智能算法及其在網(wǎng)絡(luò)優(yōu)化中的應(yīng)用研究.pdf

1、工程領(lǐng)域中常見的多目標(biāo)、多約束、非線性優(yōu)化問題一般屬于NP完全問題，難以用傳統(tǒng)的最優(yōu)化技術(shù)求解。例如：基于QoS約束的組播路由問題，AdHoc網(wǎng)絡(luò)中基于拓?fù)浣Y(jié)構(gòu)的功率控制問題等。近年來，一些模擬或揭示某些自然現(xiàn)象或過程的智能算法相繼出現(xiàn)(如遺傳算法、蟻群算法等)，這些方法已在NP完全問題的求解和實(shí)際工程應(yīng)用中顯示出強(qiáng)大的生命力，吸引了眾多研究者的目光，并取得了令人注目的研究成果。本論文從算法的理論分析、并行實(shí)現(xiàn)、智能融合等方面進(jìn)行了探討

2、，并將研究成果應(yīng)用于網(wǎng)絡(luò)優(yōu)化的實(shí)際問題中，解決基于多個(gè)不相關(guān)可加性度量的QoS組播路由問題以及AdHoc網(wǎng)絡(luò)中的功率控制問題。 本文對(duì)蟻群算法的參數(shù)設(shè)定進(jìn)行了實(shí)驗(yàn)分析，指出在蟻群算法的求解過程中，參數(shù)是影響算法求解性能和效率的關(guān)鍵因素，而且蟻群算法中各參數(shù)的作用是緊密耦合的，研究其參數(shù)的最佳組合配置有著很重要的意義?；诖耍疚奶岢鰧⑾伻核惴ê瓦z傳算法相融合的改進(jìn)策略，應(yīng)用遺傳算法對(duì)蟻群算法的四個(gè)控制參數(shù)(α、β、p、q0)進(jìn)行

3、優(yōu)化，為參數(shù)的選擇提供依據(jù)。然后將遺傳蟻群算法用于求解包含延遲、延遲抖動(dòng)、帶寬、丟包率和代價(jià)等約束條件在內(nèi)的QoS組播路由問題，取得了較好的應(yīng)用效果。 隨著計(jì)算機(jī)技術(shù)的發(fā)展，遺傳算法越來越得到人們的重視，但遺傳算法在實(shí)際應(yīng)用中，往往出現(xiàn)早熟收斂和收斂性能差等缺點(diǎn)。本文從算法的理論分析、并行實(shí)現(xiàn)、智能融合、應(yīng)用領(lǐng)域等方面對(duì)遺傳算法提出改進(jìn)策略。 在智能融合方面，本文將量子計(jì)算和遺傳算法進(jìn)行融合。將量子的態(tài)矢量引入遺傳編碼，

4、使融合算法比常規(guī)遺傳算法擁有更好的多樣性特征；自適應(yīng)地進(jìn)行量子旋轉(zhuǎn)門的調(diào)整，以加快收斂速度，避免早熟收斂，仿真實(shí)驗(yàn)驗(yàn)證了算法的有效性。在理論分析方面，本文證明了量子遺傳算法的收斂性。在應(yīng)用領(lǐng)域方面，本文提出了一種基于多宇宙量子遺傳算法的QoS組播路由算法，并且采用動(dòng)態(tài)旋轉(zhuǎn)角調(diào)整策略以提高算法的性能。仿真實(shí)驗(yàn)結(jié)果表明：采用動(dòng)態(tài)旋轉(zhuǎn)角調(diào)整策略的多宇宙量子遺傳算法可以獲得比采用遺傳算法和采用靜態(tài)旋轉(zhuǎn)角的量子遺傳算法更好的效果，算法效率更高。在

5、并行實(shí)現(xiàn)方面，通過對(duì)遺傳算法的四種并行模型進(jìn)行深入研究，本文基于粗粒度模型提出了分布式并行量子遺傳算法，并將其應(yīng)用于求解QoS組播優(yōu)化問題，取得了令人滿意的優(yōu)化效果。 AdHoc網(wǎng)絡(luò)中基于拓?fù)浣Y(jié)構(gòu)的功率控制是在考慮多個(gè)約束的條件下，保證全網(wǎng)連通并且盡量降低節(jié)點(diǎn)的發(fā)射功率。本文設(shè)計(jì)了一個(gè)功率控制模型，該模型采用基于拓?fù)浣Y(jié)構(gòu)的功率控制機(jī)制，跨越MAC層、網(wǎng)絡(luò)層和應(yīng)用層。在應(yīng)用層利用遺傳算法來進(jìn)行功率控制的計(jì)算，求解多約束條件下的NP