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．     

基于混合遗传算法的QoS多播路由算法

具有多QoS约束的多播路由问题具有NP完全的复杂度。基于延时、延时抖动、带宽、丢包率等QoS约束，描述了一种适应于研究QoS多播路由的网络模型，提出了基于遗传算法和禁忌搜索混合策略的具有多QoS约束的多播路由算法。该算法充分利用了遗传算法和禁忌搜索的优点。克服了遗传算法在求解多QoS约束多播路由问题中的爬山能力差以及不成熟收敛等问题。仿真实验结果表明，该算法为多QoS约束多播路由问题的求解提供了一种有效的新途径。     

基于遗传算法的实时QoS多播路由优化算法

讨论了多QoS约束的多播路由问题，描述了一种适应于研究实时QoS多播路由的网络模型和优化函数。提出一种基于遗传算法中的小生境技术的QoS多播树选择算法，同时优化了多QoS参数。仿真结果表明该算法收敛速度快、可靠性高，能够满足多媒体网络对实时性的要求。     

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。     

基于多目标遗传算法的多播服务质量路由优化

互联网不断增长的多媒体应用引发人们研究如何满足这些应用的服务质量(QoS)约束，并导致提出了一些基于服务质量的体系结构．目前网络中多主机之间的多播通信一般需要严格的多个QoS保证．首先将满足不同约束的多播路由选择过程转化为一个多目标优化问题，然后使用一种基于多目标遗传算法的新型多播树计算方法，同时优化时延、丢包率和带宽利用率等不同的参数．实验结果表明，该方法能在有限进化代数内产生一组有效的非劣多播路由解，结合多目标优化的遗传算法克服了单目标路由优化的缺陷．     

多QoS约束的多播路由协议的改进

随着Internet、移动网络及高性能网络的不断发展，具有QoS约束的多播路由技术已成为网络及分布式系统领域的一个重要研究课题。文章研讨了具有多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。针对现有多Qos约束的多播路由算法进行了改进，不仅有效减少了生成多Qos约束的多播树开销，而且能够很好地支持组成员的动态加入和离开，而不干扰现有的多播树。算法实例证明改进后的算法减少了报文转发的数量，从而降低了多播树生成时间。     

基于混合遗传算法的多播路由多目标优化

互联网不断增长的多媒体应用引发人们研究如何满足这些应用的服务质量(QoS)约束.目前网络中多主机之间的多播通信一般需要严格的多个QoS保证,文中描述了一种适应于研究多播QoS路由多目标优化的网络模型,在此基础上提出了基于遗传算法和禁忌搜索混合策略的,具有多目标的多播路由QoS优化方法,以克服遗传算法的爬山能力差以及不成熟收敛等问题.此外还采用了改进的多播树编码方法及高效的遗传操作,同时还优化时延、丢包率和带宽利用率等不同的参数.实验结果表明,该算法为多播路由QoS多目标优化问题的求解提供了一种有效的新途径.     

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。     

基于蚁群遗传算法的QoS多播路由研究*

为解决多播路由中的QoS约束问题,不仅研究了QoS多播路由中的带宽、时延﹑时延抖动和包丢失率等约束问题,还重点分析了路径开销问题,从而提出一种基于蚁群遗传算法的多播路由算法。该算法将遗传算法与蚁群算法结合起来,对多播树群体进行编码、选择、杂交和变异等遗传操作,同时利用蚁群算法的信息素正反馈求解,充分发挥两者的优势,从而更快更好地产生出既满足服务质量保障（QoS）又具有最小路径开销的多播树。仿真实验证明了该算法具有更高的运行效率和更好的收敛性。     

QoS多播路由算法研究

随着当前Intemet的发展和各种多媒体应用的出现，多播技术得到大量应用。多播路由算法主要用来建立一棵性能良好的多播树，并使它能够满足各种业务的服务质量需求。将多种群并行技术和退火技术相结合，克服了基于标准遗传算法的多播路由算法过早收敛和后期搜索速度较慢的缺陷，且使用树状编码方法，提出求解带宽、时延、时延抖动和分组丢失率约束的代价最小多播树的多种群并行退火遗传多播路由算法。对QoS多播路由选择问题进行了描述，给出多种群并行退火多播路由遗传算法和一种有效去除冗余信息的遗传算法编码设计技术，通过仿真实验证明了算法的正确性，分析了算法的时间性能，表明该算法快速有效。     

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.     

多约束QoS组播路由优化算法研究

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一完全的多目标优化问题。本文概括了多约束QoS组播路由需求，然后重点讨论多约束QoS组播路由优化的约束树算法和智能算法，最后探讨了多约束QoS组播路由将来的一些主要研究方向。     

解决多约束QoS组播路由问题的遗传算法

基于多种约束的QoS组播路由选择优化是当前通信网络中的一个重要问题，尽管有许多文献利用遗传算法解决这类问题，但仍然存在着收敛速度与全局收敛性之间的矛盾以及编解码难度大等问题。针对以上问题，提出了一种改进的遗传算法，通过采用预处理机制、特殊的树结构编码和合理的交叉变异策略，大大简化了编解码操作，并在全局收敛的基础上提高了算法的收敛速度。仿真表明，算法性能得到明显提高。     

小生境自适应遗传算法在QoS多播路由中的应用

建立QoS多播路由的数学模型,引入遗传算法并设计多种改进方案,包括新的编码方案、适应度函数设计方案、初始化群体方案、小生境技术、自适应交叉与变异概率设计方案以及有选择计算个体适应度设计方案。仿真结果表明,该算法有较好的性能,能够满足QoS多播路由问题的多重约束条件,能大幅提高QoS多播路由选择的效率。     

基于QoS约束的多播路由研究

该文给出了多播路由的定义和多播树的分类,描述了一种适用于研究QoS多播路由的网络模型,对多播路由算法进行了分类,介绍了典型的基于QoS约束的多播路由协议和算法,对每个算法的性能特性和适应范围进行了客观的评价,提供了QoS多播路由算法复杂度的比较,对QoS多播路由技术的进一步研究进行了展望。     

小生境自适应遗传算法在QoS多播路由中的应用

建立QoS多播路由的数学模型,引入遗传算法并设计多种改进方案,包括新的编码方案、适应度函数设计方案、初始化群体方案、小生境技术、自适应交叉与变异概率设计方案以及有选择计算个体适应度设计方案。仿真结果表明,该算法有较好的性能,能够满足QoS多播路由问题的多重约束条件,能大幅提高QoS多播路由选择的效率。