多目标优化算法在多分类中的应用研究

 Cai等人用多目标粒子群算法(MOPSO)优化多目标聚类学习和分类学习框架(MSCC)的多目标问题时,种群只能得到少量的非支配解,不利于种群优化.而在此情况下,NSGA-II由于采用了Pareto排序的方法,种群中会保留大量优秀的支配解,有利于种群优化,所以本文引进了NSGA-II优化MSCC框架的多目标问题.通过对数据集的测试,验证了在NSGA-II的优化下,对于大多数测试问题,MSCC框架设计的分类器的最大分类正确率高于MOPSO优化MSCC框架的结果.进而对实验结果做了进一步分析,发现了最大正确率不随多目标优化算法的优化过程而提高的问题.     

基于极坐标变换的改进NSGA-II算法

在实际工程中存在着大量的多目标优化问题,而由于大部分多目标优化问题有无穷多个最优解,且传统的数学方法如梯度下降法和牛顿法,无法求解一些不可微或表达式过于复杂的多目标优化问题。为避免以上局限,NSGA-II作为求解多目标优化问题的代表算法被提出,但NSGA-II算法仍存在着一些不足,如变异算子功能过于简单,降低了Pareto最优解的多样性。为增加Pareto最优解的多样性,文中设计了一种基于极坐标变换的改进NSGA-II算法,该算法可使得Pareto最优解分布更加均匀,并最终通过标准的测试函数验证了算法的有效性。     

一种改进的多目标蚁群优化算法

提出了一种改进的多目标优化问题的蚁群算法.算法选择进化算法的定义的时候,种群中一定数量的个体信息来源作为中心的扩散,多个中心点之间有一定的距离;群体中的其他个体按照离源个体最近的距离的原则归属于其中一个信息素扩散源;按照信息素扩散算法,每一信息素扩散源中的个体获得源于中心点的信息素;保留每一代群体中的中心点到下一代种群中,确保了收敛性和维护种群的多样性.最后利用多目标背包问题来测试算法的性能,并与MOA和NSGA-II算法进行了分析比较.结果表明,该搜索效率高,向真实Pareto前沿逼近效果好,得到传播的多种解决方案,是一个多目标优化问题的解决和有效的方法.     

多约束路由的MPLS流量工程

MPLS流量工程问题是在网络边缘节点间建立满足流量需求的路径,使网络性能最优化,通过多路径分流传输流量可使资源利用最优化.基于多径路由是用于实现MPLS网络中的流量工程的一个有效的方案.但多径路由中的具体表述和实践算法,即路径的计算和流量分割率中应该考虑到的路径约束条件或方针政策,还没有太多的涉及.文章给出了一个可以满足网络资源以及政策需要的较全面的多约束路由方案.     

融入偏好的武器装备体系多目标规划决策方法

武器装备体系规划是装备体系建设的重要环节,对装备论证工作具有重要指导意义.首先对武器装备体系规划问题进行了定性分析和公式化描述;然后提出基于超网络的体系建模方法,构建能力指标定量计算模型;接着采用NSGA-II算法范式,分析了决策者偏好表示方法,将决策者偏好融入优化过程,将原优化问题转化为以超体积、未知度、决策者满意度...     

一种求解SLA等级感知服务组合问题的多目标离散粒子群优化算法

针对SLA等级感知服务组合问题,本文提出了一种求解该问题的多目标离散粒子群算法(MDPSO),建立了多目标粒子群算法优化模型.根据该问题的特征,对粒子更新策略进行重新设计;并且提出粒子变异策略以抑制群体的早熟收敛增强群体的全局搜索能力.另外,提出了一种基于约束支配关系的局部搜索策略并将其结合到MDPSO算法,形成算法MDPSO+.最后对MDPSO算法的参数设值进行了分析,并将算法MDPSO、MDPSO+与最近提出的求解该问题的E³-MOGA算法及NSGA-II算法在不同规模的测试用例上进行了实验对比,结果表明算法MDPSO+能够更加有效的解决该问题.     

基于最小干扰路由的流量工程动态路由算法研究

分析目前流量工程动态路由算法研究现状,以提高网络吞吐量为目标,提出一种改进的流量工程动态路由算法,综合考虑了网络拓扑和流量分布状况,提出分级的链路关键度定义,将流量工程目标有效转化为路径约束。仿真结果表明所提算法性能比Kodialam算法及其它几种典型的动态路由算法好。     

基于可靠度最大化的多源计算机网络传输线优化设计

为了解决计算机网络铺设过程中的网络传输线的优化问题,提高网络传输数据的可靠度,文中利用RETLA算法对计算网络传输线配置的费用构建模型,并提高网络的可靠度,利用NSGA-II算法找到计算机网络传输线配置的Pareto解,求解出可靠度最大情况下的最优传输线配置问题.利用计算机仿真对文中的算法进行验证,并将计算结果与遍历算...     

基于改进烟花算法的多目标多机器人任务分配

多机器人任务规划是多机器人系统研究的主要问题之一,多目标多机器人任务规划是指同时对多机器人系统的多个指标进行优化。近年来,启发式算法越来越多地被用来解决多目标问题。本文提出了一种基于改进烟花算法的多目标多机器人任务分配方法,并详细讨论了多目标解的排序方法和选择策略。为了验证该方法的性能,对7个实例进行了实验,并对该方法和其他四种多目标算法,Non-dominated Sorting Genetic Algorithm II (NSGA-II), Strength Pareto Evolutionary Algorithm 2 (SPEA2),Pareto Envelope-based Selection Algorithm (PESA ) 和一种改进的Strength Pareto Genetic Algorithm 2 (SPGA2)在S-metric指标上进行了比较。实验结果表明,在解集质量、解集覆盖度方面,基于改进烟花算法的多目标多机器人任务分配方法具有明显的优势。      

基于LSP路径规划的自适应流量分配

随着网络流量大规模的增长,ISP(Internet ServiceProvider)在骨干网中大量部署MPLS[1]网络以解决各种网络问题提高性能.在MPLS网路中流量工程[2]技术被广泛应用,其中多路径自适应流量分配算法可是流量工程[中一项关键技术.在本文中对自适应流量算法MATE[3][4]进行了分析,提出了它的不足,通过最小化最大链路重叠度对LSP(Label Switch Path)进行路径规划,将静态离线算法和自适应动态在线算法结合起来,仿真实验证明这一结合提高了动态算法的收敛速度和稳定性.     

一种非均匀分布问题分布性维护方法

 几乎所有多目标进化算法(multi-objective optimization evolutionary algorithm,MOEA)都是针对Pareto最优面为均匀分布问题而言.然而现实中很多问题Pareto最优面是非均匀分布的,决策者希望得到一个与Pareto最优面分布类似的解集.现存算法并不能有效解决该问题.对此,提出一种针对于非均匀分布多目标优化问题的维护方法(non-uniformly diversity maintenance method,NUDMM).该方法定义一个反映个体分布"规则"程度的指标——杂乱度,并设计一种降低种群杂乱度的方法,在未知Pareto最优面分布规律情况下有效剔除造成种群混乱的个体.通过与NSGA-II和SPEA2在不同维数下8个非均匀函数上对比实验,表明NUDMM在有效保持问题真实分布的同时,具有良好的收敛性.     

基于带宽和跳数的流量工程动态路由选择算法研究

随着网络规模和网络硬件的快速发展,支持流量工程的路由器解决方案已经成为一种趋势,而流量工程动态路由选择算法则是流量工程方案的一个重要组成部分.本文分析了流量工程路由算法的研究现状,提出了以跳数和带宽作为量度的流量工程路由算法数学模型,并给出了路由算法规则.最后,通过计算机仿真验证了该算法的可行性和相对于只采用现行最短路径优先路由选择算法的优越性.     

模糊聚类CIAP在雷达组网中的应用

随着雷达网络传输技术的发展,雷达网络中的数据拥塞和流量分配不均衡问题亟待解决.文中针对多个被覆线与无线AP所组成的雷达传输网络中的流量分配不均衡问题,对多链路负载均衡算法(CIAP)中的任务调度算法进行改进.算法依据网络传输链路本身的固有特性,在进行链路碎片调度时,采用模糊聚类的思想对任务调度算法进行改进,该算法根据网络中各链路的剩余带宽和链路时延对负载较大的链路的路由碎片进行实时调度.实验结果表明,与传统的基于循环招标任务调度的多链路负载均衡算法比较,改进的算法能够迅速高效地均衡雷达网络中的链路负载.     

基于分解和支配关系的超多目标进化算法

近年来,超多目标优化问题(MaOPs)成为了进化计算领域的研究热点。然而,在处理各种优化问题中,如何有效地平衡收敛性和多样性仍是一个难题。为了解决上述的问题,该文提出了一种基于分解和支配关系的超多目标进化算法(DdrEA)。首先利用权重向量把整个种群分解为一组子种群,这些子种群将进行协同优化;然后利用角度和角度支配关系计算子种群内每个解的值;最后根据适应度值进行精英选择,即在每个子空间内选取适应度值最小的解作为精英解进入下一代。DdrEA通过与当前较优的NSGA-II/AD, RVEA, MOMBI-II等多个超多目标进化算法进行实验对比,实验结果表明该文算法性能明显优于对比算法,能够有效平衡种群的收敛性和多样性。     

基于双向搜索差分进化的多目标优化算法

针对差分进化算法求解多目标优化问题时易陷入局部最优的问题,设计了双向搜索机制以增强DE(Differential Evolution,DE)算法的局部搜索能力。一方面降低了算法陷入局部最优的风险,另一方面可增强Pareto解集的多样性,使Pareto前沿面的解集分布更为均匀。实验结果表明,相比于NSGA-II等同类算法,提出的方法在搜索Pareto最优解时效率更高,并且Pareto最优解集的精度及分布程度比前者更好。     

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.     

MPLS流量工程及基于约束路由计算的研究

论述了 MPLS 网络的架构及其对流量工程的支持,研究了基于 MPLS 流量工程要解决的几个主要问题：如何把数据包映射为转发等价类等,并对其中最重要的一个——通过 LSP 把流量中继映射到实际网络拓扑,提出了一种约束最短路径优先算法的实现方法。     

GMPLS网络的流量工程扩展

流量工程技术的目的是优化网络运行性能,实现网络资源的最优化利用。而且随着网络迅速发展,网络流量的激增特别是突发流量的增加都对作为骨干网的光网络的性能提出新的要求。本文首先简要介绍MPLS网络的流量工程机制,然后重点介绍GMPLS路由协议的流量工程扩展,以及两种不同约束路由计算机制,分别是在线进行路径计算的基于约束最短路径优先算法和离线路径计算的基于设计路由算法。     

基于T-MPLS的路由与波长分配问题研究

文章介绍了光传送网承载传送多协议标签交换(T-MPLS)的结构,分析了解决基于T-MPLS的路由与波长分配(RWA)问题所采用的算法的类型.随后,将基于T-MPLS的RWA问题分为路由选择和波长分配两个子问题,结合T-MPLS技术的特点分别从支持流量工程、多域情况、支持组播和支持区分业务等方面进行研究.     

MPLS组播流量工程综述

介绍了MPLS网络、组播技术和流量工程技术的特点与特征,结合它们之间的优势和对单播与组播流量工程的比较,重点综述了目前在MPLS网络上实施组播流量工程的几种建树方法、发展现状和存在的问题,最后对MPLS组播流量工程的研究作出了展望.