智能计算及其在网络优化中的应用

优化命题的解决存在于许多领域，在国民经济的发展中也有着巨大的应用前景。组合最优化(combinatorial optimization)所研究的问题涉及信息技术、经济管理、工业工程、交通运输等诸多领域。由于其目标函数的非线性、约束性、多目标、多模态性，甚至非连续或非解析性，难以用传统的基于严格机理模型的优化方法求解。 与传统的优化方法相比，智能计算无集中控制、多代理机制、算法结构简单、隐含并行性、易理解和易实现的优点，有效地促进了其在应用优化技术中的拓展，在实现生产过程的优化、提高生产效率与效益、节省资源等方面正逐步发挥重要的作用。进化算法和群体智能等智能计算方法，通过“拟物”与“仿生”，形成大规模并行且具有自组织、自适应、自学习等智能特征的计算系统，为解决某些复杂问题提供了卓有成效的方法和途径。 本文针对智能计算中的进化算法和群体智能算法的理论、算法创新及其在网络优化方面的典型应用进行了研究。在选题上，从智能计算的两类应用广泛且关系密切的技术一进化算法和群体智能算法入手，以进化算法中经典的遗传算法作为研究基础，将新颖的人工鱼群算法、DNA算法与进化算法的集成作为研究切入点；在理论上，给出了各类算法的原理、结构、实现方法等系统的阐述和研究；在应用上，把改进的算法应用于计算机网络的路由优化，和无线传感器网络的最优覆盖等典型的网络优化问题；在算法的创新上，在人工鱼群算法中融合了禁忌搜索算法的禁忌表技术，并设计了一个参数。在DNA-GA算法中针对WSN的最优覆盖问题，解决了编译码的难点，在设计基因传递算子和变异算子时，融合了DNA算法的某些技术特点；在实验仿真的效果上，两种改进的算法在全局寻优和邻域搜索能力上得到了增强，取得了较好的收敛速度和寻优效率；在研究的方法上，注重横向分析，给出了三种算法在具体实现过程中的参数特点，同时就进化算法和群体智能算法特点进行了总结，并强调了算法的改进和发展方向。 本文首先从最优化问题和智能计算的概念、分类及其主要特点入手，对组合优化问题、进化计算和群体智能计算、网络优化问题进行了介绍。然后，对进化算法中最具代表性的经典算法—遗传算法的理论进行阐述和研究，并应用于计算机网络的路由优化，给出实验仿真结果和分析。第三，系统阐述了人工鱼群算法的原理、收敛性能、实现方法，提出改进的人工鱼群算法，应用于计算机网络的路由优化，给出实验仿真结果、与遗传算法的对比分析和改进思路。第四，对DNA的结构、DNA-GA算法的流程及实现进行了研究，针对传感器网络节点的分布优化，设计DNA-GA算法，给出实验仿真结果、与遗传算法的对比分析和改进思路。论文的最后给出了三种算法在优化过程中的参数特点，总结了进化计算和群体智能计算的特点，并系统概括了智能计算今后的发展方向。