基于离散粒子群的节点可重用虚拟网络映射算法

虚拟网络映射问题是网络虚拟化要解决的重点问题,也是云计算环境下实现资源多租赁运营的技术基础。现有的映射算法在计算效率上有待提高,不能充分利用可重用技术以节省网络带宽资源。提出一种可重用的虚拟网络映射算法,首先构建以提高底层物理网络利用率为目标的资源优化分配模型;然后再充分利用可重用技术以内存交换替代网络交换并针对效率问题设计增强的粒子初始位置分配算法,进而通过离散粒子群算法对优化问题进行求解。仿真实验结果表明,提出的算法相较已有的普通粒子群算法在物理网络收益上有显著提高,增强的初始位置分配机制也有助于计算效率的提升。     

基于粒子群算法的WSN路径优化

采用粒子群算法对无线传感器网络进行路径优化,为了克服粒子群算法运算后期群体的多样性可能会有所下降的问题,对粒子群算法的各个环节进行分析与改进,设计并增加变异算子。仿真实验的结果表明,使用该算法能找到无线传感器网络有效的优化路由,解的质量优于传统的粒子群算法与遗传算法,而且在成功率方面也有所提高。     

基于网络单纯形的虚拟网络映射算法

在软件定义网络(SDN)架构中,虚拟网络映射是实现网络虚拟化的关键技术。针对虚拟网络映射算法映射成本高、执行时间长的问题,提出一种虚拟网络映射算法Simplex-VNM。在节点映射阶段,对虚拟节点按照资源需求进行排序,综合考虑节点连通性和映射成本选择映射节点。在链路映射阶段,采用网络单纯形算法求解最小费用流问题。实验结果表明,相比于NA-PVNM和Improved-vnmFlib算法,该算法具有更低的映射成本和更短的运行时间。     

大规模定量传输的时间扩展网络K最短路径算法

大规模的军用物资调度,需要传输的物资远远超出保障网络实际传输能力的情况下,现有的Dijkstra算法、Floyd算法以及传统的网络K-最短路径算法,难以求解这类网络调度优化问题。在蚁群算法的基础上,设计了一种基于时间扩展的网络K-最短路径算法,满足网络传输一致性假设的前提下,求解大规模定量传输问题。最后给出面向任务的物流保障网络调度的应用实例,获得满意的网络调度优化方案。     

蚁群算法在网络最大流问题中的应用

网络最大流问题是一个经典组合优化问题,是计算机科学和运筹学的重要内容。根据蚁群算法的特点,将网络最大流问题进行相应地转化,然后利用蚁群算法进行求解。仿真结果表明,该算法能方便快捷地解决最大流问题,是行之有效的方法。     

基于分层和强化学习的改进路径搜索算法

复杂网络下的路径搜索问题是网络寻优中的一个难点。现有算法主要存在以下问题：一是往往只能侧重于求解效率和求解精度中的一点;二是对动态变化的复杂网络适应性不强,求解效果不佳。因此,本文提出一种基于双分层和优化Q-Learning的改进路径搜索算法。对于求解时间随规模增加而急剧增长的问题,提出k-core和模块度结合的双分层划分网络的策略,以合理有效地减小网络规模。在子网络求解中,引入强化学习机制对网络进行动态感知,针对算法收敛较慢问题,加入自适应学习因子和记忆因子,优化更新公式,提高收敛速度。最后,在不同幂律指数（2~3）和不同规模的复杂网络下,将所提算法与Dijkstra算法、A*算法和Qrouting算法进行实验对比,结果表明该算法在保证较好求解精度的情况下,能有效地改善求解效率。     

智能网络磁盘的自组算法研究

智能网络磁盘(IND)的在线组织问题是智能网络磁盘存储系统中的关键性问题之一。该文介绍智能网络磁盘系统的逻辑结构,给出描述智能网络磁盘的数据结构,提出智能网络磁盘的自组织算法并给出了该算法的图灵机。通过在高速局域网上的微型计算机模拟实验,证明了文中所提出的自组织算法能解决智能网络磁盘的组织问题。     

有线网络中虚拟网络映射算法研究

网络虚拟化是未来网络的关键技术之一,有助于克服当前网络的“僵化”问题,能够在无需对当前网络架构做出巨大改变的基础上配置新的网络协议和服务,实现多个虚拟网络共存于一个物理网络上,由此产生了新的问题,如何将有限的物理资源合理分配给不同的虚拟网络,即虚拟网络映射问题。根据网络环境,可以分为有线网络和无线网络下的虚拟网络映射。其中,有线网络下的映射是研究虚拟网络映射问题的基础和重点,已有大量算法提出。为了给该问题的研究提供一个全面的视野,从问题定义、存在挑战、映射目标方面对有线网络中虚拟网络映射算法进行综述,根据算法的不同特点进行分类,重点介绍几种典型的算法并进行比较总结,最后指出未来的研究趋势。     

传感器网络GaSA任务分配算法

传感器网络的某些应用,要求系统生命期必须达到数月、甚至数年。为了延长传感器网络生命期,需要研究能源有效的任务分配方案。首先对传感器网络的任务分配问题建模,并基于遗传算法和模拟退火法提出了传感器网络GaSA任务分配算法,最后对算法进行仿真实验,验证了算法的有效性。     

一种基于Biswapped网络的并行矩阵乘算法

为了解决矩阵乘算法并行化的问题,根据Biswapped网络结构的特点,提出了一种基于Biswapped网络结构的矩阵乘并行算法.该算法采用一种新的矩阵映射方式,该算法操作简单且容易实现.理论分析和实验表明:该算法近似等效于Cannon算法.     

基于遗传算法的计算机通信网的拓扑优化设计

1 引言设计计算机通信网的一个基本要求是网络全局有效性,即连通概率。从网络角度,连通概率指的是网络至少简单连通。其除依赖于各计算机系统和通信能力外,主要依赖于通信链路的拓扑设计。对一个给定计算机通信网的最大全局可靠性的网络拓扑优化设计,人们已提出许多启发式算法,但这些算法并未给出精确解。本文采用遗传算法进行设计,成功地解决了这类问题。     

一种基于IP网络的QoS约束组播路由算法

针对时延约束最小代价组播路由问题,结合禁忌搜索算法和模拟退火算法的优点,提出了一种改进的混合遗传路由算法TSSAGMA。通过分析与仿真,证实了该算法在解决时延约束最小代价组播路由的问题上优于传统算法,能够在较小的代价下搜索到较好的解。     

A parallel algorithm with enhancements via partial objective value cuts for cluster-based wireless sensor network design

In this paper, we develop a parallel algorithm for the solution of an integrated topology control and routing problem in Wireless Sensor Networks (WSNs). After presenting a mixed-integer linear optimization formulation for the problem, for its solution, we develop an effective parallel algorithm in a Master–Worker model that incorporates three parallelization strategies, namely low-level parallelism, domain decomposition, and multiple search (both cooperative and independent) in a single Master–Worker framework.     

并行机间歇过程生产调度的遗传局部搜索算法

研究了一类集成分批的并行机间歇过程调度问题(parallel machine batch process scheduling problem,简称PBPSP),将此问题转化为固定费用运输问题(6xed charge transportation problem,简称FCTP)后,提出了具有集中邻域搜索机制和局部最优逃逸机制的遗传局部搜索算法(genetic local search algorithm,简称GLSA).GLSA算法用先根遍历边排列模式编码生成树解,具有高效的子树补充式单点交叉操作.将基于网络单纯型方法的邻域搜索作为变异算子,并提出了连续随机节点邻域搜索的集中邻域搜索策略以及随机旋转变异与全局邻域搜索相结合的局部最优逃逸策略,极大地强化了遗传局部搜索算法的全局寻优能力.实验表明:GLSA算法获得的解质量优于基于排列编码的遗传算法和基于矩阵编码的遗传算法,得到了所有Benchmark问题的最优解,且具有高鲁棒性.针对一定规模的FCTP问题,GLSA算法比Tabu启发式搜索算法具有更高的获得最优解几率.     

基于PCNN的迷宫路径搜索的评估函数优化研究

在前人对PCNN模型的研究及应用的基础上,结合启发式的搜索策略--A*搜索策略,设计了基于改进型的PCNN迷宫智能优化算法,并将其应用解决实际迷宫问题。主要工作为：（1）通过对PCNN模型内在机理的研究,并根据PCNN的自身特点,选择合适的模型参数以适合求解迷宫最短路径问题。（2）选择与改进了的PCNN模型相结合的A*搜索算法,并证明该算法是可靠的,具有一定的自适应能力和所求得的解是最优解。（3）通过IEEE标准迷宫和MATLAB平台,对该算法的评估函数进行设计、仿真和验证等,不仅论证了（2）的结论,同时也论证了该算法的高效性。相关研究工作的实验结果表明,该算法不仅可以尽快找到目标,而且可以在相对少的搜索区域里得到相对满意的路径。     

基于混沌梯度的BP网络设计及应用

该文针对BP神经网络易限入局部极小的问题,提出了混沌梯度优化的神经网络的学习算法,其原理是:用规则来判断由于梯度搜索过程中产生的局部极小,并利用具有全局寻优的特点的混沌搜索,使学习过程能有效地逃离局部极小。即采用梯度下降进行“粗搜索”,混沌搜索进行“细搜索”,并建立规则将两者结合起来,就构成了BP神经网络的基于规则的混沌梯度耦合学习算法。它有效地利用了梯度下降算法的快速性和混沌寻优的全局性,并已应用于工程实际,取得了良好的效果。     

基于遗传和禁忌搜索混合算法的预制生产调度的研究

遗传算法是一种全局搜索能力较强的元启发式算法,可通过不断进化种群得到最优或近优解;但是遗传算法的局部搜索能力较差,容易发生早熟收敛问题。因此为了克服遗传算法早熟收敛的问题,考虑到禁忌搜索算法的局部搜索能力较强的优势,提出了一种遗传和禁忌搜索的混合算法解决预制生产流水车间的提前和拖期惩罚问题。该混合算法是在遗传算法每次迭代后,通过禁忌搜索改进当前种群中的最好染色体,并替换种群中适应度值最差的染色体。经实验测试表明,所提出的混合算法的性能更优,更容易得到全局最优解或近优解。     

Fuzzy hybrid simulated annealing algorithms for topology design of switched local area networks

Topology design of switched local area networks (SLAN) is classified as an NP-hard problem since a number of objectives, such as monetary cost, network delay, hop count between communicating pairs, and reliability need to be simultaneously optimized under a set of constraints. This paper presents a multiobjective heuristic based on a simulated annealing (SA) algorithm for topology design of SLAN. Fuzzy logic has been incorporated in the SA algorithm to handle the imprecise multiobjective nature of the SLAN topology design problem, since the logic provides a suitable mathematical framework to address the multiobjective aspects of the problem. To enhance the performance of the proposed fuzzy simulated annealing (FSA) algorithm, two variants of FSA are also proposed. These variants incorporate characteristics of tabu search (TS) and simulated evolution (SimE) algorithms. The three proposed fuzzy heuristics are mutually compared with each other. Furthermore, two fuzzy operators, namely, ordered weighted average (OWA) and unified AND–OR (UAO) are also applied in certain steps of these algorithms. Results show that in general, the variant which embeds characteristics of SimE and TS into the fuzzy SA algorithm exhibits more intelligent search of the solution subspace and was able to find better solutions than the other two variants of the fuzzy SA. Also, the OWA and UAO operators exhibited relatively similar performance.     

Efficient local search with conflict minimization: a case study ofthe n-queens problem

Backtracking search is frequently applied to solve a constraint-based search problem, but it often suffers from exponential growth of computing time. We present an alternative to backtracking search: local search with conflict minimization. We have applied this general search framework to study a benchmark constraint-based search problem, the n-queens problem. An efficient local search algorithm for the n-queens problem was implemented. This algorithm, running in linear time, does not backtrack. It is capable of finding a solution for extremely large size n-queens problems. For example, on a workstation it can find a solution for 3000000 queens in less than 55 s     

基于人工蜂群算法的p-center问题求解算法

平面p-center问题是经典的NP难题,所以寻找高效的近似求解算法是解决实际应用问题时的基本需求。在人工蜂群算法的基础上,通过引入遗传算法的交叉和变异算子,改进局部解的搜索策略与搜索能力,即根据给定概率对当前解做交叉或变异运算,以获得更好的局部解,进而提出BeeGenP启发式求解算法,用于求解平面离散型p-center问题。通过构造测试数据,对所设计的算法进行了有效性验证,实验结果表明,BeeGenP算法与现有的M-ABC算法相比,算法的局部解搜索能力得到了提升,增加了搜索空间的多样性,在相同迭代次数约束下所得到的解的质量更高,而趋近收敛于最优解时的迭代次数则有较大幅度的降低。