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。     

基于双链量子遗传算法的多约束QoS组播路由算法

多约束QoS组播路由问题是NP完全问题。提出一种基于双链量子遗传算法的多约束QoS组播路由算法,该算法具有种群多样性、收敛速度快、并行性更高等优点,并对算法具体流程和实现方法进行了详细的描述。实验结果表明,与已有的遗传算法、量子遗传算法相比,该算法有搜索速度快、全局寻优能力强等优点。     

一种带约束的多目标服务质量路由算法

多约束服务质量(QoS)路由是要求在多个约束条件下计算满足所有独立限制条件的可行路径．将这种NPC问题转化为一种带约束条件的多目标优化问题，根据多目标遗传算法的智能优化原理，提出一种多目标QoS路由算法来产生一组最优非劣路由．理论分析和实验结果表明，使用带约束的多目标遗传算法是解决多约束QoS路由的有效途径，能对提高网络性能起到重要作用．     

一种基于 TCP/IP的QoS路由多目标遗传算法

对网络拓扑结构和QoS路由指标进行了形式化分析,基于多目标规划问题,给出了QoS路由数学模型.针对这个模型,提出了一种基于TCP以P的QoS路由多目标遗传算法(Multi-Object Genetic Algorithm of QoS Routing,QRMOGA).通过仿真实验证明算法是可行的、有效率的.     

基于禁忌搜索的QoS路由算法

多约束的QoS路由问题是NP完全问题,该文将禁忌搜索算法引入多约束QoS路由计算中,提出了一种基于禁忌搜索的QoS路由算法QoS_TS。该算法通过设置长期记忆禁忌表和短期记忆禁忌表以及有效的评价函数,保证了算法实现过程中多样化的有效搜索。文章给出了算法实现的具体流程。实验仿真表明,该算法具有较高的搜索效率和较快的收敛性,通过该算法得到的路由不但满足QoS约束要求,同时可以均衡链路负载,减少路由拥塞。     

一种支持多QoS约束的Ad hoc路由协议*

Ad Hoc网络中的QoS（Quality of Service）保障已成为一个研究热点,论文针对Ad Hoc网络中的QoS路由问题进行了研究。目前大多数的Ad Hoc路由协议只支持一个QoS参数,不能满足实际的需要。多参数的QoS路由是典型的NP难度问题,难以用普通方法解决。论文引入了量子遗传算法来解决此问题,提出了一种支持多QoS参数的Ad Hoc路由协议。仿真实验表明,该协议具有良好的性能,能够有效地解决多QoS约束的路由问题。     

基于改进蚁群算法的多约束QoS路由优化研究

本文建立了多约束QoS路由模型，并对基本蚁群算法的信息素更新策略进行了改进，提出了一种基于改追蚁群算法的多约束QoS路由优化算法，实例计算结果证明了算法的有效性。     

基于改进遗传算法的QoS路由优化

针对多约束QoS路由问题,将其转化为一个多约束赋杈图最优路径问题,选择费用、带宽、时延和丢包率为参数,采用基于遗传算法的QoS路由选择算法,算法采用网络消耗和负载分布平衡为目标函数,目的在使用最小网络资源的基础上,使网络达到负载平衡,降低网络拥塞,降低丢包车,提高服务质量,仿真试验结果表明,该算法具有较好的性能,     

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。     

基于遗传算法的多参数QoS网络路由算法

目前许多应用都有不同的高质量QoS保障需求,但QoS路由问题是一个非常复杂的问题,而且在两条独立的路径之间寻找可行路径是NP难题。同时,高速网络的QoS路由算法必须具有适应性、灵活性和智能性。论文提出了一种基于遗传算法的QoS路由算法,算法中选择两个QoS路由参数进行路由的优化,仿真结果表明该方法比传统的路由算法及单QoS参数的路由算法具有更高的性能。     

改进型量子蚁群算法求解QoS单播路由

针对遗传以及蚁群算法在求解QoS单播路由问题时收敛速度慢和易于陷入局部最优的问题。采用量子蚁群算法求解QoS单播路由,采用量子旋转门实现蚂蚁的移动,用量子非门来实现蚂蚁位置的变异,同时为了确保算法不陷于局部最优,对量子蚁群算法做了改进,并进行了对比实验。实验表明该算法不但克服了遗传以及蚁群算法的易限于局部最优解的缺陷,在收敛速度上也优于相关算法,能较好地解决QoS单播路由问题。     

区分服务模型下多目标最优化安全路由算法

将安全度量作为一种QoS参数进行路由选择是目前网络安全路由研究的一个新思路,针对现有方法采用一个安全度量参数描述链路安全性,进行路由选择存在的问题,提出一种多安全度量的链路安全性描述策略,能够更加全面准确地描述网络链路的安全特征;该描述策略应用于区分服务模型下的安全路由选择,并提出了基于改进的非支配遗传算法的多目标最优化安全路由算法求解这一多目标多约束的NP完全问题。随机网络的仿真结果表明,算法能为用户提供安全性能较高的路由,并能满足不同等级要求的服务质量。     

基于神经网络和遗传算法的组播路由算法

提出了一种基于神经网络和遗传算法的新颖的QoS组播路由算法, 该路由算法把神经网络和遗传算法结合起来,并给出了一种非常便于进行交叉、变异等遗传操作的新编码方式。从而克服了传统遗传算法中存在的早熟现象, 加快了收敛速度。仿真结果显示,算法在收敛速度方面要优于单纯的遗传算法和神经网络方法。     

基于遗传算法的非精确信息组播约束路由研究

为求解基于非精确网络状态信息和弹性QoS需求约束的组播约束路由问题,提出了一种自适应的组播遗传算法.通过分析具有非精确度量参数的组播路径满足弹性QoS需求的概率,建立了基于概率法的组播约束路由模型.以种群多样性作为种群进化的度量指标,对进化过程中最大交叉率和最大变异率进行宏观调整;采用优势交叉变异法,在每次进化时,微调各个体的交叉率和变异率.仿真实验结果表明,该算法简单易操作,具有较高的收敛速度,能在一定程度上提高路由请求成功率.     

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.     

考虑链路生存时间的Ad Hoc网络QoS路由优化算法

在分析Ad Hoc网络中QoS路由问题的基础上，提出了一种新的基于遗传算法的Ad Hoc网络QoS路由优化方法，算法中在考虑了其他必须的参数的基础上，进一步考虑了Ad Hoc网络特有的QoS参数——链路生存时间。并通过计算实例证明了该遗传算法在Ad Hoc网络中具有很好的应用前景。     

求解QoS组播路由问题的改进型量子进化算法

QoS组播路由问题是一个非线性的组合优化问题,已证明了该问题是NP完全问题。提出一种将基于量子计算原理的量子进化算法用于此类问题求解的算法,该算法对基本的量子进化算法进行改进,采用进化方程对量子门进行调整,采用量子变异阻止未成熟收敛,使之更适合于QoS组播路由的求解。仿真结果显示,该算法能快速搜索并收敛到全局（近似）最优解,且随着网络规模的增大算法保持了良好的特性,在寻优速度上与解的质量上优于其他进化算法与基本的量子进化算法。     

基于改进遗传算法的QoS路由选择优化

提出了一种基于改进遗传算法的QoS路由选择优化算法,采用网络资源消耗和负载分布为目标函数,凫目标函数包含了带宽、跳数、费用、时延等QoS参数。该算法在消耗网络资源最小的基础上,使负载均衡分布,合理利用了网络资源,降低了网络的拥塞,提高了网络的吞吐量。仿真计算的结果表明,该算法在解决多目标规划问题上是一个有效、可行的方法。