QoS组播路由问题的多目标规划模型研究

该文在对比QoS组播路由问题几种表述模型的基础上,提出了基于多目标规划的新模型,讨论了该模型的求解方法;同时,采用Prüfer编码,提出了求解该模型的遗传算法,并分析了该算法的复杂性。文中还给出了部分关键算法的自然语言描述。     

一种基于 TCP/IP的QoS路由多目标遗传算法

对网络拓扑结构和QoS路由指标进行了形式化分析,基于多目标规划问题,给出了QoS路由数学模型.针对这个模型,提出了一种基于TCP以P的QoS路由多目标遗传算法(Multi-Object Genetic Algorithm of QoS Routing,QRMOGA).通过仿真实验证明算法是可行的、有效率的.     

基于遗传算法的多目标QoS多播路由算法

针对通信网中多目标QoS多播路由模型，文章提出了一种改进的遗传算法。算法的编码方式采用节点序编码，编码和解码过程都比较简单直观。采用保留最佳个体与适应度比例的选择方法，加快了遗传算法的收敛，并在此基础上采用理想点法构建评价函数来求解模型的Vareto解，采用双层的交叉与变异操作，增加群体的多样性。仿真试验验证，该算法可靠性高，适用于大规模网络。     

基于多目标遗传算法的多播服务质量路由优化

互联网不断增长的多媒体应用引发人们研究如何满足这些应用的服务质量(QoS)约束,并导致提出了一些基于服务质量的体系结构．目前网络中多主机之间的多播通信一般需要严格的多个QoS保证．首先将满足不同约束的多播路由选择过程转化为一个多目标优化问题,然后使用一种基于多目标遗传算法的新型多播树计算方法,同时优化时延、丢包率和带宽利用率等不同的参数．实验结果表明,该方法能在有限进化代数内产生一组有效的非劣多播路由解,结合多目标优化的遗传算法克服了单目标路由优化的缺陷．     

多目标进化遗传算法在QoS路由中的研究

基于多目标规划问题,给出了QoS路由指标的形式化描述及数学模型。提出了用NSGA-II算法来实现QoS路由,并采用网络资源消耗和负载分布为目标函数,使得算法在消耗网络资源最小的基础上,使负载均衡分布,合理利用了网络资源,降低了网络的拥塞,提高了网络的吞吐量。通过仿真实验表明该算法是可行的、有效的。     

基于改进遗传算法的QoS路由选择优化

提出了一种基于改进遗传算法的QoS路由选择优化算法,采用网络资源消耗和负载分布为目标函数,凫目标函数包含了带宽、跳数、费用、时延等QoS参数。该算法在消耗网络资源最小的基础上,使负载均衡分布,合理利用了网络资源,降低了网络的拥塞,提高了网络的吞吐量。仿真计算的结果表明,该算法在解决多目标规划问题上是一个有效、可行的方法。     

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。     

基于改进遗传算法的QoS路由优化

针对多约束QoS路由问题,将其转化为一个多约束赋杈图最优路径问题,选择费用、带宽、时延和丢包率为参数,采用基于遗传算法的QoS路由选择算法,算法采用网络消耗和负载分布平衡为目标函数,目的在使用最小网络资源的基础上,使网络达到负载平衡,降低网络拥塞,降低丢包车,提高服务质量,仿真试验结果表明,该算法具有较好的性能,     

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。     

小生境自适应遗传算法在QoS多播路由中的应用

建立QoS多播路由的数学模型,引入遗传算法并设计多种改进方案,包括新的编码方案、适应度函数设计方案、初始化群体方案、小生境技术、自适应交叉与变异概率设计方案以及有选择计算个体适应度设计方案。仿真结果表明,该算法有较好的性能,能够满足QoS多播路由问题的多重约束条件,能大幅提高QoS多播路由选择的效率。     

小生境自适应遗传算法在QoS多播路由中的应用

建立QoS多播路由的数学模型,引入遗传算法并设计多种改进方案,包括新的编码方案、适应度函数设计方案、初始化群体方案、小生境技术、自适应交叉与变异概率设计方案以及有选择计算个体适应度设计方案。仿真结果表明,该算法有较好的性能,能够满足QoS多播路由问题的多重约束条件,能大幅提高QoS多播路由选择的效率。     

基于量子遗传算法的QoS路由算法

多约束的QoS路由问题是NP完全问题.量子遗传算法是基于量子计算理论的新遗传算法,具有种群多样性、收敛速度快和全局寻优的特点.将量子遗传算法引入多约束QoS路由计算,提出了一种基于量子遗传算法的QoS路由算法,给出了算法实现的方法和具体流程.实验结果表明,通过该算法得到的QoS路由不但能满足QoS约束要求,同时可以均衡链路负载,减少路由拥塞.     

DNA遗传算法的QoS多播路由优化

针对网络中的QoS多播路由问题,提出一种基于DNA的混合遗传算法,以遗传算法为框架,采用DNA编码方式,对交叉算子和变异算子进行改进,同时把小生境技术和模拟退火融入框架中,使小生境中的个体独立进行模拟退火操作,达到维护种群多样性和增强局部搜索能力的目的。实验结果验证了该算法的有效性。     

基于线性约束的多参数优化的QoS路由算法

选取带宽作为约束条件，把时延和丢失率作为QoS优化目标，建立了QoS路由选择的多目标整数优化模型，并给出了求解模型的算法。实例计算结果表明了算法的可行性。     

基于混合遗传算法的多播路由多目标优化

互联网不断增长的多媒体应用引发人们研究如何满足这些应用的服务质量(QoS)约束.目前网络中多主机之间的多播通信一般需要严格的多个QoS保证,文中描述了一种适应于研究多播QoS路由多目标优化的网络模型,在此基础上提出了基于遗传算法和禁忌搜索混合策略的,具有多目标的多播路由QoS优化方法,以克服遗传算法的爬山能力差以及不成熟收敛等问题.此外还采用了改进的多播树编码方法及高效的遗传操作,同时还优化时延、丢包率和带宽利用率等不同的参数.实验结果表明,该算法为多播路由QoS多目标优化问题的求解提供了一种有效的新途径.     

基于免疫遗传算法的多约束QoS路由选择算法

该文针对多约束Qos路由选择问题,将其转化为一个多约束赋权图最短路径问题,选择费用、带宽、时延、丢失率为Qos参数。设计了一个基于免疫遗传算法的Qos路由选择算法,该算法主要利用生物免疫机制中的抗原识别、抗原记忆和抗体的抑制、促进作用来控制收敛方向,促进快速求解。实验表明本文提出的算法具有较好的性能,大幅度地提高Qos路由选择的效率。     

基于惩罚函数NPGA的多目标路径规划

通过分析传统的机器人路径规划方法,将足球机器人路径规划归结为一个多目标优化问题,利用基于惩罚函数的小生境遗传算法建立动态目标路径规划的运动模型.仿真表明,与传统的路径规划方法相比,该方法在保证机器人较高体力值的前提下,规划出合理的路径.     

用遗传算法求解应用层多播路由问题

由于IP多播部署面临的困难,应用层多播作为互联网多播服务策略逐步被人们认可。在分析了应用层覆盖网络特点的基础上,本文提出了一种更合理的应用层多播路由问题模型MRRB。该模型对延迟和负载均衡性等多个目标进行优化。同时,本文还分析了求解MRRB问题的复杂性,并给出了基于多目标遗传算法的求解方法。仿真实验与结果分析表明了该该方法的合理性和有效性。     

基于改进遗传算法的多目标问题的研究

本文讨论了MOGA目前存在的缺陷,并提出利用共享小生境技术为基础更新子群体,并针对遗传迭代过程提出相应的改进遗传策略。策略包括采用了期望、精英保留混合策略以及改进快速自适应的交叉、变异算子。最后,利用改进遗传算法在多目标文献中作实例研究,并取得了良好的应用效果。     

基于遗传算法的QoS选播流路由优化算法

选播是一种网络通信服务,在视频流点播等领域发挥重要作用。该文提出QoS选播流路由优化的问题模型,给出选播流路由端到端时延、服务器负载、网络流量等优化目标和QoS约束的遗传算法表达式,说明了算法求解的关键步骤和实现过程。实验结果表明,该算法在满足QoS约束的前提下可以实现选播路由的多目标组合优化。