IP／DWDM光因特网中一种基于人工免疫算法的QOS组播路由算法

本文提出了一种IP／DWDM光因特网中基于人工免疫算法的QoS组播路由算法，当QoS组播请求和需求区间给定时，能够找到一棵基于QoS的柔性费用近优组播路由树。该算法基于人工免疫算法构造QoS组播路由树，并基于波长图对树进行波长分配，将路由和波长分配集成到一个过程中，同时考虑了负载平衡。仿真结果表明，算法为IP／DWDM光因特网中的组播应用构造的QoS组播路由树是可行和有效的。     

一种基于遗传算法的QoS多播路由算法

深入研究基于遗传算法的QoS多播路由算法,建立支持QoS的多播路由模型.对已有的QoS多播路由算法进行优化,提出适用于下一代网络的基于遗传算法的QoS多播路由算法.采用定长的染色体编码和预处理机制降低算法复杂度.仿真试验表明,该算法收敛速度快,可靠性高,能够更好地满足多播业务的需要.     

基于遗传算法的多参数QoS网络路由算法

目前许多应用都有不同的高质量QoS保障需求,但QoS路由问题是一个非常复杂的问题,而且在两条独立的路径之间寻找可行路径是NP难题。同时,高速网络的QoS路由算法必须具有适应性、灵活性和智能性。论文提出了一种基于遗传算法的QoS路由算法,算法中选择两个QoS路由参数进行路由的优化,仿真结果表明该方法比传统的路由算法及单QoS参数的路由算法具有更高的性能。     

基于改进蚁群算法的拥塞规避QoS路由算法

服务质量(QoS)路由算法缺少拥塞规避机制,会影响业务QoS。为此,提出一种基于Ant-Pub&Enco的信息素模型,根据蚂蚁行进方向,利用相反的信息素引导模式以及不同的信息素更新策略进行路由搜索。基于改进蚁群算法设计一种规避拥塞算法求解QoS单播路 由问题。仿真结果表明,该算法能够有效规避网络中的拥塞链路,均衡网络负载。     

基于蚂蚁算法的QoS分布式多播路由选择

采用启发式算法中蚂蚁算法解决包含带宽、时延和最小代价约束条件在内的分布式多播路由问题,基于蚂蚁具有找到蚁巢与食物之间的最短路径原理,并在分析QoS分布式多播路由的基础上,提出了一种基于蚁群算法的QoS分布式多播路由算法,仿真实验表明了该算法是合理的和有效的。     

确保安全QoS的WFS路由算法

中的最关键的功能组件之一就是基于QoS的路由，从本质上看QoS路由实际就是端点到端点的带结点条件限制和边条件限制的最短路径问题，在文[1]中指出这种问题是NP完全的。本文研究对丢失敏感对延时不敏感的QoS路由模型——确保安全QoS的路由算法，并提出了一种新启发式算法；首先，我们讨论QoS一般模型，然后利用图论中的WFS算法求解QoS路由，该算法的时间复杂度为O(nlog(n)+n×d×K_0)，优于化前在该问题上的求解算法。     

QoE路由算法综述

QoE(Quality of Experience)路由算法主要是从用户角度对网络进行路由,与仅仅考虑网络参数的QoS路由算法不同,QoS路由选择算法无法满足用户体验质量QoE的需求,而QoE路由选择算法能够保障用户体验质量。文章主要讨论了QoE路由算法与QoS路由选择算法的关系,并讨论已有的QoE路由算法。     

基于蚁群算法的QoS多播路由优化算法

蚁群算法是一种新型的随机优化算法,能有效地解决 QoS 受限的多播路由问题。基于蚂蚁具有找到蚁巢与食物之间的最短路径原理工作,并在分析多约束QoS的多播路由的基础上,提出了一种具有全局优化能力的多播路由算法(OQMRA),仿真实验表明了该算法是合理的和有效的。     

基于微粒群算法的QoS组播路由算法

文章研究了带宽、延时、延时抖动约束最小代价的QoS组播路由问题,提出了一种基于微粒群优化(PSO)算法[2,5]来设计路由优化算法。该算法采用一种新的整数编码方案,将路由优化问题转化成准连续优化问题,并采用罚函数处理约束条件。给出了应用微粒群优化算法求解QoS组播路由问题的算例,并与遗传算法和改进后的遗传算法进行了比较。计算机仿真实验证明,该算法可以更有效地求得QoS组播路由问题的优化解,可靠性高。     

NGI中基于微分进化的柔性QoS组播路由算法

针对满足多个约束条件的服务质量组播路由的特点，提出了一种下一代互联网中基于微分进化算法的柔性QoS组播路由算法。给出了 QoS组播路由问题模型及其数学描述，针对NGI中QoS参数信息不精确的特点，基于模糊数学的相关知识并利用DE算法的寻优能力，找出在用户柔性QoS需求的条件下满足用户QoS需求的可信度和用户QoS满意度同时达到最大的组播路由树。对算法进行了仿真实现与性能评价，结果表明，它是可行和有效的。     

求解QoS组播路由的自适应变异二次蚁群算法

多约束QoS组播路由问题是一个NP-完全问题,针对基本蚁群算法在解决多约束QoS组播路由问题时易陷入局部最优解、收敛速度慢的突出缺点。提出了一种基于自适应变异的二次蚁群算法对该问题进行求解,该算法采取自适应变异方法,借助节点使用计数器,引入二次蚁群搜索机制,减少了算法陷入局部极值的可能性,提高了算法的寻优能力和收敛速度。仿真实验结果验证了该算法的可行性和有效性。     

改进型量子蚁群算法求解QoS单播路由

针对遗传以及蚁群算法在求解QoS单播路由问题时收敛速度慢和易于陷入局部最优的问题。采用量子蚁群算法求解QoS单播路由,采用量子旋转门实现蚂蚁的移动,用量子非门来实现蚂蚁位置的变异,同时为了确保算法不陷于局部最优,对量子蚁群算法做了改进,并进行了对比实验。实验表明该算法不但克服了遗传以及蚁群算法的易限于局部最优解的缺陷,在收敛速度上也优于相关算法,能较好地解决QoS单播路由问题。     

基于遗传算法和蚁群算法融合的QoS路由算法*

面向QoS路由问题,设计了一种基于遗传算法和蚁群算法融合的QoS路由算法(QoS routing algorithm according to the combination of the genetic algorithm and ant colony algorithm,GAACO_QoS).利用遗传算法生成初始解,将其转换为蚁群算法所需的信息素初值,然后利用蚁群算法求取最优解.设置遗传算法控制函数来控制遗传算法和蚁群算法融合的适当时机.通过与遗传算法以及蚁群算法的比较,进一步说明算法的有效性.     

改进蚁群算法在QoS组播路由中的应用

QoS组播路由是网络传输中的一项关键技术,蚁群算法是解决多QoS约束组播路由问题的一种启发式算法。针对蚁群算法的缺点,提出了一种双向蚁群算法对该问题进行求解,并改进了蚁群算法的信息素更新策略。仿真实验表明,该算法能快速搜索并收敛到全局（近似）最优解,且随着网络规模的增大,算法保持了良好的特性。     

基于自适应变异蚁群算法的QoS路由算法

多约束QoS单播路由问题是NP完全问题,针对基本蚁群算法在解决该问题时易于陷入局部最优、收敛速度慢的缺点,提出自适应变异蚁群算法对该问题进行求解。该算法采取自适应变异方法,引入二次蚁群搜索机制,减少了算法陷入局部极值的可能性,提高了算法的寻优能力和收敛速度。仿真实验结果验证了该算法的可行性和有效性。     

基于遗传蚁群算法的QoS路由算法研究

利用遗传算法的快速全局搜索能力和蚁群算法的正反馈收敛机制,引入遗传蚁群算法（Genetic Algorithm Ant Colony algorithm）GAAC来解决QoS路由问题。算法设计的基本思想是首先由遗传算法产生较优解,较优的路径留下信息素,其他路径不改变,然后在有一定初始信息素分布的情况下,用蚁群算法求精解。仿真表明算法比单一采用遗传算法和蚁群算法进行路由选择具有更好的性能,且更适合于动态网络环境下的QoS路由选择。     

蚁群算法在QoS组播路由问题中的应用

研究了该算法在QoS组播路由问题中的应用,描述了QoS路由优化问题。基于多个不相关可加度量的QoS路由问题是NP完全问题,目前采用的方法多为启发式算法。由于蚁群算法是一种基于蚁群系统原理的、具有自组织能力的、新型的启发式优化算法,利用其能够寻找最短路径这一特性,提出了一种基于蚁群系统原理,用于解决时延和时延抖动约束问题的组播路由问题的QoS组播路由算法。该算法改进了路径选择策略,优化了信息素更新公式。仿真结果表明,该算法能够迅速、准确地找到最优解。     

一个Ad Hoc网络中的组合QoS路由协议

本文提出了一种新型的组合QoS路由协议:Hi-ACQoS-TORA。给出了分簇策略下的簇间簇内路由协议。在提案方式中,作者将蚁群算法应用于簇间路由,解决了满足时延、延迟抖动、线路带宽、分组丢失率和费用多个指标的簇内QoS路由,与DSDV、DSR、ZRP、TORA等协议比较分析了Hi-ACQoS-TORA的性能。     

基于变异二次蚁群算法的QoS选播路由算法

基于基本蚁群算法在解决多约束QoS选播路由问题时易陷入局部最优解、收敛速度慢,提出了一种基于自适应变异的二次蚁群算法对该问题进行求解.该算法采取自适应变异方法,借助节点使用计数器,引入二次蚁群搜索机制,减少了算法陷入局部极值的可能性,提高了算法的寻优能力和收敛速度.仿真实验结果表明了该算法的可行性和有效性.