基于改进蚁群算法的无线Mesh 网QoS 路由算法研究

目前,无线Mesh网络正成为无线网络研究中的一个热点。Quality of service（QoS）是无线Mesh网络中的一个非常重要问题,而QoS路由技术是解决这一问题的关键技术之一。本文就蚁群算法进行研究和改进,并将改进后的算法应用于无线Mesh网络QoS路由问题,进而提出了无线Mesh网络QoS路由算法,通过实验证明该算法能够对QoS提供较好的支持。     

无线mesh网中基于蚁群算法的多约束QoS路由研究

针对多约束QoS路由问题的求解,现今并没有有效的近似算法,一般采用启发式算法求解。先介绍了QoS、QoS的各种参数指标以及多约束QoS路由的定义,接着通过移动Ad-hoc网和无线mesh网络的异同的比较,根据Ad-hoc网络的研究现状,分析了蚁群算法在无线mesh网络中QoS研究的可行性。     

AntNet的多路径QoS路由算法研究

以AntNet算法为基础,介绍了蚁群网络路由的问题模型和数据结构,通过引入QoS约束机制,提出了一种基于AntNet的多路径QoS路由算法. 该算法采用具有带宽和时延QoS约束的新规则进行节点选择,并利用改进的节点信息更新规则以及根据路由表中概率值随机地选择相邻节点转发数据包. 性能分析和模拟结果显示,基于AntNet的多路径QoS路由算法具有较快的收敛速度和较好的鲁棒性,能够自适应网络状态的动态变化,同时考虑了QoS约束和负载平衡问题     

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.     

无线多媒体传感器网络蚁群路由算法研究

对蚁群路由算法在无线传感器网络中的应用进行了调查,给出了一种基于基本蚁群路由算法的无线多媒体传感器网络的QoS路由算法,并通过仿真实验研究了前向蚂蚁数量及网络节点数量对算法性能的影响.为了提高算法性能,将前向蚂蚁数量引入到信息素挥发因子中,以减少算法对前向蚂蚁数量的依赖.同时引入基于地理位置已知的前向邻居节点集的概念对算法进行改进,以解决基本蚁群路由算法初始化问题.仿真结果表明改进后的蚁群路由算法能够有效提高算法性能.     

具有时延约束网络路由问题的自适应蚁群优化算法

高速多媒体网络中的路由问题是有QoS约束的路由问题,满足一个或多个约束的路由问题是NP-完全问题,其中,具有时间延迟约束的QoS路由问题是一个极具代表性的问题。本文给出了一种求解具有时间延迟约束的QoS路由问题的自适应蚁群算法。该算法在种群中采用基于目标函数值的启发式信息素分配策略和根据目标函数自动调整蚂蚁搜索路径的行为。比一般蚁群算法具有更强的鲁棒性和全局优化能力。理论分析和仿真实验表明,该算法是有效的网络QoS路由算法。     

基于蚁群算法的无线传感器网络路由算法

提出一种基于蚁群算法的无线传感器网络按需多路节能路由算法.该算法综合了蚁群优化算法和AODV路由协议的思想.通过蚂蚁并行地在源节点和目的节点之间建立多路径路由,提高了网络数据传输的实时性、延长了整个网络的生命期.仿真结果表明.该算法与多种群蚁群优化路由算法、基本蚁群算法相比,在整个网络的生命期和节能方面效果显著.     

一种基于无线Mesh网络的QoS路由协议

QoS是无线Mesh网络中的一个重要问题,而QoS路由技术是解决这一问题的关键技术之一。本课题就是针对微软提出的无线Mesh网络的路由算法（MR—LQSR）进行分析和改进,使其能够对OoS提供较好的支持。首先,对Mesh节点加入链路带宽估算和延迟这两个功能,这样就可以利用QoS约束机制,来选择满足QoS需求的路径。其次,为了保证实时带宽,我们采用了资源预留方案。最后,考虑到该路由的核心算法是DSR算法,该算法一般可以找到多条路径,因此,改进后的路由协议可以支持多路径负载均衡。     

基于不确定参数的QoS路由研究

作为未来网络资源管理的一个重要组件，QoS路由问题越来越受到人们的重视。为了保证网络服务质量，希望根据多个QoS约束的尺度（metrics)来选择可行的路由。但由于网络本身的动态性和复杂性，网络状态信息具有固有的不确定性，因此有必要研究不确定参数对QoS路由的影响。通过形式化地描述基于带宽和延迟的不确定参数的QoS路由问题，给出了相应的处理模型和算法，并从实现的角度探讨了具有一定适应性的多路径QoS路由机制。     

无线传感器网络适应QoS机制的网络模型

基于无线传感器网络服务质量(QoS)的特点,提出了一个独立于具体算法的、在点和边上都可加权的有向图网络模型,并用数学定义描述了QoS参数间的关系及服从的函数约束,使用该网络模型分析QoS路由的数学约束集并提出QoS路由选择策略。     

多约束条件蚁群优化算法的收敛性分析及其应用

为有效解决无线移动自组网中多约束服务质量(QoS)路由问题,提出结合QoS条件下的改进型蚁群算法.该算法对QoS约束条件进行简化,只考虑影响网络因子的主要指标,提高了算法的工程实用性,并在理论上证明该算法的收敛性.对传统蚁群算法的信息素进行改善,通过对该算法局部和全局收敛性的研究,提出了普遍意义下的收敛条件,为这一类约束条件下的蚁群算法进一步研究奠定了良好的基础.     

无线多媒体传感器网络QoS路由算法研究

由于廉价的CMOS摄像头、麦克风的出现,以及对含有丰富信息的图像,视频和音频信息需求导致了无线多媒体传感器网络-(WMSN)的出现.WMSN具有资源有限、可变的信道容量、数据高度冗余等特点,使得WMSN的QoS路由具有极大的挑战性.提出了一种基于Mesh结构的WMSN,并在该结构体系下,提出了一种基于蚁群算法的QoS路由算法.实验研究表明,蚁群算法具有不依赖全局信息的优点,具有应用于WMSN的前景.实验同时表明,决定蚁群算法收敛速度以及会影响传感器网络性能的一些关键参数较难确定,需要进一步研究.     

无线传感器网络QoS路由的研究与仿真

无线传感器网络要求支持多种业务的差别服务和全网范围的资源有效利用,QoS路由是解决该问题的关键技术之一.在分析无线传感器网络QoS 路由问题的基础上,对定向扩散(Directed Diffusion,DD)进行扩展,提出了一种组合利用路径节点最小能量和最小跳数信息的分布式QoS 路由算法,并建立了仿真模型.仿真结果表明,与传统DD比较,网络生存期可提高500%;不同比例的混合业务模式下,可很好的支持不同业务的资源需求分配,达到全网能耗均衡.     

一种无线传感器网络蚁群优化路由算法

如何在资源受限的无线传感器网络中进行高效的数据路由是无线传感器网络研究的热点之一.将蚁群优化算法(ACO)应用于无线传感器网络的路由,提出一种无线传感器网络蚁群优化路由算法.该算法利用蚁群的自组织、自适应和动态寻优能力进行网络优化路径的建立与维护,采用Stigmergy的概念来减少控制信息的流量,以实现网络数据的高效传输.仿真分析表明,该算法和DD算法相比在传输延时方面性能相当,在路由代价方面效果显著.另外,该算法还具有可靠性高、适应性强等优点,并能够根据需要实现网络的拥堵控制和能量均衡等综合优化.     

An agent-assisted QoS-based routing algorithm for wireless sensor networks

Existing routing algorithms are not effective in supporting the dynamic characteristics of wireless sensor networks (WSNs) and cannot ensure sufficient quality of service in WSN applications. This paper proposes a novel agent-assisted QoS-based routing algorithm for wireless sensor networks. In the proposed algorithm, the synthetic QoS of WSNs is chosen as the adaptive value of a Particle Swarm Optimization algorithm to improve the overall performance of network. Intelligent software agents are used to monitor changes in network topology, network communication flow, and each node's routing state. These agents can then participate in network routing and network maintenance. Experiment results show that the proposed algorithm can ensure better quality of service in wireless sensor networks compared with traditional algorithms.     

基于软件定义的WSNs非均匀分簇QoS路由算法

针对传统无线传感器网络非均匀分簇QoS路由中节点资源受限,无法动态管理等问题,提出一种基于软件定义的无线传感器网络非均匀分簇QoS路由算法(SDNUCQS)。控制器考虑节点能量、节点间距离和QoS指标,采用熵权法竞选出高质量簇头,并对网络进行非均匀分簇。利用交叉分类法将所要传输的数据通过时延和丢失率分成不同类型。在簇间路由中,控制器以链路QoS指标和节点负载度为参数,采用集中式方式分别计算QoS数据和普通数据传输的最佳路径。仿真实验结果表明,SDNUCQS算法能显著降低网络时延和丢失率,与LEACH、EEUC、CRIPSO和tPSOEB算法比较,能降低簇头能耗且延长了网络生命周期。     

基于蚁群优化的无线传感器网络路由算法

如何在资源受限的无线传感器网络中进行高效的数据路由是无线传感器网络研究的热点之一。基于群智能优化技术的蚁群优化算法被广泛应用于网络路由算法。提出一种无线传感器网络蚁群优化路由算法,能够保持网络的生存时间最长,同时能找到从源节点到基站节点的最短路径;采用的多路数据传输也可提供高效可靠的数据传输,同时考虑节点的能量水平。仿真结果表明:提出的算法延长了无线传感器网络的寿命,实现无线传感器网络在通信过程中快速、节能的路由。     

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。     

基于蚁群遗传混合算法的QoS组播路由

具有延迟、延迟抖动、带宽、丢包率等服务质量约束的组播路由问题具有NP完全的复杂度。基于蚁群优化算法和遗传算法,提出解决QoS约束组播路由问题的混合算法。利用遗传算法和蚁群优化算法各自的优点,使用蚁群优化算法选择种群,遗传算法优化蚂蚁遍历所得到的解。仿真实验结果表明,该算法可满足各个约束条件,且全局寻优性能好,能够满足网络服务质量要求。     

Ant colony optimization based sensor deployment protocol for wireless sensor networks

Sensor deployment is one of the most important issues in wireless sensor networks, because an efficient deployment scheme can reduce the deployment cost and enhance the detection capability of the wireless sensor networks. In addition, it can enhance the quality of monitoring in wireless sensor networks by increasing the coverage area. Ant colony optimization (ACO) algorithm provides a natural and intrinsic way of exploration of search space for multiple knapsack problem (MKP). In this work, we consider the problem of sensor deployment to achieve complete coverage of the service region and maximize the lifetime of the network. We model the deployment problem as the multiple knapsack problem. Based on ACO algorithm, we proposed a deployment scheme to prolong the network lifetime, while ensuring complete coverage of the service region. The simulations show that our algorithm can prolong the lifetime of the network.