改进的粒子群算法分析及其在流量矩阵估计中的应用-analysis of improved particle swarm optimization algorithm and its application in traffic matrix estimation.docxVIP

第一章绪论§1-1课题的研究背景和意义现如今，在的实际生活或科学研究中，经常碰到同一问题有多种解决方案，我们总是希望从中找到一个最优的方案使所希望的某个目标达到最优值，比如，在工业经济相关应用与研究领域中应该选择哪种方案，才能既满足使用要求又能降低成本，如何分配已经掌握的有限资源，使它不但能满足各方面的要求，而且能获得良好的经济收益，诸如此类的例子在我们生活中还有很多。其实这些问题都可以通过建立相应的数学模型，最终转化为在一定约束条件下寻找出一组参数值，从而能使系统中某些性能指标达到最大或最小，这就是所谓的优化。因此，研究如何求解对优化问题具有重要的现实意义[1]。经过学者们不断的探索与研究，至今已经有许多优化算法被提出，这些优化算法大都依据仿生学理念，即通过模拟某种生物的行为、功能或现象，对其进行数学建模，从而解决最优化问题，我们通常称这种优化算法为仿生算法或智能算法。目前智能算法主要包括，借鉴自然界优胜劣汰进化思想的遗传算法(GeneticAlgorithms,GA)，模拟生物免疫系统功能的免疫算法(ImmuneAlgorithm,IA)，模拟人类具有记忆功能的寻优特征的禁忌搜索算法(TabuSearch,TS)，模拟人脑组织结构的人工神经网络(ArticleNeuralNetwork,ANN)，源于物理学中固体物质的退火过程的模拟退火算法(SimulatedAnnealing,SA)，模拟自然界蚂蚁群体行为的蚁群算法(AntColonyOptimizationAlgorithm,ACO)，以及模拟鸟类觅食行为的粒子群算法(ParticleSwarmOptimization,PSO)等。智能算法目前己经被研究者们广泛地应用于实际引用的领域中，其中包括机器学习、人工生命、组合优化问题、自动控制以及动态系统的故障诊断等领域中。1995年，美国电气工程师Eberhart和社会心理学家Kennedy受鸟群觅食行为的启发，提出了粒子群优化算法[2]。他们最初并非是研究优化算法，而是想通过仿真简单的社会系统，研究并解释复杂的社会行为，但后来发现粒子群算法可以作为解决复杂优化问题的一种很有效的技术[3]。粒子群算法也是基于群体的，它同遗传算法很类似，都是通过群体中的所有粒子间的相互作用所产生的群体智能来指导整个优化搜索过程。但是和遗传算法相比，粒子群算法采用相对较简单的速度-位移模型，同时保留了基于种群的全局搜索策略，从而避免了遗传算法所采用的交叉和变异等复杂操作，而且它还可以通过所具备的记忆功能，调整其搜索策略，从而可以动态跟踪当前的搜索情况，因此，粒子群算法具有较好的全局收敛能力和鲁棒性。粒子群算法非常适用于求解复杂环境中的优化问题，作为一种高效的搜索算法，对其进行理论和应用研究具有重要的学术意义和工程价值。从粒子群算法诞生的那天开始，它便引起了学者们的巨大关注，开始纷纷对其进行深入研究，并将其成功应用于诸多领域。然而，粒子群优化算法的发展历史相对较短，在理论基础上都还存在一些问题有待解决和完善。流量矩阵(TrafficMatrix,TM)是用来描述网络中所有源节点-目的节点(Origin-Destination,OD)对之间的流量需求的数学描述。精确的流量矩阵在网络实际应用中有着十分重要的作用。从测量方式的角度，网络流量矩阵的获取可分为直接测量和间接测量[4]，从测量的协作方式角度可将其分为主动测量和被动测量。在如今复杂的网络中，统一功能的网络设备有可能是由不同的网络设备制造商所提供的。由于它们的实现方式不同，这些设备彼此之间可能很难相互协同工作。即使它们之间可以相互协作，也可能会由于引入直接测量的功能而占用跟多的系统和网络资源，从而影响整个网络的整体性能。直接测量尽管是一种很简单且直接的获得流量数据的方式，但是在具体实施中却难以实现，甚至可以说是不可行的。因此，为了得到流量矩阵的真实值，学者们逐渐将研究中心转移到了间接测量的方式上。间接测量主要是采取迂回的方式来获得网络的流量矩阵，回避了直接测量所遇到的各种困难。Vardi在1996年提出网络断层扫描(NetworkTomography，NT)[6]这一概念，如今，网络的流量矩阵估计技术已经越来越受到学者们的广泛关注。§1-2研究现状1-2-1粒子群算法研究与应用现状群体智能已成为分布式人工智能研究的一个重要领域。如今已经受到学者们的广泛关注，自2003年起，IEEE计算智能协会每年举行一次群体智能会议，其中粒子群优化算法便是会议的重要主题之一。美国和欧盟都成立有专门的组织研究群体智能相关项目。在国内，国家自然科学基金委员会基本上每年都会资助数个有关粒子群优化算法理论和应用研究的项目。从1995年Kenney和Eberhart提出粒子群算法至今，由于其具有简单和明确的实际背景，以