基于遗传算法的QoS组播路由算法

提出了一种新的基于遗传算法的OoS组播路由算法。该算法具有预处理机制、树型结构编码、启发式初始种群生成和交叉策略、指导性变异过程。仿真结果表明,该算法的性能和效率都优于文中提到的其它现存算法。     

解决多约束QoS组播路由问题的遗传算法

基于多种约束的QoS组播路由选择优化是当前通信网络中的一个重要问题，尽管有许多文献利用遗传算法解决这类问题，但仍然存在着收敛速度与全局收敛性之间的矛盾以及编解码难度大等问题。针对以上问题，提出了一种改进的遗传算法，通过采用预处理机制、特殊的树结构编码和合理的交叉变异策略，大大简化了编解码操作，并在全局收敛的基础上提高了算法的收敛速度。仿真表明，算法性能得到明显提高。     

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.     

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GA的多约束条件QoS组播路由算法

通过研究带QoS约束的组播路由问题,提出一种由改进的遗传算法实现的组播路由算法。利用树型结构编码,设计独特的杂交算子和变异算子。仿真实验验证该算法能节省大量解码操作,缩短求解时间,并且其收敛速度不会随着网络规模的增大而变慢,具有快速收敛寻优的特点。     

浅析多QoS约束的组播路由优化算法

计算机网络技术的不断发展,离不开网络通信技术的发展。现在成出不穷的网络应用给如今有限的网络通信资源带来了极大的压力,急需一种更为先进更为有限的通信手段来解决这种发展与资源之间的矛盾。组播通信技术是近些年的一个研究热点,它能够在一定程度上缓解当前计算机网络通信领域所存在的矛盾和问题。基于此,本文结合了遗传算法和蚁群算法理论,对多QoS组播路由算法进行深入的研究。     

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。     

一种基于遗传算法的QoS组播路由算法

通过考虑组播通信服务质量需求与网络资源约束,研究了基于服务质量的组播路由选择算法问题,提出了一个基于遗传算法来构造满足QoS需求的组播路由树算法。通过仿真研究,证实了该算法的可行性、有效性及健壮性。同时,对遗传算法参数与算法性能之间的关系进行了讨论。     

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。     

基于量子遗传算法的QoS多播路由算法

QoS多播路由算法的核心问题就是建立满足QoS约束的多播树,它是计算机网络中著名的受约束最小Steiner树问题,是一个NP完全问题。量子遗传算法是基于量子计算理论的新型遗传算法,基于量子遗传算法的基本原理,提出了QoS约束的多播路由算法（QoSMR-QGA）,并详细介绍了QoSMR-QGA算法的实现过程。仿真实验表明,该算法具有较好的算法收敛性和多播路由成功率。     

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.     

基于遗传模拟退火算法的多约束QOS组播路由优化算法

组播路由问题在计算机网络中是著名的Steiner树问题,是NP完全问题.通过考虑组播通信服务质量需求与网络资源约束,研究了基于服务质量的组播路由选择算法问题,首次提出了一个基于遗传算法和模拟退火算法的多约束组播路由优化算法,该算法在满足带宽、延时、延时抖动及包丢失率约束条件下寻找代价最小的组播树.     

一种基于Agent的分布式QoS多播路由算法

针对QoS约束多播路由问题,提出了一种基于Agent的分布式QoS多播路由算法AQRA (Agent-based Distributed QoS Multicast Routing Algorithm).算法利用不同类型Agent之间的通信协作,寻求满足QoS约束要求的多播路由;在获得最优路径的同时可有效避免回路的产生,并且通过灵活的路由切换和锁定机制,保证了路由连接的成功建立.实验结果表明AQRA是一种正确、有效的QoS组播路由算法.     

多约束QoS多播路由选择优化算法研究

研究了一类通信网络中源节点到目的节点的多约束QoS多播路由选择问题,提出了一种解决此类问题的算法.该算法将带宽、时延、丢失率等QoS参数作为约束条件,用基于最短路径算法构造路径选择函数,并依照该函数修正被选路径,使其满足多约束条件.仿真结果表明该算法有较好的性能和较小的时间复杂度,可以方便地推广到多个QoS参数的情况.     

基于蚁群算法的QoS多播路由优化策略

对QoS多播路由和约束最小Steiner多播树进行了分析,提出了基于蚁群算法搜索约束最小Steiner多播树的ACMC算法,并与DDMC算法进行了实验比较.结果表明,在同样环境和多播组规模的条件下,ACMC算法花费的网络代价小于DDMC算法,从而验证了ACMC算法的有效性和可行性.     

基于改进遗传算法的满足可靠性QoS约束的组播路由算法

在通信网络中为应付链路失效而提供可靠性保证变得越来越重要.讨论含有可靠性约束的满足带宽和延迟约束的多QoS组播路由问题.提出一种基于改进遗传算法的满足多QoS组播路由算法,该算法具有快速收敛、自适应交叉变异和生成初始种群时不需要建立备选路径集的特点.通过大量仿真实验分析该算法的性能,并与传统遗传算法进行比较.结果表明该算法是可行和有效的,能够很好地满足网络中的QoS约束,且性能优于传统遗传算法.     

基于遗传算法的选播路由算法的研究

随着基于IPv6选播应用的研究与发展,选播路由算法已成为选播服务质量的关键.以遗传算法为基础,提出一种改进的交叉、变异遗传操作,在克服传统算法中早熟现象的基础上,加快了收敛速度;同时本算法以延时、带宽和服务器负载作为选择操作的依据.仿真结果显示,该算法能够在合理利用网络资源的同时找到最优解.     

基于量子粒子群算法的时延受限组播路由问题研究

对具有延时约束的最小代价的组播路由问题进行研究,提出一种收敛速度快、全局性能好、不易陷入局部最优的智能迭代算法-量子粒子群算法来实现该问题的求解.该算法采用整数编码方式,将路由优化问题转化成准连续优化,并采用惩罚函数处理约束条件.最后通过具体算例,对该算法进行了仿真验证,结果表明,在求解延时约束的组播路由问题时,量子粒子群算法要优于遗传算法、克隆算法,从而验证了该算法的可行性和有效性.     

基于量子遗传算法的图像分割

针对基本遗传算法的稳定性较差、存在未成熟收敛和易陷入局部最优解的问题,将量子计算与遗传算法进行融合,较好地解决了传统的多阈值图像分割方法中运算量大的问题.实验结果表明量子遗传算法用于阈值寻优减少了搜索时间,提高了收敛效率.     

基于量子遗传算法的非测距节点定位算法研究

为了提高非测距节点定位算法的定位精度,针对DV-Hop算法提出一种基于量子遗传算法的改进算法。利用节点间的估计距离和锚节点的位置,在DV-Hop算法的第三阶段采用量子遗传算法校正DV-Hop得到的估算位置,采用二进制量子编码和量子旋转门以及变异处理更新个体。仿真结果表明,改进的算法性能稳定,能找到全局最优解,并使DV-Hop的定位误差明显下降。