组播QoS路由的遗传算法研究

为提高遗传算法的效率以适于计算组播QoS路由，对算法的几个关键点作了深入研究。介绍了算法评价的两个指标：计算量和收敛率；提出了一种新的适应度函数；采用了比例选择与最优个体保存策略相结合的选择操作。经过大量的仿真实验，得出这种算法的最佳变异概率值应在0.4左右；当群体规模略小于每位基因座可选基因数的最大值时，算法的效率较高。

无线Mesh网络中的骨干网络部署的优化

在满足用户需求情况下,优化无线Mesh网络中接入点(TAPs)放置以及布线线路以减小布线成本。首先,把该问题中的布线问题模型化为欧氏空间中准组Steiner树问题。解决传统的组Steiner树问题的算法在该问题上并不适用。其次,针对该问题特有的特征给出了一种近似算法。最后,为了达到最小化网络布线的成本的目的,在布线的基础上使用线性规划达到最小化TAPs数目。模拟实验的结果表明,该方法能够显著降低布线成本。优化方法对于无线Mesh网络的骨干网络的部署具有重要指导意义。

基于PBIL的综合QoS参数组播路由

提出了一种基于PBIL(Population-Based Incremental Learning)的QoS组播路由算法,它能在综合QoS参数约束条件下寻找代价最小的多播树.该算法有效地结合了遗传算法的进化特性与竞争学习算法的特点,采用基于路径的树编码结构和基于概率的备选路径集,在网络规模较大的情况下也能得到很好的应用.仿真实验表明,该算法快速有效.

支持边缘端—云端协同工作的群组命令传输算法

Internet是连接云端与分布在不同区域边缘端的重要传输载体,其尽力而为的服务模式在支持群组控制命令传输时,会造成快速消耗网络资源及路径竞争等问题。首先,把Internet群组控制命令传输问题转换为不相交带约束的多Steiner树问题(constrainted multi-Steiner trees with disjoint problem,CMSTDP),并提出一种改进型遗传算法。该算法聚焦于提升全局搜索能力和缓解路径竞争两个方面。实验从群组命令传输成功率、收敛延时比及解误差率三个方面验证,该算法适合应用于边缘端—云端之间的群组命令传输。

一种支撑协同制造的动态群组命令传输算法

Internet是工业物联网重要网络载体之一,由于其时刻动态变化,使得在支撑群组控制命令传输时会造成路径失效过期,导致无法对分散在不同区域的生产设备实现协同制造。首先把Internet群组控制命令传输问题转换为带约束的动态多Steiner树问题(constrainted dynamic multi-Steiner trees,CDMST),并提出一种动态遗传算法。该算法提出静态和动态两个维度混合搜索策略,当网络状态未发生变化时,执行静态搜索策略,静态搜索策略主要考虑缓解早熟现象。当网络状态发生变化时,执行动态搜索策略,动态搜索策略主要考虑提升收敛性及借鉴静态搜索策略缓解早熟现象。实验从群组命令传输成功率和收敛延时比验证该算法有效性、收敛性及全局搜索能力。