一种基于蚂蚁算法的Ad Hoc路由算法

Ad Hoc网络已成为当前网络发展的热点,本文提出了一种基于蚂蚁算法的Ad Hoc网络路由算法.本算法保持了蚂蚁算法的本身所具有的优点,并在反馈和启发信息中都考虑到Ad Hoc网络的带宽受限和电源剩余量不足的特点:基于带宽的考虑和跳数限制的设置提供了较好的QoS保证.     

基于时延优化的移动Ad Hoc网络路由算法

TDMA协议基于时隙预留的机制能够用于在移动Ad Hoc网络中提供QoS保证,然而在大规模网络中,该时分通信会带来较大的端到端时延.提出了一种基于时延优化的启发式算法,该算法将时延作为路由代价函数,并充分考虑了阻塞控制.仿真结果表明,相对于传统的基于最短跳数的路由算法,该算法能够大大减小端到端时延,可以为移动网络中实现多媒体应用提供一种有效途径.     

一种基于TDMA的Ad Hoc网络QoS路由算法研究

随着多媒体应用的普及,服务质量（Quality of Service,QoS）保证已逐渐成为Ad Hoc网络必须支持的一项重要功能,QoS 路由对实现Qos保证起着非常重要的作用,而带宽又是QoS保证的最重要参数之一,因此提出了一种基于TDMA的带宽约束的Ad Hoc网络QoS按需路由协议。该协议采用了启发式的带宽计算算法。仿真结果验证了协议的有效性,表明该QoS路由协议具有较好的端到端性能,可以满足Ad Hoc网络的路由需求。     

基于模糊控制的Ad Hoc网络QoS优先调度算法

无线移动Ad Hoc网络(MANET)作为可移动分布式多跳无线网络,没有预先确定的网络拓扑或网络基础设施以及集中控制.由于移动Ad Hoc网络的动态性和资源的限制,在如此的网络中提供QoS保障是一个挑战性任务.Ad Hoc网络的分组优先级凋度算法将增进网络的性能.提出了一个基于模糊控制的Ad Hoc网络QoS优先调度算法,用于决定Ad Hoc网络中分组的优先级.利用NS2仿真软件对分组的传输率、平均端对端的延迟等做了性能分析,仿真结果表明,该方法高效、可行,可应用于Ad Hoc网络.     

一种基于Ad Hoc低能耗QoS多播路由算法

针对Ad Hoc网络特点和节点的剩余能量、延时、延时抖动、带宽等QoS约束问题,提出了基于Ad Hoc的多QoS约束、多播路由算法SEQMRA。该算法把最大剩余能量作为第一度量,同时考虑节点带宽、延时、延时抖动等因素,并对算法进行了复杂性分析。实验表明,算法在路由成功率、多播树费用、能量消耗方面均具有较好特性。     

基于遗传算法的QoS路由优化算法

研究了带宽、时延等QoS路由问题,提出了一种基于遗传算法的QoS路由选择优化算法。算法采用网络资源消耗和负载分布为目标函数,目的是在消耗网络资源最小的基础上,使负载均衡分布,合理利用网络资源,降低网络拥塞。仿真结果表明,该算法是有效的、稳定的。     

Ad Hoc网络多路径需求路由及路径熵选择算法

无线移动Ad Hoc网络是一种不依赖任何固定基础设施的移动无线多跳网络.由于其动态性和资源的限制,在Ad Hoc网络中提供多路径路由是一个重要的研究课题.描述了一种Ad Hoc网络中基于信息熵选择的稳定多路径路由算法(stability multipath on-demand routing,简称SMDR),提出了路径熵的度量参数,并利用路径熵来选择稳定的、长寿命的多路径,减少了重构路由的次数,从而在网络拓扑频繁变化的Ad Hoc网络环境中较好地提供QoS保证和提高数据传输率.仿真结果表明,SMDR协议改进了分组传输率、端到端时延和路由负载率.SMDR协议为解决动态的Ad Hoc网络多路径传输提供了一种新的有效途径.     

Ad Hoc 网络中基于能量的 QoS 路由协议的研究

在 Ad Hoc 网络中,QoS 路由是提供 QoS 保证的一种重要手段.大多数 QoS 路由都是建立在单径的基础上,没有充分利用 Ad Hoc 网络资源.此外,网络中节点的能量也是影响网络性能的关键因素.然而,现有的 QoS 路由协议却很少考虑网络中节点能量有限这一问题.对此,文中在 DSR 路由协议的基础上提出一种基于能量约束的多径 QoS 路由协议(MPQE).该协议主要考虑带宽和剩余能量来选择多条 QoS 路由.仿真结果表明,MPQE 协议提高了吞吐率,降低了时延并延长了网络的生命周期     

Ad Hoc网中基于熵的长寿分布式QoS路由算法

在分析Ad Hoc网的单播QoS路由问题的基础上,提出了一种新的Ad Hoc网的分布式QoS路由算法--EBLLD(entropy-based long-life distributed QoS routing)算法.其核心思想是提出了衡量路径稳定性的新尺度--熵,并利用熵来选择长寿的路径,减少了重建路由(或路由修复)的次数,从而在Ad Hoc网的网络拓扑频繁变化的环境中尽可能地提供QoS保证.同时该算法还利用本地组播机制和启发函数排序过滤和熵尺度排序过滤减小了其路由消息开销.仿真结果表明,EBLLD算法能够以较小的路由消息开销获得较高的路由成功率.此外,EBLLD算法具有可扩展性,可以应用于较大规模的Ad Hoc网中.     

考虑链路生存时间的Ad Hoc网络QoS路由优化算法

在分析Ad Hoc网络中QoS路由问题的基础上，提出了一种新的基于遗传算法的Ad Hoc网络QoS路由优化方法，算法中在考虑了其他必须的参数的基础上，进一步考虑了Ad Hoc网络特有的QoS参数——链路生存时间。并通过计算实例证明了该遗传算法在Ad Hoc网络中具有很好的应用前景。     

运用遗传算法进行智能音乐作曲研究

采用遗传算法进行算法作曲,主要利用遗传算法的全局最优性,并且相对简单有效的特点.利用简洁的编码方式对基因进行编码,有效地表达了乐曲的主要信息,方便了适应度函数的计算和相关遗传操作的进行.针对音乐质量评估问题,提出了将相关音乐知识的规则和人机交互相结合的模式,共同对所创作音乐进行合理评价.不仅提高了评价的准确性,而且大大降低了人的工作量,产生了良好的音乐工程效果.     

一种基于PBIL算法和变焦算法的混合算法

基于群体的增量学习(PBIL)算法具有运行过程简单、解决问题快速准确的优点.本文采用二进制编码,针对二进制编码的算法从二进制最高位到最低位依次收敛的多米诺现象,提出一种变焦算法用来提高PBIL算法的搜索效率和求解精度.基于多组不同维数的Benchmark函数的仿真结果表明,混合算法具有全局收敛、求解精度及搜索效率高的优点.     

递归算法与高效算法

文章通过实例给出了采用母函数法同时解决递归算法的两个问题:复杂递归算法的时间复杂度的求解问题和递归算法到高效算法的转化问題,并由此设计出高效的组合算法.     

基于EM算法和PSO算法的混合优化算法

针对粒子群优化算法容易陷入局部最优解并且存在过早收敛的问题,将类电磁机制算法中的吸引-排斥机制引入到粒子群优化算法中,提出一种类电磁机制算法和粒子群优化算法的混合优化算法(EMPSO).首先按照基本粒子群优化算法的寻优方式对各粒子进行更新,再利用类电磁机制中的吸引-排斥机制对个体最优粒子和群体最优粒子进行移动,最后通过几个标准测试函数进行了测试,并与标准粒子群算法(PSO)、免疫粒子群算法(IPSO)、混沌粒子群算法(CPSO)进行对比.测试结果表明,改进算法提高了全局搜索能力和熟练速度,改善了优化性能.     

基于Apriori算法的改进算法

挖掘关联规则是数据挖掘中一个重要的课题,产生频繁项目集是其中的一个关键步骤。提出了一种改进算法,并将该算法与Apriori算法进行了比较。该算法只需要对数据库扫描一遍,并且存放辅助信息所需要的空间也少,结果表明该算法对关联规则挖掘较为有效。     

基于SAC的特征选择算法

特征选择通过移除不相关和冗余的特征来提高学习算法的性能。基于进化算法在求解优化问题时表现出的优越性能,提出FSSAC特征选择方法。新的初始化策略和评估函数使得SAC能将特征选择作为离散空间搜索问题来解决,利用特征子集的准确率指导SAC的采样阶段。在实验阶段,FSSAC结合SVM,J48和KNN分类器,通过UCI数据集完成验证,并与FSFOA,HGAFS,PSO等算法进行了比较。实验结果表明,FSSAC可以提高分类器的分类准确率,且具有良好的泛化性能。除此之外,对FSSAC和其他算法在特征空间维度缩减情况方面做了对比。     

递归算法的非递归化研究

1 引言在工程实际中,有许多概念是用递归来定义的,数学中的许多函数也用递归来表达。一个递归算法的执行过程类似于多个函数的嵌套调用,只是主调函数和被调函数是同一个函数而已,在执行过程中,信息的传递和控制的转移必须通过栈来实现,这就导致空间耗费大,执行效率较低,尤其是当递归深度较深时,不但耗费的空间大而且执行的效率也相当低,这是递归算     

基于混沌优化与人工鱼群算法的混合算法研究

针对人工鱼群算法和混沌优化算法的特点,将人工鱼群算法与混沌优化算法相结合提出一种混合算法。此混合算法是利用混沌变量敏感性来提高人工鱼群初始群体解的质量;然后利用混沌的遍历性和随机性扰动使鱼群算法摆脱局部极值点,提高全局收敛性。仿真实验结果表明了混合算法的有效性。最后,给出了在一定条件下提出的混合算法的收敛性证明。     

基于欺负算法的优化算法

分布式算法中的欺负算法在选举协调者的过程中由于传输了大量信包而导致性能降低。该文在分析原有算法及其数学模型的基础上,提出一种优化算法并建立了相应的数学模型,对2种算法进行比较可以得出,优化算法在避免了选举失败或选举错误的基础上有效降低了选举过程中信包的传输数量,提高了通信性能,避免了网络延迟和网络拥塞。     

基于改进PSO-TrICP算法的点云配准

针对传统迭代最近点（Iterative Closest Point,ICP）算法在初始空间位置偏差大时,容易陷入局部最优的问题,提出一种基于改进PSO-TrICP算法的点云配准方法。首先,对传统粒子群（Particle Swarm Optimization,PSO）算法进行改进,引入适应度的相似度测量准则调整粒子的更新方式,然后加入历次迭代的全局最优解的均值作为新的学习因子避免求解过程中出现“早熟”现象;其次用刚性变换参数和点云间的重叠率组成粒子,利用改进PSO算法为配准提供良好的初始相对位置;最后,通过裁剪迭代最近点（Trimmed Iterative Closest Point,TrICP）算法估计点云间的空间变换。实验结果表明,改进PSO-TrICP算法的配准精度与运行效率优于近年提出的同类配准算法,且具有较好的鲁棒性。