无级电话网动态路由策略的研究

无级电话网的动态路由技术能有效降低呼损、提高接通率。本文针对所开发的一个集中式、全局优化无级电话网动态路由策略选择系统进行综述；详细分析了求解路由方案的四种算法；介绍了该系统的实现、运行情况和话务模拟结果；该系统在广东省长话网得到了良好的应用。     

无级电话网选路方案评估方法

提出了三种对无级电话网选路方案进行评估的方法，根据网络的拓扑结构、话务信息和迂回路由表分别对网络运行时的溢出率、阻塞率和负载均衡方差进行评估，为路由方案的选择提供依据．这三种方法通用性强，可广泛应用于电路交换网的分析和设计．     

利用话务模拟技术分析电话网动态路由策略的性能

本文以动态控制选路和动态迂回选路两种动态路由策略为研究对象，采用话务模拟技术研究其应用于我国长途电话网后的网络运行情况，定量评估了动态选路所能带来的网络接通率和网络适应故障能力的提高，并对ＤＡＲ算法中继预留参数的选择进行了研究。     

仿真技术在电话网路由选择中的应用

路由策略对电话网的服务质量有重要的影响,应用电话网真实服务过程模型,分析了电话网路由选择方法,定量评估了不同的路由策略对网络服务质量的影响,为电话网路由策略的选择提供了依据。     

基于强化学习的SDN路由优化算法

针对SDN控制器中网络路由的优化问题,基于强化学习中的PPO模型设计了一种路由优化算法。该算法可以针对不同的优化目标调整奖励函数来动态更新路由策略,并且不依赖于任何特定的网络状态,具有较强的泛化性能。由于采用了强化学习中策略方法,该算法对路由策略的控制相比各类基于Q-learning的算法更为精细。基于Omnet++仿真软件通过实验评估了该算法的性能,相比传统最短路径路由算法,路由优化算法在Sprint结构网络上的平均延迟和端到端最大延迟分别降低了29.3%和17.4%,吞吐率提高了31.77%,实验结果说明了基于PPO的SDN路由控制算法不仅具有良好的收敛性,而且相比静态最短路径路由算法与基于Q-learning的QAR路由算法具有更好的性能和稳定性。     

一种分级的无线传感器网络路由算法设计

提出了一种分级的路由算法,分为路由建立、路由维护和周期性链路评估三个部分。该算法根据节点到汇聚节点的跳数将节点分级,根据级数建立和维护路由。还提出了基于路径最小节点能量信息的路由选择策略,该策略应用在路由建立、路由维护和周期性链路评估三个模块中,理论上延长了传感器网络的寿命。     

改进的量子蚁群算法求解带约束QoS组播路由

为了快速求解在带宽、延迟等约束下的最小代价组播路由树,并避免求解过程陷于局部最优,对量子蚁群算法进行了改进。改进算法采用量子旋转门对信息素进行更新,提出了一种动态调整旋转角的策略,并从理论上对其进行了证明。在求解服务质量组播路由时,将该策略融入蚁群算法中,提高了求解精确度。实验结果表明,该算法在服务质量组播路由优化中是高效的,性能优于蚁群算法和量子进化算法。     

Tabu搜索算法在电话网智能管理中的应用

针对电话网智能管理系统中动态路由方案的实现,研究了采用Tabu搜索算法解决路由方案的问题.对Tabu搜索算法作了改进,使得它可以用来解决电话网的电路自动调度问题,并且得到了较好的结果.改进后的Tabu算法与遗传算法相比,能够在较短的时间内计算得到全局优化的路由方案.该算法正在广东省电话网智能管理系统中所使用.     

LEO卫星网中基于地理位置的分布式动态路由算法的研究

LEO卫星网络中进行信息交换，首先要解决的就是星际链路网络上路由问题，而运行于地面网络的路由算法，在卫星网络中并不适用．将针对LEO卫星网络星际链路的特点进行深入研究，提出一种新型的符合LEO卫星网络拓扑高速变化等特点的基于地理位置的分布式动态路由算法，并构建地面网络对该算法和现在流行的路由算法的性能进行仿真验证和比较，证明我们提出的新型动态路由算法能适应LEO卫星网络环境，能够提供较好的通信质量，就有较短的通信时延．     

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.     

一种多目标的覆盖优化策略在WSNs中的应用

针对目前无线传感器网络（WSNs）能量均衡覆盖策略大都基于节点静态感知能耗的不足,提出一种基于节点的动态能耗和网络覆盖率的多目标覆盖优化策略.该优化覆盖策略将动态路由协议引入到覆盖控制优化中,计算覆盖区域在不同节点分布下的动态通信能耗和网络的剩余能量,再结合区域覆盖率构成对覆盖和能量综合指数评价的优化函数.最后利用改进差分进化算法和差分进化算法对优化函数进行仿真,并利用覆盖结果验证策略的有效性.仿真结果表明：提出的覆盖优化策略既能使网络达到较高覆盖率,同时又能保证网络的能耗动态均衡,并将改进差分进化算法与常规差分进化算法比较,结果表明：前者克服了早熟现象,覆盖和能量的综合优化函数值更高,达到了6.184.     

一种无人机自组网DSR协议优化方法

针对DSR协议的路由优化问题,结合无人机网络的特点,提出一种基于萤火虫算法的无人机自组网DSR协议优化方法。该方法综合利用节点的能量消耗、缓冲拥塞、移动速率和传输损耗构建萤火虫的适应度函数,根据适应度函数来衡量萤火虫的荧光亮度,通过萤火虫初始化、萤火虫移动和更新荧光值等阶段的路由搜索过程,对DSR协议的路由算法进行综合优化,解决无人机自组网传输链路稳定性不佳的问题。使用OPNET仿真工具评估了优化前后DSR协议的各项指标,仿真结果表明,相比传统方法,优化方法在无人机场景下,业务接收速率提高了33.8%,平均端到端时延降低了73.91%,路由负荷发送速率减少了44.99%,路由负荷接收速率减少了37.55%,丢包率减少了68.01%。所提方法均衡优化了无人机自组网的网络性能和路由开销,可以为无人机自组网提供稳定高效的路由服务。     

基于集对分析的网络流量大数据均衡调度方法

为了有效降低网络流量传输时的网络负载,基于集对分析策略,提出DNS网络流量大数据均衡调度方法。设计Dramp流量路由控制方法,根据链路权值量化,提出优化函数,实现多路径网络流量的传输,在静态域名解析(DNS)的环境下,重新构建网络链路,设计了一个包括网络流量负载信息和网络信息实体输入信息,且序列一体的传输链路,用于配合路由控制,最后基于集对分析思想,根据定向控制器分析信息,保证路由和链路的匹配,实现网络流量的均衡调度。实验数据表明,与传统方法相比,设计的DNS网络流量大数据均衡调度方法,网络时延降低了21%,丢包率降低了27%,可以有效降低网络负载。     

多信道无线网状网跨层优化研究

针对多网卡多信道无线Mesh网络容量问题,基于无线信道干扰模型,在给定各节点物理层发射功率的条件下,联合考虑无线Mesh网络传输层的流速控制、网络层的路由算法和MAC层的信道分配等问题,通过采用二次路由计算策略,提出了一个跨层联合优化算法,仿真结果表示,提出的算法能提高网络吞吐量。     

一种基于DPSO的无线传感器网络QoS路由算法

针对无线传感器网络中不同业务对服务质量(QoS)的不同需求,提出一种基于离散粒子群优化(DPSO)的无线传感器网络QoS路由(DPSO-QR)算法。算法将路由建立过程抽象为多目标优化过程,以节点间通信的传播损耗、时延、带宽、丢包率为优化目标,利用DPSO算法实现多目标优化,为拥有不同QoS需求的网络业务提供满足其特有需求的优化路由。仿真实验表明:与SAR,EQR算法相比,DPSO-QR算法降低了网络平均端到端时延,减小了丢包率,延长了网络寿命。     

基于萤火虫群优化的Ad Hoc网络路由协议

针对Ad Hoc网络拓扑结构多变、网络生存时间受限及数据包分组传输效率低下等问题,本文借鉴萤火虫群优化算法的思想,提出了一种基于萤火虫群优化的Ad Hoc网络路由协议。路由协议用萤火虫优化算法的荧光素强度的更新规则与无线自组网络中的节点移动速度、拥塞程度、节点剩余能量及节点间的距离等因素相互映射,改进萤火虫群优化算法中的搜索萤火虫、驻留萤火虫及回溯萤火虫用于完成Ad Hoc网络中路由协议的路由发现、路由选择及路由维护等过程,整个协议无须传送大量的控制分组,即可实现Ad Hoc网络的稳定。仿真实验结果表明,与AODV及基于蚁群优化的路由算法AntRouting协议相比,本文所提出的路由协议在端到端延时、分组数据传输率及网络生存时间上均有良好的性能。     

一种智能多路径路由及子流分配协同算法

传统单一路径的传输机制难以满足当前以智慧城市为代表的新一代应用对时延、丢包率等网络性能的要求,而现有多路径传输机制在路由算法及子流分配等方面不能根据网络实时状态调整且互相缺乏协同。引入强化学习理论并结合软件定义网络,提出多路径路由及子流分配协同算法。基于Q-learning设计多路径路由算法,并从策略协同角度对其进行改进,实现路由与子流分配的相互协同。在此基础上,通过Q-value的回环消除方法保证路由准确性并提高算法收敛速度。实验结果表明,该算法在网络负载动态变化过程中能实时调整最佳的多路径路由及子流分配协同策略,提高了传输成功率。     

基于遗传算法的防止无线移动网络路由攻击策略

在无线移动网络中,恶意节点可以通过发送虚假信息和假路由信息、广播假链接等中断路由操作对网络进行攻击。本文在分析了几种常见路由攻击的基础上,提出了一种基于遗传算法的路由优化策略。实验数据表明,这种优化策略可以较好地预防路由攻击,提高网络的整体性能。     

无线传感网络交叉覆盖节点路由删除仿真研究

针对无线传感网络中节点的覆盖范围较小,删除无用路由所用时间较长,导致网络覆盖率低和路由删除效率低的问题,提出无线传感网络交叉覆盖节点路由删除方法。建立节点覆盖模型,在节点覆盖模型的基础上将无线传感网络的覆盖率和连通性当做综合评价函数,构建无线传感网络交叉覆盖节点优化布局的数学模型,并采用罚函数结合无约束优化模型代替传统约束优化模型。运用自适应遗传算法求解无约束优化模型,实现无线传感网络中交叉覆盖节点的优化布局,进而删除无线传感网络中存在的无用路由。分析实验结果得出,所提方法的网络覆盖率高、路由删除效率高,说明所提方法实际应用性强。