一种认知无线Mesh网络中负载均衡的组播路由算法

提出了一种负载均衡的无线链路权值函数及计算算法LBWC,在此基础上,提出了一种满足QoS约束的负载均衡组播路由与频谱分配算法LMRS2A.LMRS2A的目标是:在满足无线组播业务QoS约束的情况下,均衡化网络的负载,最小化传输次数,优化网络资源的使用.LMRS2A算法首先采用LBWC算法计算无线链路的权值,进行负载均衡组播树的构造,然后采用基于无线广播特性的QoS约束频谱分配算法WBA2S对无线链路进行信道分配.仿真结果表明LMRS2A能达到预定目标,不仅避免了拥塞节点的产生,而且需要较少的传输次数.     

一种延时约束费用最小分布式动态组播路由算法

多媒体应用一般包含多个组播成员,它消耗大量的网络资源且有严格的端端延时约束.针对这个问题,提出了一种延时约束费用最小的分布式动态组播路由启发算法DDDDCLCMR(distributeddynamicdelay-constrainedleast-costmulticastroutingalgorithm).在DDDDCLCMR算法中,组播源点很少或根本不参与路由计算;即使组播成员发生改变,组播树变化也很小,算法扩展性好.实验结果表明,无论组播成员改变与否,DDDCLCMR算法都能获得满足延时约束且费用很低的组播树.     

一种光因特网中的一体化QoS组播路由算法

讨论了IP/DWDM光因特网中的一体化多约束QoS组播路由和波长分配算法。给定一个QoS组播请求,包括带宽需求、组播端到端延迟上界和延迟抖动上界,提出了一种算法,它能够找到一棵同时满足上述三个约束的组播树。提出的算法基于一种类似于波长图的逻辑拓扑来构造组播树。逻辑拓扑上的路径同时指出路由和该路由上的可用波长。通过这种方式,算法将路由和波长分配集成在一起一体化考虑。最后,阐述了算法的正确性。     

一种有时延约束的动态组播路由算法

贪婪算法是一种动态组播路由算法,该算法获得的通信树时延较大。文章在改进的多标号算法基础上,提出了一种有时延约束的动态组播路由算法,可以获得满足时延约束的通信树,仿真显示该算法可以获得问题的次优解。     

基于局部信息的时延和时延差约束的组播路由

组播通信是从一个源节点同时向网络中的多个目的节点发送分组的通信服务,它一般提供一个以上的端到端的服务约束,实际的路由算法在应用时可以受到多重约束,解决这类问题的组播路由算法是NP完全的。在研究了构建组播树的相关算法后,提出了一种新的时延和时延差约束的低代价组播路由算法—DDVMC。该算法采用基于贪婪策略的Dijkstra最小生成树算法,利用局部信息来构建低代价组播树,很好地平衡了树的代价、时延和时延差。仿真表明,该算法能正确地构造出满足约束的组播树,同时还具有较低的代价和计算复杂度。     

时延约束动态不重组组播路由优化

针对时延约束的组播路由问题,提出了一种动态不重组组播路由算法NDMADC。算法将DGA和Floyd最短路径优化算法相结合,确保节点在满足时延约束的前提下动态选择到组播树有最小代价的路径加入组播会话。由于采用贪心算法思想,NDMADC算法保证了节点加入组播树时不需要组播树重组。仿真表明,该算法能正确地构造出满足时延约束的组播树,具有较低的代价和计算复杂度。     

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.     

一种基于模拟退火方法的多约束QoS组播路由算法

研究了带宽、时延及时延抖动约束最小代价的QoS组播路由问题,提出一种利用模拟退火方法解决该问题的QoS组播路由算法SABDMA。该算法通过选择合适的模拟退火参数迭代求解,以获得满足QoS约束的最小代价组播树。同时,为避免搜索区域的扩大和计算时间的增加,根据时延和时延抖动的关系,提出采用“路径交换”策略在可行解范围内构造邻域集。仿真结果表明该算法具有可行、稳定、收敛快的特点;能根据组播应用对QoS的限制要求,有效地构造代价较低的组播树,具有较强的实时性。     

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。     

基于时延约束的快速低代价组播路由算法

低代价最短路径树是一种广泛使用的组播树,通常不能满足实时多媒体应用中信息从源端到目的端传输的时延限制。针对该问题,提出基于时延约束的快速低代价组播路由算法,利用代价构建满足时延约束的初始树,将不满足时延约束的路径用最小时延路径代替。仿真结果表明,相比时延约束最短路径树算法,该算法的计算时间更少,组播树的总代价更低。     

基于拉格朗日对偶结合粒子群优化的无线Mesh网络信道分配方案

本文提出了一种拉格朗日对偶结合粒子群优化的信道分配方案。该算法能使用WMN中所有可用信道（非重叠和部分重叠信道）进行信道分配,根据路径转发权重来设定信道分配顺序,从而提高网络的吞吐量。同时,综合考虑信道间隔和节点之间的距离来衡量干扰影响,使节点可以选择具有较少干扰的信道。最终得到原始WMN优化问题的最优解,实现最大化网络吞吐量和最小化网络干扰。实验结果表明,相比其他几种现有的无线mesh网络信道分配方案,提出的方案具有更好的性能。     

Resource deadlocks and performance of wormhole multicast routingalgorithms

We show that deadlocks due to dependencies on consumption channels are a fundamental problem in wormhole multicast routing. This type of resource deadlocks has not been addressed in many previously proposed wormhole multicast algorithms. We also show that deadlocks on consumption channels can be avoided by using multiple classes of consumption channels and restricting the use of consumption channels by multicast messages. We provide upper bounds for the number of consumption channels required to avoid deadlocks. In addition, we present a new multicast routing algorithm, column-path, which is based on the well-known dimension-order routing used in many multicomputers and multiprocessors. Therefore, this algorithm could be implemented in existing multicomputers with simple changes to the hardware. Using simulations, we compare the performance of the proposed column-path algorithm with the previously proposed Hamiltonian-path-based multipath and an e-cube-based multicast routing algorithms. Our results show that for multicast traffic, the column-path routing offers higher throughputs, while the multipath algorithm offers lower message latencies. Another result of our study is that the commonly implemented simplistic scheme of sending one copy of a multicast message to each of its destinations exhibits good performance provided the number of destinations is small     

基于暂态混沌神经网络的组播路由算法

讨论了高速包交换计算机网络中具有端到端时延的组播路由问题。首先给出了这类问题的网络模型及其数学描述，然后提出了基于暂态混沌神经网络的组播路由算法。实验结果表明，该算法能够快速有效地实现组播路由优化，并且计算性能及解的质量优于基于Hopfield神经网络的路由算法。     

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.     

基于遗传算法的应用层多播路由方案

通过分析应用层多播树的路由约束，定义了3个适值函数，分别考察应用层多播树在开销、平衡和网络层业务量均衡3方面的性能。并根据生成的总适值函数进行遗传算法操作．仿真结果表明，与基于几何规则的应用层路由算法比较，本文提出的算法对多播树的3方面性能都有所优化，树的平衡和网络层业务量均衡性能的优化程度尤为明显．     

基于蚂蚁算法的组播路由调度方法

探讨了在高速包交换计算机网络中,具有端到端时延及时延拦动限制的组播路由问题,并为这类问题的解决提出了一种新颖的基于蚁算法的组播路由优化方法。仿真实验结果表明,该方法不但能实现具有时延及时延拦动限制的组播路由的全局优化,而且能克服一些现有方法的不足。     

基于节点重要度的路由选择与频谱分配算法

在频谱一致性和频谱连续性的约束条件下,弹性光网络运行一段时间后,网络频谱会出现大量碎片的问题。针对碎片以及业务在各节点间分配不均衡的问题,提出了一种基于节点重要度的路由选择与频谱分配算法NIRSA（Route Selection and Spectrum Allocation algorithm based on Node Importance）。该算法针对路由选择问题,考虑业务的类型与大小,找出网络中的关键节点,使得业务分配达到均衡。在频谱分配方面,算法考虑到网络链路上频谱资源的分布情况,结合每个业务所需的频隙数,可以尽可能地减少频谱碎片。在NSFNET和USNET两个不同规模的网络拓扑环境下,对所提算法进行了仿真实验。仿真结果显示,所提出的NIRSA算法既可以有效地降低业务阻塞率,又能提高网络的频谱利用率,实现网络性能提升。     

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。     

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。     

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。