企业级的网络设计方案的规划与测试
中海工业（江苏）有限公司作为一个大型的造船业基地，负责船舶工业的各项任务，而各项任务作为一个整体又需要各种数据信息的交流整合，因此公司的信息化建设是对于各项业务正常稳定进行的通讯保证，信息化网络的设计必须充分考虑到数字化使用和智能化管理的要求，遵循功能性、实用性、兼容性、前瞻性、安全性、扩展性和经济性的原则。素,并对大型企计算机企业网的建设提出了相应的方法和策略。在总结以往网络设计方案的基础上,提出了一种基于交换机组网模式和路由器组网模式相结合的网络设计方案,通过对核心层网络设计、汇聚层网络设计和接入层网络设计的方案设计的总结,使得网络设计方案能够将两个地域上分开的部分,采用通过各自的核心交换机连接的方式,保证线路和设备接口的稳定,并且保证数据能安全和可靠地传输。在计算机和通信內络系统的结构设计攴网络规划设计时,常常要进行大量的仿真分析,本文介绍的就是一种先进的网络仿真软件OPNET。文中介绍了 OPNET的组成、特点及其网络仿真的方法与步骤,并且给出了 OPNET在局域网规划和设计中的应用企业网,网络规划和设计,络仿真, OPNET第页第页第页附件四上海交通大学学位论文原创性声明本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名;支训口期:208年2月必日附件五上海交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权上海交通大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文保密口,在年解密后适用本授权书。本学位论文属于不保密M(请在以上方框内打学位论文作者签名,士X指导教师签名:龙多日期:208年10月28日日期>1年0月28为适应企业信息化的发展,满足日益增长的通讯需求和网络的稳定运行,如今的大型企业网络建设比传统企业网络建设提出更高的要求,主要表现在如下几个方间:)现代大型企业网络需要高带宽和高性能,以满足企业员工工日益增长的通讯需求。随着计算机技术的多样化发展,基于网络的各种应用日益增多,如今的企业网络已经发展成为一个多业务载平台,它不仅要继续承载企业的办公自动化和浏览等简单的数据业务,还要承载涉及个业生产运营的各种业务应用系统数据,以及带宽和时延都要求很高的电话、视频会议等多媒体业务,因此数据流量将大大增加,尤其是对核心网络的数据交换能力提出前所未有的要求)现代大型企业网终需要更高的可靠性和实时性,用以保障企业生产运营的止常进行。随着企业各种业务需要在计算机网络上进行操作,如何保障企业网络无屮断运行已经成为保证企业正常的生产运营的关键。现代人型企业网络在可靠性设计方面主要应从三方面考虑:首先是设备级可靠性设计,这里不仅要考察网络设备是否实现了关键部件的冗余备份,还要从网络设备整体设计架构、处理引擎种类笭多方面去考察;其次是业务的可靠性设计,这里要注意网络设备在故障倒换过程中是香对业务的正常运行有影响;再次是链路的可靠性设计,以人网的链路安仝来自于它的多路径选择,所以在企业网络建设时要考虑网络设备是否能够提供冇效的链路自愈手段和快速重路由协议的支持现代大型企业网络需要提供完善的端到端保障,以满足企业网多业务承载的需求。大型企业网络承载业务的不断增多,单纯的提高带宽并不能够有效的保縫数据交换的畅通无阻,所以如今的大型企业网络建设必须要考虑到网络应能够智能的识別应用事件的紧急和重要程度,如视频、音频、数据流,同时能够调度网终中的资源,保证重要和紧急业务的带宽、时延、优先级和无阻塞的传送,实现对业务的合理调度才是一个大型企业网络提供高效实用服务的保障。)现代大犁企业网络应提供更完善的网络安全解决方案,以阻击病毒和黑客的攻击,减少企业的经济损失传统个业网络的安全措施主要是通过部署防火墙、、杀毒软件以及配合交换机或路由器的访问列表来实现对于病毒和黑客攻击的防御,但实践证明这些第页被动的防御措施并不能有效的解决企业网络的全问题。在企业网络已经成为公司生产运营的重要组成部分的今天,现代企业网络必须要有一整套从用户接入控制,病毒报文识别到主动抑制的一系列安全控制于段,才能有效的保证企业网终的稳定运行。网络设计人员通常有能力创建出一个符合要求的企业网络,但当问题出现的时候,他们却不能采用构建网络时的思维来解决这些问题。每一次对网络的升级、打补」以及修改都会进一步增加网络的复杂性。这些问题可能导致网络难以被人理解,也不易于故障排除。随着时间的推移,可能导致网络不如预期的那样运行良好,随着网络规模的不断增长而不能很好的扩展,并且不能达到客户的需求解决这一问题的方法就是采用规范化、系统化的于段来构建企业网络。自顶向下的网络设计采用了结构化系统分析的思想。结构化系统分析的主要目标是能够更准确的描述用户需求,但在实际工作中,用户的需求常常被设计人员忽略或理解错误。另一个目标是将项目分解成更易被维护与修改的模块,使其便于管理。结构化系统分析有下列特性网络按照自顶向下的顺序设计。在设计期间,现有的许多技术和模型可以被用来刻划现有的系统、新的用户需求和将来的系统结构等特征。●理解薮据流量、数据类型以及能够访问或修改数据的进程。理解企业屮各阶层用户的定位和需求。●逻辑模型必须在物理模型之前被开发岀来。逻辑模型描述了功能划分和系统结构的基本组成模块。物理模型描述了设备的特定的技术和实现。对亍大型的网络设计项目,模块化显得十分必要。设计应该依功能划分,从而使项目更容易管理。在本文中,网络设计主要分成四个阶段,并以周而复始的方式执行1)需求分析。在这个阶段内,网终分析人员通过与用户和技术人员当面交流来获取对于新的或升级系统所需的商业和技术目标的一种理解。然后归纳岀当前网络的状况,包括逻辑和物理拓扑结构以及网络性能。这个阶段的最后一步是分析现在和将来的网络通信量,包括流量以及负载、协议行为和服务质量(QoS)的要求。2)逻辑设计。这个阶段需要设计新的或者升级网络的逻辑拓扑结构,网络层的编址,命名,交换机路由选择协议。逻辑设计也包括安全规划,网络管理设计,以及对服务提供商能够满足的广域网和远程访问的需求作初步调查。3)物理设计。在物理设计阶段,实垗逻辑设计的具体的技术和产品被选择第页出来。此外,在逻辑设计阶段开始对服务提供商的调查,必须在这个阶段完成。4)测试、优化、和记录文档。自顶向下网络设计的最后步骤是编写和实施测试计划,建造一个原型或者试验环境,优化网络设计,把所有网终设计的提议以及工作进程绘制成文档。当用户反馈的网络监测建议对网络加以提高或者需要增加新的应用时,这些主要网络设计阶段将不断周而复始地运行。图1-1显示了网络设计和实施循环周期。分析需求监测优化逻车设计网络性能实施及测试网终物埋设计测试,优化并记录设计图1-1网络设计和实施循环周期首先,作为该工程项目的参与人员之一,在阅读了大量企业网设计与规划方面的资料与文献后,逐渐认清了目前我国大型企业网络建设的研究背景及研究意义,然后和导师及同事们分析探讨了影响大型企业计算机企业网建设的主要因素,并对大型企业计算机企业网的建设提出了相应的方法和策略,在整个设计过程中釆用结构化的网络设计方法,将这个设计过程分为需求分析、逻辑设计、物理设计、测试等四步骤。其次,这个项目的客户是一家船舶制造单位,在详细研究了客户的招标文件中技术方的需求后,根据其业务流程表现出了其特定的网络建设的需求,我方在和客户充分的交流后,将客户的技术需求转化为各项网络技术目标,并得到了客户的认可再次,多次实地考察,结合实际情况和客户的需要,提出适合于该企业的组网模式,兼顾网络性能、安仝性、可管理性、可扩展性以及成本控制。在总结以往网络设计方案的基础上,提出了一种基于交换机组网模式和路由器组网模式相结合的网络设计方案,通过对核心层网络设计、汇聚层网络设计和接入层网络设第页
- 2020-12-05下载
- 积分：1
C++学院讲义
本文档是根据传智播客C++学院视频教程，进行学习整理。吴英强专注于C/C++ Android, Linux,ARM技术博客http://blog.csdn.net/waldmer文档声明:版本说明:目录:0723.32位与64位调戏窗口程序.….2229993数据分离算法内存检索二分查找法myc90724堆栈简介、内存完成篇.静态区、内存完成篇…-25-多线程-280725-32-内存补码分析∴32补码原码实战.-33-打印整数二进制数据.34-静态库说明·利用 detours劫持-36072641cpplDe.................41级指针41指针数组函数指针/函数指针数组二级指针…0728数组与指针51数组与指针2··…··+·4······;.···44····+······-54-内存分配数据结构数组接口与封装∴,-610729.74字符串查找74语音识别.4Const关键字宇符串应用48内存分配以及处理海量数据.……………850730-89-网站以及后门.中,垂结构体对齐、结构体面试分析.-90-深拷贝与浅拷贝队列92字符串封装…-950801-105欢迎交流,互相学习。吴英强专注于C/C++ Android, Linux,ARM技术博客http://blog.csdn.net/waldmer重定向以及文件扫描.∴-105-进制加密解密-108简单加密按照密码加密…118动态库与静态斥-1220802,……,………125链式栈…链表队列以及优先队列.129-封装链表库135-0804-142C语言和设计模式(继承、封装、多态)-142-世界五百强真题训练∴146-0805...:..146面试题1-100146语音识别控制QQ.………………-146语音控制游戏-157-0813-164-C与CPP不同以及命名空间简介-164-函数重载与函数默认参数-166-泛型auto-168-Newdelete-1690814-173引用高级、引用高级增加.auto自动变量自动根据类型创建数据…Enum-178newdelete全局179大数据乘法与结构体-181函数模板与auto自动变量.-185-宽字符本地化inline内联函数188CCPP不同189-0815;。.∴……-193-函数包装器管理内嵌函数…∴…………-193-函数包装器管理外部函数.-195-函数模板根据类型覆盖.…….….-195CPP类型转换四种cast-199-函数模板重载调用规则-200-函数可变参数通用类型模板函数cpp新数组202高级数组 array. vector.-203欢迎交流,互相学习吴英强专注于C/C++ Android, Linux,ARM技术博客http://blog.csdn.net/waldmerLambda [ret]int x)XXX; I-206动态不规则数组以及增删查改-208-动态数组任意位置插入211多元数组 tuple212new限定区域分配内存的语法-213-函数模板重载-214引用包装器stde(变量)215-仿函数转义字符R”(-217-usng别名模板元编程比递归优化218智能指针∴-220多线程221静态断言以及调试技能的要求 assert-222-0817···-224-递归汉诺塔双层递归-224CPP结构体224面向过程与面向对象的编程模式··,··+···,-226类的常识共用体实现一个类的特征QT应用于类以及类的常识-2310819-234-类的成员函数与 const- mutable构造与析构-237-拷贝构造 deletedefault以及深浅拷贝.静态成员函数成员变量类在内存的存储默认参数..-243-友元类以及友元函数247画图-248-0820···*·;,一Nullptrconst对象类指针引用以及 mallocfree与 newdelete差别250-简单QT界面信号图形化输入输出…-253-类重载运算符-253-QT加法重载类的重载赋值运算复合赋值运算关系运算元重载.256自增在前在后差别···+······∴-261赋值重载深浅拷贝重载下标…∴-269-画图2700822类型转换函数与构造转换函数类的继承类的继承以及区别.-279欢迎交流,互相学习。吴英强专注于cC++ Android, Linux,ARM技术博客http://blog.csdn.net/waldmer继承静态成员与静态函数-280继承实现代码重用281单继承QT案例284多继承简介以及实战继承以及作业安排……,-289-画图.-292-08233静态联合编译与动态联合编译293-类与类指针父类子类交错..-295-父类指针了类指针释放………-295虚函数∴-299-纯虚函数概念以及虚析构函数-303抽象类与纯虚数以及应用∴304虚函数原理-309虚函数分层以及异质链表310-类模板的概念以及应用0825.316类模板…··············4final override322类模板与旾通类的派生类模板虚函数抽象模板类..-323类模板友元………326-位运算算法以及类声明…327类模板与友元函数友元类-331类模板当作类模板参数333static与类模板-334-类嵌套以及类模板嵌套336Rttⅰ实时类型检测337高级new创建-340类以及函数包装器-341类成员函数指针-3430826文件重定向346键盘输入流.-347屏幕输岀流/实数整数输出/格式控制348字符串输入输出.-351-文件读写简单操作/文件读写按行读写扫描读写-355OSQT358字符文件读写二进制与文本差别.-358-get与 getline挖掘数据.….-359-二进制与文本差别-361-二进制文件读写-362-随机位置文本二进制读写…363多线程初级0828-371欢迎交流,互相学习吴英强专注于C/C++ Android, Linux,ARM技术博客http://blog.csdn.net/waldmersTL入门与简介371STL容器概念容器迭代器仿凶数算法STL概念例子.栈队列双端队列优先队列380数据结构堆的概念……∴386-红黑树容器386-0829394位容器 multimapmutisetstring…394-算法函数兰不达表达式以及类重载401GpU编程….…………-4020830∴-407-不达表达式7sπL算法-操作数据-409-0831类与对象的异常416血试100题1-100……………-4220901422各忘录模式.-422-策略模式.,…,,………………-424-抽象工∴-426-工厂方法模式.∴431简单工厂模式433代理模式-436-单例模式-438-迭代器模式-439-访问者模式观察者模式43建造者模式-446-解释器模式………-4148-命令模式-450-模板模式∴453-桥接模式.454适配器模式-456-外观模式.卓·:··4∴-459-亨元模式-460原型模式462责任链模式···+···········∴-464-中介者模式467装饰模式470状态模式471组合模式4740903...,…-478-数据结构与算法概念与学习方法boost模板库与线性表…478欢迎交流,互相学习。吴英强专注于C/C++ Android, Linux,ARM技术博客http://blog.csdn.net/waldmer线性表顺序存储.∴-479线性表链式存储-487索引存储-496-哈希存储.-4960904..-499-boost array bind_ fun ref………-499-boost智能指针-503-boost多线程锁定…509-哈希库.510正则表达式·················:··-511-0905boostsocketTcPUdp512虚数表的调用复杂表达式906.521递归转栈….…521二叉树实现5240907-533-象棋五子棋代码分析.∴-533-寻找算法以及排序算法537欢迎交流,互相学习。吴英强专注于C/C++ Android, Linux,ARM技术博客htt:// blog. csdn.net,/ waldner072332位与64位地址与内存的关系4G=4*1024M=4*1024*1024k=4*1024*1024*1024Byte字节=2~3232位,指针就是4个字节#include void mainont num = 10printf("%p",&num);t*p=&numprintf(p=%d sizeof(p));getchar(调戏窗口程序使用黑客工具,spy,找到/ Findwindow参数:窗口类名,标题#include #include#ⅰ nclude< Windows. h>欢迎交流,互相学习。吴英强专注于C/C++ Android, Linux,ARM技术博客http://blog.csdn.net/waldmer窗口隐藏的时候,可以从任务管理器中,看到此进程已经运行,使用cmd命令中的命令,把进程结束掉C: Userswuyingqiang>taskkill /f/im notepad.exe成功:已终止进程" notepad. exe",其PID为7556成功:已终止进程" notepad. exe",其PID为1384成功:已终止进程" notepad.exe",其PID为3572成功:已终止进程" notepad.exe",其PID为5272。成功:已终止进程" notepad.exe",其PID为6212void open Calco//int i=0/for(;i
- 2020-11-28下载
- 积分：1
多目标自适应和声搜索算法
提出了一种利用Pareto支配来求解多目标优化问题的自适应和声搜索算法（MOSAHS）。该算法利用外部种群来保存非支配解，为了保持非支配解的多样性，提出了一种基于拥挤度的删除策略，这个策略能较好地度量个体的拥挤程度。用5个标准测试函数对其进行测试，并与其他多目标优化算法相比较。实验结果表明，与其他的算法相比，提出的算法在逼近性和均匀性两方面都有很好的表现，是一种有效的多目标和声搜索算法。102011,47(31)Computer Engineering and Applications计算机工程与应用HMS;(4)和声记忆保留概率HMCR的上下界;(5)音调调节其中,n为所得解的个数,d1为第个解对应目标向量与其最近概率PAR的上下界;(6)最大迭代次数M。的目标向量之间的距离,d为d的平均距离。SP=0表示算步骤2初始化和声记忆库。法所得的解均匀的分布在 Pareto前沿。该指标反映算法所得步骤3产生新解。每次可以通过三种机理产生一个新解分布的均匀程度。解。(1)保留和声记忆库中的分量:(2)随机选择产生;(3)对多样性指标:将算法获得的所有非劣解按某个目标函数(1)、(2)中某些分量进行微调扰动产生。每次产生M个新个体。值的大小有序地分布在目标空间上,h为相邻两点间的距离,步骤4外部种群的更新。从记忆库租新个体中找出非支h为h的平均值,b,b分别为算法获得的边界解与相应极端配解放在外部种群中,计算外部种群的支配关系删除支配解之间的距离,则多样性指标△为解,把非支配解侏留在外部种群中。若外部种群中非支配解的数目超过外部种群规模,则删除多余的个体,每次仅删除hy+h,+∑|h-b(8)个,直到达到外部种群的规模。h,+h1+(n-1h步骤5更新记忆库。计算记忆库和新产生的个体的序极端解指某一目标函数值最大而其他目标函数值最小的并将其按照从大到小的顺序进行排列,前HMS个个体作为新解。n为非劣解的个数。当算法获得的非劣解完全均匀的分的记忆库,进入下一次进化布在均衡面上,h=0,h1=0,所有的h=h,这时△=0。因步骤6判断是否满足终止条件,若满足,则停止迭代,输此,A指标反映非劣解能否均匀的分布在整个均衡面上。出 Pareto最优解集,否则,返回步骤3。4.2数值结果334算法分析为了验证本文提出的算法的有效性,本文采用具有不同由亍和声搜索算法主要是基于邻域搜素的,初始解的好 Pareto前沿的几个典型函数进行仿真实验测试。测试函数坏对搜索的性能影响很大。和声搜索算法可以随机产生初始ZDT1、ZDT2、ZDT3、ZDI4、ZDT6是二维目标函数。由于处理解,也可以通过使用其他的启发式算法或其他方法产生较好多目标优化问题的和声搜索算法还不是很多,所以本文仅与的初始解。和声记忆库HM的大小M是和声搜索算法的种和声搜索算法 IMOHS相比,然后与4种多目标优化算法个重要参数,和声搜索算法之所以具有更强的全局搜索能力,相比,测试结果见表1-表4很大程度上依赖于HM的存在,一般来说,M越大,找到仝局表1MOHS和 MOSAHS的G表2 IMOHS和 MOSAHS的sP最优区域的能力越强。但是随着M的増人,计算量将会变IMOHSMOSAHSIMOHSMOSAHS4大,从而影响到最终搜索到最优解的速度。和声保图概率Dm1781420241-01Dm11433D031.0OE-350100E-0055.3E-36.5328E-004HMCR是和声搜索算法的另一个重要参数,其取值范围是0到5.39-42.1293L-0043.3E-30.0059之间,它决定每次迭代过程中新解产生的方式。在和声搜索ZDT2ZDT224E-48.8573E-0052.4E-35.9104E-004算法中,因新解产生时每个变量都依赖于HMCR,故HMCRDT39.80E-465670E-004ZDT32.|B-20.0077应取较大的值,通常HMCR的值在0.8到1.0之间。音调调节1.7OE-324699E-00529E-28.5088E-004率PAR在和声搜索中起控制局部搜索的作用,它可使搜索逃表3儿种多目标优化算法的GD离局部最优,其值一般取0.1到0.5之间。NSGA-IISPEA2MOPSOIOSADE MOSAHS1.3437E-33.8175E-31.8564E-11.2485E-329624EZITI14078E-449142E-37.7429E-297574E-550100E-0054数值实验9.8112E-48.6104E-352428E-19.8051E-42.1293E-004ZDT241算法性能的评价指标6.4138E-42.5973E-32.9699E-149107E-58.8573E-005多目标优化问题的解质量评价主要集中在所求得的解与2.4783E-397165E-34.3418E-2.1620E-36.5670E-004ZDT31.2746F-45.2305F-364880E-219962F-42.4699E-005理论最优值之间的差距,以及求得的解的分散程度和多样性,5.1635E-29.2512E12010E-349244E-004这里采用由 Van veldhuizen和 Lamont在1998年提出来的世ZDT413281E-34.282lE-18.3745E-549411E-005代距离( Generational Distance,GD)来衡量所求解与理论解75-21.909-252103E-22656-31190-004ZDT6之间的差距,世代距离被定义为如下形式:60797E-31.3994E-32.4963E-21.0967E-48.0065E-006表4儿种多目标优化算法的AGD=NSGA-IISPEA2MOPSO MOSADE MOSAHS0.504290.296440.2038050.131950.4063其中,n为最优解数目,d,为所求得第i个个体在目标空间与理ZDTI3.9251E-21.0850E-116956E-25.692lE-300219论 Pareto最优前沿的最小欧氏距离。世代距离GD越小,算法0.487750.505170.2880260.120990.3764ZDT2逼近 Pareto最优解集的程度越妤,当所得到的解刚好和从最优2.7686E-21.8356E-11.7580E-279444E-300359前端取得的点重合时,GD=0。0.590250.503100.6177960.437830.6388ZDT33.0439E-29.7283E-23.5019E-28.0801E-300103解的分散程度用下式来度量0.375240.727660.3235490.118270441ZDT42.4448E-25.515-13.2953E-25.869E-30.0227SP=n-/~(d-d1)0.486ll0.296441.1232580.1331904325(7)ZDT63.6054E-21.0850E-11.731E-19.8303E-300363InInj∈(1,n)②/(x)-/1(),=1,2,…,n,i≠其中表1、表2中MOHS算法的数据来源于文献5],和o1994-2012ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net陈莹珍,高岳林:多目标自适应和声搜索算法2011,47(31)0.900.80.80.60.70.70.40.60.60.20.30.20.40.10.10.800.10.20.30.40.50.60.70.80.91.000.10.20.3040.50.60.70.80.91.000.10.20.30.40.50.60.70.80.9图1ZDT1图2ZDT2图3ZDT3声记忆库的规模为10,和声保留概率的上下界HMCR==0.95,5总结HMCR=0.85,音调调节概率的上下界PAR、=0.2,PAR=本文将和声搜索算法应用于多目标优化问题的求解,提0.15,最大迭代次数为1000.为了消除实验中的随机性,并进出了一种新的基于拥挤度的多目标和声搜索算法 MOSAHS。行算法性能指标评价,对每个测试函数均重复计算10次。表3、该算法利用单个解与解之间的距离以及单个解与整体解之间表4中 NSGA-II,SPEA2, MOPSO, MOSADE的数据,来源于文的距离,删除种群中的个体,并利用序来更新和声记忆库。数献[161。对丁本文提出的多目标和声搜素算法 MOSAHS,和值实验数据表明,提出的算法在逼近性和多样性两方面都有声保留概率的上下界分别为095085,音调调节概率的上下界很好的表现是一种有效的多目标和声搜索算法。然而,和声分别为0.2、0.15,和声记忆库的规模为10,外部种群的规模为搜索算法和其他群智能算法一样,收敛性的理论证明很困难100,最大迭代次数为10000,算法运行10次。有待进一步的深入研究。表1中上行表示算法收敛度指标GD的平均值,下行表示GiD的标准方差;表2中上行表示分散度指标SP的平均值,下参考文献:行表示SP的标准方差;表3中上行表示算法收敛度指标GD的 Schaffer J D Multiple objective optimization with vector evaluat-平均值,下行表示GD的标准方差;表4中上行表示多样性指ed genetic algorithms[C]//Proceedings of the lst IEEE International Conference on Genetic Algorithms. Lawrence Erlbaum标Δ的平均值,下行表示多样性指标△的标准方差。1985:93-100从表1、表2可以看出本文提出的算法 MOSAHS在收敛(2]HomJ, Nafpliotis N, Goldberg D E A niched Pareto genetic al度和分散度上均优于 IMOHS;从表3、表4可以看出,与NSgorithm for multi-objective optimization[C],Proceedings of thGA- SPEA2、 MOPSO、 MOSADE算法相比,本文提出算法Ist IEEE Conference on Evolutionary Computation, PiscatawMOSAHS的收敛性优于前面四种算法,在多样性方面,与NS994.1:82-87GA- I SPEA2算法相当,此 MOPSO、 MOSADE算法稍差。[3] Srinivas N, Deb KMulti-objective function optimization using图1~图5是本文提出的算法( MOSAHS)对ZDT1,ZDT2non-dominated sorting genetic algorithms[J]. Evolutionary CompuZDT3,ZDT4,ZDT6的函数图像。tation,l994,2(3):221-248[4] Deb K, Pratap A, Agarwal S, et al. A fast and elitist multi-objective genetic algorithm: NSGA-IIJ.IEEE Transactions on Evolu0.8tionary Computation, 2002, 6(2): 182-1970.7[5] Zitzlcr E, Thiclc L Multi-objcctivc evolutionary algorithms: a0.6comparative case study and the strength parel approach0.5IEEE Transactions on Evolutionary Computation, 1999, 3(4)0.40.2[6 Zitzler E, Thiele L SPEA2: improving the strength pareto evolu-0.1ionary algorithm for multi-objcctivc optimization[R].Rcscarch00.10.20.3040.50.60.7080.91.0JrL,2001[7 Knowles J, Corne D The pareto archived evolutionary strategy图4ZDT4A new baseline algorithm for multi-objective optimization[C]//1.0Proceedings of the Conference on Evolutionary Computation Pis-0.9ltaway, NJ: IEEE Press, 1999: 98-10508[8] Tsai S J, Sun T Y, Liu CC, et al. An improved multi-objparticle swarm optimizer for multi-objective problems[J]. ExpertSystems with Applications, 2010, 18(2): 1-150.4[9 Geem Z W, Kim J H, Loganathan G V.A new heuristic optimi-0.zation algorithm: Harmony scarch[J]. Simulation, 2001, 76(2): 60-80[10] Mahdavi M, Fesanghary M, DaInangir E An improved harmony0.20.30.40.50.60.70.80.91.0search algorithm for solving optimization problem] AppliedfMathematics and Computation, 2007, 188(2): 1567-1597图5ZDT6(下转174页o1994-2012ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net1742011,47(31)Computer Engineering and Applications计算机工程与应用插值算法对(a)放大3×3倍后的效果图;图6〔g)是采用本文中个像素需24位。在实现本文算法时,需在读取位图文件信息的插值算法对(a)放大3×3倍后的效果图,其中(a-b-1/6,头时进行判断是属哪类图像(灰度/24真彩色),对于灰色图像1=2=15°)。图7(a)是256×256的原始图像,(b)为原图经只需对图像进行逐像素(也即逐字节)的处理即可。而对于24降采样生成的128×128的缩小图像;(c)、(d为分别采用最邻位彩色图像则分别对每一像素中的3个分量分别处理即可,所近插值、双线性插值算法对(b)放大2×2倍后的效果图。(e)是得到的结果与灰度图是一致的,如图8所示。(b)用 Prewitt算子检测到的图像边缘效果图,(f)是采用本文提出的插值算法对(b)放大2×2倍后的效果图,其中(a=b=1/4,q1=92=15°)。从灰度值显示及图像效果可以看出本文所提出的算法在一定程度上突出了边缘,并修复了部分断裂的边缘,图6(d)中的像素灰度值显示当放大倍数为2×2时,修复边缘的效果更加显著。(a)原图(b)双线性插(c)本文算法(2×2)值(2×2)(a=b=16,1=2=15°)图8采用不同插值算法放大的图像效果图5结论基于图像边缘信息的双线性插值算法充分利用了图像的(a)原图(b)原图降采样(c)最邻近插边缘信息对放大图像边缘上的插值点及边缘邻接点做了较好值法(2×2)的插值处理,这种处理方式使放大后的图像在很大程度上保护了图像的细节,较其他插值算法简单且效果明显,更优于传统双线性插值算法。(d)双线性(e)用 Prewitt算(f)本文算法(2×2)参考文献:插值(2×2)子检测到的边缘(a=b=14,91=中2=15[] Castleman K R数字图象处理[M]北京:清华大学出版社,202图7采用不同插值算法放大的图像效果图117-119[2]孙成叶,桑农图像双线性插值无级放大及其运算量分析[计算上述实验采用的是8位的灰度图像,其实本文所提出的算机工程,2005,31(9:167-169法同样适用于彩色图像,尤其是24位的真彩色图像。灰度图[3]谢美华,王正明基于图像梯度信息的插值方法中国图象图形像的存储文件带有图像颜色表,此颜色表共有256项,图像颜学报,2005,10(7):856-861色表中每一项由红、绿、蓝颜色分量组成,且红、绿、蓝的颜色4Liⅹi, Orchard M T New edge-direcled inlerpolalionJJIEEE分量值都相等。而且,灰度图像的每个像素由8位组成,其值Transactions on Image Processing, 2001, 10(10): 1521-1527范围从0到25,表示256种不同的灰度级,每个像素的像素值5岁立摩,杨勋年基于细分的图像抽值算法门计算机轴助设计与是图像颜色表的表项入∏地址。对于彩色图像而言,若是伪图形学学报,2006,18(9):1311316.彩色图像,则其与灰度图像相似,其存储文件中也带有图像颜孟晋字,华思基于形状的二维灰度图象插值门中国图象图形色表,整幅图像也仅有256种颜色,每个像素由8位组成,但在学报,2003,3(3):312-316图像颜色表中的红、绿、蓝颜色分量不全相等,此时,每个像素I] Yang Xunnian Normal based subdivision scheme for curve design[J]. Computer Aided Geometric Design, 2006, 23(3): 243-260的像素值不是出每个基色分量的数值决定,而是把像素值当s]杨淑莹vC+图像处理程序设计M2版北京:清华大学出版社做图像颜色表的表项入口地址。而24位的真彩色图像的存储2005:130-132文件中则不带有图像颜色表,图像中每一像素是由RGB三个19G0 nzalez r o. Woods e数字图像处理M2版北京:电子1分量组成,每个分量各占8位,每个分量的取值是0到255,每业出版社,2009:463-471上接111页)[15 van Veldhuizen D A, Lamont G B Evolutionary computation[11] Kang S L, Geen Z W.A new structural optimization methodand convergence to a Pareto front[C]/Koza J R Late Breakbased on the harmony search algorithm[J]. Comput Struct, 2004ing Papers at the genetic Programming Conference, Stanford82(9/10):781-798University, California, Stanford Bookstore, 1998: 221-228[12] Geem Z W. Optimal cost design of water distribution networks[l6]刘思远,刘景青.一种新的多目标改进和声搜索优化算法门计算using harmony search[J].Eng Optimiz, 2006, 38(3): 259-280机工程与应用,2010,46(34):27-30[131 Deb K Multi-objective optimization using evolutionary algorithm(M. [17] Wang Yaonan, Wu Lianghong, Yuan Xiaofang. Multi-objectiveChichester: lohn Wiley&Sons, 2001self-adaptive differential evolution with elitist archive and[14]陈莹珍,高岳林混沌自适应和声搜索算法太原理工大学学crowding entropy-based diversity measure[J]. Soft Compute报,2011,42(2):141-1442010:193-209o1994-2012ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net
- 2020-12-07下载
- 积分：1
