遗传算法在计算机通信网容量分配和流量控制中的应用

遗传算法是一种模仿自然选择和遗传机制的优化算法。本文从网络总费用的角度来分析通信网中的容量分配和流量控制问题，采用遗传算法对计算机通信网进行容量分配和流量控制，并解释了对于实现这一算法中一些问题的考虑，最后给出了算法的实验结果，实验结果表明，我们的方法是一种十分有效的方法。     

基于遗传算法的计算机通信网的拓扑优化设计

1 引言设计计算机通信网的一个基本要求是网络全局有效性,即连通概率。从网络角度,连通概率指的是网络至少简单连通。其除依赖于各计算机系统和通信能力外,主要依赖于通信链路的拓扑设计。对一个给定计算机通信网的最大全局可靠性的网络拓扑优化设计,人们已提出许多启发式算法,但这些算法并未给出精确解。本文采用遗传算法进行设计,成功地解决了这类问题。     

多变量系统控制器的参数满意优化设计

为了将满意优化拓展到多变量系统中以解决多变量控制系统线性二次型(LQ)控制器设计中加权系数阵确定难的问题,提出多变量系统满意优化设计方法,通过设计满意度函数,构造出多变量系统的满意优化数学模型,并用改进遗传算法实现二级倒立摆系统LQ控制器满意优化设计.仿真结果显示,系统具有更满意的综合性能指标.证实了该方法的有效性和实用性.本文的研究对多变量系统优化设计具有一定的参考价值.     

电力通信SDH传输网络系统架构设计

【摘要】：为了能够使电力系统通信业务的可用性及可靠性进行保证,并且使工程造价得到降低,就设计了电力通信SDH传输网络系统架构。首先对电力通信系统传输技术中的问题进行分析,之后阐述了SDH传输技术的优势。分析了SDH光阐述网络拓扑结构,从而对电力通信SDH传输网络架构进行优化,包括通信网设备、通信网网络架构、通信网光缆线路等,从而能够使通信网的通信安全性及容量得到有效的提高,根据具体的方案进行优化和实施。通过优化设计改造,电力传输网络的安全稳定性及保护性得到了有效的提高。     

浅析计算机通信网中的容量分配的流量控制

网络的容量分配和流量控制是组建计算机通信网时不可避免要考虑的两个方面,二者有着紧密的关系,本文从网络的平均延时角度来分析通信网中的容量分配和流量控制问题,并给出了进行容量分配的流量控制的算法。     

SOPC系统的综合优化设计策略

针对SOPC系统优化设计问题,首先介绍了综合优化设计的一般流程和方法,然后从软件优化设置、代码优化设计、片上存储器资源有效分配、NiosII系统优化等方面提出综合优化设计策略。在实验系统中应用该优化策略,SOPC系统最高频率提高了26.62%。     

微机械陀螺的多学科设计优化建模的研究

以梳状音叉式振动微机械陀螺为例,将多学科设计优化（MDO）方法应用到微机械陀螺的优化设计中。将微机械陀螺复杂系统分解为归属不同学科的多个子系统,阐明了在多学科设计优化中各子系统之间的相互关系。建立了微机械陀螺的结构设计、机械性能、电学性能子系统和系统级的多学科设计优化模型。用已研制的MMCDO多学科混合协同设计优化算法计算,得到了满意的优化设计结果。     

智能算法在全终端网络可靠性优化设计中的应用

在计算机通信网络建设过程中,通信主干网的高可靠性一直是广大设计者和用户所关心的重大问题,分析了通信主干网的全终端可靠性优化设计问题,针对一种典型可靠性优化模型,分别设计了用于求解该模型的改进遗传算法、模拟退火算法、改进蚁群算法以及改进粒子群算法,并对该模型进行了优化求解,计算机仿真实例表明:粒子群算法在算法的优化质量和收敛速度上都优于其它三种算法,能够取得满意的优化结果,具有一定的实用价值.     

基于扁平化管理模式的配电通信网管理及运维模式

为了实现配电通信网管理优化,提高配电通信网的运维管理能力,提出基于扁平化管理模式的配电通信网管理及运维模式。综合分析不同应用场景和组网方式下配电通信网在资源规划和优化、业务开通、业务保障、客户服务等方面的管理需求,构建配电通信网管理及运维模式的大数据信息分析模型,采用统计特征分析方法,进行配电通信网管理及运维模式分析。在适应扁平化管理模式下,实现配电通信网融合多数据源融合和通信组网设计,实现扁平化管理模式下的配电通信网管理及运维模式优化。仿真结果表明,采用该方法进行配电通信网管理及运维模式构造,提高了配电通信网的智能监视、故障分析与可视化定位的融合管理能力,提升了管理效率。     

基于机载计算机的BIT测试优化设计

为满足某机载计算机的测试性要求,对BIT技术进行探讨,结合BIT技术的发展现状和发展趋势,在上电BIT、周期BIT和维护BIT、故障检测率和虚警率等方面做了进一步优化设计。探讨了智能故障诊断优化设计方法,优化了一种适用于机载计算机的BIT测试方法。     

计算机网络中容量与流量分配优化研究

计算机通信网络中的链路容量与流量分配(CFA)问题是一个极其复杂的网络优化问题。本文采用正交多主体遗传算法求解CFA问题,得到了满意的结果。大量的计算机仿真实验结果表明,与传统方法相比,本文的算法能迅速地求出全局近似最优解,解的质量也有大幅度的提高。     

基于粒子群优化算法的网络CFA问题研究

为了降低网络运营费用与改进网络性能,采用近年来新出现的一种高效的群智能搜索方法——粒子群优化算法求解计算机通信网络中链路容量与流量分配(CFA)问题。大量的计算机仿真实验结果验证了该算法在CFA问题中的有效性,而且与传统的拉格朗日松弛及子梯度寻优算法相比,解的质量有了大幅度的提高。与遗传算法相比,该算法在复杂性及运行速度等方面更具优越性。     

Capacity assignment in computer communication networks with unreliable links

This paper considers the problem of selecting the optimum capacities of the links in a computer communication network which employs unreliable links. Given the nodes, links, link probabilities, grade of service and cost functions of the network, the objective of this problem is to find the optimum link capacities that minimize the network design cost, subject to the constraint equation involving the grade of service. This is essentially a combinatorial optimization problem. A general methematical model for this problem is formulated and a set of feasible solutions is obtained using Lagrangean relaxation and subgradient optimization techniques. A simulation study has been performed to verify the model, and favourable results obtained for a variety of nontrivial networks.     

Ant colony optimization for dynamic routing and wavelength assignment in WDM networks with sparse wavelength conversion

Since optical WDM networks are becoming one of the alternatives for building up backbones, dynamic routing, and wavelength assignment with delay constraints (DRWA-DC) in WDM networks with sparse wavelength conversions is important for a communication model to route requests subject to delay bounds. Since the NP-hard minimum Steiner tree problem can be reduced to the DRWA-DC problem, it is very unlikely to derive optimal solutions in a reasonable time for the DRWA-DC problem. In this paper, we circumvent to apply a meta-heuristic based upon the ant colony optimization (ACO) approach to produce approximate solutions in a timely manner. In the literature, the ACO approach has been successfully applied to several well-known combinatorial optimization problems whose solutions might be in the form of paths on the associated graphs. The ACO algorithm proposed in this paper incorporates several new features so as to select wavelength links for which the communication cost and the transmission delay of routing the request can be minimized as much as possible subject to the specified delay bound. Computational experiments are designed and conducted to study the performance of the proposed algorithm. Comparing with the optimal solutions found by an ILP formulation, numerical results evince that the ACO algorithm is effective and robust in providing quality approximate solutions to the DRWA-DC problem.     

图像特征点匹配的强壮算法

同一场景的不同图像匹配是计算机视觉中的一个基本问题，在诸如三维重度，对象识别和分类、图像对齐和相机自校正等应用中，特征匹配都是一个关键步骤，其中特征点匹配是较为常用的一种方法，特征点匹配的效果受到很多因素的影响，如景物的遮挡，光照和噪声等，变化很大，文中对结指标派算法进行扩以解决全局优化问题，并利用场景深度局部连续的条件作为附加约束，提出一种新的特征点匹配算法，整个算法只用到两次优化，而且几乎全部使用矩阵运算，效率比已有的算法高，实验表明该算法的效果是令人满意的。     

一种新的基于混沌神经网络的组播路由算法

探讨了在高速包交换计算机网络中,具有端到端时延及时延抖动限制的组播路由问题,提出了基于混沌神经网络的组播路由优化算法。所提出的方法具有许多优良特性,即暂态混沌特性和平稳收敛特性,能有效地避免传统Hopfield神经网络极易陷入局部极值的缺陷。它通过短暂的倒分叉过程,能很快进入稳定收敛状态。通过计算机仿真,和其它的一些方法进行了对比,结果表明：该算法能根据组播应用对时延和时延抖动的要求,快速、有效地构造最优组播树,具有较强的实时性。     

复杂无向网络连通性的一种高效判定算法

通信网络的拓扑结构连通性是多智能体系统一致性控制或编队控制等的理论前提.以往, 各种多智能体系统一致性控制或编队控制方面的文献仅侧重于控制协议、智能体动力学模型和控制律设计, 而缺乏对多智能体通信网络拓扑结构的连通性研究.网络连通性高效判定算法不仅是大规模多智能体系统一致性控制或编队控制的保证, 而且在图论、现代移动通信、计算机与交通等各种网络中有着重要和广泛的应用.针对复杂无向网络的连通性问题, 本文给出了一种新的高效判定算法、以及该算法的时间复杂度和空间复杂度的上界.该算法具有非常低的时间复杂度和空间复杂度, 且便于计算机实现, 因而具有重要的理论意义和广泛的实用价值.     

Channel assignment in heterogeneous multi-radio multi-channel wireless networks: A game theoretic approach

Channel assignment is a challenging issue for multi-radio multi-channel wireless networks, especially in a competing environment. This paper investigates channel assignment for selfish nodes in a heterogeneous scenario, in which nodes may have different QoS requirements and thus compete for different channels with unequal bandwidth. The interaction among nodes is formulated as a non-cooperative Multi-radio Channel Assignment Game (MCAG), where Nash Equilibrium (NE) corresponds to a stable channel assignment outcome from which no individual node has the incentive to deviate. The NEs in MCAG are characterized in this paper. Since multiple NEs may exist in this game, it is natural to choose the NE that maximizes the network utility, i.e., the sum of node utilities. It is shown that the optimal NE outcome can be derived by solving an integer non-linear programming problem. Based on some observations on the radio number distribution of NE, we propose a two-stage optimization algorithm to achieve an optimal channel assignment. Finally, computer simulations validate the effectiveness of the proposed algorithm.     

基于改进粒子群算法的网络路由选择和CFA的优化研究

为了降低计算机网络的时延和运营费用以改进网络性能,首次采用一种改进的粒子群算法优化计算机网络中路由选择和链路容量与流量分配(CFA)问题.将改进算法的惯性权重改进为线性衰减的变化权重,加入了线性变化的学习因子、模拟退火机制,变异操作及邻域搜索策略,提高了算法的性能.计算机仿真结果表明,同传统优化算法相比该方法对求解网络的路由选择和CFA问题具有很大优越性.研究结果不仅对各类网络的优化问题有一定的应用价值,而且也扩展了粒子群算法的应用范围.     

煤矿井下WSN中基于自适应粒子群聚类算法的多sink节点部署

多sink节点的部署是井下传感器网络的重要研究课题,对网络性能的影响很大。针对目前采用的部署方法存在计算过程复杂、收敛速度慢、容易陷入局部最优等问题,在标准粒子群聚类算法的基础上,提出一种基于自适应粒子群聚类算法的井下多sink节点部署算法(简称A-PSOCA算法),在惯性权重系数中考虑了粒子的进化和聚合状况,使改进的算法的自适应能力更强,并在算法迭代过程中引入预防粒子位置重叠策略,防止粒子搜索局部最优化。仿真结果表明,A-PSOCA算法可以得到合理的sink节点位置,算法的收敛速度比标准粒子群聚类算法快1倍,所对应的网络的平均能耗和均衡性以及网络生存期也优于其他基于粒子群算法,适用于井下通信环境。