求解QoS组播路由问题的启发式遗传算法

将启发式方法跟遗传算法相结合，利用染色体作为启发信息，提出了求解QoS组播路由问题的新的遗传算法。分析了该算法的复杂性并进行了大量仿真，实验表明该算法能以较高速度收敛。

改进人工鱼群算法及其在QoS组播路由问题中的应用

提出了一个基于蚁群算法和人工鱼群算法相结合的QoS组播路由算法.首先利用改进的Salama网络拓扑随机生成算法,随机生成一个网络拓扑图,再利用蚁群算法并行搜索的特点找出大量满足约束条件的可行路径,创建备选路径集,最后使用人工鱼群算法在所创建的备选路径集中,通过执行觅食、聚群、追尾等行为求解最优组播树.仿真结果表明,该算法跟基本的鱼群算法相比有着更高更快的效率,能够尽快的找到最优的组播树,并具有更好的全局优化性能,适合于高速的、实时的多媒体传输网络.

基于改进的蚁群系统的多QoS约束组播路由算法

该文提出了一种新的改进蚁群算法,加速算法收敛速度,实行多个独立QoS约束的更新策略,满足用户的QoS要求。仿真实验表明,应用这种改进型蚁群算法于多播路由问题,可以得到比现有启发式算法更好的结果。

量子进化组播路由算法

近年来,时延受限的代价最小组播树问题备受关注。作为全局优化算法,遗传算法(GA)越来越多的用于解决组播路由问题。GA拥有比经典算法更强的搜索能力,但是它容易陷入"早熟",很难得到最优组播树。基于量子计算的机理和特性并结合进化计算,提出了一种新颖的量子进化组播路由算法(QEA),有效地解决了遗传组播路由算法中的"早熟"问题,并且在每代个体更新中采用量子旋转门策略加速了算法的收敛速度。算法实现简单,控制灵活。仿真结果表明QEA算法性能优于改进的进化算法即克隆多播路由算法(CS)和传统的遗传算法(GA)。

基于遗传算法的路由选择问题的研究

针对多目标优化问题,应用免疫遗传算法的基本思想,提出了一种求解满足带宽-时延约束多组播路径问题的两层遗传算法。在算法中设计了一种基于节点连接路径的具有树状结构的染色体表示方法及可以实现树状染色体交叉和变异的算子。数值实验结果表明,文中提出的算法可以有效找到多组播路由问题的优化解。

免疫遗传算法在最优路径问题中的应用研究

针对多组播路由问题,应用免疫遗传算法的基本思想,提出了一种求解满足带宽-时延约束多组播路径问题的遗传算法。在算法中设计了一种基于节点连接路径的具有树状结构的染色体表示方法及可以实现树状染色体交叉和变异的算子。数值实验结果表明,提出的算法可以有效找到多组播路由问题的优化解。