DSR协议的优化研究

在Ad hoc无线网络环境下,探索对DSR协议的优化。优化协议是一种结合蚂蚁网络算法,通过运用多径手段来提高路由可靠性的新型Ad hoc网络路由协议。该算法采用按需路由方式,不仅用蚂蚁网络算法为源结点提供到目的结点的多条路径,而且为了克服蚂蚁网络算法的滞后性,将蚂蚁网络算法进行了改进。仿真表明,优化协议提高了整个网络的吞吐量并降低了整个网络的丢包率。     

一种基于路由的改进蚂蚁网络算法

蚂蚁网络算法是一种自适应分布式且基于移动代理的路由算法,但是该算法存在两个缺点：在重负荷下延迟大;聚合速度慢。结合遗传算法提出一种新的改进算法。在该算法中,为每个结点设置一个存储路由信息的路径数据库,该路径数据库的更新是通过遗传算法和蚂蚁返回的信息进行比较得到。在OMNET＋＋平台下,对该算法分别在高中低负载下进行仿真,结果表明改进算法具有较高的吞吐量和更低的时延。     

一种仿Dijkstra的蚂蚁算法

为了快捷可靠地寻找到满足多媒体QoS保证的路由，结合Dijkstra算法和蚂蚁算法，从源节点开始，在所有满足QoS要求的邻接链路上泛滥寻路蚂蚁，所有中间节点依据一个设定的QoS路由优劣综合评价函数，在到达的所有寻路蚂蚁中选择其最优者复制并继续泛滥，直到最后到达目的节点为止。这样，通过约束条件下的穷举搜索，最后一定可以找到源节点和目的节点间的满足QoS要求的路由。实验证明，该算法具有思路直观、运算量小、强收敛、能自适应网络变动优点。     

自适应路由算法优于确定性路由算法

在研究并行计算机系统的容错时。自适应路由算法是一个极为重要的研究课题．它是在网络结点出错时，算法通过可选择的路径进行路由．在每个结点具有独立的出错概率的模型下，研究Mesh网络上自适应路由算法和确定性路算法的性能．本文提出的技术使得我们能严格地推导出路由算法的成功的概率，从而能分析和比较算法的性能．研究结果表明自适应路由算法具有明显的优势：一方面确定性路算法需要全局错误信息而变得高效性，另一方面自适应路由算法对于结点出错和网络规模具有更好的健壮性而具有更高的成功概率．     

基于WDM技术的虚拟多环互连网络的自适应路由算法

自适应路由算法能够根据网络状态选择能回避阻塞或故障结点的路径，使得链路得到有效利用，均匀分布通信流量，减少平均传输延时，最大限度地提高网络的性能。该文针对一种结构简单、易于实现、性能较优的多跳虚拟环网结构DS－WDM Ring设计了三种自适应路由处算法。在PC机上设计并实现了路由算法模拟模型，对DS－WDM Ring上的自适应路由算法和静态路由算法进行了模拟，统计出了几种路由算法在不同的网络负载下的平均阻塞率、平均跳数、平均延时和结点端口的利用率，比较分析了几种路由的性能。     

在3D-Mesh网络中的两种路由研究

在研究并行计算机系统容错时,路由算法是一个极为重要的研究课题。主要研究的是自适应路由算法和确定性路由算法在3D-Mesh网络上的性能。在每个结点具有独立的出错概率的模型下,提出的方法使得能够严格地推导出路由算法的成功概率,从而能够对算法进行分析和比较。研究结果表明,自适应路由算法具有明显的优势。一方面,自适应路由算法基于局部信息而变得高效;另一方面,自适应路由算法对于结点出错和网络规模具有更好的健壮性,而使其具有更高的成功概率。     

传感网络中一种基于蚂蚁算法的分布式数据汇集路由算法

提出了一种传感网络中基于蚂蚁算法的分布式数据汇集路由算法．该算法的基本思想是通过一组称为“蚂蚁”的人工代理寻找到达Sink节点的最优路径，并利用蚂蚁算法的正反馈效应来达到数据汇集的目的．算法不需要网络节点雏护全局信息，且数据汇集降低了网络路由开销，因此是一种节约能量的分布式路由算法．理论分析和仿真结果说明了新算法的有效性和可伸缩性．     

基于蚂蚁算法的AdHoc网络QoS多播路由

针对当前移动AdHoc网络的特点和基于QoS的多播路由问题,提出一种基于蚂蚁算法的QoS多播路由算法,引入“优奖差罚”的信息素更新机制,克服基本蚂蚁算法收敛速度慢和易于陷入局部最优解的缺点。实验和分析结果表明,该算法可以找到一棵费用趋于最小、状态稳定的多播路由树,提高了带宽利用率,降低了网络时延和端到端代价。     

改进蚂蚁算法在网络流量平衡中的研究

在分析了当前蚂蚁算法实现网络流量负载重配置的基础上,提出了新的网络链路资源分配策略及改进算法,利用蚂蚁具有找到最短路径及不同种类蚂蚁互相排斥的这一天然特性,很容易在最短路由和链路负载之间取得折中。仿真结果表明,改进的蚂蚁算法对业务请求越是频繁的情况,其负载平衡度和业务到达率越优于其他算法。     

一种改进的自适应蚁群聚类算法

提出了一种改进的自适应蚁群聚类算法(improved adaptive ant clustering,IAAC).该算法改进了原来的AM(ant movement)模型,并在此基础上提出了一种网格化的移动策略来改善蚂蚁移动的随机性,使蚂蚁有意识地往模式较多的区域移动,极大地减少了蚂蚁无效的移动,使蚂蚁迅速地找到合适的位...     

An enhanced ant colony optimization (EACO) applied to capacitated vehicle routing problem

In this paper, an enhanced ant colony optimization (EACO) is proposed for capacitated vehicle routing problem. The capacitated vehicle routing problem is to service customers with known demands by a homogeneous fleet of fixed capacity vehicles starting from a depot. It plays a major role in the field of logistics and belongs to NP-hard problems. Therefore, it is difficult to solve the capacitated vehicle routing problem directly when solutions increase exponentially with the number of serviced customers. The framework of this paper is to develop an enhanced ant colony optimization for the capacitated vehicle routing problem. It takes the advantages of simulated annealing and ant colony optimization for solving the capacitated vehicle routing problem. In the proposed algorithm, simulated annealing provides a good initial solution for ant colony optimization. Furthermore, an information gain based ant colony optimization is used to ameliorate the search performance. Computational results show that the proposed algorithm is superior to original ant colony optimization and simulated annealing separately reported on fourteen small-scale instances and twenty large-scale instances.     

基于改进的蚁群算法的组播路由问题的研究

目前,蚁群算法在路由协议上已有广泛应用。通过研究蚁群算法的特性和目前在路由协议上的应用,发现其在加快运行时间、局部最优解等问题上还有改进的空间。为此文中提出一种蚁群优化算法,使蚁群算法更好地应用在路由协议上。针对蚁群算法容易出现局部最优解的问题,文中提出一种链表随机选择法,该方法能有效地减小蚁群算法出现局部最优解的几率。同时为了减少蚁群算法在选择路径上的时间,提高运行速率,文中还提出了一种雅克比迭代收敛准则,此方法很好地减短了算法时间。     

基于改进ACO与分布式社区检测的WSN路由协议

在无线传感器网络（WSN）的研究中,兼顾能量消耗和数据传输的可靠性是个非常棘手的问题。基于此,将改进蚁群优化的元启发式算法与复杂度低的分布式社群检测的标签传播技术相结合,提出了一种基于改进蚁群优化算法与分布式社区检测的WSN路由协议,新的路由协议在WSN中创建社群,并通过群集智能在社区内传送数据,从而实现能量消耗的平衡,它在构建和维护路由路径时具有较低的内存开销。此外,新的路由协议通过基于数据转发策略中社群之间的确认机制实现数据传输的高可靠性。仿真结果表明,路由协议在实际吞吐量、能量消耗等方面具有明显的优势。     

VRP问题蚁群算法研究

在对一般VRP问题进行分析的基础上,针对物流配送路径优化实际问题,建立物流配送路径优化问题的数学模型。运用蚁群算法进行仿真实验,实验结果表明蚁群算法可以快速有效解决VRP问题。     

蚂蚁算法在带时间窗车辆路径问题中的应用及参数分析

带时间窗的车辆路径问题是一个典型的NP-Hard问题,本文将蚂蚁算法应用于带时间窗车辆路径问题,构造了该问题的表达方法,建立了相应的算法模型,对算法参数进行了分析并提出了相应的参数改进方案。仿真实验表明,改进后的算法可以快速、有效地求解带时间窗车辆路径问题,具有较好的可行性和适用性。     

一种基于改进蚁群优化的QoS路由算法

蚁群优化（Ant Colony Optimization,AC0）是一种新型的分布式仿生优化算法,可有效地用来解决组合优化问题,而网络路由优化问题则正是组合优化问题当中的一种。因此,本文首先分析了常用路由算法与蚁群优化的基本原理,根据网络路由优化问题与蚁群优化算法的许多匹配特性,提出了一种基于改进蚁群优化的QoS路由算法（Route Algorithm based on Improved Ant Colony Optimlzation,RAIAC0）。最后,通过实验分析,对其可行性进行了证明。     

以蚁群优化为基础的组播路由算法优化

分析组播路由算法和蚁群优化算法,并通过仿真实验评价了以蚁群优化为基础的组播路由算法的优化方法。当路由计算的规模较大时,信息中未搜索到的数量能够减少并趋近0,将路由算法的全局搜索能力降低。蚁群算法中,蚂蚁的数量与算法的全局搜索能力呈正相关,但蚂蚁的数量在增加的过程中会影响其收敛速度。通过蚁群优化组播路由算法,能够在规模的限定下,提高算法的搜索能力。     

蚁群算法在拣货路径优化中的应用研究

拣货路径优化问题在提高物流中心效率中具有重要的作用。为获得拣货路径的近似最优解蚁群算法被应用于固定货架拣货路径的优化问题,依据蚁群算法的数学模型,设计了适用于固定货架拣货路径的蚁群算法运算步骤,由试验验证了算法的有效性。     

基于一种新的蚁群算法的QoS组播路由问题的研究

在解决QoS(Quality of Service)组播路由问题上,针对蚁群算法缺点,提出了一种融合量子粒子群算法(QPSO)思想的多行为蚁群算法。该算法采用QPSO作为前期搜索,根据各粒子历史最优值来初始化路径信息素浓度,后期利用多行为蚁群算法来优化路径。仿真结果表明:该算法寻优能力强,可靠性高,是解决QoS组播路由问题的有效方法。     

Routing table updating by using intelligent agents

In a network, one of the important problems is making an efficient routing decision. Many studies have been carried out on making a decision and several routing algorithms have been developed. In a network environment, every node has a routing table and these routing tables are used for making routing decisions. Nowadays, intelligent agents are used to make routing decisions. Intelligent agents have been inspired by social insects such as ants. One of the intelligent agent types is self a cloning ant. In this study, a self cloning ant colony approach is used. Self cloning ants are a new synthetic ant type. This ant assesses the situation and multiplies through cloning or destroying itself. It is done by making a routing decision and finding the optimal path. This study explains routing table updating by using the self cloning ant colony approach. In a real net, this approach has been used and routing tables have been created and updated for every node.