Algorithm 基于遗传算法的网络路由

我正在为一篇题为“论文目的是寻找网络中从源节点到目的节点的最优路由”的论文进行评估阅读，本文的结果测试表明，与Dijkstra算法相比，遗传算法给出的结果相同，它们意味着最优

在时间复杂度方面，由于我已经有了自己的网络模拟器，我在Dijkstra和提出的算法上对网络进行了测试，实验表明，它们在获得最优解方面也不相同，而对于评估算法来说，它们并不保证能找到最优解，而且在执行时间上，遗传算法是最差的

因此，我再次阅读了这篇文章，并进行了更多的调查，在提出的算法中，随机生成的初始种群可能包含可行解和不可行解，但在实验中我发现，在初始种群中，它们包含了种群中作弊的最优解，不仅如此，群体中所有剩余的个体都是可行的解决方案，而实际情况并非如此

但令我惊讶的是，后来我发现很多论文都证明了这一点

因此，因为我不是网络领域的专家，我需要解释一下遗传算法是否真的找到了最佳解决方案，以及它是否更适合用于adhoc移动网络、具有动态路由的有线网络或任何其他情况

与Dijkstra等确定性算法相比，它更适合在网络中使用，我的意思是，情况是什么

---

最后是它的优点。

Dijkstra的算法是最优的。这意味着，如果在加权图中存在从源节点到目标节点的多条路径，则算法将返回最短可能路径或其中一条最短可能路径（如果存在多条路径）

遗传算法不是一个最优算法，因此无论作者声称什么，都不能保证它能找到最优解。我宁愿假设他们测试的问题太简单。他们没有提供任何显示质量进展的图表，因此我甚至不能确定他们是否已经在初始人群中找到了最佳解决方案，这意味着你可以很容易地偶然地找到它。作者声称，所获得的结果肯定了所提出算法的潜力，即在每种情况下保证收敛以获得最优路径。这显然是错误的

就我个人而言，我认为用遗传算法来解决像最短路径问题这样的问题的想法是非常荒谬的，因为存在Dijsktra算法和a*。我认为，在A*无论如何都能有效解决的小问题实例上，与最优算法竞争是没有意义的。此外，作者使用位字符串编码的方法也没有真正的合理性。这是一个非常复杂的数字列表表示法。作者指出，最好的编码选择是二进制编码[8]，并引用1975年的文献支持这一观点！，相比之下，他们的文章来自2010年。他们的测试部分对于任何严肃的日志都是不可接受的：他们使用了一个具有10个节点和14条边的实例，他们尝试求解了6次，然后得出结论，它保证找到最佳值

---

我会用*来解决最短路径问题。如果网络更大，你可以使用双向搜索，它基本上是从中间相遇的两端的A*。这将打开更少的节点。

是的，我完全同意你的每一点，但我需要有人确认我的想法，所以非常感谢，但还有一个问题是，这样的杂志是如何接受这样的论文的，因为我观察到了一件同样奇怪的事情，有许多内容相同但名称不同的论文，包括许多作弊，特别是与进化算法相关的论文，你可以在同一篇论文中找到不同的适应度函数。最近几年，很多新期刊已经开始发行，基本上任何人都可以开始出版业务并创建期刊。这个问题很可能更适合于或。