资源描述：
《基于遗传算法的网络编码优化new》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、ISSN1000-9825,CODENRUXUEWE-mail:jos@iscas.ac.cnJournalofSoftware,Vol.20,No.8,August2009,pp.2269−2279http://www.jos.org.cndoi:10.3724/SP.J.1001.2009.03370Tel/Fax:+86-10-62562563©byInstituteofSoftware,theChineseAcademyofSciences.Allrightsreserved.∗基于遗传算法的
2、网络编码优化+邓亮,赵进,王新(复旦大学计算机科学技术学院,上海200433)GeneticAlgorithmSolutionofNetworkCodingOptimization+DENGLiang,ZHAOJin,WANGXin(SchoolofComputerScience,FudanUniversity,Shanghai200433,China)+Correspondingauthor:E-mail:xinw@fudan.edu.cnDengL,ZhaoJ,WangX.Geneticalgor
3、ithmsolutionofnetworkcodingoptimization.JournalofSoftware,2009,20(8):2269−2279.http://www.jos.org.cn/1000-9825/3370.htmAbstract:Afterthebestoptimizingapproachofnetworkcodingisbeingstudied,somemethodsareproposedbasedonthecharacteristicsofthenetworkcoding
4、overheadoptimizationproblem.First,twomodificationsareaddedtothepreprocessingphase:1)Howtogenerateafitnessvaluetoanetworkcodingschemeunderacertainnetworkcodingoptimizationrequestispresented.Thismakesdifferentnetworkcodingoptimizationproblemsbesolvedwitht
5、hesamegeneticalgorithm.2)Anadditionalexamprocessingofthemulti-inoutgoinglinksisimportedtoreducethesolutionspace.Second,experimentalresultsshowthattherandomgeneratedsolutionofnetworkcodingoptimizationproblemcanhardlyachievethemulticastrate,threenewstepsa
6、resuggestedbetakenwiththecommongeneticalgorithm:1)usemoredelicatemembergeneratingfunctiontogenerateinitialmembers;2)addnewmembersatthebeginningofeachroundofthegeneticalgorithmtoavoidlocalizedoptimization;3)assignafitnessvaluebasedoneachreceiver’sdatarat
7、eratherthan−1tothosenetworkcodingsolutionswhichcannotachievethemaxmulticastrate.Experimentalresultsshowdramaticimprovementsintermsofbothefficiencyandresult.Keywords:multicast;networkcoding;optimization;heuristic;geneticalgorithm摘要:在前人优化研究方法的基础上,结合网络编码优化
8、问题自身的特点提出了新的解决方案.首先是算法的预处理部分:1)给出了统一的方法由不同的资源描述函数生成遗传算法所必须的适应值函数,使得各种不同的网络编码资源优化问题都能利用同样的遗传算法模型;2)通过检验有多条输入链路的输出链路进一步缩小优化算法的搜索范围.其次,针对网络编码资源优化问题随机解几乎不能让所有接收者都达到组播速率的特点,在一般的遗传算法中加入以下新的处理:1)在初始化阶段使用更为精细的算法产生更高质量的初始成员.2)在遗传算法每次循环开始时
