Feb, 2022

考虑多准则决策的混沌混合花粉授粉算法的 VNE 策略

PDF
TL;DR讨论了基于混合花粉授粉算法的虚拟网络嵌入问题的设计策略，结合遗传算法和 FPA 算法的优点，采用交叉操作完成全局搜索、采用自交配操作增强局部搜索、引入生命周期机制和混沌优化策略以避免过早收敛。
发现论文，激发创造
  • 基于负载均衡的物联网多域 VNE 算法

    在 IoT 环境下，为了在网络负载大且性能需求高的情况下提供更灵活的虚拟网络映射服务，提出了一种基于混合遗传算法的虚拟网络映射策略，包括动态计算交叉概率和基于信息素的变异基因选择策略，以及基于负载均衡的权重更新机制。仿真结果表明，该方法在多项性能指标方面表现良好。

    Feb, 2022

  • 基于多目标优化的 IoD 架构下的工业 4.0 多域 VNE 算法

    该论文提出一种基于多域架构和遗传变异因素优化的多域虚拟网络嵌入算法，通过加权累加法将多目标问题转化为单目标问题，选择相应物理域上的成本最低点作为备选节点，此算法在延迟、成本、综合性指标等方面都优于 MC-VNM、LID-VNE 和其他算法。

    Feb, 2022

  • 基于图卷积神经网络和强化学习的动态虚拟网络嵌入算法

    本文提出了一种基于强化学习和图卷积神经网络的动态虚拟网络嵌入算法，将自定义的适应度矩阵和适应值作为目标函数，实现了高效的动态虚拟网络嵌入，有效降低了资源碎片化程度，并验证了该算法具有优秀的灵活性和基本 VNE 特性。

    Feb, 2022

  • 具有延迟预测的多域虚拟网络嵌入算法

    本文提出了一种基于延迟预测的多域虚拟网络嵌入算法 (DP-VNE)。通过预估虚拟请求的延迟，选取候选物理节点，然后使用粒子群优化算法来优化映射过程，从而降低系统延迟。仿真结果表明，相比其他三种高级算法，本文提出的算法能够显著降低系统延迟同时保持其他指标不受影响。

    Feb, 2022

  • 猴子生意：强化学习遇到邻域搜索用于虚拟网络嵌入

    本文提出了一种新的虚拟网络嵌入算法 NEPA，该算法与 NRPA 和邻域搜索相结合，通过 “猴子式” 的跳跃方式学习并改进嵌入决策，并在真实和合成拓扑上取得比其他同类算法更好的结果。

    Feb, 2022

  • 基于跨域虚拟网络嵌入的无线网络多目标资源优化

    本研究提出了一种多目标优化的虚拟网络嵌入算法，旨在高效分配无线网络资源，实验结果表明，该算法在映射成本、网络延迟和虚拟网络请求接受率等三个指标方面优于其他算法，并体现了该算法在无线网络资源分配中的有效性。

    Feb, 2022

  • 基于强化学习的安全感知虚拟网络嵌入算法

    提出一种基于强化学习的安全感知虚拟网络嵌入算法，采用策略网络作为学习代理并在训练阶段使用子节点属性提取为特征矩阵，该算法在安全性、收益和虚拟网络请求接受率等方面表现优于典型方法。

    Feb, 2022

  • 多目标组合优化的高效元神经启发式算法

    我们提出了一种高效的元神经启发式方法（EMNH），通过使用基于深度强化学习的神经启发式方法来解决多目标组合优化问题，以提高学习效率和解决质量。

    Oct, 2023

  • 多目标进化算法中组件效应对算法行为的影响

    研究使用自动设计的算法对多目标进化算法进行了效果评估，通过比较搜索轨迹网络、种群的多样性和任意时刻的超体积值，发现算法组件对于不同问题具有不同的影响。

    Jul, 2023

  • 分解式进化算法分析与克服复杂多目标优化中的局部最优点

    综合几何分析，我们发现传统的参考点选择方法对于解决复杂的多目标优化问题中的局部最优问题具有基础性的作用。为了应对这一问题，我们引入了一种创新的参考点选择策略，即权重向量引导和高斯混合方法，旨在克服局部最优问题。通过对 14 种算法进行实验验证和一系列实证测试，我们的方法在人口多样性和收敛性方面取得了显着的改进。

    Apr, 2024