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.     

基于改进蚁群算法的SDN数据中心流调度研究

目前在软件定义数据中心网络中,基于蚁群算法的流调度策略在对路径进行选择时存在收敛过慢和搜索停滞等缺点,容易导致数据中心网络时延过高和资源利用率低等问题.为此,提出一种基于蚁群改进的流调度算法.该算法以最大化平均链路带宽利用率为优化目标,将流调度问题抽象为整数线性规划模型,通过重定义蚁群算法中的信息素更新方式对大流的重路...     

基于SDN拓扑集中更新的NDN路由策略

基于软件定义网络（SDN）拓扑集中更新的命名数据网络（NDN）路由策略,将路由的2个关键功能分离,拓扑更新功能集中置于SDN控制器中,而路由计算功能分布式地置于NDN内容节点中.同时,对网络拓扑进行负载加权预处理,在考虑网络状态的前提下,可优化路由计算.仿真结果表明,在基于SDN拓扑集中更新的NDN路由策略中,内容请求数据流的首包时延平均降低了90%,SDN控制器的负荷平均降低了10%~30%,全网实现了有效的负载均衡.     

SDN中基于遗传蚁群优化的测量节点选择方案设计

SDN中的测量节点选择问题其本质为最小顶点覆盖模型的求解,然而流量路由信息的保护造成基于流的动态测量节点选择方案失效,只能转向静态测量节点选择,目前的静态测量节点选择算法存在测量精度较低、运行时间长等问题。本文针对SDN中测量节点选择算法性能受限问题,设计了一个基于遗传和蚁群算法的测量节点选择方案,该方案所设计的G-ACO算法将遗传算法和蚁群算法进行动态融合,并将其应用于解决最小顶点覆盖问题,有效提升最小顶点覆盖模型求解速度。最后,在SDN仿真网络环境下以4个不同数量级的网络拓扑进行节点选择方案验证,与其他算法进行对比分析,G-ACO遗传蚁群优化算法具有更好的寻优能力、算法稳定性。     

基于人工免疫-蚁群算法的平面QoS路由模型

人工免疫算法具有快速随机的全局搜索能力,但系统中的反馈信息利用不足且有大量无为的冗余迭代。蚁群算法具有分布式并行全局搜索能力,但初期信息素匮乏。本文提出一种基于人工免疫-蚁群算法的混合算法,采用人工免疫算法生成信息素分布,利用蚁群算法求优化解。将该算法用于求解包含带宽、时延和最小代价约束条件在内的平面QoS路由模型问题,进行计算机仿真。结果表明,该算法是一种收敛速度和寻优能力都比较好的优化方法。     

WSN中一种新的基于蚁群优化的路由算法

针对无线传感器网络路由中网络节点能量和生存时间受限问题,提出了一种基于蚁群优化的WSN分簇路由算法.算法引入蚁群优化,对网络覆盖区域内的节点进行分簇处理,簇内利用蚁群优化算法进行最优路径搜索.仿真结果表明:该算法能有效平衡网络节点间能耗,延长网络生存期,蚁群增强了最优路径的可靠性,进一步降低了网络能耗.     

软件定义网络中应用蚁群优化的负载均衡算法

在软件定义网络中提出了一种应用蚁群优化的负载均衡算法,以负载均衡度为目标函数重定义了蚁群算法中的参数和操作,对软件定义网络数据流和网络拓扑进行合理设置,规划出流传输的最优路径,从而提升了网络资源利用率和流传输质量.仿真结果表明,与其他算法相比,新算法在负载均衡度、流接受率、流丢包率、时延以及网络吞吐量方面的性能都有明显的提升.     

基于蚁群优化的无线传感器网络路由优化算法

针对无线传感器网络节点功耗受限,无线信道容易受环境干涉等特点,提出一种低功耗、信道质量敏感的无线传感器网络路由优化算法COR,COR算法基于节点剩余能量、无线信道质量统计参数等变量,通过修改启发因子方程以及信息素更新方程,采用改进蚁群算法选择剩余能量高、信道质量较好的路径进行数据的路由转发,可有效降低数据传输功耗,平衡网络中节点的功率消耗,延长网络生命周期。仿真实验表明,COR算法网络消耗能量仅为传统ACO(Ant Colony Optimization)算法的73%,具有较高的实用价值。     

基于动态蚁群规模的优化路由算法

针对移动Ad Hoc网络,提出了一种可以可控制蚁群规模的自适应蚁群路由算法,通过在网络节点配置蚂蚁数目控制表来控制"网络蚂蚁"的数目。该算法能提高蚁群算法的自适应性,自动调节网络的负载平衡。网络仿真试验结果表明,该算法具有良好的收敛性和求解效果。     

基于蚁群算法的无线传感器网络路由算法实现

本文利用蚁群算法简单、局部工作等特点,结合传感器网络的特征,分析研究了基于蚁群算法的WSN路由算法,并阐述了蚁群算法的无线传感器网络路由算法的实现和仿真设计与分析。     

一种基于蚁群系统的MANET路由算法

运用蚁群系统解决移动自组织网的路由问题,提出了一种新的按需路由算法,该算法具有多路径、正反馈、自适应等特点,通过状态转移规则指导路由选择,不仅可利用历史信息选择最优路由,还可以进行一定程度的随机搜索.ns2仿真结果表明,在不同的动态场景中,算法在分组递送率、平均跳数和路由开销等方面均表现了良好的性能.     

基于改进蚁群算法的物流配送路径优化

建立了带约束条件的物流配送问题的数学模型,运用蚁群算法解决物流配送路径优化问题,将遗传算法的复制、交叉和变异等遗传算子引入蚁群算法,以提高算法的收敛速度和全局搜索能力;改进了信息素的更新方式,以提高蚁群算法的自适应性,使得算法在执行过程中能根据收敛和进展情况,相应地调整信息残留程度,从而提高收敛速度或全局搜索能力;引入了一种确定性搜索方法,加快启发式搜索的收敛速度.经过多次对比实验表明,使用改进的蚁群算法优化物流配送线路,可以有效而快速地求得问题的最优解或近似最优解     

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PID参数优化

针对传统的PID控制器参数多采用试验加试凑的方式由人工进行优化,提出了一种新型的基于蚁群算法的PID参数优化策略.蚁群算法是近几年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.在简要介绍蚁群算法基本思想的基础上,推导了蚁群算法PID参数优化方法,并给出了新算法的具体实现步骤,最后将该优化方案应用于某型高精度飞行仿真伺服系统.仿真应用研究表明,该PID参数优化策略具有很强的灵活性、适应性和鲁棒性,进而验证了该方案的可行性和有效性.     

基于蚁群优化算法的云计算资源分配

基于云计算环境的特点,采用改进蚁群优化的计算资源分配算法,分析诸如带宽占用、网络负载和响应时间等因素对云端资源分配的影响。仿真实验的分析和比较说明该算法能够在云中快速、合理地找到所需访问的数据库,并能够优化搜索性能,减少搜索时间,降低云数据库整体网络负载,比其他一些针对云计算的分配算法具有更优的效率。     

基于移动agent的改进蚁群算法

路由算法的性能直接决定网络的效率及可用性，基于移动agent的路由算法可以有效地降低网络负载，较好地适应异构环境。首先介绍了建立分布式自适应路由系统的必要性，提出了用移动agent解决路由问题，讨论了改进的蚁群算法，并对今后探讨基于移动agent的分布式路由算法问题给出了进一步的工作设想。     

SDN架构下数据中心内存能耗优化策略

提出一种基于内存共享机制数据中心进程优化调度策略,并基于软件定义网络 (SDN)架构建立数据中心负载模型及内存节点能耗模型,给出2个用于降低内存能耗的启发式进程调度算法. 这2个算法以实际内存节点为研究对象,在保证数据中心负载均衡的基础上,通过合理进程调度实现内存共享率最大,使得处于活动态的内存节点数最少,从而达到数据中心内存能耗优化目的. 仿真结果表明,提出的启发式进程调度算法能有效降低内存能耗.     

基于蚁群优化的容错组播路由算法

文章研究了不相交路由和相交路由2种冗余路由形式,并通过路由全局可靠性模型对它们进行了建模和分析。在理论分析的基础上提出一种基于蚁群优化的弱段最小化容错组播路由算法—VOMRA,在驱动方式、人工蚂蚁的生成、信息素的更新策略等方面都进行了有针对性的设计,确保可以找出符合性能约束且可靠性最大化的相交双树。仿真结果表明,VOMRA算法与现有算法相比明显提高了故障恢复概率,而故障恢复后组播树的代价与现有算法相当。