蚁群算法及其在路由优化中的应用综述

蚁群算法(ACO)是一类新型的机器学习技术,根据蚁群算法的正反馈原理和启发式原理的特点,针对目前国内国际的研究情况,对蚁群算法在最优路径的搜寻上从收敛性,收敛算法的改进以及收敛速度等方面的研究分别进行了分析综述,并对蚁群算法的一些应用,如:LEO卫星网络和无线传感等方面进行了阐述.对蚁群算法在路由优化和负载平衡上的研究进行了对比分析,发现了它们存在的不足,指出了在该领域需要进一步研究的热点问题.     

粒子群算法及其在路由优化中的研究

粒子群算法已经被广泛应用在各个领域,具有NP-C性质的QoS路由优化已经成为网络研究中的一个热点问题,粒子群算法所具有的优点成为解决QoS路由优化的有效方式.为进一步推广粒子群算法在路由优化上的应用而提供相关启发,在介绍了粒子群算法的基本原理的基础上,详细综述了其各种重要改进算法,并阐述了粒子群算法目前在路由优化上的应用情况,最后对粒子群算法在路由优化上的研究方向作了展望.     

基于二元目标优化的多链路负载均衡算法DBCTIA的研究

在IP流量规划思想和多重链路时延均衡算法DTIA的基础上,提出一种基于二元目标优化的链路负载均衡算法DBCTIA,能够在原始的切割调度样本中,基于链路时延和剩余带宽的协方差值,对IP路由表的大小和数量进行二次分割调整, 使得多重链路达到时延及剩余带宽的均衡。实验结果显示,在网络重载情况下,DBCTIA对多链路时延和剩余带宽的均衡效果显著,而且DBCTIA进行负载均衡后的链路Power值较DTIA均衡后的链路Power值有所增加。er值较DTIA均衡后的链路Power值有所增加。