基于模擬退火遺傳算法的網(wǎng)絡負載平衡算法研究.pdf

1、本文根據(jù)網(wǎng)絡負載平衡的基本目的，將遺傳算法和模擬退火算法有機的結(jié)合起來，形成了一種適合網(wǎng)絡負載平衡的新算法。該算法改善了傳統(tǒng)遺傳算法的性能，加快了算法的收斂速度，增強了算法的全局收斂性，提高了網(wǎng)絡資源的利用率，加強了網(wǎng)絡負載平衡的能力。本文主要的研究工作如下： 1、根據(jù)網(wǎng)絡負載平衡的基本思想，設計數(shù)字串的編碼方式，使編碼方式適合實際網(wǎng)絡地需要，更簡單、直觀，在對個體進行評估時也無需解碼過程。同時為了避免違反優(yōu)先約束問題，還提出了

2、對該數(shù)字串編碼的修補方法。 2、分析了傳統(tǒng)遺傳算法的不足，并依據(jù)網(wǎng)絡負載平衡的根本目的：縮短作業(yè)的響應時間和提高資源的利用率，改進了傳統(tǒng)遺傳算法的適應度函數(shù)，及其選擇、交叉、變異等算子。在適應度函數(shù)的設計中引入模擬退火算法，加入退火溫度，使得在溫度高時(遺傳算法的前期)，適應度相近的個體產(chǎn)生的后代概率相近；而當溫度不斷下降后，使適應度函數(shù)的作用加強，使適應度相近的個體適應度差異放大，從而使得優(yōu)秀的個體優(yōu)勢更明顯。 3、放

3、棄了傳統(tǒng)遺傳算法的輪盤賭選擇法，采用了選擇概率隨適應度值成比例的選擇方法，并加入最優(yōu)保存法，使適應度好的個體盡量保存到了下一代群體中，有效的加快了算法的收斂速度。 4、借鑒Srinivas等人提出的交叉概率Pc和變異概率Pm隨適應度函數(shù)值自動改變的方法，建立Pc和Pm，使適應度函數(shù)值小的個體，具有較大的交叉概率和變異概率，有利于加快算法收斂速度。當陷入局部極值時，適應度函數(shù)值較大的個體對應的Pc、Pm也將增大，有利于避免“早熟”