计算机工程与信息技术学报

用于最小化多播网络性能和线性网络编码操作的量子遗传算法

分组编码任务有利于提高多播网络性能，同时提高传输吞吐量和可靠性。同时，分组编码任务也会给多播网络带来一些额外的资源占用和传输延迟。因此，限制分组编码任务是值得深入考虑的。为了解决这一资源优化问题，本文介绍了一种基于自适应性能工具的自适应量子驱动变换算法。定义三个计算因子并将其添加到算法中以进一步提高全球发展能力。在自适应量子驱动的变换算法中，每个种群的状况由这三个因子共同决定。在算法发展过程中，算法的发展边界可以由每个种群的状况决定。为了描述自适应算法的有效性，将其分别用于确定容量增长和分组编码响应最小化问题。测试结果表明，我们提出的基于移动开发工具的改进的量子驱动转换算法在读取全球最优解和网络速度方面都有更好的表现。分组编码任务将有利于多播网络性能，同时提高传输吞吐量和可靠性。同时，分组编码任务也会给多播网络带来一些额外的资源占用和传输延迟。因此，限制分组编码任务是值得深入考虑的。为了解决这一资源优化问题，本文引入了一种基于移动开发工具的改进的量子驱动转换算法。定义三个分析因子并将其添加到算法中以进一步提高全球开发能力。在改进的量子驱动转换算法中，每个种群的状态由这三个因子共同决定。在算法开发过程中，算法的开发边界可以由每个种群的状态控制。为了描述改进算法的有效性，它被分别应用于确定容量开发和分组编码响应最小化问题。测试结果表明,我们提出的基于自适应量子激励变换算法在查找全局最优解和混合速度方面均有较好的表现。