Ad hoc网络稳定的蚁群多路由算法

针对Ad hoc网络路由协议中存在的路由老化和对拓扑变化适应性差的问题,提出了一种基于稳定拓扑和蚁群优化的多路由算法(SAMR),路径质量由路径的拓扑稳定度和时延来度量,并映射为蚁群信息素,利用蚁群优化进行路由的动态更新和维护,以避免路由老化。仿真表明,在动态环境下SAMR相比AODV能提高网络的吞吐量、降低传输时延。     

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.     

一种新的多层前馈网络学习算法

基于权值解耦思想，本文提出一种新的多层前馈网络学习算法，该学习算法的收敛速度比ＰＢ学习算法快，且比并行递推预测误差学习算法有更好的数值稳定性，文中论述了它与别的学习算法之间关系，并选取神经网络对非线性系统建模的例子进行仿真，说明新算法的有效性。     

IP网络弹性路由层拓扑生成优化算法

针对弹性路由层快速重路由技术存在的重路由路径偏长的问题, 提出了一种基于单亲遗传算法的弹性路由拓扑子层生成算法. 介绍了弹性路由层基本原理, 给出了弹性路由层的矩阵表示定义, 分别建立了以平均最短重路由路径长度和重要度加权的最短重路由路径长度为优化目的的弹性路由层生成数学规划模型, 给出了单亲遗传算法求解该优化问题的方法步骤. 实验结果表明, 优化算法可以得到最佳的弹性路由层拓扑结构, 与Minimum算法、Rich算法相比, 明显缩短了重路由路径长度, 提高了流量转发效率.     

基于蚁群优化算法的无线传感器网络跨层路由协议

针对无线传感器网络对实时性、鲁棒性及能耗平衡要求较高的特点,提出了基于蚁群算法和跨层优化的无线传感器网络路由协议ABCRO（Ant-Based＆Cross-layer Routing Optimization）。算法综合考虑各层之间的信息共享机制,将链路的通信开销和链路通信情况以数据的形式转换为网络性能优良的评估参数;通过将接纳控制网络节点机制、信息素禁忌表的双向更新、节点剩余能量信息维护及跳数更新等信息加入路由选择公式,有效增强算法的可扩展性,降低通信过程中的拥塞问题。仿真实验表明ABCRO算法能够较快的寻找出一条最优的路径,从而平衡网络能耗,降低冲突率,有效提高网络整体性能,延长网络寿命。     

基于蚁群算法的多层前馈神经网络

反向传播算法是神经网络中应用广泛的一种多层前馈神经网络模型．但算法有求解精度低、搜索速度慢、易于陷入极小的缺点．蚁群算法是一种新型的模拟进化算法，有正反馈、分布式计算、启发性收敛等特性．这些特性使得解题过程加快，易于实现分布式计算．将蚁群算法和神经网络相结合起来，实现了非线性模型的辨识问题及倒立摆的控制．仿真实验表明：用蚁群算法训练神经网络，可兼有神经网络广泛映射能力和蚁群算法快速全局收敛的性能．     

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.     

基于蚁群算法的无线传感器网络路由算法实现

本文利用蚁群算法简单、局部工作等特点,结合传感器网络的特征,分析研究了基于蚁群算法的WSN路由算法,并阐述了蚁群算法的无线传感器网络路由算法的实现和仿真设计与分析。     

多信道无线多跳网络的跨层优化

为提高多信道无线多跳网络的效用,提出了一种实际可行的跨层优化机制.  利用该机制,每个节点在传输层使用联合设计算法分布式地调整流速率,在链路层根据所提出的分布式调度算法进行速率分配;网关节点使用所提出的干扰代价最小的信道分配算法集中式地分配信道.  通过在层间和节点间传递信息来协调这些层的工作,比集中式算法降低了复杂度,减少了信令开销.  仿真结果表明,该机制具有快速收敛性,且能保证业务流间的公平性;随着可用射频和信道数目的增加,业务流的速率和网络效用增加.     

ACOGA算法的多媒体网络QoS路由实现

针对传统的路由算法收敛速度慢且容易产生拥塞和路由振荡问题,提出了基于蚁群算法(ACO)和遗传算法(GAs)来实现动态QoS路由的新算法。分析了基本的ACO的正反馈性、协同性、并行性和鲁棒性等优点,同时利用GAs很强的自适应性和种群优化技术,通过对ACO算法使用遗传算法的交叉、变异达到对信息素进行调整,来自适应地调整路径选择概率的确定策略和信息量更新策略,从而扩大搜索范围。计算和仿真结果表明,该方法具有更好的路由收敛速度和稳定性,能更有效地解决拥塞现象和路由振荡问题。     

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．     

Component based ant routing protocols analysis over mobile ad hoc networks

To deeply exploit the mechanisms of ant colony optimization （ACO） applied to develop routing in mobile ad hoe networks （MANETS）,some existing representative ant colony routing protocols were analyzed and compared.The analysis results show that every routing protocol has its own characteristics and competitive environment.No routing protocol is better than others in all aspects.Therefore,based on no free lunch theory,ant routing protocols were decomposed into three key components：route discovery,route maintenance （including route refreshing and route failure handling） and data forwarding.Moreover,component based ant routing protocol （CBAR） was proposed.For purpose of analysis,it only maintained basic ant routing process,and it was simple and efficient with a low overhead.Subsequently,different mechanisms used in every component and their effect on performance were analyzed and tested by simulations.Finally,future research strategies and trends were also summarized.     

改进的蚁群优化算法在无线传感器网络中的应用

针对无线传感器网络节点能量十分有限的特点,将蚁群优化算法应用到传感器网络的路由中,提出了一种改进的蚁群路由算法(IARA)。在考虑节点剩余能量、传输方向和节点距离等因素的基础上,对基本蚁群算法的概率选择公式和信息素更新公式进行了改进,实现了能量在整个传感器网络上的均衡消耗。仿真结果表明:该算法减少了传感器网络的能量消耗,并且使能量消耗更加均衡,从而提高了整个无线传感器网络的生存寿命。     

一种基于蚁群系统的MANET路由算法

运用蚁群系统解决移动自组织网的路由问题,提出了一种新的按需路由算法,该算法具有多路径、正反馈、自适应等特点,通过状态转移规则指导路由选择,不仅可利用历史信息选择最优路由,还可以进行一定程度的随机搜索.ns2仿真结果表明,在不同的动态场景中,算法在分组递送率、平均跳数和路由开销等方面均表现了良好的性能.     

基于蚁群算法的自适应动态路由算法

针对传统的路由算法收敛速度慢且易产生路由振荡的问题，利用蚁群能够发现从巢穴到食物源之间较短路径的 特性，提出了一种自适应动态路由(ADR) 算法.ADR中的人工蚂蚁同时搜索网络，并以一种间接、异步的方式相互交换所 收集到的网络状态以及数据流量信息.网络每个节点的路由表用信息素表来代替，表中的信息素浓度以概率值的形式表示 ，利用再励学习机制，人工蚂蚁以一定的周期更新信息素表.算法具有自适应性、鲁棒性及本质上的并行性.仿真结果表 明，所提出的算法能有效提高网络吞吐量、降低平均时延.     

一种直连网络智能路由算法

基于生物智能提出一种适合直连网络的智能路由算法．该算法使用前向代理来收集当前结点到源结点的估计旅行时间,并以此更新结点路由信息．算法采用一个考虑多种时延(如发送时延、传播时延及等待时延等)的模型来计算前向代理携带的旅行时间,同时考虑路由表中的历史路由信息和当前的链路状态,因而路由决策更加正确．在基于虚切通交换的k-ary n-cube网络中对算法性能进行了仿真,与传统的路由算法(如维序算法、Duato算法及GAL算法等)相比,在不同的流量模式下这种直连网络的智能路由算法都取得较低的时延和较高的吞吐量．     

移动Ad Hoc网络中的分布式协作路由算法

为了提高移动Ad Hoc网络的吞吐量,提出了一种分布式、面向吞吐量优化的协作路由(TOCR)算法.首先分析了协作链路的吞吐量性能,理论分析表明,协作节点可以提高接收信噪比(SNR),从而提高分组的成功接收概率和链路吞吐量;然后在自适应转发分群路由(AFCR)算法的基础上,逐跳选择使得链路吞吐量最大的协作节点来建立协作链路;最终建立从源节点到目的节点具有最大网络吞吐量的协作路由.仿真结果表明,与无协作的路由算法相比,该算法明显改善了网络的吞吐量,尤其是在较低发送功率和大量节点的情况下.     

无线传感器网络路由协议成簇算法研究

阐述了无线传感器网络中路由协议成簇算法。在分析LEACH和SCRP的基础上,结合二者各自特点,提出了对SCRP的改进方案,并对实现算法进行了详细描述。由于考虑了网络负载平衡,该改进算法有利于提高WSN能量利用率,延长整个WSN网络的生存时间,拓展了基于簇的WSN路由协议的应用范围。     

一种基于蚂蚁算法的移动自组网节能路由算法

提出一种改进的蚂蚁算法用于移动自组网节能路由问题,以使网络的生存期尽量延长.算法中考虑了节点上电池剩余能量及剩余能量的方差,电池剩余能量方差反映了节点之间能量消耗的均衡程度.算法在蚂蚁选择路由时引入随机小概率变异策略,避免陷入局部最优解.同时算法在运行过程中设置了跳数限制,提供了一定的QoS保证.仿真计算表明,提出的节能路由算法节能效果明显,能进一步延长网络的生存期.     

自组网负载平衡路由协议

负载分配问题影响网络路由性能.为了解决网络负载平衡,文章提出一个负载平衡路由协议(RABLB).该文分析了路由耦合度、节点移动速度和分组队列长度等3种因素对多径路由性能的影响,根据分布式理论和信息熵概念,提出了基于负载平衡路由选择模型及负载加权分配模型,并调节路由结构,使之既提高路由的恢复能力又保持负载平衡.因此,基于负载平衡的多路径路由算法(RABLB)、能够降低传输时延,减少发生网络吞吐量饱和的概率,更有效提高了路由可靠性.文中对RABLB与动态源路由(DSR)和快速切换路由算法(RABA)进行了分析比较.由于RABLB考虑了多因素对路由的影响,因此RABLB的路由性能比DSR和RABA有所提高.