QoS体系中流量工程与网络规划的功能框架

概述了Internet网络的发展趋势，分析了QoS提供体系的研究现状，指出了现有研究的不足，然后，将网络规划引入QoS提供体系架，把网络规划和流量工程结合起来，拓展了原有的QoS提供体系框架，最后，提出了网络规划和流量工程综合框架的系统流程，并且严区分了网络规划，流量工程和网络优化的作用范围。     

一种基于MPLS流量工程的QoS保证路由算法

随着因特网流量的快速增加和对服务质量要求的不断提高,基于MPLS流量工程的QoS路由算法成为业界研究的重点。文章介绍了MPLS流量工程的工作机制和原理,在传统的Dijkstra算法的基础之上,提出了一种新颖的基于遗传优化的QoS保证的路由选择算法,同时配置一批LSP,并克服了一条一条配置时的先占先优的“顶端优势”。最后的仿真实验说明了算法在优化网络资源、平衡网络负载中是有效的和实用的。     

新型网络规划中的多目标静态路由算法

该文介绍了新型网络规划的发展及主要特点,分析了当前静态路由算法的研究现状及其存在的缺点,并首次提出一种可应用于新型网络规划中的静态路由算法。该算法通过分析各服务质量需求,在算法运算过程中采用多目标全局优化策略,从而满足新型网络规划中各服务质量的需求,使网络资源得到充分合理的利用。最后以编程仿真和理论推导两种方法论证了该算法的有效性和优越性。     

改进的蚁群算法在QoS网络路由中的应用

基本蚁群算法求解多约束的QoS网络路由时速度慢,容易出现早熟收敛和停滞现象,将信息素适量更新与变异的蚁群算法应用到网络路由问题中,使得每轮搜索后信息素的增量更好地反映了解的质量,实验仿真表明该思想的引入加快了收敛速度,在很大程度上弥补了基本蚁群算法在解决网络路由优化问题时出现的不足。     

基于改进遗传算法的网络差异数据挖掘算法

网络差异数据的准确挖掘方法在数据处理领域占据十分重要的地位.利用传统算法进行网络差异数据挖掘,遇到特征相似性干扰时,以模糊规则建立挖掘关联规则,但是,在建立模糊规则时,一旦特征过于接近,需要加入很多约束条件建立规则,导致规则复杂,具有较强的局限性,计算过程较为繁琐.提出了基于混合式遗传算法的网络差异数据挖掘方法,改进原有遗传算法应用的局限性,把模糊理论融合到大变异操作中,形成模糊大变异操作,并利用自适应遗传算法和最佳选择策略机制与过滤操作的思想,将其应用于网络差异数据挖掘中.实验结果证明,基于混合式遗传算法的网络差异数据挖掘方法效率高,精准度高.     

保证QoS的片上网络路由算法研究

路由算法在片上网络的服务质量保证机制中具有非常重要的地位,本文分析DyAD算法在路由过程中可能会选择一条非最短路径从而导致跳数增加,增大延迟导致服务质量性能下降。对此本文在DyAD基础上提出了一种改进型算法,该算法以确保尽可能地选择最短路径进行路由保证服务性能。仿真结果表明该改进算法可以有效减小延迟,改善性能,提供较好的服务质量保证。     

层次型IPv4网络QoS算法

网络服务质量Qo S在层次型网络中要求更高.从OSI参考模型的第二层与第三层出发,分析了传统的Qo S体系结构和三种Qo S模型的工作原理、优缺点以及网络应用环境.设计了将Int Serv与Diff Serv模型相结合的互补算法来保证层次型网络的服务质量.仿真结果表明,此模型能够从传输延迟、丢包率、延时抖动和网络吞吐量等多个方面提升网络的Qo S.     

Rapidio网络QoS多目标优化

针对现有Rapidio网络路由管理策略的缺点,提出了一种基于改进的遗传算法的优化策略。通过改进的路由分配策略以及对传统遗传算法编码、交叉和变异等方面的改进,明显提高了Rapidio网络服务质量（QoS）诸项指标;同时相对于传统遗传算法,改进的遗传算法拥有更快的收敛速度。该算法适用于基于Rapidio网络的嵌入式应用,具有较强的工程实用价值。     

基于改进遗传算法的QoS路由选择优化

提出了一种基于改进遗传算法的QoS路由选择优化算法,采用网络资源消耗和负载分布为目标函数,凫目标函数包含了带宽、跳数、费用、时延等QoS参数。该算法在消耗网络资源最小的基础上,使负载均衡分布,合理利用了网络资源,降低了网络的拥塞,提高了网络的吞吐量。仿真计算的结果表明,该算法在解决多目标规划问题上是一个有效、可行的方法。     

基子改进的遗传算法的选播QoS路由算法研究

针对选播的QoS路由选择问题，本文提出了一种基于改进的遗传算法的多约束选播路由优化算法。该算法在满足带宽、延时、时延抖动和包丢失率的条件下。可寻找花费最小的路径。网络仿真实验证明：该算法操作简单，结果可行且有效。     

一种QoS平面蚁群路由算法的设计与实现

提高网络服务质量的关键在于寻找出高性能路由,然而传统的路由算法却很难解决此类NP C问题。基于此,本文提出一种基于改进后的自适应蚁群算法的路由解决方案,将路由问题假设为平面路由,并建立相应的网络模型。针对该网络模型,建立特定的平面QoS蚁群路由算法,并在MATLAB上对其进行模拟仿真,从而验证了它的性能。仿真实验结果表明,该路由选择方案在求解实际网络路由问题时具有一定的优越性,能够有效地解决QoS平面网络路由问题。     

基于改进蚁群算法的无线Mesh 网QoS 路由算法研究

目前,无线Mesh网络正成为无线网络研究中的一个热点。Quality of service（QoS）是无线Mesh网络中的一个非常重要问题,而QoS路由技术是解决这一问题的关键技术之一。本文就蚁群算法进行研究和改进,并将改进后的算法应用于无线Mesh网络QoS路由问题,进而提出了无线Mesh网络QoS路由算法,通过实验证明该算法能够对QoS提供较好的支持。     

一种基于QoS约束的组播树构建算法

研究基于QoS约束的组播树构建问题．采用种群数自适应遗传算法构建组播树,该算法可以对进化种群数进行宏观调控;同时,使用个体寿命限制个体的生存期,实现对种群数的微观调控．仿真结果证明了该算法的有效性．     

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．     

基于启发式遗传算法的QoS组播路由问题求解

研究了带宽、延时抖动和包丢失率约束以及费用最小的QoS组播路由问题,并提出一种启发式遗传算法。该算法有以下特点：（1）预处理机制;（2）树结构编码;（3）启发式交叉策略;（4）指导性变异过程,最后通过仿真实验证明该算法快速有效。     

基于市场机制的QoS控制模型MQC的改进遗传算法求解

基于市场机制的QoS控制模型(MQC)的求解是一个NP-Hard问题,对此作者提出一种改进遗传算法(MGA)用于求解,与传统遗传算法相比加入自适应预测器,同时在遗传操作中采用自适应遗传因子指导搜索过程．最后通过实验证明该算法快速有效。     

一种优化网络资源利用的QoS路由选择的遗传算法

本文提出了一种优化网络资源利用的QoS路由选择的遗传算法，该方法在考虑网络带宽，时延的基础上，将资源消耗函数和网络负载分布作为目标函数，并利用遗传算法求最优解，希望所选路径消耗较少的网络资源，并使负载尽量均衡分布，达到合理利用网络资源，降低网络拥塞的目的，最后，给出了仿真实验结果。     

基于蚂蚁网络的一种QoS选路新算法

选路技术是保证网络QoS的一个重要因素。基于蚂蚁网络的QoS选路算法,来源于蚂蚁群落的生物行为特性。这种选路技术存在蚂蚁群数量过多、控制复杂的问题。文中提出了基于较大带宽的业务流呼叫驱动人工蚂蚁发射的新算法,以减少网络中蚂蚁的数量,并使用可后退的、智能型的选路算法,确保较高的呼叫成功率。     

一个扩展的以QoS为指向的网格任务调度算法

在对网格计算的研究中,有人考虑了计算资源中服务质量(QoS)因素,在对传统的Min-Min算法加以改进的基础上,提出了QoS Guided Min-Min算法。在此基础上,本文提出一种新的扩展型算法,以进一步提高网格资源的利用率。最后,本文对以上三种算法的实验结果进行了比较分析。     

遗传算法优化小波神经网络的网络流量预测

为了提高网络流量的预测精度,克服小波神经网络收敛速度慢、易陷入局部最优的缺点,提出一种遗传算法优化小波神经网络的网络流量预测模型.首先计算延迟时间和嵌入维数,构建小波神经网络的学习样本,然后采用小波神经网络对网络流训练集进行学习,并采用改进遗传算法对小波神经网络参数进行全局寻优,提高收敛速度和网络学习精度,最后采用网络流量数据对模型性能进行仿真分析.结果表明,相对于对比模型,本文模型的平均误差大幅度降低,训练次数急剧减,减小了二次优化训练的次数,具有更大的实际应用价值.