传算法优化神经网络盲均衡算法分析

在神经网络盲均衡算法和遗传算法的基础之上,文章将两段式优化神经网络权值的相关途径提了出来。遗传算法本身具有非常强的全局搜索能力,通过应用遗传算法对神经网络的初始权值进行优化,考虑BP算法具有非常快的局部搜索速度,因此利用BP算法能够将最佳权值求出来。计算机仿真结果表明,相对于传统的BP神经网络盲均衡算法而言,该算法具有能够减少误码率、控制稳态剩余误差以及加快收敛速度等一系列的优势。基于此,文章分析并介绍了遗传算法优化神经网络权值盲均衡算法的具体方式。     

多目标的Internet路由优化控制算法

研究通过优化链路权值以控制网络路由来实施流量工程.以网络拥塞最小化和时延最小化为流量工程目标,建立了多目标的全局路由优化数学模型.求解该问题是NP困难的,提出一种混沌群搜索优化算法进行求解.算法采用群局部搜索,利用混沌变量产生一组分布好的初始解,并在邻域搜索进程中应用扩展贪心思想,提高了算法的全局搜索能力.仿真结果表明所提算法能够有效减少由于流量分布不平衡造成的网络拥塞,同时限制长路径,提高了网络性能.     

一类0-1背包问题的启发式网络策略模型与算法

针对遗传算法(GA)易陷入局部最优解、搜索精度低等缺点,提出了网络启发式策略的遗传算法(NSHGA),并将其成功地应用于0-1背包问题的求解。该算法采用网络节点关联策略,使算法具有良好的全局寻优能力。同时引入网络节点矩阵优化,利用其精细的局部遍历搜索性能,使算法具有较高地搜索精度。实例仿真结果表明,NSHGA算法可有效避免基本GA算法的早熟收敛,且具有寻优能力强、搜索精度高等特点。此外,与基本遗传算法仿真相比,可明显提高0-1背包问题求解的精度。     

认知网络中的多用户MIMO线性协作频谱感知问题研究

研究了多用户MIMO的线性协作频谱感知问题以提高频谱检测的可靠性,推导了多用户MIMO线性协作感知系统的局部检测和全局检测策略,建立了在给定误警概率的情况下控制中心通过优化给各个用户的信号所分配的权值来最大化全局检测概率的优化模型。进一步,引入了遗传算法来求解上述全局检测优化问题的最优权值,期望能够有效降低算法在频谱感知过程中检测时间。仿真结果表明,多入多出能够明显提高协作频谱感知系统频谱检测可靠性,而遗传算法高效且稳定,相比较其他算法能够有效改善系统的检测性能。     

基于GA的BP神经网络在多目标优化中的应用

针对传统多目标优化的求解方法通常存在目标权值主观性大,优化目标仅为各目标加权和以及在求解过程中各目标优化的不可操作性等问题,文中提出了一种新颖的多目标优化算法,其将改进后的遗传算法与BP神经网络融合,提出了基于遗传算法的BP神经网络融合算法。该算法将遗传算法与BP神经网络算法相结合,充分发挥遗传算法的全局搜索能力优势和BP算法的局部搜索能力特点,使得多目标优化问题得以求解,加快收敛速度,从而提高了收敛精度。     

“遗传算法”在计算机网络可靠度优化计算中的作用

以保证计算机网络传输系统的可靠作为前提,怎样有效地降低网络结点链路成本,逐渐成为了当前计算机网络可靠度优化的主要方向。而遗传算法相对于传统的算法来说,有着搜索高效、求解便捷和算法结构简便等优点,做全局的计算时能够得到最优的相似值。文章在确保计算机网络链路介质成本与网络可靠度数学模型因素之时,对遗传算法在计算机网络可靠度优化计算中的作用进行了分析。     

基于可靠性约束的网络多目标满意优化

利用满意优化方法综合考虑网络可靠性和网络费用,以此来建立网络拓扑结构设计的数学模型,并描述了用遗传算法求解该问题的方法。满意优化与遗传算法相结合成功解决了网络高可靠性和低费用之间的矛盾。最后,通过与一般优化方法结果相比较来说明算法的有效性,给出其仿真的结果。     

基于鱼群算法的全终端网络可靠性优化设计

鱼群算法是一种新型群智能优化方法,在分析鱼群算法实现原理的基础之上,将其与全终端网络可靠性优化问题有机融合,给出了求解全终端网络可靠性优化问题的鱼群算法设计.通过实例仿真比较,鱼群算法能够得到比遗传算法更满意的结果,从而验证了算法的可行性和有效性.     

基于蚁群优化的遗传算法在集中供热系统中的应用与仿真

集中供热系统换热站采用质与量并调时,针对解耦后的质通道和量通道,将遗传算法应用到两个独立的控制回路中。对于遗传算法中存在的冗余迭代,求解率低等问题,将蚁群算法对其进行优化,从而克服了两种算法的缺点,形成优势互补,将优化后的算法用于控制回路中的PID参数整定,并进行仿真实验,MATLAB仿真结果表明经蚁群算法优化后的遗传算法无论在时间上还是求解效率上都有显著提高。     

基于混沌遗传的异构无线网络接入选择策略

为了解决异构无线网络接入选择问题,提出一种基于混沌遗传算法的解决方法.将网络接入选择转换为一个多属性优化问题,利用混沌遗传算法解决全局寻优问题.算法首先通过超混沌系统产生初始种群和混沌扰动向量,对遗传算法进行改进;然后利用混沌遗传算法对适应度函数求解得到网络选择评价指标权重.仿真结果表明,该算法能够使新到达的用户更均匀地分布在各备选网络中,有效降低网络阻塞率并减小各候选网络阻塞率差距,实现网络的负载均衡.     

Some approaches to solving a multihour broadband network capacity design problem with single-path routing

In this paper, we consider solution approaches to a multihour combined capacity design and routing problem which arises in the design of dynamically reconfigurable broadband communication networks that uses the virtual path concept. We present a comparative evaluation of four approaches, namely: a genetic algorithm, a Lagrangian relaxation based subgradient optimization method, a generalized proximal point algorithm with subgradient optimization, and, finally, a hybrid approach where the subgradient based method is combined with a genetic algorithm. Our computational experience on a set of test problems of varying network sizes services) shows that the hybrid approach often is the desirable choice in obtaining the minimum cost network while the genetic algorithm based approach has the most difficulty in solving large scale problems. This revised version was published online in June 2006 with corrections to the Cover Date.     

一种基于粒子群优化方法的改进量子遗传算法及应用

本文采用粒子群优化(PSO)方法代替量子门来更新量子比特状态,得到一种改进的量子遗传算法(QGA)——PSQGA,并根据QGA自身概率特性,引入了最优解方差函数来评价该算法的稳定性能.利用四种典型连续函数寻优问题和0/1背包问题,分别对PSQGA和改进的使用量子门的量子遗传算法(IQGA)进行了测试;并将它们应用到图像稀疏分解的实例中.结果表明,PSQGA算法的寻优能力及稳定性均优于IQGA,且具有更好的收敛性以及更强的连续空间搜索能力,适合于求解复杂优化问题.     

混沌优化算法在组合优化问题中的应用

组合优化问题一直都受到理论界和工程界的重视,此类问题的求解方法也有很多,却各有缺点和局限性,不能满足实际应用的需要。混沌优化算法在解决数值优化问题上具有一定的普遍性,可以很快找到全局最优解,不过组合优化问题的解不是一个数值,因此在前人研究的基础上,提出求解组合优化问题的混沌优化算法。首先分析混沌优化,并针对组合优化问题中的TSP问题,提出一种混沌优化策略,探讨在TSP问题中应用混沌优化算法的方法。结果表明了该方法的有效性。     

自适应混合遗传算法在弹药装载中的应用研究

多约束条件下的弹药装载问题是一个复杂的组合优化问题,属于NP 完全问题,其求解是很困难的。本文在考虑弹药装载中各类约束条件的情况下,对简单遗传算法进行了多方面改进,提出了一种自适应混合遗传算法,来求解弹药装载问题。本文对该算法的编码和解码过程,以及复制算子、交叉算子和变异算子的构建,进行了详细的阐述,给出了使用该算法求解弹药装载问题的具体实现方法。     

多QoS约束条件下的多目标网络优化

多约束、多业务、多目标的网络优化是一个复杂且涉及范围广泛的课题。文中在对该课题进行分析的基础上,提出了一种基于遗传算法的多目标网络优化算法(MOPGA)。该算法使用了多约束条件下的路径集预处理,使得每项业务能够获得所需的QoS服务质量,通过对所有业务的路由号进行编码,将问题的解空间转换到遗传算法的搜索空间,达到对全网业务的综合考虑。改进后的适应度函数刻划了网络的费用、链路利用率方差和最大链路利用率、爆破处理以及个体淘汰机制增加了种群多样性,挣脱了未成熟收敛。以求解精度作为算法终止条件,使得算法运行时间减少。仿真实验表明,所提出的算法能高效、快速解决实际多目标网络优化问题,同时在满足多QoS约束条件下可均衡各子目标函数。     

一种高效的编码感知路由算法设计

针对现有的网络编码路由技术中存在的组合优化性能较差,如计算开销较大、数据交互复杂以及路由构建周期较长等问题,以遗传算法为理论基础,提出了一种改进的网络编码感知路由算法.该算法利用遗传算法的高效组合优化功能,重新构造了其网络编码感知路由的染色体表达、适应度函数以及遗传操作等,并添加了一种修复模块.实验结果表明,该算法与同类型的网络编码路由算法相比,其平均路由构造时间较短、网络吞吐量大,展现出较强的组合优化性能,并具有强优化的寻址能力.     

人工智能在网络规划仿真中的应用方法研究与验证

本文以网络规划仿真中的三个重要问题：工参优化、站址筛查、传播模型校正为例,分别介绍了相适用的人工智能最优化算法,并根据实际应用需求,对相应的人工智能最优化算法进行了优化,提出了适用于网络规划仿真中的具体算法流程与模型,最后通过实验验证了各自算法的应用效果和解决问题的能力。     

一种新型的自适应混沌遗传算法

针对标准二进制编码遗传算法的缺陷,提出一种基于实数编码技术的新型自适应混沌遗传算法用于求解优化问题.该算法利用信息熵理论产生较好的初始群体分布,并依据概率分布函数构造杂交算子,同时结合混沌动力学特性和人工神经网络理论,设计了一种自适应混沌变异算子,使算法能有效维持群体多样性,防止和克服进化过程中的"早熟"现象,算法操作简单、易于实现.最后通过对几个经典测试函数的数值实验,验证了该算法在提高解的精度和加快收敛速度方面都有显著改善,从而为解决函数优化问题提供了一种行之有效的新方法.