基于蚁群系统的分布式QoS多播路由算法

针对QoS约束多播路由问题,利用蚂蚁算法的本质并行性,提出了一种基于蚁群系统的分布式QoS多播路由算法DQMRA-ACS.通过蚂蚁会晤进行路由信息的交互和传递,在获得局部最优路径的同时可有效避免回路的产生;根据信息素强度的路由表,借助不同类型蚂蚁分组的分工协作最终找到符合QoS要求的多播路由;灵活的路由切换和锁定保证了路由连接的成功建立.实验结果表明DQMRA-ACS的可行性和效率性.     

基于蚂蚁算法的AdHoc网络QoS多播路由

针对当前移动AdHoc网络的特点和基于QoS的多播路由问题,提出一种基于蚂蚁算法的QoS多播路由算法,引入“优奖差罚”的信息素更新机制,克服基本蚂蚁算法收敛速度慢和易于陷入局部最优解的缺点。实验和分析结果表明,该算法可以找到一棵费用趋于最小、状态稳定的多播路由树,提高了带宽利用率,降低了网络时延和端到端代价。     

一种基于Agent的分布式QoS多播路由算法

针对QoS约束多播路由问题,提出了一种基于Agent的分布式QoS多播路由算法AQRA (Agent-based Distributed QoS Multicast Routing Algorithm).算法利用不同类型Agent之间的通信协作,寻求满足QoS约束要求的多播路由;在获得最优路径的同时可有效避免回路的产生,并且通过灵活的路由切换和锁定机制,保证了路由连接的成功建立.实验结果表明AQRA是一种正确、有效的QoS组播路由算法.     

基于蚁群算法的QoS多播路由优化算法

蚁群算法是一种新型的随机优化算法,能有效地解决 QoS 受限的多播路由问题。基于蚂蚁具有找到蚁巢与食物之间的最短路径原理工作,并在分析多约束QoS的多播路由的基础上,提出了一种具有全局优化能力的多播路由算法(OQMRA),仿真实验表明了该算法是合理的和有效的。     

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.     

基于蚁群系统的动态QoS多播路由算法

基于蚁群系统的自组织能力,提出了一个分布式的动态QoS多播路由的算法。与其他算法不同,在该算法中,蚁群从多播组的目的结点出发进行搜索,将每次迭代选中的符合QoS约束且具有最小代价的路径加入到多播树中,而多播树以“拉”的模式分布式地被构造。仿真结果表明,与其他两种算法相比,该算法具有更好的性能,能够快速有效地找到动态QoS多播路由问题的全局最（近）优解。     

基于QoS约束的多播路由研究

该文给出了多播路由的定义和多播树的分类,描述了一种适用于研究QoS多播路由的网络模型,对多播路由算法进行了分类,介绍了典型的基于QoS约束的多播路由协议和算法,对每个算法的性能特性和适应范围进行了客观的评价,提供了QoS多播路由算法复杂度的比较,对QoS多播路由技术的进一步研究进行了展望。     

一种基于遗传算法的QoS多播路由算法

深入研究基于遗传算法的QoS多播路由算法,建立支持QoS的多播路由模型.对已有的QoS多播路由算法进行优化,提出适用于下一代网络的基于遗传算法的QoS多播路由算法.采用定长的染色体编码和预处理机制降低算法复杂度.仿真试验表明,该算法收敛速度快,可靠性高,能够更好地满足多播业务的需要.     

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。     

求解QoS组播路由的自适应变异二次蚁群算法

多约束QoS组播路由问题是一个NP-完全问题,针对基本蚁群算法在解决多约束QoS组播路由问题时易陷入局部最优解、收敛速度慢的突出缺点。提出了一种基于自适应变异的二次蚁群算法对该问题进行求解,该算法采取自适应变异方法,借助节点使用计数器,引入二次蚁群搜索机制,减少了算法陷入局部极值的可能性,提高了算法的寻优能力和收敛速度。仿真实验结果验证了该算法的可行性和有效性。     

IP/DWDM光Internet中智能QoS组播路由算法

提出了一种IP／DWDM光Internet中基于蚁群算法的智能QoS组播路由算法。给定QoS组播请求与用户延迟需求区间,提出的算法寻找一棵基于柔性QoS的成本近优组播路由树。它基于蚁群算法来构造组播路由树,并基于波长图思想对组播路山树进行波长分配,一体化考虑组播路由选择和波长分配问题,同时还考虑了IP／DWDM光Internet中的负载均衡问题。仿真研究表明,算法是可行和有效的。     

蚁群算法在QoS组播路由问题中的应用

研究了该算法在QoS组播路由问题中的应用,描述了QoS路由优化问题。基于多个不相关可加度量的QoS路由问题是NP完全问题,目前采用的方法多为启发式算法。由于蚁群算法是一种基于蚁群系统原理的、具有自组织能力的、新型的启发式优化算法,利用其能够寻找最短路径这一特性,提出了一种基于蚁群系统原理,用于解决时延和时延抖动约束问题的组播路由问题的QoS组播路由算法。该算法改进了路径选择策略,优化了信息素更新公式。仿真结果表明,该算法能够迅速、准确地找到最优解。     

基于一种新的蚁群算法的QoS组播路由问题的研究

在解决QoS（Quality of Service）组播路由问题上,针对蚁群算法缺点,提出了一种融合量子粒子群算法（QPSO）思想的多行为蚁群算法。该算法采用QPSO作为前期搜索,根据各粒子历史最优值来初始化路径信息素浓度,后期利用多行为蚁群算法来优化路径。仿真结果表明：该算法寻优能力强,可靠性高,是解决QoS组播路由问题的有效方法。     

基于量子蚁群算法的带约束QoS多播路由

针对带约束服务质量多播路由在带宽、延迟等方面的需求,提出一种基于量子蚁群算法的多播路由优化方法。该方法结合量子计算和蚁群算法的特性,采用量子比特的概率幅表示蚂蚁当前位置信息,设计一种动态调整旋转角策略对蚂蚁信息素进行更新,使蚂蚁能够快速寻找到满足约束的可行路径,并避免陷入局部最优。仿真实验结果表明,该算法在寻优能力和收敛速度上表现较好。     

求解QoS组播路由的生长竞争蚁群算法

基于生长竞争蚁群算法,提出一种解决QoS组播路由问题的算法。算法引入生长竞争机制,使算法更好更快向最优解逼近。实验结果表明,该算法是可行和有效的。     

基于分层小生境蚁群算法的WSN中QoS组播路由研究

针对无线传感网络(WSN)的动态网络环境和能量约束的问题,在优化网络动态结构的基础上,提出用分层小生境蚁群算法求解WSN的QoS组播路由的方法.首先依据能耗将网络结构进行分簇分层优化并建立小生境,然后再结合蚁群算法优化QoS组播路由,最后进行能耗分析.该策略在保证能量最优的前提下,降低了路由的时间复杂度和空间复杂度,仿真结果表明了其有效性.