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.     

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。     

一种基于Ad Hoc低能耗QoS多播路由算法

针对Ad Hoc网络特点和节点的剩余能量、延时、延时抖动、带宽等QoS约束问题,提出了基于Ad Hoc的多QoS约束、多播路由算法SEQMRA。该算法把最大剩余能量作为第一度量,同时考虑节点带宽、延时、延时抖动等因素,并对算法进行了复杂性分析。实验表明,算法在路由成功率、多播树费用、能量消耗方面均具有较好特性。     

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。     

基于禁忌搜索的QoS路由算法

多约束的QoS路由问题是NP完全问题,该文将禁忌搜索算法引入多约束QoS路由计算中,提出了一种基于禁忌搜索的QoS路由算法QoS_TS。该算法通过设置长期记忆禁忌表和短期记忆禁忌表以及有效的评价函数,保证了算法实现过程中多样化的有效搜索。文章给出了算法实现的具体流程。实验仿真表明,该算法具有较高的搜索效率和较快的收敛性,通过该算法得到的路由不但满足QoS约束要求,同时可以均衡链路负载,减少路由拥塞。     

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。     

多约束QoS动态多播路由算法

YAM和QoSMIC是支持QoS动态多播路由算法,允许多播组成员动态地加入/退出,同时为接收方提供多个可选择的多播接入路径,以满足不同应用的QoS需求。该文在分析这些算法的基础上,研讨了具有延迟、延迟抖动、带宽和代价等多约束QoS的多播路由问题,描述了一种适应于研究QoS多播路由的网络模型,提出了一种具有多约束QoS的动态多播路由算法(MQDMR),MQDMR试图有效地减少生成多约束QoS的多播树的开销。在MQDMR中,一个多播组成员能动态地加入/退出一个多播会晤,且不干扰现有的多播树。仿真实验结果表明,MQDMR比YAM和QoSMIC具有较小的延时和较少的代价。     

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。     

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。     

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.     

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。     

A new scalable multicast routing algorithm for interactive real-time applications

Quality of service (QoS) provisioning generally assumes more than one QoS measure that implies that QoS routing can be categorized as an instance of routing subject to multiple constraints: delay jitter, bandwidth, cost, etc. We study the problem of constructing multicast trees to meet the QoS requirements of real-time interactive applications where it is necessary to provide bounded delays and bounded delay variation among the source and all destinations while keeping overall cost of the multicast tree low. The main contribution of our work is a new strategy for constructing multiconstrained multicast trees. We first derive mathematically a new delay-variation estimation scheme and prove its efficiency. Thereafter, we propose a simple and competitive (in terms of running time) heuristic algorithm, for delay and delay variation constrained routing problem based on the proposed delay-variation estimation scheme and using the Extended Prim-Dijkstra tradeoffs’ algorithm. Our contribution also extends previous works in providing some properties and analyses of delay bounded paths satisfying delay variation constraints. Extensive simulation results show that our algorithm outperforms DVDMR in terms of multicast delay variation with the same time complexity as DVDMR.     

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。     

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.