由于光网络中的路径跳数过多或距离偏大,使寻找可用的频谱资源难度增加,导致光网络动态频谱利用率降低、网络效益较少且阻塞率较高,为此,提出基于蛙跳博弈优化算法的光网络动态频谱分配方法。采用OHM(Optimized Link State Routing Prot...由于光网络中的路径跳数过多或距离偏大,使寻找可用的频谱资源难度增加,导致光网络动态频谱利用率降低、网络效益较少且阻塞率较高,为此,提出基于蛙跳博弈优化算法的光网络动态频谱分配方法。采用OHM(Optimized Link State Routing Protocol using the Highway Model)路由算法,选择与业务请求对应,且满足跳数最小、调制等级最高的候选路径,找到可用的频谱资源。根据获取的频谱资源,在光网络中将最大频隙号在所有链路中最小作为目标,构建光网络动态频谱分配的目标函数。并在约束条件下,采用蛙跳博弈优化算法对目标函数求解,获取的解即为光网络动态频谱分配最优结果。实验结果表明,该方法的阻塞率低、频谱利用率高、网络收益高,具有实用性。展开更多
基于多层次信息反馈的混合蛙跳算法(Shuffled Frog Leaping Algoriyhm based on the interation of Multi-level information, MSFLA),吸收遗传算法的交叉算子及粒子群算法(PSO)的粒子进化方式,将整个优化过程划分为标准混合蛙跳优化层...基于多层次信息反馈的混合蛙跳算法(Shuffled Frog Leaping Algoriyhm based on the interation of Multi-level information, MSFLA),吸收遗传算法的交叉算子及粒子群算法(PSO)的粒子进化方式,将整个优化过程划分为标准混合蛙跳优化层、青蛙进化与学习层、外部档案信息交换层。混合蛙跳优化层保证青蛙进行正常的局部搜索优化(蛙跳算法);青蛙进化与学习层保证青蛙每次迭代结束时都能得到更好的自身位置(PSO粒子进化方式);外部档案信息交换层可以保证青蛙种群获得最优解(交叉算子)。通过各层次之间的信息交流,提高算法的性能。从实验结果对比能够得出,改进后的MSFLA算法可以有效地改善早熟收敛问题,具有更好的收敛速度和更高的寻优精度。展开更多
文摘由于光网络中的路径跳数过多或距离偏大,使寻找可用的频谱资源难度增加,导致光网络动态频谱利用率降低、网络效益较少且阻塞率较高,为此,提出基于蛙跳博弈优化算法的光网络动态频谱分配方法。采用OHM(Optimized Link State Routing Protocol using the Highway Model)路由算法,选择与业务请求对应,且满足跳数最小、调制等级最高的候选路径,找到可用的频谱资源。根据获取的频谱资源,在光网络中将最大频隙号在所有链路中最小作为目标,构建光网络动态频谱分配的目标函数。并在约束条件下,采用蛙跳博弈优化算法对目标函数求解,获取的解即为光网络动态频谱分配最优结果。实验结果表明,该方法的阻塞率低、频谱利用率高、网络收益高,具有实用性。
文摘基于多层次信息反馈的混合蛙跳算法(Shuffled Frog Leaping Algoriyhm based on the interation of Multi-level information, MSFLA),吸收遗传算法的交叉算子及粒子群算法(PSO)的粒子进化方式,将整个优化过程划分为标准混合蛙跳优化层、青蛙进化与学习层、外部档案信息交换层。混合蛙跳优化层保证青蛙进行正常的局部搜索优化(蛙跳算法);青蛙进化与学习层保证青蛙每次迭代结束时都能得到更好的自身位置(PSO粒子进化方式);外部档案信息交换层可以保证青蛙种群获得最优解(交叉算子)。通过各层次之间的信息交流,提高算法的性能。从实验结果对比能够得出,改进后的MSFLA算法可以有效地改善早熟收敛问题,具有更好的收敛速度和更高的寻优精度。
