针对求解带软时间窗车辆路径问题(Vehicle routing problem with soft time windows,VRPSTW),提出一种改进的种群增量学习算法(Improved population-based incremental learning algorithm,IPBIL)优化运输总成本。提出一种新型的3维种...针对求解带软时间窗车辆路径问题(Vehicle routing problem with soft time windows,VRPSTW),提出一种改进的种群增量学习算法(Improved population-based incremental learning algorithm,IPBIL)优化运输总成本。提出一种新型的3维种群增量学习模型引导算法执行全局搜索,发现解空间中的优质解区域;设计一种基于客户间距离和惩罚成本相关度的交换操作进一步提高解的质量;提出一种关于时间窗问题性质的插入和逆转操作,对优质解区域进行细致搜索。最后,通过仿真实验和算法比较,验证了该文所提出的IPBIL的有效性。展开更多
针对提高传递命中率、减少网络传输延时和网络开销,提出了基于时空和社会性的概率路由算法,称之为GTSP(Geographical area AND Time Combine Social And Probability)。该算法首先根据节点之间经常以大概率相遇的时间段和地理区域确定...针对提高传递命中率、减少网络传输延时和网络开销,提出了基于时空和社会性的概率路由算法,称之为GTSP(Geographical area AND Time Combine Social And Probability)。该算法首先根据节点之间经常以大概率相遇的时间段和地理区域确定每个节点以及节点之间在特定时间段和地理区域上的相遇概率较大的几个节点组成的表和共同朋友节点表;然后节点根据GTSP算法进行移动和转发数据包,从而避免了节点在错误的时间段和地理区域内的移动。仿真结果表明,与Prophet路由算法、SprayAndWait路由算法以及SimBet路由算法相比,所提路由算法在平均传输时延、传递命中率、网络开销方面取得了较大的改善。展开更多
文摘针对求解带软时间窗车辆路径问题(Vehicle routing problem with soft time windows,VRPSTW),提出一种改进的种群增量学习算法(Improved population-based incremental learning algorithm,IPBIL)优化运输总成本。提出一种新型的3维种群增量学习模型引导算法执行全局搜索,发现解空间中的优质解区域;设计一种基于客户间距离和惩罚成本相关度的交换操作进一步提高解的质量;提出一种关于时间窗问题性质的插入和逆转操作,对优质解区域进行细致搜索。最后,通过仿真实验和算法比较,验证了该文所提出的IPBIL的有效性。
文摘针对提高传递命中率、减少网络传输延时和网络开销,提出了基于时空和社会性的概率路由算法,称之为GTSP(Geographical area AND Time Combine Social And Probability)。该算法首先根据节点之间经常以大概率相遇的时间段和地理区域确定每个节点以及节点之间在特定时间段和地理区域上的相遇概率较大的几个节点组成的表和共同朋友节点表;然后节点根据GTSP算法进行移动和转发数据包,从而避免了节点在错误的时间段和地理区域内的移动。仿真结果表明,与Prophet路由算法、SprayAndWait路由算法以及SimBet路由算法相比,所提路由算法在平均传输时延、传递命中率、网络开销方面取得了较大的改善。
