基于智能优化算法的选播路由方案设计与实现.docxVIP

经典专科、本科、硕博、研究生、期刊毕业论文 仅供参考 精心整理 仅供参考 勿用作商业用途 经典专科、本科、硕博、研究生、期刊毕业论文 仅供参考 精心整理 仅供参考 勿用作商业用途 本 科 毕 业 设 计（论 文） 学院(部) 计算机科学与技术学院 题 目 基于智能优化算法的选播路由方案 设计与实现 年 级 2014级 专业 网络工程 班 级 14网络工程 学号 1427405122 姓 名 阿布都卡哈尔·阿布热西提 指导老师 李领治 职称 副教授 论文提交日期 2018年5月19日 精心整理 仅供参考 勿用作商业用途 目录 TOC \o 1-3 \h \z \u 摘要 1 Abstract 2 前言 3 第1章 绪论 4 1.1 智能算法的研究意义 4 1.2 智能算法的研究背景 5 1.2.1 智能控制 5 1.2.2 搜索机制 5 第2章 常见的智能优化算法以及其特点 8 2.1 遗传算法(Genetic Algorithms 简称 GA) 8 2.1.1 遗传算法特点 9 2.2 模拟退火(Simulated?Annealing，简称?SA) 10 2.2.1 模拟退火算法的特点 11 2.3 禁忌搜索 11 2.3.1 禁忌搜索算法的特点 12 第3章 智能优化算法的混合策略 13 3.1 开发混合算法的原因及目的 13 3.2 常见的混合策略 14 3.2.1 模拟退火—遗传算法 14 3.2.2 贪婪—遗传算法 16 3.2.3 禁忌搜索—遗传算法 16 3.3 GASATS混合策略 18 3.3.1 GASATS混合策略的基本思想 18 3.3.2 混合策略GASATS的运算过程 20 3.3.3 GASATS混合策略的特点 21 3.3.4 混合智能优化算法当前存在的问题 22 第4章 混合策略在选播路由上的应用 23 4.1 网络通信方式 23 4.2 选播 25 4.2.1 选播的应用 25 4.2.2 存在的问题 26 4.2.3 解决策略 27 4.3 混合策略应用在选播路由 27 4.4 实现过程 28 4.4.1 编码 29 4.4.2 适应度函数 29 4.4.3 群体的设定 29 4.4.4 选择交叉操作 29 4.4.5 变异和状态产生函数 30 4.4.6 状态接受函数 30 4.4.7 禁忌表 30 4.4.8 退温函数 30 4.4.9 内循环终止条件 30 4.4.10 外循环终止条件 30 第5章 总结与展望 31 5.1 结论 31 5.2 后续展望 31 参考文献 32 致谢 33 图目录 TOC \c 图 图 ?3–1GASA混合优化策略流程 15 图 ?3–2GASATS基本流程图 20 图 ?4–1Unicast ，Multicast ， Broadcast 以及Anycast的数据流图 24 图 ?4–2 实现算法的过程 28 表目录 TOC \c 表 表 ?3–1: 三种算法的比较 19 表 ?4–1：Unicast ，Multicast ， Broadcast 以及Anycast的比较 23 精心整理 仅供参考 勿用作商业用途 摘要 科学既改变了人类的生活,又推动了社会的进步。然而社会的进步使得各行各业的竞争压力更大，网络发展也不例外。现阶段的网络，服务容量和服务需求不协调，后者早已超越了前者，对QoS服务的应用产生了很大的影响。生活中人们处处使用网络，已经习惯和依赖如今的网络服务，这就显得互联网服务更具吸引力。现阶段，网络服务的容量比较缺乏,所以为了提高服务的利用率,复制服务器技术被网络服务提供商引进；然而我们可以利用选播路由技术给用户提供最优的服务器并且均衡服务器间的负载。本文中学习和研究了GA、TS、SA的基本原理及它们的优缺点,分析了基于遗传算法作为主体的混合优化算法的原理，主要优势和不足之处。最后提出了基于混合策略的全局路由优化问题的解决方案。该算法以负载分配和网络资源消耗为目标函数,以网络资源的最小消耗为基础，最小化总路径和，最少化路径调整次数而且相对均衡服务器的负载。 关键词: 智能优化； 遗传算法； 模拟退火； 禁忌搜索； 混合优化策略； 选播路由。 Abstract Science has changed the human life and promote the progress of the soci