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。     

求解QoS组播路由问题的改进遗传算法

遗传算法是一种非常适合求解QoS组播路由问题的全局优化算法。针对算法运行初期易陷入早熟现象,运行后期收敛速度慢的不足,进行了改进,采用初始群体均衡生成法和自适应变异操作可以很好地抑制早熟现象,引入排序对适应度进行拉伸,从而加快了算法的收敛速度。在嵌入式视频监控系统上进行仿真实验,结果表明改进后的遗传算法收敛速度快,性能好,可以满足系统资源有限和实时性的要求。     

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。     

基于双链量子遗传算法的多约束QoS组播路由算法

多约束QoS组播路由问题是NP完全问题。提出一种基于双链量子遗传算法的多约束QoS组播路由算法,该算法具有种群多样性、收敛速度快、并行性更高等优点,并对算法具体流程和实现方法进行了详细的描述。实验结果表明,与已有的遗传算法、量子遗传算法相比,该算法有搜索速度快、全局寻优能力强等优点。     

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。     

基于启发式遗传算法的QoS组播路由问题求解

研究了带宽、延时抖动和包丢失率约束以及费用最小的QoS组播路由问题,并提出一种启发式遗传算法。该算法有以下特点：（1）预处理机制;（2）树结构编码;（3）启发式交叉策略;（4）指导性变异过程,最后通过仿真实验证明该算法快速有效。     

基于自适应混沌遗传算法的QoS组播路由

经典遗传算法在解决QoS组播路由问题时存在易发生早熟现象、进化后期搜索效率低以及收敛后稳定性差等不足,为此,在遗传算法中引入混沌优化以及自适应调整交叉与变异概率两个改良措施。仿真实验表明,改良后的算法性能优良,在收敛速度、最优解的质量以及收敛后稳定性等方面有很大的提高。     

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。     

遗传算法与带权搜索融合的QoS组播路由算法

针对传统多约束路由选择算法计算负担重的问题,论文提出了一种基于遗传算法与带权宽度优先搜索融合的QoS组播路由算法.所提方法融合了遗传算法与带权宽度优先搜索方法,在分组丢包率、带宽、时延抖动、时延等QoS条件约束下,通过所提算法快速得到备选路径,并获取最优的组播路径.在仿真实验中,将所提算法与LDT进行了相比,实验结果表明,论文所提算法可以解决多约束条件下的QoS分组路由问题,并能够有效降低计算负载、减少算法执行时间.     

基于遗传算法的QoS组播路由选择方法

考虑了组播通信服务质量需求与网络资源约束,将满足不同约束的QoS组播路由选择过程转化为一个多目标优化问题,使用一种基于QoS的最小网络费用组播路由树生成算法来寻找最小Steiner树。该方法可以在满足多约束的情况下,寻找费用最小的组播路由树,仿真结果表明该算法有较好的性能。     

基于自适应蚁群算法的QoS组播路由算法

提出一种改进的自适应蚁群优化算法,在信息素更新策略中引入全局最优系数,研究多约束条件下的QoS组播路由问题。动态更新信息素能够确保自适应地改进全局搜索能力和收敛性能,避免陷入局部最优解。仿真结果表明,该算法比蚂蚁-遗传算法在解决多约束条件下的QoS组播路由问题时更有效。     

基于遗传算法的QoS多播路由优化算法

研究了带宽、延时、延时抖动和分组丢失率约束以及费用最小的QoS多播路由优化问题,提出了一种启发式遗传算法、该算法采用可变长度染色体(路由串)和它的基因(节点)应用于编码问题。交叉操作在交叉点进行部分染色体(部分路由)交换,变异操作维持种群的多样性。该算法采用简单维护操作维护好所有的不可行的染色体,交叉操作和变异操作相结合保证了最优解的搜索能力和解的全局收敛性。计算机仿真实验证明该算法快速有效,可靠性高。     

基于遗传模拟退火算法的QoS组播路由算法

提出了一种基于遗传模拟退火算法的带宽、时延和时延抖动约束费用最小的组播路由选择方法，该方法针对遗传算法的局限性，采用基于备选路径集的整数队列编码机制，对适应度函数进行了调整，改进了交叉和变异操作，结合了模拟退火算法。实验表明，该算法能够有效地提高收敛速度、避免早熟收敛、满足多媒体网络对相应QoS的需求。     

基于遗传算法的QoS组播路由多目标优化*

现有的路由算法一般只优化单个QoS目标,存在很大的局限性。提出了基于遗传算法的QoS组播路由多目标优化算法,在每次进化中搜索组播路由树的MultiPareto最优解集。仿真实验表明,该方法有很高的成功率,能在有限代内搜索到一组有效的供用户自由选择的组播路由树,克服了单目标优化的缺陷。     

几种基于多目标遗传算法的QoS组播路由优化算法

提出基于多目标遗传算法的QoS组播路由优化算法,在遗传进化过程中分别使用三种方法：随机权重方法随机生成权重,使算法具有可变搜索方向,沿Pareto前沿面均匀采样,增加算法成功率;Pareto排序方法合理分配适应值,使Pareto解具有相同的适应值,并能调整选择压力;Pareto竞争方法通过适应值共享维持种群多样性,提高遗传算法的性能。实验仿真在不同网络规模下研究算法的遗传进化过程、成功率、收敛速度和可扩展性,并与相关算法进行比较与分析,证明本文提出的算法是可行的、有效的。     

QoS组播路由的模糊遗传算法

已有的QoS组播路由算法都假设已知网络全局的精确状态,而且QoS约束都以确定性界限来表达。然而在实际的网络环境中,网络节点根本无法获得网络全局的精确状态．而且QoS约束完全用确定性界限来表达也存在一定的局限性。本文将模糊集合论的基本原理应用于QoS组播路由问题,充分考虑网络节点所获信息的模糊性和随机性,以及QoS约束务件的模糊界限这一客观存在的性质,提出一种新的QoS组播路由的模糊遗传算法FG。仿真实验表明．该算法是可靠且有效的。     

基于蚁群遗传混合算法的QoS组播路由

具有延迟、延迟抖动、带宽、丢包率等服务质量约束的组播路由问题具有NP完全的复杂度。基于蚁群优化算法和遗传算法,提出解决QoS约束组播路由问题的混合算法。利用遗传算法和蚁群优化算法各自的优点,使用蚁群优化算法选择种群,遗传算法优化蚂蚁遍历所得到的解。仿真实验结果表明,该算法可满足各个约束条件,且全局寻优性能好,能够满足网络服务质量要求。