基于时延和能耗的Ad hoc网络路由选择算法

为了减少网络能量消耗,优化网络性能,在网络节点MAC层发射功率可控条件下,提出了一种基于平均分组时延与分组能量消耗乘积最小的路由路径选择算法.该算法根据链路平均分组时延和分组能量消耗情况来进行路由路径选择.仿真表明,该算法可以动态调整网络路由路径,使所选路径的平均分组时延与分组能量消耗乘积达到最小,从而达到减少网络能量消耗及降低网络分组时延目的.     

基于蚁群算法的无线传感器网络改进CTP路由协议

针对农业大棚无线传感器网络监测系统出现的节点负载不均衡、负载大的节点寿命短、节点间链路质量差、丢包和误码较为频繁、数据包时间延迟较严重等现象,利用蚁群能够发现从巢穴到食物源之间最优路径的特性,提出一种新的蚁群汇聚树路由协议ACA-CTP(Ant Colony Algorithm Collection Tree Protocol)。该算法将蚂蚁信息素、节点间链路质量、数据包时延等3个指标作为算法优化因子,改进蚁群算法的路径概率选择策略,并将改进后的蚁群算法与CTP路由协议相结合,在TinyOS平台上使用NesC语言实现新的路由协议。ACA-CTP路由协议利用改进后蚁群算法的全局寻优能力和快速收敛性,在源节点和目的节点间选择最优路由路径,保证监测数据实时准确地传输至监控平台。仿真结果表明:该算法延长了网络生存周期,降低了数据包传输时延和网络丢包率。     

WSN中一种新的基于蚁群优化的路由算法

针对无线传感器网络路由中网络节点能量和生存时间受限问题,提出了一种基于蚁群优化的WSN分簇路由算法.算法引入蚁群优化,对网络覆盖区域内的节点进行分簇处理,簇内利用蚁群优化算法进行最优路径搜索.仿真结果表明:该算法能有效平衡网络节点间能耗,延长网络生存期,蚁群增强了最优路径的可靠性,进一步降低了网络能耗.     

Ad Hoc网络Q学习稳定蚁群路由算法

针对Ad Hoc网络路由协议存在的对动态拓扑适应性差和链路不稳定问题,提出了一种Q学习稳定蚁群路由算法(SACRQ),该算法综合了蚁群优化和Q学习算法的思想,将信息素映射为Q学习算法的Q值,增强节点对动态环境的学习能力．在路由选择方面,使用自适应伪随机比率选择下一跳节点,避免算法陷入局部最优或是停滞;提出了新的链路稳定度来衡量链路的鲁棒性,结合鲁棒性和信息素强度两种因素选择下一跳链路．该算法增加了链路的鲁棒性,对Ad Hoc网络动态拓扑适应性强．仿真结果表明,SACRQ的路由发现数量、平均端对端延迟、冲突数量和每次路由发现吞吐量4种指标均优于ARA和AODV．     

蚁群算法在QoS单播路由中的应用研究

QoS路由问题被证明是一个NP-C问题,而传统的路由算法很难有效地解决NP-C问题。该文提出了一种基于蚁群算法、用于解决带宽和时延约束问题的QoS单播路由算法,利用蚁群算法中蚂蚁通过信息素寻找最优路径的机制,并以网络吞吐量和数据报的平均时延等性能为最优的准则,来定义蚂蚁的转移概率、路由表和信息素更新方式,实现基于蚁群算法的路由选择算法．这种算法具有较强全局最优解搜索能力,较强的灵活性,以及潜在的并行性。     

基于多属性决策的空间DTN网络路由算法研究

空间信息网絡是未来信息网络的重要发展方向,低轨卫星DTN网络是空间信息网络的重要组成部分,由于低轨卫星网络存在时延大、中断频繁、拓扑结构变化剧烈等特点,因此路由问题成为了制约该型网络发展的瓶颈。为推进路由问题的解决,提出了一种基于多属性决策理论的路由算法,利用卫星网络链路带宽、链路建立时延、节点剩余存储空间、节点数据转发率四个重要指标作为路由选择依据,通过计算各属性比例关系决定数据转发路径,从而实现DTN网络路由,同时,通过调整属性偏好,可以针对不同网络业务实现网络路径的优化,从而适应空间信息网路的多业务需求。仿真实验结果表明:该算法与Epidemic、PROPHET路由算法比较,在数据传输成功率、网络平均时延方面均有改进。     

自组网中基于定位信息的多径路由算法

针对移动自组网中,网络节点的移动性和拓扑结构的易变性,提出了一种基于位置信息的节点不相交多路径路由算法(GNDMR).该算法利用网格中节点的地理信息,选择稳定的节点不相交多路径路由,有效减少了路由发现泛洪的频率和网络开销,并对该算法基于相似性因子进行了优化(GNDMR-OP),同时通过选择与最短路径相似的不相交路径的优化方法,在增加路径可靠性的同时也减少了分组传输的端到端时延.仿真结果表明,该算法采用的节点不相交路由有着良好的可靠性,GNDMR和GNDIVIR-OP的性能超过了单路径路由协议(AODV)和节点不相交多路径路由协议(NDMR).     

Ad Hoc网络中信道自适应多径路由算法

针对自组织移动通信网络,研究了基于自适应调整和编码的多径路由算法。该算法根据信道条件和业务量优化分组在多条路径上的路由,实现整个网络平均分组时延最小的目标。考虑寻找路由以及存储路由表的代价和开销因素,多径路由限制为2条路径,使业务在最小代价路径和次小代价路径中分配。仿真结果表明,最多2条路径的信道自适应路由算法可以获得较小的网络时延。     

一种嵌套移动网络中的路由优化机制

针对嵌套移动网络中的乒乓路由和数据包多层隧道封装问题,将区域管理和移动自组织网络多跳转发的路由思想结合起来,提出了一种新的移动网络路由优化机制.该机制通过构建新的网络优化模型,实现域内自主路由和数据最短路径转发;通过更新接入点的路由信息,保持原有的转交地址CoA不交,减小了域内切换的时延.性能分析表明,该机制减少了数据传输的封装次数和隧道长度,具有较小的传输和切换时延.     

基于蚁群优化算法的SDN路由策略

针对蚁群算法在软件定义网络路由选择中的全局搜索能力弱、收敛速度慢的问题,提出一种基于蚁群优化算法的路由策略.根据网络规模设定参数,将信息素浓度重要程度和挥发系数由静态参数改进为动态参数,弱化算法迭代前期的信息素浓度重要程度以提升算法前期的全局搜索能力,增强算法迭代后期信息素浓度重要程度以加快算法后期的收敛速度;对挥发系数采用逐步减小的动态参数使算法避免陷入局部最优解;进一步加快算法后期的收敛速度,使网络获取更佳性能.在Mininet平台上进行仿真实验评估该算法性能,实验表明该算法前期在选择路由时的全局搜索能力增强,后期收敛速度明显加快.实验通过将基于蚁群优化算法的SDN路由策略与基于最短路径路由算法、等价多路径路由算法路由策略对比,链路利用率分别提升9.9%和17.1%,具有平均吞吐量大、链路利用率高的优点.     

基于蚁群算法的自适应ad hoc路由协议

为了在ad hoc网络中建立和维护路由,提出一种基于蚁群算法的自适应ad hoc路由协议.该路由协议按需广播蚂蚁,建立了到目的结点的一条路径,并在数据传输过程中通过连续发送蚂蚁维护现有路径和探索新的路径,从而动态建立到目的结点的多路径路由,能较好适应网络拓扑结构的动态变化.仿真实验表明,该路由协议在平均分组端到端的延迟和分组投递率等性能上比AODV和W_AntNet协议具有更大的优势.     

模拟退火蚁群算法在VRP问题上的应用

车辆路径问题是物流系统优化的核心问题,在满足相关需求的情况下需要达到路径最短、成本最低等目的。文章提出一种模拟退火算法和蚁群算法的组合,通过改进蚁群算法相关参数、采用邻域算法对解进行二次搜索,从而改变解的质量并进行优选,以实现在满足相关约束条件下达到路径最短的优化。将该组合算法与基本蚁群算法、改进型的蚁群算法及VRP官网算例进行比较,实验结果表明,该组合算法在时间上和准确度上都有较大的提升,具有较好的应用价值。     

基于蚁群优化的WSN网络数据融合算法

为了减少WSN网络中数据传输量、优化无线传输距离,提出了一种基于蚁群优化的WSN网络数据融合算法.该算法构造数据融合树并根据WSN网络的传输特点改进了蚁群算法,考虑了路径偏转角对路由的影响,调整节点选择概率;同时对最优的多个路径更新信息素,以提升最优路径的全局搜索能力.在WSN网络节点能量消耗、传输延迟方面与经典算法对比,发现该算法能够有效延长网络的生命周期、降低节点能耗,并能改善网络负载均衡.     

一种基于OPNET的NoC路由算法设计

针对片上网络(NoC)确定性路由算法在高负载情况下性能下降过快、自适应路由算法逻辑复杂度高及资源开销大等问题,提出了一种适用于2D-Mesh拓扑结构的路由算法DARA。在通过最短路径满足延时约束的基础上,对易形成网络热点的中间区域节点采用动态的路由方式,对网络边缘节点采用基于Turn Model模型的确定性路由方式。实验首先通过OPNET仿真平台,对一个5×5的2D-Mesh拓扑结构的NoC分层建模;然后分别在均匀模式和热点模式下对该算法进行了仿真验证,并获得端到端的平均延时和吞吐量。实验结果表明,与通常的XY路由算法及自适应DyXY路由算法相比,在热点模式下DARA路由算法具有更好的网络性能。     

自适应和最大最小蚁群算法的物流车辆路径优化比较

针对物流车辆路径优化问题,考虑到基本蚁群算法有收敛速度慢、易陷入局部最优的缺点,采用了自适应蚁群算法和最大最小蚁群算法进行车辆路径优化,分析、比较了这两种算法的不同并在Matlab上做了仿真。仿真实验结果显示自适应蚁群算法在收敛速度和寻找最短路径上都略逊于最大最小蚁群算法,最大最小蚁群算法在物流车辆路径优化上优于适应蚁群算法。     

基于改进蚁群算法的物流配送车辆路径优化方法

目前路径优化方法忽略了客户时间窗约束产生的惩罚成本,导致惩罚成本过高,无法得到最优配送路径,因此,提出基于改进蚁群算法的物流配送车辆路径优化方法.结合遗传算法完成对蚁群算法的改进,对物流配送车辆路径问题进行建模,得到路径规划问题的目标函数,并根据配送过程的实际情况和具体要求设定目标函数的约定条件,计算固定成本和变动成本...     

基于Overlay-Underlay的功率控制路由算法

对现有混合式认知无线电网络频谱共享模型进行改进, 解决了现有路由算法在干扰与时延处理方面的缺陷, 提出了一种基于Overlay-Underlay频谱共享的路由算法. 该算法以着色图为路由分析模型, 以最短路径和链路状态作为路由指标, 以最小累积干扰为信道分配指标, 优先接入空闲授权信道, 否则利用功率冗余接入, 发展了一种具有功率控制的端到端路径选择和信道分配方法. 仿真研究结果表明了该算法的有效性, 与现有路由算法相比, 提高了网络吞吐量, 降低了丢包率和端到端时延.