智能算法在多约束QoS组播路由优化中的应用

不确定网络性能参数下的多约束QoS组播路由优化已成为安全组播领域的一个重要研究课题,也是下一代Internet和高性能网络亟待解决的难题.多约束QoS组播路由优化是NP-完全的多目标优化问题.概括了多约束QoS组播路由需求,然后重点讨论多约束QoS组播路由优化的智能算法,最后探讨了多约束QoS组播路由将来的主要研究方向.     

基于量子粒子群算法的组播路由优化

不确定网络性能参数下的多约束QoS组播路由优化已成为安全组播领域以及下一代Internet和高性能网络的一个重要研究课题。多约束QoS组播路由优化是NP-完全的多目标优化问题。提出了一个新的量子粒子群算法,其具有收敛速度快、全局性能好等特点。通过应用该算法求解多约束QoS组播路由优化问题的仿真实现,结果表明,该算法取得了较好的效果。     

基于蚁群优化的分布式Qos多播路由方法研究

提出了一种基于蚁群优化的分布式QoS多播路由算法,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,多QoS约束的组播路由技术是当前实现分布式网络多媒体的关键技术.给出了该算法实现的步骤,还结合多播路由问题的特点对算法进行了改进.通过仿真实验讨论了该方法的性能,并与传统的蚁群算法对比,证实了该方法的有效性.     

基于遗传算法的QoS组播路由选择方法

考虑了组播通信服务质量需求与网络资源约束,将满足不同约束的QoS组播路由选择过程转化为一个多目标优化问题,使用一种基于QoS的最小网络费用组播路由树生成算法来寻找最小Steiner树。该方法可以在满足多约束的情况下,寻找费用最小的组播路由树,仿真结果表明该算法有较好的性能。     

基于混沌遗传的Ad Hoc网络组播路由算法?

针对移动Ad Hoc网络(MANETS)的QoS组播路由优化问题,提出一种基于混沌遗传的组播路由算法。利用混沌变量的遍历性特点对遗传算法的适应度函数进行优化,避免遗传算法出现早熟现象。仿真实验结果表明,该算法具有较好的收敛性和稳定性,能解决多QoS约束下MANETS的组播路由问题。     

基于蚁群系统的多QoS约束组播路由算法

针对多QoS约束的组播路由问题，借鉴改进的蚁群系统，提出了一种新的QoS组播路由算法QCMR-ACS（QoS Constraints Multicast Routingbased on ACS）．QCMR-ACS通过构建确定性选路概率函数和基于Prufer编码的变异操作，加速算法的收敛速度；对信息素实行多个独立QoS约束的惩罚性更新策略，使算法满足用户的QoS要求；考虑到网络实际应用，算法设计中引进了基于链路利用率的负载均衡和拥塞规避重路由策略，提高算法的鲁棒性．实验结果表明QCMR-ACS是一种正确、有效的QoS组播路由算法．     

一种带约束的多目标服务质量路由算法

多约束服务质量(QoS)路由是要求在多个约束条件下计算满足所有独立限制条件的可行路径．将这种NPC问题转化为一种带约束条件的多目标优化问题，根据多目标遗传算法的智能优化原理，提出一种多目标QoS路由算法来产生一组最优非劣路由．理论分析和实验结果表明，使用带约束的多目标遗传算法是解决多约束QoS路由的有效途径，能对提高网络性能起到重要作用．     

一种基于不精确信息的智能QoS组播路由算法

针对满足多个约束条件的服务质量(QoS) 组播路由的特点，提出了一种下一代互联网中基于粒子群优化(PSO) 和遗传算法(GA) 的智能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QoS参数信息不精确的情况，综合PSO的快速搜索和GA的全局寻优能力，找出在给定费用下满足多个QoS约束概率最大的组播树的Pareto非劣集，从中选出最优组播树。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。     

一种新的混沌蚁群算法及其在QoS组播路由优化问题中的应用

基于QoS的组播路由问题是通过发现具有某种相关性能约束的最佳组播树,来更好地利用网络资源以支持应用的QoS需求,作为以QoS为中心的网络体系结构中不可缺少的组成部分,目前已成为网络研究领域的重要内容和热点问题.针对多约束条件下的QoS组播路由问题,提出一种新的混沌蚁群算法.该算法基于传统的蚁群算法所存在的不足,利用混沌优化算法对蚁群算法的运行参数进行动态地优化选择,自适应地改进了全局搜索能力和收敛性.仿真实验结果表明,混沌蚁群算法比该文提到的遗传算法及蚁群算法在解决多约束组播路由问题上具有更好的性能.     

基于多QoS约束的多播路由算法研究

论文讨论了具有延迟、带宽和低代价等多QoS约束的多播路由算法，提出了适应于研究QoS多播路由的网络模型，并给出了一种具有多QoS约束的动态多播路由算法，分析了算法的复杂度。仿真实验证明，该算法是稳定有效的。它能够在满足多约束的情况下，使多播树的代价优化。     

QoS multicast routing using a quantum-behaved particle swarm optimization algorithm

QoS multicast routing in networks is a very important research issue in networks and distributed systems. It is also a challenging and hard problem for high-performance networks of the next generation. Due to its NP-completeness, many heuristic methods have been employed to solve the problem. This paper proposes the modified quantum-behaved particle swarm optimization (QPSO) method for QoS multicast routing. In the proposed method, QoS multicast routing is converted into an integer programming problem with QoS constraints and is solved by the QPSO algorithm combined with loop deletion operation. The QPSO-based routing method, along with the routing algorithms based on particle swarm optimization (PSO) and genetic algorithm (GA), is tested on randomly generated network topologies for the purpose of performance evaluation. The simulation results show the efficiency of the proposed method on QoS the routing problem and its superiority to the methods based on PSO and GA.     

基于QoS多播路由技术研究

随着Internet、移动网络和高性能网络的不断发展,在网络和不确定参数下具有QoS多播路由优化技术已成为网络及分布式系统领域的一个重要研究课题,这也是下一代Internet和高性能网络的难题。它吸引了许多爱好者。该文重点论述QoS多播路由需求,并简要阐明当前最新多目标优化问题的方法。定义了QoS多播路由作为多目标优化问题(即路由问题的网络模型)以及它是NP-复杂性问题。然后,重点讨论QoS多播路由的解决方法,包括约束多播树、多目标优化、计算智能和人工智能等。最后,文章建议一个约束多播路由结构和讨论一些将来的研究展望。     

基于量子遗传算法的QoS多播路由算法

QoS多播路由算法的核心问题就是建立满足QoS约束的多播树,它是计算机网络中著名的受约束最小Steiner树问题,是一个NP完全问题。量子遗传算法是基于量子计算理论的新型遗传算法,基于量子遗传算法的基本原理,提出了QoS约束的多播路由算法（QoSMR-QGA）,并详细介绍了QoSMR-QGA算法的实现过程。仿真实验表明,该算法具有较好的算法收敛性和多播路由成功率。     

基于遗传算法的多约束QoS多播路由优化算法

随着大量新型的多媒体在高性能网络、移动网络及Internet中的应用，满足QoS约束的多播路由问题成为越来越重要，它吸引了许多爱好者．本文讨论了多约束QoS多播路由问题，主要包含延迟、延迟抖动、带宽和分组丢失率等QoS约束，文中描述了一种在动态网络环境及不确定参数下适应于研究QoS多播路由的网络模型．提出了一种在网络规模、可行性方面为Imernet、移动网络和高性能网络下基于遗传算法的多约束QoS多播路由优化算法（MQMRGA）．仿真结果表明该算法收敛速度快、可靠性高．MQMRGA为QoS多播路由提供了一种新的有效途径．     

一种基于遗传算法的多约束QoS多播路由优化算法

随着Internet、移动网络和高性能网络的不断发展,在网络和不确定参数下具有多约束QoS多播路由优化技术已成为网络及分布式系统领域的一个重要研究课题,这也是下一代Internet和高性能网络的难题。它吸引了许多爱好者。论文研讨了具有多约束QoS多播路由问题,其中主要包含延迟、延迟抖动、带宽、分组丢失率等QoS约束,文中描述了一种适应于研究QoS多播路由的网络模型。论文在网络环境及不确定参数下,提出了一种在网络规模、可行性方面优化Internet、移动网络和其他高性能网络的基于遗传算法的多约束QoS多播路由优化算法(MQROGA)。MQROGA在网络环境及不确定参数下能够优化网络资源,如带宽、延迟、分组丢失率等得到一个最优解和次优解。仿真实验结果表明,MQROGA为QoS多播路由提供了一种新的有效途径。     

基于遗传模拟退火算法的多约束QOS组播路由优化算法

组播路由问题在计算机网络中是著名的Steiner树问题,是NP完全问题.通过考虑组播通信服务质量需求与网络资源约束,研究了基于服务质量的组播路由选择算法问题,首次提出了一个基于遗传算法和模拟退火算法的多约束组播路由优化算法,该算法在满足带宽、延时、延时抖动及包丢失率约束条件下寻找代价最小的组播树.     

基于Tabu搜索的QoS多播路由快速优化算法

QoS多播路由算法的核心问题是建立满足QoS约束的多播树,这就是计算机网络中著名的受约束最小Steiner树问题,是一个NP完全问题.目前已有的启发式算法的时间复杂度大,不能获得最优解.提出了一个基于Tabu搜索的QoS多播路由选择快速优化算法,它选择延迟与带宽约束为QoS参数,利用Tabu搜索的集中性与广泛性并存的优点,在提高搜索速度的同时可以更加接近最优解.仿真结果表明:该算法具有快速、易实施等特点,更加适合在组规模比较大的情况下应用.     

基于Ad Hoc多QoS约束的多播路由协议

针对移动Ad Hoc网络特点，研讨了Ad Hoc网络中其有多QoS约束的多播路由问题，其中主要包含延迟、延迟抖动、带宽、代价等QoS约束。描述了一种适应于研究Ad Hoc网络QoS多播路由的网络模型，提出了Ad Hoc网络中一种具有多QoS约束的多播路由协议。给出了MQAP的路由实现过程，进行了正确性证明和复杂性分析。仿真实验结果表明，MQAP为Ad Hoc网络多QoS约束多播路由提供了一种新的有效途径。