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.     

改进的量子蚁群算法求解带约束QoS组播路由

为了快速求解在带宽、延迟等约束下的最小代价组播路由树,并避免求解过程陷于局部最优,对量子蚁群算法进行了改进。改进算法采用量子旋转门对信息素进行更新,提出了一种动态调整旋转角的策略,并从理论上对其进行了证明。在求解服务质量组播路由时,将该策略融入蚁群算法中,提高了求解精确度。实验结果表明,该算法在服务质量组播路由优化中是高效的,性能优于蚁群算法和量子进化算法。     

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.     

一种基于遗传算法的QoS组播路由算法*

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,提出了一个基于遗传算法来构造满足QoS需求的组播路由树算法。通过仿真研究,证实了该算法的可行性、有效性及健壮性。同时,对遗传算法参数与算法性能之间的关系进行了讨论。     

基于改进蚁群优化算法的网络服务质量路由算法

针对当前无线网络路由算法存在丢包率高、节点拥塞严重的难题,提出一种基于改进蚁群优化算法的网络服务质量路由算法。首先根据无线网络的特点选择带宽、端到端的延迟、数据包丢失率以及链路花费作为QoS参数,并建立一个多约束网络服务质量路由优化问题的数学模型,然后采用具有正反馈机制和搜索能力强的蚁群优化算法对数学模型进行求解,并根据无线网络路由特点对标准蚁群优化算法进行改进,提高其搜索性能,最后采用具体仿真实验对路由算法的性能进行测试。实验结果表明,改进蚁群优化算法在满足网络质量要求的条件下,不仅降低了网络平均延时,而且减少了网络数据丢包率,性能优于其它算法。     

分布式蚁群QoS组播路由算法

为寻找满足带宽、延迟等约束的最小代价组播路由树的QoS组播路由,提出一种分布式蚁群优化算法。在蚂蚁行动过程中形成组播树的森林。若在某步结束时森林中仅剩1棵树,则蚂蚁达到目标,停止行动。仿真实验结果表明,该算法在结果和收敛速度方面都有良好的表现。     

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。     

基于改进遗传算法的满足可靠性QoS约束的组播路由算法

在通信网络中为应付链路失效而提供可靠性保证变得越来越重要.讨论含有可靠性约束的满足带宽和延迟约束的多QoS组播路由问题.提出一种基于改进遗传算法的满足多QoS组播路由算法,该算法具有快速收敛、自适应交叉变异和生成初始种群时不需要建立备选路径集的特点.通过大量仿真实验分析该算法的性能,并与传统遗传算法进行比较.结果表明该算法是可行和有效的,能够很好地满足网络中的QoS约束,且性能优于传统遗传算法.     

一种基于混合混沌遗传算法的QoS组播路由算法

IP/DWDM光Internet是下一代互联网NGI(NextGenerationInternet)主干网的主要组网技术之一,服务质量QoS(QualityofService)组播路由算法是其一个研究热点,已经证明它是NP难的。为此,文章设计了一种非NP类QoS组播路由算法。在给定用户请求的情况下,基于混合混沌遗传算法来构造带宽、延迟、延迟抖动与出错率受限且费用优化的QoS组播路由树,兼顾网络负载均衡。仿真结果表明,该算法是可行和有效的,明显优于基于传统遗传算法的QoS组播路由算法。     

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。     

群智能在Ad Hoc网络QoS组播路由中应用的研究

通过对Ad Hoc网络QoS组播路由问题的深入研究,提出了一种融合量子粒子群优化和蚁群优化的群智能混合算法(QPSOACO算法)。该算法融合QPSO思想以加速蚁群算法在路由发现及维护时的收敛速度,进一步提高算法对网络节点移动性的适应能力。仿真实验表明,该算法对Ad Hoc网络环境的适应性良好。     

融合免疫-蚁群的Ad Hoc网络QoS多播路由

针对Ad Hoc网络中带QoS约束的多播路由问题,提出了一种基于免疫蚁群算法的QoS多播路由发现算法。利用人工免疫算法的快速全局搜索能力寻找较优解,生成初始信息素的分布,加快收敛速度;通过蚁群算法的正反馈收敛机制求得精解,借鉴抗体排斥度的思想避免算法陷入局部最优。仿真结果表明,该算法具有较好的收敛性和寻优能力,适应于Ad Hoc网络环境的变化。     

基于混沌遗传算法的组播路由优化研究?

在采用混沌遗传算法优化多目标QoS组播路由时,为克服Logistic映射收敛速度不快,而使传统混沌遗传算法优化效果不好的缺陷,将Tent混沌遗传算法引入QoS组播路由问题的求解中。该算法利用Tent混沌映射优越的区间均匀搜索能力,对通过遗传优选出的个体再次进行混沌优化,优化出适应度最高的个体进行交叉变异,从而保证足够多的下一代,以致算法不会陷入早熟。仿真结果表明,该算法优于Logistic混沌遗传算法,有效地改进了搜索效率,且收敛速度更快、更稳定。     

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.     

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MSR局部多径的QoS路由算法

无线多媒体传感网络（WMSN）QoS路由研究的普遍思路是通过增加网络控制负载以保障服务质量（QoS）。针对该思路中网络效率低的缺陷,提出一种应用于Mesh结构WMSN中的,基于局部多径策略的QoS路由算法（PQMSR）。该算法在保障QoS的前提下,参考多径源路由（Multipath Source Routing,MSR）算法,通过局部多径策略和携带QoS信息的IP包头来降低网络控制负载。NS-3网络模拟实验结果表明,该算法能够在保证较高传输成功率的同时,降低网络负载和网络延时。     

双重约束条件下的WSN路由选择

经典的基于QoS（Quality of Service,服务质量）的WSN（Wireless Sensor Network,无线传感器网络）路由算法往往只考虑了单一的条件限制,如能量、通信跳数、延时等。而在一个复杂的WSN环境中,对于QoS 的需求通常综合了多种条件。这使得现有的路由算法难以选择出实际情况下的最优路由。一种基于动态规划问题的算法被提出,用来解决这一问题。当算法选择最小延时路由时,节点能量和链路丢失率将被作为约束条件。经过证明,算法具有最优性。     

基于量子蚁群算法的带约束QoS多播路由

针对带约束服务质量多播路由在带宽、延迟等方面的需求,提出一种基于量子蚁群算法的多播路由优化方法。该方法结合量子计算和蚁群算法的特性,采用量子比特的概率幅表示蚂蚁当前位置信息,设计一种动态调整旋转角策略对蚂蚁信息素进行更新,使蚂蚁能够快速寻找到满足约束的可行路径,并避免陷入局部最优。仿真实验结果表明,该算法在寻优能力和收敛速度上表现较好。     

不确定信息下QoS多播路由问题研究

QoS(Quality of Service)多播路由是保证网络服务质量的重要组件。但是网络状态信息具有固有的不确定性,因此有必要研究不确定信息对QoS多播路由的影响。假设网络带宽和延时为符合某种分布的随机变量,建立了问题的机会约束规划模型,并采用并行遗传算法对模型进行了求解,仿真结果证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。