基于遗传算法的WSID网络路由建模与优化

基于路由优化在RFID和WSN结合组成的WSID网络中的重要性,提出了基于遗传算法的不同编码的两种路由优化方法,分别建立了相应的算法和模型,实现了两种路由优化方法在WSID网络中的应用.仿真实验表明,基于实数编码的路由优化方法更适合在WSID网络中应用.     

无线传感器网络能量均衡路由算法

针对无线传感器网络中节点能量利用不均衡的特点,对其拓扑结构进行分析,建立了路由模型,结合普通遗传算法的基本原理,提出一种基于多目标遗传算法的无线传感器网络路由优化方法.在选择通信链路过程中,综合考虑传输路径的能耗和路径中节点的剩余能量等因素,采用多目标遗传算法求解一条能耗低且剩余能量较充足的路径作为数据传输路径,实现网络中节点能量的均衡化.仿真结果表明,该优化机制有效延长了网络的生命周期,改善了网络的性能.     

基于遗传算法的无线传感器网络路由优化

无线传感器网络节点能量及通信能力有限,建立节能高效的路由路径是延长网络生命周期的关键。针对这一问题,基于遗传算法对无线传感器网络进行路由优化,考虑多种约束条件,提出了一种快速构建节能高效信息传输路径的算法。该算法考虑了网络拓扑结构及节点间的通信距离,避免生成无效个体,进一步优化了网络性能,同时将节点剩余能量及节点间的距离作为路由优化的约束条件,保证最佳路由的有效性。仿真结果表明,与Flooding算法相比,所提算法的网络能量消耗减少了约68%,网络寿命延长了约64%。     

ATM网络中VC路由选择的遗传算法研究

探讨了ATM网络中的路由问题，并针对VP网络的拓扑结构，依靠遗传算法强大的全局寻优和并行处理能力，提出了一种改进的遗传算法调度ATM网络动态路由的新算法。     

移动IP中基于遗传算法的优化路由算法

提出了移动IP中带网络负载平衡的路由问题,通过建立网络模型,采用基于矩阵编码的改进遗传算法解决问题.遗传算法采用以矩阵编码为基础的交叉算子和变异算子,并使用排序选择算法作为选择算子.给出了改进算法的复杂度,从理论上证明了该算法的收敛性.仿真结果表明该算法具有很好的收敛性,并给出了在不同种群数(20～50)和交叉概率(0～75%)下最优解在一定值附近.采用此路由选择策略能够使移动IP网络中的网络带宽得到合理分配,优化了网络的性能.     

基于遗传算法的无线传感器网络QoS路由优化

为了研究无线传感器网络满足QoS要求的路由问题,利用改进的遗传算法,在网络中建立路由模型,实现了无线传感器网络QoS路由选择过程.通过实例验证了该算法能够解决满足带宽-时延要求的路由选择最优解问题,且具有很好的收敛性.     

算力网络中的确定性调度与路由联合智能优化方案

将算力网络技术和时间敏感网络技术融合在一起，可以实现网络中高效率、确定性转发。但在一体化决策算力网络中的资源调度和路由规划以及时间敏感网络中的门控排布时会出现决策变量过多、计算复杂度过高、优化性能不足等问题。对此，可以利用基于深度强化学习方法的改进RBDQN算法优化门控，并采用贪婪算法协助路由路径规划。以平均时延、能量损耗和用户满意度为多优化指标建立效用函数。RBDQN算法与遗传算法相比，其收敛速度可提升数十倍；与传统深度强化学习方法相比，RBDQN算法在相同指标下效用函数的指标提升超过10%,收敛时间下降约50%。     

基于遗传算法的WSN谣传路由的改进

谣传算法是一种基于数据查询的无线传感器网络路由机制,它通过事件agent和查询agent形成的路径交叉生成一个路由,该算法存在着路径非最优化问题。为此,提出了一种基于遗传算法的谣传路由协议,它由谣传算法生成多条路径,利用遗传算法对此多条路径进行操作,将能量消耗作为评价指标,生成最优的路径。仿真表明,此算法能有效的降低节点的能量消耗,极大的延长了网络的生存时间。     

基于遗传算法的卫星MPLS网络路由协议研究

为了满足宽带卫星网络的QoS路由要求,提出一个基于遗传算法的卫星多协议标签交换网络路由协议.基于多目标规划方法建立了网络路由的数学模型并定义了度量参数,对遗传算法中的编码规则、适用度函数以及遗传操作等关键技术进行理论推导.仿真结果表明算法可行,并对遗传操作中交叉和变异概率的设定进行了对比分析.     

计算机网络中路由选择的优化研究

为了改进计算机网络的性能，提出了一种改进的并行遗传算法，采用多群体并行进化与自适应地改变遗传参数，对计算机网络中路由选择问题进行了优化，比较了不同算法所得到的链路利用率及网络的平均时延。计算机仿真实验结果表明，该算法能较迅速地求出全局近似最优解，并且与传统的方法相比较，解的质量能大幅度地提高，证明此改进的并行遗传算法是行之有效的。     

混合遗传算法在旅行商问题中的应用

为了更优地解决旅行商问题，改进单纯用遗传算法求解旅行商问题的结果，本文通过遗传算法和禁忌搜索算法自身的特点，分别对二者的优势和不足进行分析，提出一种将二者混合使用的求解旅行商问题的算法．该算法以遗传算法为基础，用遗传算法作全局搜索，用禁忌搜索算法作局部搜索．同时，通过计算实例分析，将这种混合遗传算法用于旅行商问题的求解中．试验表明，混合遗传算法比较单纯的遗传算法的计算结果有一定的改进．     

一种改进的OFDM系统自适应比特分配算法

针对贪婪算法迭代次数多的不足,提出一种基于Hughes-Hartogs算法的自适应比特分配算法。在误比特率和传输比特总数限定下,先使用Chow算法对每个子载波进行比特初始分配,然后再把余下的比特通过贪婪算法分配到各个子载波上,使总功率达到最小。仿真结果表明,在传输比特数一定的情况下,改进贪婪算法的迭代次数仅是贪婪算法的7.4%³4%,并且在性能上十分逼近贪婪算法。     

一种改进的自适应脉冲对消LMP算法

应用一种改进的最小平均l_p范数算法对有用信号中存在的脉冲噪声进行对消. 这种算法是根据对输入信噪比的估计,在最小平均l_p范数算法的基础上改进的. 为了测量这种算法下脉冲噪声的对消性能,引入了一种新的信号失真的性能测度,叫分数阶信噪比. 在7种不同输入信噪比情况下,对最小平均l_p范数和改进的最小平均l_p范数算法进行了比较,结果表明改进的算法比最小平均l_p范数算法稳定,收敛速度快,性能明显优于最小平均l_p范数.     

一种用于自适应噪声对消器的改进LMS算法

归一化IMS（NLMS）算法是目前适应噪声对消器中常用的一种算法,文中根据对输入信噪比的估计,在NLMS算法基础上提出一种改进的LMS算法,在3种不同输入信噪比情况下,对NLMS算法和改进的算法进行了比较,结果表明改进的算法性能明显优于NLMS算法。     

一种新的复杂区域孔洞填充算法

在图形、图像处理及图形与图像的转换中,填充算法是一种十分重要的基本算法.尤其是在CAD软件中,常常需要在特定的区域内填充图案.为了降低填充算法的复杂程度,提出了一种快速复杂区域的填充算法,采用图像标记的方法并利用MATLAB的相关函数快速寻找填充区域,与种子填充算法和扫描线填充算法相比,该算法无须对区域进行复杂的运算,显著降低了算法的复杂程度.实验证明,算法易于编程实现,运行速度快,并且可以填充包含任意多孔洞的复杂连通区域,具有很强的抗干扰能力.     

混沌遗传算法研究及其在经济负荷分配问题中的应用

提出了一种实数编码混沌遗传算法,并将其用于经济负荷分配问题。该算法将混沌引入遗传算法,利用混沌对标准遗传算法中的选择和变异进行了改进,之后对每一代最优个体进行变尺度混沌优化。将该方法应用于某厂3机组经济负荷分配问题,通过与混沌优化方法以及传统遗传算法的比较,该方法可以求得高质量的可行解,表明了该方法在求解经济负荷分配问题的有效性。     

WSN中一种DV-Hop定位精度改进算法

提出了一种DV-Hop的改进算法(RHDV-Hop算法)。该算法引入接收信号强度指示器(RSSI)测距技术代替DV-Hop算法中到锚节点一跳距离测量并采用2-D Hyperbolic算法代替DV-Hop算法中三边测量法。通过NS2对RHDV-Hop算法和DV-Hop算法以及一些已经提出的对DV-Hop算法的改进算法进行了模拟实验对比,结果表明:RHDV-Hop算法定位精度要明显好于DV-Hop算法和其他改进的DV-Hop算法。     

基于进化计算的贝叶斯网络结构复合学习算法

提出一种贝叶斯网络结构复合学习算法.该算法将EM算法、蒙特卡罗抽样算法、进化算法结合起来,用EM算法、蒙特卡罗抽样算法将不完整的数据集转换成完备的数据集,再利用进化算法进化网络结构.这种算法能够克服EM算法容易陷入局部最大值的缺陷,对于缺省数据处理是基于后验网络的,网络结构随进化计算不断优化,得到的补充数据可信度比较高,网络学习效率高、运算性能好.     

求解多峰优化问题的改进布谷鸟算法

布谷鸟算法是一种简便而高效的元启发式算法.然而,布谷鸟算法在求解复杂的多峰优化问题时通常存在易陷入局部最优解的缺点.针对布谷鸟算法的这种缺点,结合神经网络算法和布谷鸟算法的特性,提出一种基于神经网络的布谷鸟算法.该算法的核心思想是借助改进神经网络算法的强大全局搜索能力和动态种群策略来平衡布谷鸟算法的全局搜索能力和局部搜索能力,从而减少布谷鸟算法陷入局部最优的可能性.该算法首先将种群中的个体依照适应度值的优劣进行排序,然后对种群中最好的一半个体通过布谷鸟算法进行优化,对种群中最差的一半个体通过改进的神经网络算法进行优化,最后将所有个体组成一个新的种群,并从中筛选出最优解.采用24个复杂基准测试函数检验所提出算法求解多峰优化问题的性能,并将优化结果与神经网络算法,布谷鸟算法以及一些改进的布谷鸟算法所获取的优化结果相比较.实验结果表明:所提出的算法充分地展现了神经网络算法和布谷鸟算法的优势,其在求解质量,求解效率以及求解稳定性上均显著优于其它算法.     

一种求解TSP的自适应蚁群优化算法

针对标准蚁群算法在求解旅行商问题（TSP）时存在收敛速度慢,易陷入局部最优等缺陷,提出一种自适应蚁群优化算法．该算法设计了一种实时监测机制和一种新的搜索方向,实时监测机制可以让算法跳出局部最优值,并且当算法跳出局部最优值时,沿着新的搜索方向搜索,可以加快算法收敛到全局最优．通过对典型的TSP实例仿真实验,与基本蚁群算法、MMAS算法相对比,结果显示该算法在克服早熟现象和收敛速度方面有很大的优越性．