光网络中分离路由算法的研究

光网络比传统的包含节点、链路的图论网络更为复杂,使用分离路径能够有效地改善光网络的可靠性.文章提出了一种基于改进蚁群算法的分离路由算法,通过与最短路径优先算法进行仿真比较可知,该算法在多条分离路径的搜索上具有较明显的优势.     

一种基于路径目的节点数的改进蚁群算法

组播技术是无线Mesh网的关键技术之一,它可以大大提高信息的传播效率。介绍了信息组播的主要步骤,指出蚁群算法是构建路由组播树的高效启发式算法。对传统的蚁群算法进行定性分析,并对其进行改进,在计算路径费用以及信息素更新时考虑路径上的目的节点个数,路径上的目的节点数越多,其信息素增长速率越快。两个例子的仿真结果表明,该改进算法与传统蚁群算法相比分别使费用和代价减少了28.57%和22.36%,改善了系统性能。     

一种基于跨层设计和蚁群优化的自组网负载均衡路由协议

针对大部分现有替代路径共同存在的替代路径老化和构建效率问题,本文提出了一种基于跨层设计和蚁群优化的负载均衡路由协议(CALRA),利用蚁群优化算法特有的信息素挥发方法实现对替代路径的老化问题,将蚁群优化和跨层优化方法结合起来解决自组网中的负载均衡问题,通过双向逐跳更新的方式较好的解决了替代路径构建效率问题,并将蚂蚁在所经过的各中间节点为路由表带来的信息素增量映射为蚂蚁离开源节点的距离、移动过程中所遇到的节点拥塞程度、节点当前信息素浓度和节点移动速度等各协议层的统计信息的函数,通过对各种信息所对应的参数赋予不同加权值的方法对概率路由表进行控制,改善了自组网中现有基于蚁群优化的路由协议中普遍存在的拥塞问题、捷径问题、收敛速度问题和引入的路由开销问题.仿真表明,CALRA在分组成功递交率、路由开销、端到端平均时延等方面具有优良性能,能很好地实现网络中的业务负载均衡.     

基于BWAS的无线传感器网络静态分簇路由算法

为提高路径搜索效率,避免动态分簇较多的能量消耗,提出了基于最优-最差蚂蚁系统(BWAS)的无线传感器网络静态分簇路由算法.BWAS是对蚁群算法的改进,在路径搜寻过程中评价出最优最差蚂蚁,引入奖惩机制,加快了路径搜索速度.通过无线传感器网络静态分簇、簇内动态选举簇头,在簇头节点间运用BWAS算法搜寻从簇头节点到汇聚节点的多跳最优路径,能减少路径寻优能量消耗,实现均衡能量管理,延长网络寿命,且具有较强的鲁棒性.通过与基于BWAS的动态分簇和基于蚁群算法的动态分簇路由的仿真实验相比较,证实了本算法的有效性.     

基于蚁群优化的移动P2P网络路由选择算法

因为移动P2P网络具有动态性而且移动节点能量受限,提升移动P2P数据传输效率至关重要.利用蚁群优化算法,将蚂蚁的信息素与节点的能量和通信带宽结合起来,在蚁群选择路径时,减少其寻优路径上的信息素浓度,根据概率路由表中信息素的浓度对路由选择策略进行调整,避免网络拥塞和个别节点能量消耗过快,提出了一种移动P2P网络的多路径路由选择算法.实验结果表明,与EDSR路由协议相比,提出的算法能够降低节点的分组丢失率和端到端的平均时延,提高了网络的生存周期.     

一种无线多媒体传感器网络路径最优路由算法

介绍了无线多媒体传感网络(WMSN)路由的设计原则与策略,描述了路径最优的基本原理,最后从最优路径的选择、信息转发策略、节点能量消耗3个方面考虑,设计出路径最优路由算法。该算法与蚁群算法进行比较,实验结果表明,该算法在节点能量消耗、信息传送速度上都优于蚁群算法,尤其传速率提高了30%左右。     

一种改进的蚁群WSN路由算法

针对能量控制和拥塞控制在无线传感器网络路由上的特殊要求,利用蚁群算法(Ant Colony System,ACS)对路由中最短路径加速收敛。为了促使网络节点能量消耗相对均衡,提出一种改进的蚁群路由算法。该算法将多蚁群挥发的信息素与网络节点剩余能量结合成算法控制因子,并且引入了多蚁群竞争机制来避免单一收敛。此算法能有效地控制网络拥塞,并使网络节点能量消耗相对均衡,延长了整个网络的生命周期,实现了高效路由与能量消耗的较优权衡。最后通过Matlab仿真实验验证了该方法的可行性,并给出实验结果。     

基于蚁群算法的网络路由最优路径判断模块设计与实现

网络中节点的能量是有限的,网络拓扑结构具有波动性,导致传统网络路由算法不能有效适应这些变化,自组织性较差,无法及时获取最优路径,大大降低网络性能。因此,设计基于蚁群算法的网络路由最优路径判断模块。其以FPGA为控制核心实现硬件设计,具体包括控制模块、存储器模块、寻求后续节点集模块、采集后续节点模块、状态调整模块、信息素调整模块和最优路径判断模块。模块实现部分给出了蚁群算法的核心代码。实验结果表明,所设计的最优路径判断模块具有较高的收敛速率,获取的路径更短,能够延长网络的运行周期。     

蚁群-遗传算法的无线传感器网络路径优化

为了提高无线传感器网络路径优化效率,快速找到最优路径,提出基于蚁群-遗传算法的传感器路径优化方法.利用遗传算法的快速全局搜索能力和蚁群算法的正反馈机制,实现了两种算法的融合.仿真结果表明,蚁群-遗传算法在时间和性能上都优于单独的蚁群算法和遗传算法,能快速找到无线传感器网络最优路径,有效延长了网络的生命周期.     

基于多层次蚁群算法的快递路径优化

文中根据快递路径的特殊性,针对城内交通和城市间交通的差异性,设计出多层次蚁群算法。在传统蚁群算法的基础上,将网络节点划分为不同层次,并在不同层次内采用不同的状态转移策略,选用不同的启发函数;同时,为了提高算法的收敛速度,并且使其不容易陷入局部最优,该算法对信息素的更新策略进行了调整。利用多层次蚁群算法实现了快递网络中成本和时间折中考虑的路径选择问题,通过与基本蚁群算法找出的时间最优和成本最优路径进行比较,证明了该算法的可行性和有效性。