遗传算法的一种优化方法及其在网络中的应用

论文摘要

我们生活在一个信息化的社会中,信息高速公路是我们传递信息的载体,而网络是这一载体的核心。互连在一起的网络要进行通讯有许多问题要解决,路由选择是其中重要的内容。正确的路由选择需要知道路由中结点的信息,路由信息协议(RIP)使每个结点知道相邻结点的信息。RIP存在的一个问题是当网络出现故障时,要经过比较长的时间才能将此信息传递到所有的路由器。本文提出RIP的一种改进方法,该方法采用间隔若干路由器的方式交换路由表信息,能够较显著地加快网络故障信息传递速度。在设计相关算法时需要求出全局最优值,鉴于遗传算法具有很强的全局最优值搜索能力,本文采用遗传算法解决全局最优值问题。在做遗传算法试验时,发现有些情况下遗传算法常会收敛于局部最优值,尤其是针对某些特殊函数时,这种现象非常明显。在这些特殊函数中,全局最优值范围很窄,而其附近的函数值很小,同时局部最优值范围又很大。本文对此进行了研究,分析了造成这种现象(收敛于局部最优值)的原因,并提出一种新的并行策略,这一策略模拟分头找人的搜寻方法,限制全局最优值附近个体的盲目移动,从而增加找到全局最优值的可能性。实验和对比数据表明,该方法能提高函数收敛于全局最优值的概率,特别是针对那些特殊函数时。论文最后将遗传算法应用于优化RIP(RIP的改进方法),设计了优化RIP中个体和适应度函数的表达式,并做了相关试验。

论文目录

• 第一章 绪论
• 1.1 课题学术背景
• 1.1.1 Rip在网络中的作用
• 1.1.2 Rip存在的一个问题
• 1.1.3 有关遗传算法
• 1.2 遗传算法的一种优化方法
• 1.3 本文主要研究内容
• 第二章 路由信息协议的一种改进方法
• 2.1 距离向量算法
• 2.2 RIP的工作原理
• 2.3 优化RIP的工作原理
• 2.4 优化RIP中最优间隔序列的确定
• 2.5 本章小结
• 第三章 遗传算法的理论研究
• 3.1 遗传算法的基本思想
• 3.2 遗传算法的特点
• 3.3 遗传算法的基本操作
• 3.4 遗传编码及适应度的确定
• 3.4.1 遗传编码
• 3.4.2 适应度
• 3.5 遗传算法的并行性
• 3.6 遗传算法的收敛性
• 3.7 遗传算法的应用情况
• 3.8 本章小结
• 第四章 一种优化遗传算法
• 4.1 优化遗传算法的机理分析
• 4.2 模拟分头找人 GA的收敛性分析
• 4.3 实验过程
• 4.3.1 各种操作及函数简介
• 4.3.2 ga的试验过程
• 4.3.3 模拟分头找人ga的试验
• 4.3.4 两种方法的对比
• 4.4 本章小结
• 第五章 遗传算法在优化RIP协议中的应用
• 5.1 间隔序列的长度的分析
• 5.2 适应度函数的确定
• 5.2.1 个体的分布范围
• 5.2.2 适应度函数表达式
• 5.3 本章小结
• 第六章 结束语
• 参考文献
• 附录: 遗传算法及优化遗传算法中相关的Matlab程序
• 攻读硕士学位期间所发表的论文