动态变异因子在基于遗传算法的网络编码组播建树中的研究

《动态变异因子在基于遗传算法的网络编码组播建树中的研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、动态变异因子在基于遗传算法的网络编码组播建树中的研究动态变异因子在基于遗传算法的网络编码组播建树中的研究荆震，孙咏梅**51015202530（北京邮电大学信息与通信工程学院，北京100876）摘要：遗传算法作为一种智能算法，其应用相当广泛。本论文对基于遗传算法的网络编码组播建树中的变异因子进行了研究。实验结果证明，变异因子会对成功率、收敛速度产生重要的影响。在此基础上，一种动态变异因子应用于基于遗传算法的网络编码组播树算法的方案被提出,此动态变异因子随着局部最优解连续代数变化而变化。实验结果证明相对于静

2、态变异因子，动态变异因子更有利于遗传算法跳出局部最优解，有着更好的成功率和收敛速度关键词：遗传算法;网络编码;变异因子中图分类号：TN393ResearchondynamicmutationfactorinnetworkcodingmulticasttreeconstructionbasedongeneticalgorithmJINGZhen,SUNYongMeiSchoolofInformationandCommunicationEngineering,BeijingUniversityofPostsand

3、Telecommunications,Beijing100876Abstract:Asanintelligentalgorithm,GeneticalgorithmGAiswidelyusedinmanydomains.Inthispaper,theroleofmutationfactorisstudiedinthefieldofusingGAtocreatenetworkcodingmulticasttree.Thesimulationresultshowsthatmutationfactorcanaffe

4、ctthesuccessratioandconvergencerateofalgorithm.Onthisbasis,anewmethodofusingdynamicmutationfactorinnetworkcodingmulticasttreebasedonGAisproposed.Experimentalresultsshowthatdynamicmutationfactorisbetterthanstaticmutationfactor.Dynamicmutationfactorisofbenefi

5、tforGAtojumpoutoflocaloptimalsolution.Itperformsbetterintheaspectofsuccessratioandconvergencerate.Keywords:Geneticalgorithm;Networkcoding;Mutationfactor0引言随着互联网的发展，多媒体业务增长迅速。VOIP、IPIV、视频会议等极大丰富了人们的物质生活。宽带视频、多媒体业务和基于IP新业务等新兴业务的出现，使得对于网络的需求以指数的形式增长。这些业务的发展，给现

6、有的通信网络带来了重大的挑战，驱动着通信技术的发展。2000年，R.Ahlswede、蔡宁、杨伟豪和李硕彦在IEEE上发表了一篇名为《Network35InformationFlow》的文章[1]，提出如果在网络中间结点处进行必要的编码处理，则可以充分利用带宽，使网络达到理论上最大传输容量。2002年，李硕彦等[2]进一步证明了对于单信源多信宿网络，应用线性网络编码理论，一定可以达到网络最大传输容量的上限。随着研究的深入，网络编码技术在提高通信网络传输容量，网络安全等诸多领域展现出很大的潜力。基于网

7、络编码技术组播建树是网络编码技术的重要研究方向之一。在众多的网络编码组40播树中选取其中的最优解是网络编码优化问题的范畴。网络编码优化问题[3]是指,在给定的网作者简介：荆震1986-，男，硕士研究生，主要研究方向：网络编码组播技术通信联系人：孙咏梅（1971-），女，副教授，目前研究方向为宽带网络与信息处理.E-mail:ymsun@0>.-1-络拓扑结构上,基于某个优化要求,在保证网络组播速率达到理论最大值的前提下,尽可能地只在必须的链路上进行网络编码。Kim等人[4]证明了网络编码资源优化问题是NP

8、问题,并首先提出了应用遗传算法来解决此问题。NP问题，现在的解决方法大多采用智能算法或者搜素算法。邢焕来等人[5]提出了基于量子衍生的改进型遗传算法，取得了较好的收敛速度。4550但是在文献中，作者采用均为静态的变异因子，而且研究重点倾向于提高算法跳出局部最优解的能力。但是算法复杂度较大。而在本文中，我们采用了动态的变异因子，在不增加算法复杂度的前提下，提高了算法自身的收敛速度，提高了算法在相同代