- 1、本文档共4页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
结合 SCE 法的粒子群优化 QoS 路由算法
摘 要 QoS (Quality of Service) 路由 问题 是一个非线性的组合优化问题, 理论 上已证明
了该问题是 NP 完全问题。粒子群优化算法是一种基于群智能演化 计算 技术,PSO 在求解
连续性优化问题上得到了较好的 应用 ,而把PSO 算法用于求解路由算法等离散性问题还
比较少见,同时,PSO 算法在收敛过程中还存在随机性,某些情况下会出现停滞现象。为
此本文提出了一种结合 SCE (shuffled complex evolution )法的粒子群优化 方法 用于求
解 QoS 路由问题。该算法通过引入插入算子,删除算子,算子系列和基本算子序列等概
念,对基本的粒子群优化算法进行改进;通过采用 SCE 法,使算法跳出局部最优解的限
制。仿真结果显示,该算法取得了满意的效果,在寻优速度上优于遗传算法,也提高了算
法收敛到最优解的能力。关键词 粒子群优化算法;服务质量;组播路由;遗传算法;洗
牌复形进化算法 1 引言 当前随着 网络 向着数字化,高速化,宽带化的 发展 ,出现
了许多新型的多媒体实时应用。如电视会议、视频点播、远程医疗及远程教学等等。这些
应用涉及到多个用户并要求一定的服务质量保证,如何在提供业务的前提下保证网络的服
务质量成了这些应用能否最终实施的关键。因此,近年来,QoS 组播路由算法的 研究 已
成为网络领域中的一类重要研究课题。 多 QoS 参数约束的路由问题是一个非线性的
组合优化问题, 文献 【1】已证明了, 基于多个不相关可加度量的 QoS 路由问题是 NP 完
全问题。近年来,研究者对此类问题作了大量的研究工作,提出了多种解决方法,如模拟
退火,禁忌搜索,神经网络,遗传算法等[2-6]。 目前 ,一类新兴的模拟生物群体行为的
集群智能算法被引入到此类优化问题中,如:蚁群优化算法[8]和粒子群优化算法[7] (PSO
)等。 PSO 是一种基于群智能的演化计算技术。PSO 最早由 Kennedy 和 Eberhart 受
人工生命研究结果的启发在 1995 年提出的[10]。其基本概念源自鸟群捕食行为的研究。
PSO 算法在连续性问题上取得了较为满意的效果,但在离散问题,NP 完全问题方面研究
得较少[9] ,特别是用PSO 求解 QoS 路由问题是一个新的研究方向。另外,PSO 算法存在
着易于陷入“停滞”阶段的缺点,为此本文提出了一种结合 SCE (shuffled complex
evolution )算法的 PSO 求解 QoS 路由问题的算法,仿真结果显示了该算法的有效和可行
性。2 基本概念 2.1 基本 PSO 算法 基本 PSO 的原理是: 每个优化问题的解都是粒子在
搜索空间中的位置,粒子的速度值决定它们飞翔的方向和距离,粒子群追随当前的最优粒
子在解空间中搜索。 在 D 维的搜索空间中,有随机分布的 m 个粒子组成的一个初始
粒子群,每个粒子有各自的位置和速度。如第 i 个粒子的位置表示为一个 D 维的向量 ,速
度也是一个 D 维的向量,记为 。每个粒子记住自己在迭代过程中找到的最优位置,记为
,整个粒子群迄今为止搜索到的最优位置为全局最优解,记为。在算法的初期,为了避
免搜索过早陷入局部最优解,把粒子群按空间划分为几个区域,而用局部区域的极值粒子
代替全局最优解。这样的寻优为局部 PSO 算法,经过一定的迭代后,改用全局最优解,
即全局 PSO 算法进行迭代以加快收敛。整个粒子群通过选定个体的 和 来更新自身的位置
和速度: (1) (2) 这里, 学习 因子 C1 ,C2 是非负常数,他们决
定, 的 影响 程度,r1 , r2 是介于【0 ,l】之间的随机数。迭代中止条件根据具体问题一
般选为最大迭代次数或(和)粒子群迄今为止搜索到的最优位置满足预定最小适应阈值。2.2
SCE 算法简介 SCE (shuffled complex evolution )是一种相对较新的连续性问题的元
启发搜索算法[11]。非常适合于求解具有多个局部最小的全局优化问题。它主要基于如下
概念: 结合了随机性和确定性算法;
您可能关注的文档
- 管理制度安全生产管理制度汇编MW文档.pdf
- 管理制度韩小章程.pdf
- 管理制度集团制度汇编修改版定稿版.pdf
- 管理制度组织机构管理制度.pdf
- 广告位场地租赁合同协议书.pdf
- 国际酒店筹备工程.pdf
- 海洋动物食物链(科学)教学设计.pdf
- 行业分析中药行业分析提要.pdf
- 合作经营协议书范本2020.pdf
- 互联网技术对金融危机传导速度影响研究.pdf
- 2024年新疆农业职业技术学院单招综合素质考试题库 及完整答案解析.docx
- 2024-2024学年执业医师资格考试《口腔执业医师》第四次冲刺检测试卷(含精品747.pdf
- 2024-2024学年执业医师资格资格考试公共卫生执业医师测评考试卷(含答案精品1110.pdf
- 2024-2024学年助理医师资格《临床助理医师》测试试卷含答案 .pdf
- 2024保育师法律法规专项考核试题 .pdf
- 2024-2024学年云南省保山市全国计算机等级考试C语言程序设计真题二卷精品2980.pdf
- 职教领域汽车专业的知识体系课程体系.pdf
- 生产实习报告范文.pdf
- 通信工程专业认识实习报告.pdf
- 课堂教学中如何进行有效的反馈(5篇)[修改版].pdf
文档评论(0)