基于改进A^*算法的机场场面滑行路径优化

为了缓解机场场面交通拥挤状况,提高空侧交通运行效率和安全性,以优化进离场航班的滑行路径为目标,通过分析机场场面滑行路径优化问题,构建了机场场面滑行路径优化模型,并提出基于变步长的滑动时间窗方法和A*算法相结合的模型求解算法。以北京首都国际机场为例进行算例分析,与未考虑冲突的路径优化方案相比较,上述方法得到的总滑行时间节省121秒,通过算法实现对滑行冲突的智能识别与解脱,可为繁忙机场的调度工作提供了决策支持。     

基于A~*算法的机场滑行路径优化研究

研究机场场面航班的滑行路径分配和滑行冲突问题。针对目前滑行效率制约机场调度。滑行冲突影响飞行安全的状态,提出将安全间隔、滑行规则和冲突避免限制规则作为约束条件建立了滑行路径优化模型。采用了A*算法给出了问题的优化,在保证滑行道调度零冲突的前提下,缩小航班的总滑行时间,提高了滑行效率。以重庆江北国际机场为例,与管制员依据机场细则得到的路径相比,结果表明提出的滑行道调度模型和优化方法是可行的,在实现较优的滑行路径的基础上能智能的发现冲突、解决冲突,可为繁忙机场的机场调度提供了决策支持。     

基于遗传算法的最短路径路由优化算法

论述了用启发式遗传算法解决最短路径路由的优化问题.采用可变长度染色体(路由串)和它的基因(节点)应用于编码问题.交叉操作在交叉点进行部分染色体(部分路由)交换,变异操作维持种群的多样性.该算法采用简单维护操作维护好所有的不可行的染色体.交叉操作和变异操作相结合保证了最优解的搜索能力和解的全局收敛性.计算机仿真实验证明该算法快速有效,可靠性高.     

基于遗传算法的最短路径路由优化算法

论述了用启发式遗传算法解决最短路径路由的优化问题.采用可变长度染色体(路由串)和它的基因(节点)应用于编码问题.交叉操作在交叉点进行部分染色体(部分路由)交换,变异操作维持种群的多样性.该算法采用简单维护操作维护好所有的不可行的染色体.交叉操作和变异操作相结合保证了最优解的搜索能力和解的全局收敛性.计算机仿真实验证明该算法快速有效,可靠性高。     

基于遗传算法的最短路径路由优化算法

论述了用启发式遗传算法解决最短路径路由的优化问题,采用可变长度染色体(路由串)和它的基因(节点)应用于编码问题,交叉操作在交叉点进行部分染色体(部分路由)交换,变异操作维持种群的多样性.该算法采用简单维护操作维护好所有的不可行的染色体.交叉操作和变异操作相结合保证了最优解的搜索能力和解的全局收敛性.计算机仿真实验表明该算法快速有效、可靠性高.     

无线传感网络中基于时延感知的背压路由

尽管背压路由优化了传感网络的吞吐量,但其也存在数据包传输时延大的问题.为此,提出基于时延感知的背压路由(Delay-Aware Backpressure Routing,DABR).DABR路由估算数据包驻留在队列中的时间(驻留时间),并依据数据包队列积压差和驻留时间决策路由,优先传输驻留时间长的数据包,进而在不损害网...     

基于蚁群算法优化的路由频率动态择径的研究

常规的路由频率动态择径方法设置的避障规则存在缺失,导致得到的路由传输路径不是最优,择径时间较长。因此基于蚁群算法,优化设计路由频率动态择径方法。采用栅格模拟传输环境,设置关键信息选取规则;根据路由频率变化规律输入引导因子,实现对路由移动规则的设置;统筹全局,根据蚁群算法计算蚂蚁感知能力,在设置局部区域避障规则的基础上,设置全局避障规则;计算初始信息素与蚂蚁搜索过程中信息素之间的差异,通过补偿信息素浓度得出路由传输路径的最优解。实验结果表明,与常规的择径方法相比,所提择径方法兼顾全局,得到的路由路径优于常规方法且择径时间最短。由此可见,基于蚁群算法的择径方法实现了此次研究目的。     

基于蚁群优化的路由算法

针对移动自组网提出了一种基于蚁群优化的路由算法,该算法很好地利用了蚁群算法的自适应性,能有效地承载移动自组网的负载。在NS-2平台下的算法仿真表明,该算法在移动自组网环境下表现了较好的性能,从吞吐量、平均延迟、传送率三个指标比较来看,比AODV和DSR的性能都要好。     

PGA：一种基于最优路径的Ad Hoc网络地理路由算法

本文提出了一种基于最优路径的Ad Hoc网络的地理路由算法PGA及其改进算法H-PGA,该算法在路径的构造、路由、路由恢复各个方面都应用了最优路径路由的概念,较好地解决了地理路由算法中的凹节点问题.在网络节点数n较大的情况下,依然保持很高的报文投递率(n=400、网络度为4时,报文投递率为96%),且实际路径很接近最短路径路径.同时H-PGA路由表的大小与平方根√n成线性关系,单个节点的协议带宽消耗也为O(平方根n),这使得H-PGA可以适用于较大的应用范围.     

基于改进伊藤算法的最短路径网络路由优化算法

通过对网络路由最短路径问题进行分析,使用伊藤算法求解以费用最低为目标的路由优化问题,建立最短路径路由问题的网络结构模型。为加快伊藤算法求解费用最低路由的收敛速度,在状态转移策略中引入费用启发因子,优化漂移和波动过程,并改进路径权重更新规则。将种群交叉思想引入算法中,利用种群间的信息交流加快了算法的收敛速度并提高了寻优能力。在2-opt算子局部优化的基础上加入反转算子,避免陷入局部最优解。文中还对算法的收敛性进行了系统分析。实验结果表明,改进后的算法有效提升了收敛速度并加强了寻优能力。     

基于负载分布的路由算法(LPR)

给出基于路由分布的路由算法,将有效带宽分散于候选路由集中,以匹配到达的虚电路请求服务质量的分布特点。这一方案与传统的负载均衡化和负载打包相比,具有高效的负载公布,较好地支持了应用的实时服务质量。     

基于遗传算法的移动自组网路由优化

对移动自组网的拓扑结构进行分析,建立其路由网络模型．将遗传算法的基本原理和移动自组 网的路由模型结合起来,提出了一种求解无线网络最优路径的算法．该方法采用可变长度染色体编码,利用 遗传算法优化路由,可以在满足系统开销最小的约束条件下寻找到最优路径．     

基于Dijkstra策略的QoS路由多目标算法

对网络拓扑结构和QoS路由指标进行了形式化分析，提出了一种QoS路由数学模型．通过建立QoS路由综合评价指标，基于Dijkstra策略，给出了一种QoS路由多目标算法(Multi—object QOS Routing Algorithm Based on Dijk—stra Strategy：MOQRAD)．仿真研究表明该算法在满足业务连接QoS需求的同时，网络负载分布均衡，提高了网络的吞吐量，较好地改善了网络的性能．     

基于遗传算法的QoS路由优化算法

研究了带宽、时延等QoS路由问题,提出了一种基于遗传算法的QoS路由选择优化算法。算法采用网络资源消耗和负载分布为目标函数,目的是在消耗网络资源最小的基础上,使负载均衡分布,合理利用网络资源,降低网络拥塞。仿真结果表明,该算法是有效的、稳定的。     

一种基于新型优化算法的多播路由选择方法

遗传算法、蚁群优化算法已在多播路由优化问题中得到了广泛应用,但由于算法本身的缺陷,二者在具体应用时都存在着时间性能与优化性能之间的矛盾。论文将遗传算法与蚁群优化算法二者合成,优势互补。仿真实验表明,应用这种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。     

基于改进蚁群算法的WSN能量均衡路由算法

WSN节点大都分布散乱，无法及时进行电池的更换，所以易出现网络能耗不均，重要节点过早消耗殆尽，故提出一种优化改进蚁群算法的路由算法，运用网络分层带和限制搜索角，引入介能距离和梯度函数，并在概率函数中加入能量因子等，来增长网络周期，增强寻优能力，降低能量消耗，避免先行陷入局部最优。通过仿真实验表明，该改进算法确实能够克服经典蚁群算法的缺陷，实现高效实时的优化路由。     

基于强化学习的SDN路由优化算法

针对SDN控制器中网络路由的优化问题,基于强化学习中的PPO模型设计了一种路由优化算法.该算法可以针对不同的优化目标调整奖励函数来动态更新路由策略,并且不依赖于任何特定的网络状态,具有较强的泛化性能.由于采用了强化学习中策略方法,该算法对路由策略的控制相比各类基于Q-learning的算法更为精细.基于Omnet++仿...     

基于动态混合查找的WSN自适应路由算法

针对无线传感器网络(WSN)需动态调整路由请求域的问题,提出一种基于动态混合查找的WSN自适应路由算法。该算法依据路由查找的返回状态,以圆柱形路由请求域的半径作为调整参数,利用折半查找和指数查找相结合的方法对路由请求域进行动态自适应调整。仿真结果表明,该算法在数据包投递率、路由开销和数据包平均时延上的性能均优于AODVjr路由算法。