基于邻域分区蚁群算法的QoS单播路由算法

蚁群算法是对自然界蚂蚁的寻径方式进行模拟而得出的一种仿生算法,但在大规模求解过程中,在时间上的花费是很大的.论文则针对这一现实,提出了用邻域分区法把大规模网络系统划分为若干个子系统,再对每个子系统用蚁群算法中的蚁周系统来求解子系统中每点到子系统中心结点的最佳路径,最后再用蚁周系统求解每个子系统中心结点间的最佳路径,从而得到整个系统路由的方法.     

基于蚂蚁算法的分级QoS路由调度方法

提出了一种基于智能蚂蚁算法的分级QoS路由方法.通过仿真实验验证,相对于同样基于蚂蚁算法的平面QoS路由算法,此方法具有相近的路由结果,但速度可以提高30%左右.     

蚁群算法在QoS单播路由中的应用研究

QoS路由问题被证明是一个NP-C问题,而传统的路由算法很难有效地解决NP-C问题。该文提出了一种基于蚁群算法、用于解决带宽和时延约束问题的QoS单播路由算法,利用蚁群算法中蚂蚁通过信息素寻找最优路径的机制,并以网络吞吐量和数据报的平均时延等性能为最优的准则,来定义蚂蚁的转移概率、路由表和信息素更新方式,实现基于蚁群算法的路由选择算法．这种算法具有较强全局最优解搜索能力,较强的灵活性,以及潜在的并行性。     

时延受限的单播QoS路由算法

介绍了几种典型的单播QoS路由算法，对DCUR算法和Preferred link-based算法进行了描述．在RDM算法的基础上，提出了RDM_N算法．将Preferred link-based算法、DCUR算法和RDM_N算法进行了比较和讨论，结果表明，RDM_N算法是一种性能很好的算法．     

基于蚁群优化算法的SDN路由策略

针对蚁群算法在软件定义网络路由选择中的全局搜索能力弱、收敛速度慢的问题,提出一种基于蚁群优化算法的路由策略.根据网络规模设定参数,将信息素浓度重要程度和挥发系数由静态参数改进为动态参数,弱化算法迭代前期的信息素浓度重要程度以提升算法前期的全局搜索能力,增强算法迭代后期信息素浓度重要程度以加快算法后期的收敛速度;对挥发系数采用逐步减小的动态参数使算法避免陷入局部最优解;进一步加快算法后期的收敛速度,使网络获取更佳性能.在Mininet平台上进行仿真实验评估该算法性能,实验表明该算法前期在选择路由时的全局搜索能力增强,后期收敛速度明显加快.实验通过将基于蚁群优化算法的SDN路由策略与基于最短路径路由算法、等价多路径路由算法路由策略对比,链路利用率分别提升9.9%和17.1%,具有平均吞吐量大、链路利用率高的优点.     

基于蚁群算法的自适应ad hoc路由协议

为了在ad hoc网络中建立和维护路由,提出一种基于蚁群算法的自适应ad hoc路由协议.该路由协议按需广播蚂蚁,建立了到目的结点的一条路径,并在数据传输过程中通过连续发送蚂蚁维护现有路径和探索新的路径,从而动态建立到目的结点的多路径路由,能较好适应网络拓扑结构的动态变化.仿真实验表明,该路由协议在平均分组端到端的延迟和分组投递率等性能上比AODV和W_AntNet协议具有更大的优势.     

基于蚁群算法的多路径QoS路由算法研究

针对现代网络通信量不断地增大以及蚁群算法在解决路由问题时存在的一些不足提出了基于改进蚁群算法的路由优化算法.该算法将蚁群系统的特点和流量工程的思想相结合对基本的蚁群算法进行了3方面的改进:将路由器的缓冲队列的利用率加入下一结点选择的标准;采用链路的利用率做为全局更新信息素;选择多条路径来进行数据传输.仿真实验结果表明该...     

基于蚁群算法的WSN路由协议研究

针对层次路由LEACH协议存在簇头分布不均,并且每次簇头轮换均在整个网络内进行,会造成耗能过多以及蚁群算法应用于LEACH协议建立簇间多跳路由仍存在能耗不均衡的问题,采用将网络节点进行区域划分,并将节点剩余能量作为参考因素,在区域内进行簇头节点的轮换选取的方法改进,并通过将节点能量引入到转移概率和信息素更新公式中,对蚁群路由算法进行改进,利用其建立从簇头节点到汇聚节点的多跳路由的最优路径.实验验证表明:与LEACH协议相比,改进协议整体上减少并均衡了能量的消耗,延长了无线传感器网络的生命周期.     

基于人工免疫算法和蚁群算法的协同控制方法研究

在无线传感器网络的基础上引入了若干执行器,通过这些执行器可以对接收到的信息做出快速响应,完成目标任务。针对无线传感执行网络中多执行器的协作问题,引入人工免疫算法,可以使参与协作的执行器快速达到最优化,从而提高协作效率。基于蚁群算法的智能传感器协调机制,能节省节点能量,从而延长网络寿命。通过仿真分析发现,在数据传输效率测试中,蚁群算法传输效率最佳,其次是LEACH算法和ARA算法;在能量损耗测试中,蚁群算法能耗最低,其次是ARA算法,LEACH算法能耗较高。人工免疫算法在迭代次数为60时协调机制达到收敛状态,亲和力最大值为147.5。     

一种基于蚂蚁算法的QoS路由算法

为了平衡网络负载,优化网络资源使用,路由算法必须具备快速规避拥塞的能力.现提出一种基于蚂蚁算法的Qos路由算法.该算法通过舍弃信息素能快速探索最优路径,并能在链路将发生拥塞时充分利用原有路由信息形成拥塞通告蚂蚁,使源节点能快速做出反应,利用分散流量,以避免链路的拥塞.经仿真证明,该算法明显节省了QoS路由搜索时间,有效规避了网络拥塞,提高了网络服务能力.     

基于蚁群改进算法的服务质量路由研究

针对传统路由算法在多约束QoS(服务质量)条件下寻优能力不足的问题,提出了一种基于改进蚁群算法的多约束QoS路由模型。相比于传统的路由算法,此方法在每次循环结束时,根据得到的不同结果动态变化相关参数的值,并且结合最大最小蚂蚁系统的理论,同时优化启发函数,以提高算法的寻优能力。另外,除了考虑多个约束条件以外,在模型中还加入了故障率属性,将其体现在目标函数中,并优化信息素更新方式。仿真实验结果表明改进算法寻优能力强,能有效避免早熟,并避开故障率高的路径。     

模糊蚁群优化算法在交通导航系统中的应用

为了能处理交通导航系统中的模糊信息,并且能快速的综合多种信息求解最优导航路径,将模糊逻辑推理技术与改进的蚁群算法相结合提出了一种新的算法——模糊蚁群混合优化算法。实验表明,该算法不仅能够处理导航系统中的各种模糊信息,并且能利用改进的蚁群算法快速求解最优导航路径。     

蚂蚁算法在TSP问题求解的应用

蚂蚁算法是目前解决大规模复杂问题比较有效的算法。同时TSP问题是经典的NP-C问题,已被广泛应用于在VLSI芯片设计、网络路由和车辆选路等领域,对TSP问题的求解的突破意味着大量NPC问题的求解可以迎刃而解,因而有着重要的实际价值和理论意义。文章系统地介绍了TSP问题,并在此基础上对蚂蚁算法求解TSP问题做了相关探讨。实验结果表明,蚂蚁算法对参数的初始值也具有敏感性,对于一个好的初始值的确定,需要建立在大量试验的基础上。     

蚁群算法理论及应用

蚁群算法是优化领域中新出现的一种仿生进化算法。该算法采用分布式并行计算机制,易与其他方法结合,具有较强的鲁棒性。本文首先介绍了蚁群算法的基本原理,然后讨论了蚁群算法的应用,最后评述了蚁群算法未来的研究方向和主要研究内容。该算法用于解决组合优化问题,如TSP、QAP、JSP等效果很好。     

基于带时间窗的车辆路径问题的蚁群算法

针对带时间窗车辆路径问题（Vehicle Routing Problem with Time Windows, VRPTW）的特点，对蚁群算法进行了改进，优化了其搜索解的能力和收敛速度，用实例证明了改进的蚁群算法对解决VRPTW的有效性．     

基于改进蚁群算法在最短路径搜索中的应用

论述了应用蚁群算法来求解最短路径问题,并对算法的状态转移规则、信息素轨迹更新策略进行改进,避免了算法过早陷入局部最优,并能较快地收敛到全局最优解。应用结果表明,该方法能有效解决最短路径搜索问题。     

基于带时间窗的车辆路径问题的蚁群算法

针对带时间窗车辆路径问题(Vehicle Routing Problem with Time Windows,VRPTW)的特点,对蚁群算法进行了改进,优化了其搜索解的能力和收敛速度,用实例证明了改进的蚁群算法对解决VRPTW的有效性.