Combined Path and Maximum Empty Static Routing Algorithms with Wavelength Assignment for Future Transport Networks

Abstract

In this article, two static routing algorithms have been proposed and compared to some of the existing algorithms on the basis of blocking probability. The two proposed static routing and wavelength assignment algorithms reduce the blocking probability to maximize the utilization of the network. All of these algorithms are analyzed and compared with four wavelength assignment schemes, which are first-fit, random, most used, and least used. It is shown that our proposed static algorithms give the best performance for first-fit wavelength assignment and most used wavelength assignment strategies with reduced complexity. For least used wavelength assignment and random wavelength assignment, 1 fixed and 2 alternate routing algorithm gives the lowest blocking probability.     

基于区间证据推理的不确定性航线配船方法

为弥补不确定性航线配船模拟算法的不足,提出一种基于区间证据推理的航线配船解析算法.该方法以证据推理理论为基础,以船舶公司期望效用最大化为目标,考虑航线特征及船舶属性等因素,构建出一个多航线、多船型的航线配船模型.与目前的模拟算法相比,该方法具有稳定性好、准确性高、可以处理模糊数据等优点.最后,通过算例验证了模型的可行性和方法的有效性.     

门诊到住院过程中病床负荷公平性的病人路由策略

在调研分析住院病人历史数据和医院业务流程基础上,建立了病人流路由分配的单排队多服务台队列倒V模型.以病房工作负荷公平性为目标,分析了RMI(randomized most-idle)随机路由分配策略的马尔科夫过程在倒V模型中的应用,得到了系统的阻塞概率及病床占用率等相关性能指标参数,从理论上分析了RMI路由分配策略的公平性.对比了两服务台队列占用率、单位时间内服务的病人数量,结果验证了RMI策略的公平性.     

基于6LoWPAN６的PRL路由协议研究

鲁迅对日本文化和日本国民性的关注更多的是从中国国民性批判的角度来进行的,他的日本认识包含两个层面:一是作为国民性改造过程中的一个参照物的日本,他过多地强调日本民族的优点而少谈日本民族的缺点,就在于他是以日本民族的优点作为救治本民族缺点的"药",日本民族的优点的选择是出于本民族现实需要的目的;二是作为独立民族文化的日本,他摆脱了中日冲突背景下的激进和狭隘的民族主义,以冷静的态度进行中日文化的交流,以期促成民族间的理解和友好。     

BDRouter:拐弯数密度驱动的总体布线算法

拐弯优化是布线阶段考虑的重要问题之一。该文提出了一种考虑拐弯优化的总体布线算法BDRouter来同时考虑减少布线拐弯数和拐弯密度。这有助于在布线阶段减少通孔并给必要的通孔增加可能的冗余通孔位置,以此来增强可制造性、可靠性和提高成品率。实验测试表明:该文算法与已有典型算法相比,在线长不增加或增加不超过10%的前提下,能够减少约50%的拐弯数,并降低约20%的拐弯数标准差。     

光突发交换网络结构与路由技术研究

光突发交换是面向下一代因特网的光交换模式,是光电路交换(OCS)和光分组交换(OPS)的有效折衷方案,避免了各自的缺点。在OBS中,使用的带宽粒度介于光电路交换和光分组交换之间,比光电路交换灵活,比光分组交换易于实现,是很有发展前途的光交换技术。路由技术在光突发交换中起重要作用,在很大程度上影响着光突发交换网络的性能。给出了路由机理和路由计算的流程。     

基于深度强化学习的无人机自组网路由算法

针对无人机自组网节点密度大、拓扑变换频繁,导致移动自组网复杂的问题,提出了一种基于深度强化学习(deep-reinforcement learning, DRL)的分布式无人机自组网路由算法。利用DRL感知学习无人机特征,使节点不断与环境交互、探索学习最优行动(路由)策略;通过存储经验知识,维护端到端路由,赋予无人机网络智能化重构和快速修复的能力,从而提高路径的稳定性,降低路由建立和维护开销,增强网络的鲁棒性能。仿真结果表明,提出的算法具有较好的收敛性能;在路由修复时间、端到端时延,以及网络适应性、扩展性方面都优于传统的路由算法。     

改进遗传算法求解有时间窗车辆路由问题

为了有效求解带有时间窗的车辆路由问题,在标准遗传算法的基础上,引入两代竞争近距淘汰选择算子,用欧氏距离来判断个体之间的距离作为个体的相似程度,相似程度高且适应度差的个体被淘汰,并辅以循环交叉算子和插入变异算子,构造出了一种改进的遗传算法.仿真实验表明,改进的算法在迭代过程中能有效保持群体的多样性,避免出现早熟现象而陷入局部极值点,提高遗传算法的内在并行性.同时通过竞争淘汰,使局部搜索能力得到加强,加快了搜索速度.改进算法所计算出的结果优于用轮盘赌和自适应选择作为选择算子的遗传算法的结果.     

基于自适应退火遗传算法的船舶管路布局优化方法

采用自适应遗传算法来确定标准遗传算法的杂交率和变异率,尤其对变异率的调整,使其不但能根据个体适应值的大小进行自适应修正,而且能随进化状态的改变而改变,从而增强了算法摆脱局部最优解的能力.同时引入模拟退火思想,通过对标准遗传算法接受算子的退火处理,使其在搜索过程中除了接受优化解以外还以Metropolis准则接受恶化解,提高了种群的多样性,有效地增强了全局寻优能力.通过对适应值函数的退火拉伸,调整了进化前后期的适应值差异,从而加速了寻优过程.最终以形成的自适应模拟退火遗传算法进行船舶管路的三维布局优化,仿真实验表明,该算法不但加快了寻优速度,而且与标准遗传算法相比全局收敛率提高了近30%.