对等网自适应寻径协议的设计与实现

为了保证计算机网络对抗中的两个网络对抗体之间在短时间内以较小的开销建立会话连接,需要对抗体间以动态的方式去寻址来适应网络的变化.通过对网络对抗、对等网络和蚁群算法的研究分析提出了本文的基于蚁群算法的对等网络自适应寻径协议AARP,描述蚁群在对等网络中自适应的克隆、寻径过程.仿真结果表明,AARP在对抗体间通信中可以做到减小寻址开销,降低寻址延迟.     

基于加速寻径收敛的改进型蚁群算法

提出了一种基于基本蚁群算法的有节点信息素更新和记忆功能的算法模型;仿真结果表明,基于改进的蚁群算法模型在寻找最优解时表现出很高的效率,明显地优于现有的启发式算法的解,是一种有效的算法。     

超立方体互连网络一种简化自适应寻径算法研究

本文讨论了利用变换函数来求解任意当前节点相邻集合类的方法,提出了一种基于Hamming距离节点进行寻径的搜索算法。通过仿真证明了算法能缩短寻径长度,增强网络的容错性。     

基于总线网络的确定寻径算法剖析

通过建立一个ｎ×ｎ二维总线网络上的消息传递模型,分析了基于总线网络的确定寻径算法性能,得出了任何基于ｎ×ｎ二维总线网络的确定寻径算法都至少需要１．５ｎ步的结论。并由此推广到多维总线网络,得出结点总数为Ｎ的δ维总线网络上的确定寻径算法需要步。     

一般化超立方网络的容错寻径算法

本文研究一般化超立方网络（ＧＨＣ）的容错寻径算法。给定一个一般化超立方网络Ｇ（ｍ，ｒ）：Ｎ＝ｍ＾ｒ（ｍ≥２，ｒ≥１），Ｆ为其故障结点集合，且Ｇ（ｍ，ｒ）－Ｆ是连通的，Ｓ和Ｄ是Ｇ（ｍ，ｒ）中任意两个非故障结点，其汉明距离Ｈ（Ｓ，Ｄ）＝ｈ，则当故障结点的个数│Ｆ│〈ｄ，一定存在一条长度≤ｈ＋２的非故障路径Ｐ（Ｓ，Ｄ），而当ｄ≤│Ｆ│〈ｍ（ｄ－ｍ＋１）时，一定存在一条长度≤ｈ＋４ｍ－２的非故障路径Ｐ（Ｓ     

超立方体网络最佳寻径算法研究

基于Hamming距离概念,提出一种新的超立方体网络的寻径算法,这种算法始终以最佳的寻径方式从当前结点到达邻接点并最终到达目的结点。     

基于Hamming距离的超立方体网络的寻径算法

本文利用Ｈａｍｍｉｎｇ距离概念,提出两种基于Ｈａｍｍｉｎｇ距离的确定性寻径算法－Ｅ１－ｃｕｂｅｒｏｕｔｉｎｇ和Ｅ２－ｃｕｂｅ－ｒｏｕｔｉｎｇ,分析这两种算法的特点,为了克服确定性寻径算法易出现通道拥挤现象,本文综合上述两种算法,提出一种自适应寻径算法－Ｅ３－ｃｕｂｅ ｒｏｕｔｈｉｎｇ。     

基于自适应蚁群算法的公交查询算法设计

公交查询系统的设计可以解决在庞大的公交网络中公交路线选择的问题。该文将利用蚁群算法设计公交查询系统的核心算法．即如何搜索出一条从起始站点到目的站点的最优路径。该文将公交网络按直达关系抽象成有向图,用蚂蚁在各个节点之间的行走代表公交线路的选择。针对基本蚁群算法收敛速度和早熟之间的矛盾,提出了自适应信息素更新的蚁群算法,并设计了迟滞更新信息素的方法．使得运算量大大减少。     

自适应并行蚁群算法

蚁群算法是一种模拟进化算法,具有很强的全局搜索能力.本文提出一种自适应的并行蚁群算法(A-PACO),该算法可以根据不同的搜索阶段,自适应确定参数的最优组合,在一定程度上避免停滞现象的出现并加速算法收敛.而且自适应的迁移策略可以较大丰富系统多样性的同时也较大降低子蚁群间的通信量,有效提高算法的搜索质量和缩短算法的运行时间.最后选用中国CHN144问题对该算法进行检验,结果显示该算法具有较好的稳定性和较快的收敛速度.     

基于自适应蚁群算法的公交查询算法设计

公交查询系统的设计可以解决在庞大的公交网络中公交路线选择的问题。该文将利用蚁群算法设计公交查询系统的核心算法,即如何搜索出一条从起始站点到目的站点的最优路径。该文将公交网络按直达关系抽象成有向图,用蚂蚁在各个节点之间的行走代表公交线路的选择。针对基本蚁群算法收敛速度和早熟之间的矛盾,提出了自适应信息素更新的蚁群算法,并设计了迟滞更新信息素的方法,使得运算量大大减少。     

基于蚁群算法的路由协议在TinyOS中的实现

为了提高无线传感器网络(WSNs)的通信链路质量,在TinyOS系统中实现了基于蚁群算法的路由协议,该协议采用多跳的通信方式,为应用程序提供较为可靠的数据传输服务。结合Zig Bee网络的体系结构,详述了该协议的实现流程。通过TOSSIM仿真平台对该协议进行了验证,仿真结果表明:基于蚁群算法的路由协议能够在降低丢包率和传输延时的同时平衡节点的能量消耗,进而延长整个网络的存活时间。     

一种带侦察子群蚁群算法的无线传感路由协议

针对无线传感器网络（WSNs）路由面临安全威胁和节点能量有限的不足,提出一种基于引入侦察子群的改进蚁群算法（SACO）路由协议。通过改进的蚁群算法构造一条数据传输链,选择其中能量最大节点为簇头,信息通过相邻节点传送。结果显示：该算法兼顾到节点的能量和路径消耗,较标准蚁群算法和贪婪算法具有高效的路由选择功能,能够使网络中节点能量消耗更加均衡,从而延长网络的使用寿命。     

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。     

基于蚁群算法的一种能量高效路由算法的研究*

为了达到在信息传输路径上节能的目的,提出了一种基于蚁群算法的节能路由算法。该算法根据节点当前可用能量选择下一跳节点,按照节点经过的人工蚂蚁数选择数据汇聚节点,最终达到能量均衡使用和降低通信量的目的。经仿真计算证明该算法能合理地选择路由,节能效果明显,进一步延长了网络生存期。     

基于蚂蚁算法的QoS分布式多播路由选择

采用启发式算法中蚂蚁算法解决包含带宽、时延和最小代价约束条件在内的分布式多播路由问题,基于蚂蚁具有找到蚁巢与食物之间的最短路径原理,并在分析QoS分布式多播路由的基础上,提出了一种基于蚁群算法的QoS分布式多播路由算法,仿真实验表明了该算法是合理的和有效的。     

基于遗传算法和蚁群算法融合的QoS路由算法*

面向QoS路由问题,设计了一种基于遗传算法和蚁群算法融合的QoS路由算法(QoS routing algorithm according to the combination of the genetic algorithm and ant colony algorithm,GAACO_QoS).利用遗传算法生成初始解,将其转换为蚁群算法所需的信息素初值,然后利用蚁群算法求取最优解.设置遗传算法控制函数来控制遗传算法和蚁群算法融合的适当时机.通过与遗传算法以及蚁群算法的比较,进一步说明算法的有效性.     

基于信息差异度蚁群算法的QoS路由算法

针对基本蚁群算法在求解QoS路由问题中存在的容易陷入局部最优和收敛速度慢的缺陷,提出一种基于信息差异度的蚁群算法对该问题进行求解。该算法在节点选择中嵌入路径信息素的差异度调节函数和迭代算子,动态调整节点选择策略;根据各路径上信息素的“集中”程度判断解的早熟、停滞情况,并引入路径变异和二次蚁群操作;根据最大-最小蚁群算法原理对信息素进行限制。仿真实验表明,算法全局搜索能力较强,能够跳出局部极值区间,快速收敛到全局最优解,算法是可行、有效的。     

基于蚁群优化的ZigBee传感器网络QoS路由算法

针对ZigBee无线多媒体传感器网络(WMSNs)资源受限的特点,提出一种改进的基于蚁群优化的QoS路由算法AZ-WMSN-QR.其核心思想是通过加权法将通信时延、时延抖动及能量均衡性等QoS指标组合成一个主目标,进而评估链路的QoS主目标值,寻找符合QoS需求的目标值最大的路径,实现服务质量最优.仿真显示,AZ-WMSN-QR算法在多约束QoS路由问题上能实现网络资源优化组合,与基本蚁群路由算法相比,不仅能够减少网络总能耗,还能有效延长网络寿命,更适用于基于ZigBee的WMSNs.     

基于蚁群算法的非结构化P2P网络资源搜索策略

针对非结构化P2P网络资源搜索算法中冗余消息数过多、搜索效率低等问题,提出一种基于蚁群算法的非结构化P2P网络资源搜索策略,该策略利用蚂蚁信息素的正反馈原理,同时综合考虑邻居节点度和邻居-邻居节点信息,选择下一条邻居节点路径转发查询消息,有效地指导资源搜索路径的生成。实验结果表明,该算法在一定程度上减少了大量的冗余查询消息,提高了资源搜索的成功率,是一种有效的非结构化P2P网络资源搜索策略。     

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。