基于蚁群算法的移动自适应网QoS路由算法

在移动自适应网中,由于无线环境的不稳定性及终端的移动性造成网络拓扑结构不断变化,使网络中端对端的服务质量随时间不断变化.为移动自适应网提供服务质量保证的关键是移动自适应网的QoS路由问题.提出了一种适用于移动自适应网的QoS路由算法.该算法将蚁群算法与移动自适应网的特点相结合,可以高效地在该网络中寻找满足延迟、延迟抖动、带宽、包丢失率、节点跳数和费用等多项指标的QoS路由,从而显著地提高移动自适应网的QoS路由性能.     

一种加权的启发式QoS路由算法

本文推广启发式搜索算法公式,提出了一种基于费用和延迟的加权启发式QoS路由选择算法。根据带宽和抖动等限制条件的不同特性,对费用和延迟加上不同的权值,得到费用最少的QoS路由,并研究了在不同的权值下对搜索性能的影响。仿真结果验证了该算法的有效性。     

多路路由算法及其在QoS路由中的应用

提出一个分布式服务质量路由算法,以求在不影响已存在连接的服务质量的前提下,寻找满足服务质量要求的可行路,该算法根据网络运营状况不同,改变寻路范围,当网络资源很充裕,寻路花费可忽略,可行路的存在性是首要问题时,寻路范围可以是整个网络,使得只要存在可行路,就一定能找到;当网络资源匮乏,寻路信息应尽可能少时,寻路范围将减少,直至每点只向一个邻点发送寻路信息,但其接通率不少于最短路算法。     

基于遗传算法的一种选播QoS路由算法

选播是一种新型的网络服务,是IPv6的一个新特性。随着越来越多的应用需要选播服务支持,选播路由研究成为一个重要的课题。该文在分析选播通信服务的基础上,提出了一种基于遗传算法的选播QoS路由算法,以求解有时延约束和带宽要求的选播路由问题。仿真实验结果表明,该算法是有效且切实可行的。     

基于蚁群一遗传算法的QoS路由选择

论文提出了一种将蚁群算法与遗传算法融合的新算法.采用蚁群算法进行寻径生成初始群体,利用遗传算法对路径进行优化.仿真结果表明此算法是可行的、有效的.     

基于蚁群-遗传算法的QoS路由选择

论文提出了一种将蚁群算法与遗传算法融合的新算法。采用蚁群算法进行寻径生成初始群体，利用遗传算法对路径进行优化。仿真结果表明此算法是可行的、有效的。     

基于启发信息的QoS路由蚁群算法

提出一种改进的路由蚁群算法,算法采用了动态更新的概率替代传统的路由表,引入干扰系数作为启发信息,从而提高了算法收敛速度.通过验证,算法具有更快的收敛速度和较好的吞吐能力.在网络节点出现故障时,该算法能快速地更新节点上信息,使网络趋于平稳.     

由VTRR算法为DiffServ提供QoS的一种方法

ＤｉｆｆＳｅｒｖ是解决宽带Ｉｎｔｅｒｎｅｔ ＱｏＳ控制的一种可行方案，它在边界节点将不同的ＱｏＳ要求映射成ＰＨＢ。对每类具有相同ＰＨＢ的ＩＰ业务流，应用ＶＴＲＲ公平调度算法。ＶＴＲＲ算法允许在竞争带宽的业务流中公平共享分配的带宽。将ＶＴＲＲ与ＲＳＶＰ结合使用，能为ＤｉｆｆＳｅｒｖ提供ＱｏＳ保证。     

改进人口迁移算法用于QoS路由优化

研究了带宽、时延等QoS路由问题,针对原人口迁移算法易收敛于局部最优且计算量大,计算时间长的特点,提出了一种改进的人口迁移算法（modified Population Migration Algorithm）,并将其应用于QoS路由选择优化问题。算法采用网络资源消耗和负载分布为目标函数,目的是在消耗网络资源最小的基础上,使负载均衡分布,合理利用网络资源,降低网络拥塞。仿真结果表明,该算法是有效的、稳定的。     

基于遗传算法的QoS路由优化算法

研究了带宽、时延等QoS路由问题,提出了一种基于遗传算法的QoS路由选择优化算法。算法采用网络资源消耗和负载分布为目标函数,目的是在消耗网络资源最小的基础上,使负载均衡分布,合理利用网络资源,降低网络拥塞。仿真结果表明,该算法是有效的、稳定的。     

一种基于概率的QoS单播路由算法

实际的动态网络环境迫切要求在QoS路由算法设计中充分考虑网络节点所获网络状态的不精确性.建立了基于非精确状态的网络模型,并提出了一种基于概率的QoS路由算法.该算法通过一种精度可控的次优化方法,解决了基于非精确状态延时带宽限制代价最小的QoS路由问题.仿真实验表明,该算法能有效地屏蔽网络状态的非精确性,忍受较大的网络更新触发门限值,并保持较好的路由性能.     

QoS组播路由的模糊遗传算法

已有的QoS组播路由算法都假设已知网络全局的精确状态,而且QoS约束都以确定性界限来表达。然而在实际的网络环境中,网络节点根本无法获得网络全局的精确状态．而且QoS约束完全用确定性界限来表达也存在一定的局限性。本文将模糊集合论的基本原理应用于QoS组播路由问题,充分考虑网络节点所获信息的模糊性和随机性,以及QoS约束务件的模糊界限这一客观存在的性质,提出一种新的QoS组播路由的模糊遗传算法FG。仿真实验表明．该算法是可靠且有效的。     

IP QoS路由算法研究综述

传统上所采用的“尽力而为”转发机制,已经不能满足用户的要求。IP网络如何提供QoS(服务质量)支持这一问题现已成为业界关注的焦点。近几年的研究表明网络路由算法对实现QoS起到了非常关键的作用,同时网络路由算法也是平衡网络负载和充分利用网络资源的重要保证。该文对当前研究的主要路由算法进行了详细的分析与归纳,并对其发展前景进行了展望。     

多约束QoS动态多播路由算法

YAM和QoSMIC是支持QoS动态多播路由算法,允许多播组成员动态地加入/退出,同时为接收方提供多个可选择的多播接入路径,以满足不同应用的QoS需求。该文在分析这些算法的基础上,研讨了具有延迟、延迟抖动、带宽和代价等多约束QoS的多播路由问题,描述了一种适应于研究QoS多播路由的网络模型,提出了一种具有多约束QoS的动态多播路由算法(MQDMR),MQDMR试图有效地减少生成多约束QoS的多播树的开销。在MQDMR中,一个多播组成员能动态地加入/退出一个多播会晤,且不干扰现有的多播树。仿真实验结果表明,MQDMR比YAM和QoSMIC具有较小的延时和较少的代价。     

基于拥塞预规避控制的QoS路由选择算法研究

现有网络常用的路由算法(比如链路状态路由算法)都不具有拥塞预规避控制能力．提出了一种基于拥塞预规避控制的QoS路由算法(QRCP)．该算法对业务流量进行了更为合理的分配，避免或尽量减少对将来业务流的连接请求的影响，最终减少网络的拥塞概率．通过实验仿真，结果表明，该算法在拥塞避免与网络效益上．比现有的最宽一最短(WSP)与最短．最宽(SWP)路径算法具有明显的优越性．     

改进的分布式QoS路由算法

拥塞网络中连接时延和请求接纳率是一对矛盾。该文在现有分布式QoS路由算法的基础上,提出一种兼顾二者的改进算法。在中间节点转发请求包时,根据累计时延进行转发测试,减少了通信复杂度。在目的节点,根据一定策略从可行路径中选择最优路径发回应答。计算机模拟显示,该算法在拥塞网络中有较低的连接时延和较高的请求接纳率。     

基于模拟退火的服务质量路由算法

作为下一代互联网的核心问题之一,多约束的服务质量路由(QoSR)用来寻找一条同时满足多个约束条件的可行路径.然而,该问题具有NP完全的复杂度.将模拟退火引入多约束QoSR计算中,首先使用非线性能量函数将多个QoS度量转化成单一能量,然后基于模拟退火的方式求解最小能量路径.首先概述了模拟退火的方法,分析了在QoSR中应用模拟退火所面临的关键问题以及解决方案,然后给出了SA_MCP算法及其复杂性分析.实验结果表明,该算法具有很高的性能,同时对网络规模和约束个数都具有很好的扩展性,对QoS约束的分布状况也不敏感.此外,只要大部分QoS约束存在可行路径,算法的实际运行时间约为O(k(m+nlogn)),即传统Dijkstra算法的k倍(k为约束个数).     

多约束QoS路由的一种启发式算法

本文提出一种求解QoS路由问题的新启发式算法,该算法求解基于带宽、时延、丢失率的多约束优化路问题,通过构造评价函数调用最短路算法迭代求解,具有较小的时间复杂度。最后给出的仿真结果证明了算法的有效性。     

基于Tabu搜索的QoS多播路由快速优化算法

QoS多播路由算法的核心问题是建立满足QoS约束的多播树,这就是计算机网络中著名的受约束最小Steiner树问题,是一个NP完全问题.目前已有的启发式算法的时间复杂度大,不能获得最优解.提出了一个基于Tabu搜索的QoS多播路由选择快速优化算法,它选择延迟与带宽约束为QoS参数,利用Tabu搜索的集中性与广泛性并存的优点,在提高搜索速度的同时可以更加接近最优解.仿真结果表明:该算法具有快速、易实施等特点,更加适合在组规模比较大的情况下应用.