲面是非常重要的。它不仅有助于理解设计意图、指导数据分割,而且可以提高重建模型的精度和速度。首次提出利用基于实数编码的遗传算法针对离散数据点进行二次曲面提取。通过数值实验结果及与其它算法的结果对比,证明了此算法的有效性、鲁棒性和精确性。为逆向工程中基于测量点的二次曲面提取提供了一种新的方法。     

基于遗传算法的复合材料层合板削层结构铺层优化

针对应力变化较大的碳纤维增强复合材料层合板,提出削层结构铺层分级优化模式。通过将结构分解为若干子铺层并对各子铺层的位置、尺寸、铺层数以及铺层顺序进行优化,得到了满足强度和可制造性要求且质量最小的结构设计方案。该模式的第1、2级优化利用参考层对各子铺层位置及尺寸进行优化,第3级优化通过引入3次样条插值参数化方法对各子铺层层数和铺层顺序进行优化。参考层的引入可减少设计变量的数量,3次样条插值参数化方法可解决以铺层角为设计变量时设计变量数目不确定的问题。利用有限元方法对结构进行力学分析计算,并依据Tsai-Wu准则确定结构强度。在第2、3级优化中利用遗传算法对优化问题进行求解。算例计算表明:削层结构铺层分级优化模式结果合理可信。与均匀铺层方法结果比较可知:削层结构可有效减少结构质量。     

基于蛙跳思想的量子编码遗传算法

量子门旋转相位、变异概率大小的确定,是目前制约量子遗传算法效率的两个主要问题。本文提出一种基于蛙跳思想的量子编码遗传算法(QRGA),该算法采用自适应的方式对量子旋转门旋转角进行调整,并基于模糊逻辑将蛙跳的步长进行量化以指导变异概率调整,保证进化的方向性和提高算法效率,对比实验结果表明算法可以避免陷入局部最优解,并能快速收敛到全局最优解,在运行时间和解的性能上都取得了较好的效果。     

基于分段遗传编码的配送路径优化

为减小物流配送中车辆路径优化这一NP难题的组合规模，增大其搜索空间及寻优效率，提出了一种分段编码方法，编码中的各段表示相应车辆路径的需求城市集合。以非完全连通配送网络为研究对象，基于分段遗传编码，构造了车辆路径优化问题的遗传算法，通过对编码各段超载、包容等的判断，得出一个关于需求城市的最优划分。最后利用改进的迪杰斯特拉算法，根据最优化分中的需求城市，求取最优的配送路径集。计算示例证明了该方法的有效性。     

微遗传算法优化多层ZnOw雷达吸波涂层

采用微遗传算法对以四针状ZnOw为主要成分的多层雷达吸波材料(RAM)进行优化设计.在给定最大厚度的情况下,在2～18GHz频率范围内,采用对不同频段给定不同吸收率的方案,对多层吸波涂层建立了快速优化设计方法.讨论了吸波涂层的厚度、层数对吸收效果的影响.此外,对于不同频段改变给定的吸收率,分析对于优化结果的影响.     

基于遗传算法的神经网络被动声呐目标分类研究

被动声呐目标识别系统中目标分类器的设计和训练是一项重要内容，本文设计了目标分类器的神经网络结构，提出了一种用改进的遗传算法训练神经网络分类器的新方法，最后，对海上实录的Ａ，Ｂ，Ｃ三类目标噪声进行了分类识别，实验结果表明基于遗传算法的神经网络分类器比传统的基于ＢＰ算法的神经网络分类源泛化性能有明显提高。     

基于迷宫算法和遗传算法的船舶管路路径规划

船舶管路的多样性和布局环境中约束的复杂性导致管路设计效率低下.为辅助设计人员提高管路设计效率并减少人为错误,提出了一种新的管路设计方法.首先,基于轴平行包围盒简化管路布局空间,利用栅格法对其进行离散化,并赋予空间网格特定的能量值,构建管路布局优化问题的数学模型.其次,基于遗传算法的框架,引入改进迷宫算法,提出管路路径规划方法,其中:迷宫搜索中引入辅助点的概念,增加了遗传算法中初始种群的多样性,有利于提高遗传算法的全局搜索能力;提出了定长度的编码方法,简化了管路染色体处理难度,提高了算法性能;基于引入方向优先搜索策略的迷宫算法,设计定长度编码遗传算子,保证了子代个体的质量,提高算法的收敛速度.最后,基于仿真试验,验证算法的性能.试验结果表明了该方法的可行性和高效率,以及其对实际管路布局工作具有指导意义.     

基于神经网络遗传算法的GFRP拉挤双目标优化

为研究玻璃钢(GFRP)拉挤工艺参数对复合材料性能的影响,优化最佳拉挤工艺参数,建立了拉挤工艺过程数学模型,结合基于有限元/有限差分的间接解耦法进行求解,模拟得到了拉挤过程中GFRP内部的非稳态温度场和固化度变化情况.分别采用布拉格光栅光纤温度传感器和索氏萃取法检测拉挤GFRP内部的温度与固化度,实测温度和固化度均与模拟温度和固化度吻合,验证了数值模拟程序的正确性.以数值模拟结果为样本,建立反向传播神经网络,得到拉挤工艺参数(固化温度、拉挤速度)与GFRP固化度之间的非线性相关关系,再结合遗传算法解决拉挤过程中固化炉温度和拉挤速度双目标优化问题.优化得到的拉挤工艺参数可在保证复合材料固化度达标的情况下,提高拉挤速度降低固化炉温度,优化效果显著.神经网络遗传算法优化方法能有效解决此类具有复杂非线性关系的多目标优化问题.     

基于BP网络和遗传算法的枪架结构优化

为提高机枪的射击精度,需要对机枪枪架的结构参数进行优化设计。基于CAE软件的结构优化有其自身的局限性,所以提出了一种新的优化方法,即联合应用BP网络和遗传算法。本文以此为基础,根据机枪有限元模型,对枪架结构参数进行了优化设计,结果表明：BP网络和遗传算法相结合的方式可适用于多设计变量的枪架参数优化设计,为其它复杂结构的参数优化提供了新的思路。     

基于遗传算法的三维无线传感器网络定位新算法

针对三维无线传感器网络节点自身定位问题,提出了一种基于遗传算法的新定位算法。该算法通过分析未知节点与它的无线射程范围内的已知节点之间的通讯约束和距离测量,对未知节点建立数学模型;针对此数学模型利用遗传算法求解,把该解作为未知节点的估计位置。理论分析和试验结果表明,该算法具有很强的健壮性,未知节点的失效和新节点的加入不会影响算法的性能,并且算法定位精度高,条件简单,适合各种规模的无线传感器网络的节点定位。     

基于遗传神经网络的产品配色设计

由于科技的进步和消费者意识的提高,加快了产品的生命周期,如何帮助设计师掌握消费者的感觉,提高产品创新的时效性,是一个不容忽视的问题。从感性工学的理论和知识出发,将目标产品(电话计费器)划分为色块的组合构成,以配色理论制作配色意象问卷,运用倒传递类神经网络学习的特性模拟配色意象评价模式,再通过遗传算法调适与更新的特性搜寻最符合需求意象的配色组合。研究结果显示：通过实验,依据类神经学习与遗传演算推演出的配色组合方式,最终可以架构系统而得以顺利执行,并且提供配色子代的样本作为建议。由本研究的结果可建立一个评估色彩感性的决策支持系统,藉以加快设计流程,辅助设计师以比较有效率且客观的方式进行产品色彩设计。由于科技的进步和消费者意识的提高,加快了产品的生命周期,如何帮助设计师掌握消费者的感觉,提高产品创新的时效性,是一个不容忽视的问题。从感性工学的理论和知识出发,将目标产品(电话计费器)划分为色块的组合构成,以配色理论制作配色意象问卷,运用倒传递类神经网络学习的特性模拟配色意象评价模式,再通过遗传算法调适与更新的特性搜寻最符合需求意象的配色组合。研究结果显示：通过实验,依据类神经学习与遗传演算推演出的配色组合方式,最终可以架构系统而得以顺利执行,并且提供配色子代的样本作为建议。由本研究的结果可建立一个评估色彩感性的决策支持系统,藉以加快设计流程,辅助设计师以比较有效率且客观的方式进行产品色彩设计。     

基于遗传神经网络的焊缝缺陷等级磁记忆定量化研究

针对金属磁记忆技术的焊缝缺陷等级定量化评定这一难题,通过对预制不同缺陷的Q345焊接试件进行疲劳试验,获得焊缝损伤演化临界状态的磁记忆信号特征规律.首次对照X射线定量检测标准和磁记忆检测结果,将焊缝损伤演化状态分为4个等级,即正常状态、应力集中、隐性损伤和宏观损伤.首次引入遗传算法优化的BP神经网络模型对焊缝等级进行磁记忆定量化评价.研究表明,遗传优化的BP网络模型与未优化的BP网络相比,预测结果更加稳定、误差更小,为工程实际中焊缝缺陷等级评定提供新的方法和依据.     

Iterative optimization for joint design of source and channel codes using genetic algorithms

Abstract

This paper presents a novel algorithm for the joint design of source and channel codes. In the algorithm, channel‐optimized vector quantization (COVQ) and rate‐punctured convolutional coding (RCPC) are used for design of the source code and the channel code, respectively. We employ the genetic algorithm (GA) to prevent the design of COVQ from falling into a poor local optimum. We also adopt the GA to reduce the computational time needed for realizing the unequal error protection scheme best matched to the COVQ. Both the GA‐based source coding and channel coding scheme are then iteratively combined to achieve a near global optimal solution for the joint design. Numerical results show that the algorithm can be an effective alternative for applications where high rate‐distortion performance and low computational complexity are desired.     

基于遗传BP神经网络反演楔体参数的研究

为了获得未知楔体的参数,建立了遗传算法和反向传播(Back Propagation,BP)神经网络结合的反演模型。仿真得到不同角度、密度、杨氏模量下楔体导波的频散曲线。采用反对称第一阶模态相速度数据作为遗传BP神经网络反演模型的输入变量;利用遗传算法改进BP神经网络获得优化的初始权值和阈值,并对BP神经网络进行训练;最后将实测的楔体一阶模态相速度代入训练好的网络进行参数反演。结果表明,通过该反演模型可同时反演出楔体的角度、密度、杨氏模量,并且较单一BP神经网络具有收敛速度快、精度高的优点。