基于多QoS约束的多播路由算法研究

论文讨论了具有延迟、带宽和低代价等多QoS约束的多播路由算法,提出了适应于研究QoS多播路由的网络模型,并给出了一种具有多QoS约束的动态多播路由算法,分析了算法的复杂度。仿真实验证明,该算法是稳定有效的。它能够在满足多约束的情况下,使多播树的代价优化。     

基于遗传算法的实时QoS多播路由优化算法

讨论了多QoS约束的多播路由问题，描述了一种适应于研究实时QoS多播路由的网络模型和优化函数。提出一种基于遗传算法中的小生境技术的QoS多播树选择算法，同时优化了多QoS参数。仿真结果表明该算法收敛速度快、可靠性高，能够满足多媒体网络对实时性的要求。     

基于混合遗传算法的QoS多播路由算法

具有多QoS约束的多播路由问题具有NP完全的复杂度。基于延时、延时抖动、带宽、丢包率等QoS约束,描述了一种适应于研究QoS多播路由的网络模型,提出了基于遗传算法和禁忌搜索混合策略的具有多QoS约束的多播路由算法。该算法充分利用了遗传算法和禁忌搜索的优点。克服了遗传算法在求解多QoS约束多播路由问题中的爬山能力差以及不成熟收敛等问题。仿真实验结果表明,该算法为多QoS约束多播路由问题的求解提供了一种有效的新途径。     

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。     

多约束QoS多播路由的模型和算法研究

随着高性能网络、移动网络及Internet的不断发展,具有QoS约束的多播路由技术已成为网络及分布式系统领域的一个重要研究课题。基于约束多播路由的目的在于鉴别一条路径满足QoS约束,然而,多加、乘约束的路由是一个NP-完全性问题。因此,快速的和精确的约束路由算法是少有的,甚至不存在。如此基于路由算法的需求导致众多的启发算法和一些少有的QoS算法的出现。文章描述了一种适用于研究QoS多播路由的网络模型,给出一个完全,简洁和公平地评价7个典型的基于多约束QoS多播路由算法,并且提供多约束路径算法的最坏情况下复杂性的比较。     

移动自组织网络中组播QoS路由的遗传算法研究

Adhoc网络中的QoS保障问题是一个比较复杂的开放问题。该文首先对Adhoc网络拓扑结构和基于QoS的多播路由进行了分析,建立了QoS多播网络模型。在此基础上提出了多播路径集获取算法和遗传算法多播路径选择。该方法可以在满足延迟和带宽约束的情况下,找到一棵消耗趋于最小、状态稳定的多播路由树。     

基于蚁群遗传算法的QoS多播路由研究*

为解决多播路由中的QoS约束问题,不仅研究了QoS多播路由中的带宽、时延﹑时延抖动和包丢失率等约束问题,还重点分析了路径开销问题,从而提出一种基于蚁群遗传算法的多播路由算法。该算法将遗传算法与蚁群算法结合起来,对多播树群体进行编码、选择、杂交和变异等遗传操作,同时利用蚁群算法的信息素正反馈求解,充分发挥两者的优势,从而更快更好地产生出既满足服务质量保障（QoS）又具有最小路径开销的多播树。仿真实验证明了该算法具有更高的运行效率和更好的收敛性。     

基于遗传算法的多约束QoS多播路由优化算法

随着大量新型的多媒体在高性能网络、移动网络及Internet中的应用，满足QoS约束的多播路由问题成为越来越重要，它吸引了许多爱好者．本文讨论了多约束QoS多播路由问题，主要包含延迟、延迟抖动、带宽和分组丢失率等QoS约束，文中描述了一种在动态网络环境及不确定参数下适应于研究QoS多播路由的网络模型．提出了一种在网络规模、可行性方面为Imernet、移动网络和高性能网络下基于遗传算法的多约束QoS多播路由优化算法（MQMRGA）．仿真结果表明该算法收敛速度快、可靠性高．MQMRGA为QoS多播路由提供了一种新的有效途径．     

多约束QoS动态多播路由算法

YAM和QoSMIC是支持QoS动态多播路由算法,允许多播组成员动态地加入/退出,同时为接收方提供多个可选择的多播接入路径,以满足不同应用的QoS需求。该文在分析这些算法的基础上,研讨了具有延迟、延迟抖动、带宽和代价等多约束QoS的多播路由问题,描述了一种适应于研究QoS多播路由的网络模型,提出了一种具有多约束QoS的动态多播路由算法(MQDMR),MQDMR试图有效地减少生成多约束QoS的多播树的开销。在MQDMR中,一个多播组成员能动态地加入/退出一个多播会晤,且不干扰现有的多播树。仿真实验结果表明,MQDMR比YAM和QoSMIC具有较小的延时和较少的代价。     

基于蚁群优化的分布式Qos多播路由方法研究

提出了一种基于蚁群优化的分布式QoS多播路由算法,蚁群算法是解决多QoS约束组播路由问题的一种启发式算法,多QoS约束的组播路由技术是当前实现分布式网络多媒体的关键技术.给出了该算法实现的步骤,还结合多播路由问题的特点对算法进行了改进.通过仿真实验讨论了该方法的性能,并与传统的蚁群算法对比,证实了该方法的有效性.     

多QoS约束的层次多播路由算法框架

为了解决网络路由的扩展性问题。大型网络通常被划分成若干个不同的域。拓扑聚集是对这些域的拓扑状态信息进行汇总的过程。在拓扑聚集的基础上,QoS层次多播路由算法用来构造满足QoS要求的域闻多播树。现有的QoS层次多播路由算法在其拓扑聚集和路径计算的过程中都只考虑了存在两个QoS特征值的情况。本文提出了一种具有多QoS约束的层次多播路由算法框架HMRMQ（Hierarchical Multicast Routing with Multiple QoS constraints）,此算法框架不仅为基于多QoS特征值的拓扑状态聚集和状态信息表示提供了新的方法,而且提出了一种适应于多QoS约束的层次多播路由新算法。我们提出的状态信息表示法和拓扑聚集算法都具有很好的扩展性,分布式的路由算法也便于某些安全性策略的实施。理论分析和实验结果不仅证明了HMRMQ的正确性和有效性,同时也表明了HMRMQ在网络路由的扩展性、路由成功率、网络代价以及报文负载等方面都具有良好的性能。     

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.     

基于混合遗传算法的多播路由多目标优化

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.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,文中描述了一种适应于研究多播QoS路由多目标优化的网络模型,在此基础上提出了基于遗传算法和禁忌搜索混合策略的,具有多目标的多播路由QoS优化方法,以克服遗传算法的爬山能力差以及不成熟收敛等问题.此外还采用了改进的多播树编码方法及高效的遗传操作,同时还优化时延、丢包率和带宽利用率等不同的参数.实验结果表明,该算法为多播路由QoS多目标优化问题的求解提供了一种有效的新途径.     

多QoS约束的多播路由协议

随着高性能网络、移动网络及Internet的不断发展,具有QoS约束的多播路由技术已成为网络及分布式系统领域的一个重要研究课题.研讨了具有多QoS约束的多播路由问题,其中主要包含延迟、延迟抖动、带宽、代价等QoS约束.描述了一种适应于研究QoS多播路由的网络模型,提出了一种具有多QoS约束的多播路由协议(multicast routing protocol with multiple QoS,简称MRPMQ).MRPMQ试图有效减少生成多QoS约束的多播树的开销.在MRPMQ中,一个多播组成员能够动态地加入/退出一个多播会晤,且不干扰现有的多播树.给出了该协议的正确性证明和复杂性分析.仿真实验结果表明,MRPMQ为多QoS约束多播路由提供了一种新的有效途径.     

基于Ad Hoc多QoS约束的多播路由协议

针对移动Ad Hoc网络特点，研讨了Ad Hoc网络中其有多QoS约束的多播路由问题，其中主要包含延迟、延迟抖动、带宽、代价等QoS约束。描述了一种适应于研究Ad Hoc网络QoS多播路由的网络模型，提出了Ad Hoc网络中一种具有多QoS约束的多播路由协议。给出了MQAP的路由实现过程，进行了正确性证明和复杂性分析。仿真实验结果表明，MQAP为Ad Hoc网络多QoS约束多播路由提供了一种新的有效途径。     

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.