| 【中文题名】 | 基于遗传算法的网络优化的研究与实现 |
| 【英文题名】 | Study and Implementation on the Optimization of Network Design Based on Genetic Algorithm |
| 【学科专业】 | 软件工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2005-9-7 |
| 【中关键词】 | 网络优化,全终端网络,无源光网络,遗传算法,阈值, |
| 【英关键词】 | network optimization,all-terminal network,powerless optical network,genetic algorithm,threshold, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机的应用>计算机网络>一般性问题 |
| 【论文摘要】 | 生命科学与工程学科的相互交叉和相互促进是近年来相关学术领域的一个研究热点。人们模仿生物的遗传和进化机制,提出了遗传算法。遗传算法是一种宏观意义上的仿生算法。由于具有鲜明的生物特征和适用于任意函数等特点,遗传算法的应用非常广泛,已经在很多领域发挥了重要的作用。对遗传算法的研究具有重要的意义。
本文在前人的研究基础上主要研究了它的理论基础和实施技术,以及网络的两个主体模型,详细介绍了遗传算法的理论基础和各个步骤的主要的实施技术,并将它实际运用到网络优化中。最后根据具体实施中出现的问题提出了遗传算法应用中可能的几个解决办法。
本文主要研究了全终端网络和无源光网络两种网络模型以期应用遗传算法解决网络优化问题,分析可用于网络优化的三种随机搜索算法从而选择了遗传算法作为本次设计的优化算法,详细研究了遗传算法基本理论和实施技术将之运用到网络优化中,提出了将遗传算法应用到网络优化中的注意事项和步骤,实际设计与实现了运用遗传算法解决网络优化的软件并从中得出了编码方法和阈值设置等对程序构建和效率的影响所在,提出了提高程序效率的几点建议。 |
| 【论文题纲】 |
|
独创性声明 |
4-5 |
|
摘要 |
5-6 |
|
ABSTRACT |
6-7 |
|
目录 |
7-10 |
|
第一章 引言 |
10-14 |
|
1．1 网络优化问题的提出 |
10 |
|
1．2 网络优化问题的研究背景 |
10-11 |
|
1．3 本次网络优化要解决的问题 |
11-12 |
|
1．4 本次网络优化算法的选择 |
12-13 |
|
1．5 我们研究的内容 |
13-14 |
|
第二章 遗传算法 |
14-32 |
|
2．1 遗传算法的产生与发展 |
14-15 |
|
2．2 遗传算法的基本原理 |
15-19 |
|
2．2．1 遗传算法的生物学基础 |
16-17 |
|
2．2．2 基本遗传算法 |
17-19 |
|
2．3 遗传算法中的基本术语 |
19-28 |
|
2．3．1 编码 |
20-23 |
|
2．3．2 选择算子 |
23-24 |
|
2．3．3 最优保存策略 |
24-25 |
|
2．3．4 交叉算子 |
25-26 |
|
2．3．5 变异算子 |
26-28 |
|
2．4 两种常用的遗传算法 |
28-32 |
|
2．4．1 双亲遗传算法 |
28-29 |
|
2．4．2 单亲遗传算法 |
29-31 |
|
2．4．3 两种算法的比较 |
31-32 |
|
第三章 遗传算法应用于网络优化的研究 |
32-42 |
|
3．1 网络模型定义 |
32-34 |
|
3．1．1 全终端网络模型的定义 |
32-33 |
|
3．1．2 无源光网络模型的定义 |
33-34 |
|
3．2 遗传算法应用于网络优化模型的讨论 |
34-35 |
|
3．2．1 网络优化的编码机制 |
34-35 |
|
3．2．2 遗传算法应用于网络优化的步骤 |
35 |
|
3．3 在网络优化中遗传算法需要解决的问题 |
35-42 |
|
3．3．1 编码方式决定优化任务 |
35-36 |
|
3．3．2 遗传算法中循环次数的控制 |
36 |
|
3．3．3 局部收敛与早熟问题 |
36-40 |
|
3．3．4 进化效率问题 |
40-42 |
|
第四章 网络优化系统的设计 |
42-45 |
|
4．1 需求分析说明 |
42 |
|
4．2 系统分析与设计 |
42-44 |
|
4．2．1 使用指导功能 |
43 |
|
4．2．2 参数设置功能 |
43 |
|
4．2．3 约束条件设置功能 |
43-44 |
|
4．2．4 动态图形演示功能 |
44 |
|
4．3 数据结构设计 |
44 |
|
4．4 软件环境规定 |
44-45 |
|
4．4．1 开发环境 |
44 |
|
4．4．2 运行环境 |
44-45 |
|
第五章 网络优化系统的实现 |
45-58 |
|
5．1 设计中需要解决的问题和设计的意义 |
45-46 |
|
5．2 制约条件下的全终端网络优化的实现 |
46-49 |
|
5．2．1 建立模型 |
46 |
|
5．2．2 算法描述 |
46-47 |
|
5．2．2．1 遗传编码 |
46-47 |
|
5．2．2．2 深度优先算法(DFS)与解码过程的融合 |
47 |
|
5．2．2．3 适应度函数的确定 |
47 |
|
5．2．2．4 群体的初始化 |
47 |
|
5．2．2．5 群体进化 |
47 |
|
5．2．3 软件图形界面的实现 |
47-49 |
|
5．3 制约条件下的无源光网络优化的实现 |
49-51 |
|
5．3．1 建立模型 |
49 |
|
5．3．2 算法描述 |
49-50 |
|
5．3．2．1 遗传编码 |
49-50 |
|
5．3．2．2 适应度函数的确定 |
50 |
|
5．3．2．3 群体的初始化 |
50 |
|
5．3．2．4 群体进化 |
50 |
|
5．3．3 软件图形界面的实现 |
50-51 |
|
5．4 设计中问题的说明与引发的思考 |
51-55 |
|
5．4．1 系统可靠性要求的实现 |
51-52 |
|
5．4．2 制约条件的实现 |
52 |
|
5．4．3 结束条件的设定与进化效率 |
52-54 |
|
5．4．4 遗传编码设计对系统实现的制约 |
54-55 |
|
5．4．5 进化策略设计 |
55 |
|
5．5 程序运行结果分析 |
55-58 |
|
第六章 结论和展望 |
58-59 |
|
参考文献 |
59-61 |
|
致谢 |
61 |
|
| 【DOI】 | LunWen.ID:2.2008.371455 |
