用双种群混合遗传算法求解最优QoS划分问题

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (3): 161-163.

用双种群混合遗传算法求解最优QoS划分问题

来卫国¹,李鸥¹,季中恒²

1.解放军信息工程大学信息工程学院通信工程系，郑州 450002
2.解放军信息工程大学国家数字交换系统工程技术研究中心，郑州 450002

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-21 发布日期:2008-01-21
通讯作者: 来卫国

Dual subpopulations hybrid genetic algorithm for optimal QoS partition problem

LAI Wei-guo¹,LI Ou¹,JI Zhong-heng²

1.Communication Engineering Department，Information Engineering University of PLA，Zhengzhou 450002，China
2.National Digital Switching System Engineering & Technological Research Center，Information Engineering University of PLA，Zhengzhou 450002，China

Received:1900-01-01 Revised:1900-01-01 Online:2008-01-21 Published:2008-01-21
Contact: LAI Wei-guo

摘要/Abstract

摘要： 在取决于性能的价格机制下，最优QoS划分用于沿路由路径最优化地分配QoS参数值，以使得通信总费用最小。提出了求解最优QoS划分问题（OPQ问题）的双种群混合遗传算法。该算法充分利用了遗传算法的全局搜索优势和模拟退火算法的局部搜索优势，并且两个相互独立的子群体周期性的交流最优染色体，进一步提高了性能。仿真结果表明了该算法的有效性。

关键词: 基于性能代价, QoS划分, 混合遗传算法, 模拟退火

Abstract: When ISPs adopt performance dependent cost mechanism，optimal QoS partition will become a key method to optimize network resources and lower the communication cost.Present a dual subpopulations hybrid genetic algorithm for the optimal QoS partition problem（OPQ problem）.This algorithm takes advantage of general genetic algorithm’s global search ability and simulated annealing algorithm’s local search ability.Two subpopulations evolve independently and exchange best chromosome in a periodic way.Simulation results have showed its efficiency.

Key words: performance dependent cost, QoS partition, hybrid genetic algorithm, simulated annealing

来卫国¹,李鸥¹,季中恒². 用双种群混合遗传算法求解最优QoS划分问题[J]. 计算机工程与应用, 2008, 44(3): 161-163.

LAI Wei-guo¹,LI Ou¹,JI Zhong-heng². Dual subpopulations hybrid genetic algorithm for optimal QoS partition problem[J]. Computer Engineering and Applications, 2008, 44(3): 161-163.

[1]	马艳芳，李保玉，杨屹夫，冯翠英. 客户分类下生鲜配送两级路径问题与算法研究[J]. 计算机工程与应用, 2021, 57(20): 287-298.
[2]	童文林，陈德旺，黄允浒，吕宜生. 结合模拟退火与规则约简的模糊系统优化方法[J]. 计算机工程与应用, 2021, 57(16): 142-150.
[3]	张凯，靳鹏，崔勇. 带时间窗的多车型需求可拆分揽收配送问题[J]. 计算机工程与应用, 2021, 57(14): 281-288.
[4]	禹忠，顾仁彬，范九伦. 基于LBT-SA的LoRaWAN信道接入方法研究[J]. 计算机工程与应用, 2020, 56(24): 95-101.
[5]	陈桂兰，奚宝华，杨兰英. 改进混合粒子群算法的立体车库存取调度[J]. 计算机工程与应用, 2019, 55(19): 263-270.
[6]	孙波，姜平，周根荣，卢易天. 改进遗传算法在移动机器人路径规划中的应用[J]. 计算机工程与应用, 2019, 55(17): 162-168.
[7]	张钧，贺可太. 求解三维装箱问题的混合遗传模拟退火算法[J]. 计算机工程与应用, 2019, 55(14): 32-39.
[8]	俞武扬，周洋. 改进柔性隔间结构的不等形面积设施布局研究[J]. 计算机工程与应用, 2019, 55(14): 221-227.
[9]	刘兰芬，杨信丰. 基于混合遗传算法的有效路径求解[J]. 计算机工程与应用, 2019, 55(11): 244-249.
[10]	毛丽丽，张则强，朱立夏. 混合模拟退火及分散搜索优化过道布置问题[J]. 计算机工程与应用, 2018, 54(3): 243-249.
[11]	夏以冲，陈秋莲，宋仁坤. 基于自适应遗传模拟退火算法的矩形件排样[J]. 计算机工程与应用, 2018, 54(22): 229-232.
[12]	汪开普，张则强，邹宾森，毛丽丽. 模糊作业时间的拆卸线平衡Pareto多目标优化[J]. 计算机工程与应用, 2018, 54(1): 256-263.
[13]	邹积涛1，徐兰2，曾祥春1，王友正1，王超1. 考虑多专业协同的装配线平衡问题研究[J]. 计算机工程与应用, 2017, 53(7): 263-270.
[14]	李腾宇，易晓梅，陈石. 基于RSSI加权质心和GASA优化的WSN定位算法[J]. 计算机工程与应用, 2017, 53(6): 118-121.
[15]	张荣光，胡晓辉，宗永胜. 基于改进离散粒子群优化的连续属性离散化[J]. 计算机工程与应用, 2017, 53(18): 108-114.