基于蚂蚁算法的多约束QOS组播路由选择

描述了多约束QoS组播路由问题的网络模型,提出了一种解决该问题的改进的蚂蚁算法.该算法对网络进行预处理,生成初始解,并转化为网络的初始信息素分布,利用蚂蚁算法的正反馈特性调整信息量的分配,使之迅速收敛到问题的最优解.仿真表明,算法可以稳定地获得优于现有启发式算法的解,是一种有效的组播路由算法.     

改进的遗传模拟退火算法优化光组播网络编码

网络编码可以提高WDM光网络有限数目波长转换器的利用率,但是网络编码操作将增加光域运算开销、复杂度和缓存需求。为了达到光组播容量条件下尽可能减少网络编码的次数,结合遗传算法和基于模拟退火的个体接受策略,提出一种改进的遗传模拟退火算法(GSAA)。算法通过设计一个既能满足最大组播吞吐量又考虑波长连续性约束路由的算法适应度函数实现网络编码次数减少;为保证种群空间中部分染色体可行性,算法在初始种群中加入一部分可行人工染色体;为了提高算法的局部搜索能力和收敛速度,算法在迭代过程中设计了一个局部搜索过程和自适应变异操作。仿真结果表明:改进的GSAA在收敛速度、网络编码次数等方面优于其它遗传算法。     

基于改进遗传算法的无线传感器网络路由协议生成系统研究

无线传感器网络路由协议自动化生成技术是无线传感器网络自动化组网的重要组成部分,为了进一步提高无线传感器网络路由协议自动生成质量和效率,在建立无线传感器网络路由协议自动生成模型的基础上融入一种改进的遗传算法,该算法通过引进自适应交叉算子和变异算子把模拟退火算法融入其中,很大程度上扩大了测试数据搜索生成范围,一定程度上克服了遗传算法的早熟收敛现象。在上述工作的基础上,提出把无线传感器网络路由协议自动生成算法封装为动态链接库(.dll)供系统调用,采用B/S架构,MVC开发模式,ASP.NET语言等技术设计并实现了一款基于改进遗传算法的无线传感器网络路由协议自动生成系统并进行性能测试,测试结果表明系统运行稳定,在无线传感器网络路由协议自动生成质量和效率方面满足要求。     

基于自适应势函数塑造奖赏机制的梯度下降Sarsa(λ)算法

针对连续状态空间下的强化学习算法初始性能差及收敛速度慢的问题,提出利用自适应势函数塑造奖赏机制来改进强化学习算法。该机制通过额外的奖赏信号自适应地将模型知识传递给学习器,可以有效提高算法的初始性能及收敛速度。鉴于径向基函数(RBF)网络的优良性能及存在的问题,提出利用自适应归一化RBF(ANRBF)网络作为势函数来塑造奖赏。基于ANRBF网络提出了梯度下降(GD)版的强化学习算法——ANRBF-GD-Sarsa(λ)。从理论上分析了ANRBF-GD-Sarsa(λ)算法的收敛性,并通过实验验证了ANRBF-GD-Sarsa(λ)算法具有较好的初始性能及收敛速度。     

一种基于计算智能的组播路由算法

在通信网络中,多约束组播通信是提高网络运行效率和服务质量的重要途径。一些启发式的算法已经被用来解决多约束条件下的组播路由问题,如模拟退火算法,遗传算法,蚁群算法和粒子群优化算法等。然而,这些算法在求解多约束组播路由问题时存在收敛速度低和计算复杂度高的问题。萤火虫群优化(GSO)算法是一种近期在计算智能领域出现的卓越算法,它可以在一定程度上解决多约束组播树生成过程中收敛速度低和计算复杂度高的问题。提出了一种基于GSO的多约束组播树生成算法(GSO-MCM)。该算法可有效生成满足多约束要求的组播路由树。仿真结果表明提出的GSO-MCM算法在求解和收敛速度,以及网络规模适应性方面均有良好的性能。     

基于分级结构的优化QoS路由算法

Ad hoc(自组织)网络中包含延迟、延迟抖动、带宽和丢包率等约束条件在内的QoS(服务质量)路由问题,是一个NP完全问题,传统的平面QoS蚂蚁路由算法难以解决提高算法全局搜索能力和加快收敛速度之间的矛盾。针对以上问题,提出了HQAC(分级QoS蚁群)算法,在分级的基础上对蚁群算法的路由搜寻过程进行了改进,同时对信息素更新公式进行了优化。仿真结果表明,与传统的QoS路由算法相比,HQAC算法在搜索全局最优解,尤其是收敛速度等性能上有了很大的提高。     

基于分级结构的优化QoS路由算法北大核心

Ad hoc(自组织)网络中包含延迟、延迟抖动、带宽和丢包率等约束条件在内的QoS(服务质量)路由问题,是一个NP完全问题,传统的平面QoS蚂蚁路由算法难以解决提高算法全局搜索能力和加快收敛速度之间的矛盾。针对以上问题,提出了HQAC(分级QoS蚁群)算法,在分级的基础上对蚁群算法的路由搜寻过程进行了改进,同时对信息素更新公式进行了优化。仿真结果表明,与传统的QoS路由算法相比,HQAC算法在搜索全局最优解,尤其是收敛速度等性能上有了很大的提高。     

基于蚁群算法的Ad Hoc网络QoS组播路由研究

在解决Ad Hoc网络QoS组播路由问题上,针对蚁群算法缺点,提出了一种融合粒子群优化思想的改进蚁群算法.该算法融合PSO思想以加速蚁群算法在路由发现及维护时的收敛速度.仿真结果表明,该算法具有较好的性能,是解决Ad Hoc网络QoS组播路由问题的有效方法.     

基于蚁群优化的BP神经网络目标威胁估计方法

根据空中目标威胁估计的特点,分析了基于BP神经网络的空中目标威胁估计方法的不足。运用蚁群优化算法(ACO)的全局寻优能力,对BP神经网络的初始权值进行优化,建立了改进的BP (ACOBP)空中目标威胁估计方法,解决了BP神经网络初始权值的随机性和网络易陷入局部极小值的问题,提高了算法的收敛速度。并采用30组训练样本数据及8组测试数据,对算法的性能进行了仿真分析。仿真结果表明,该算法估计结果准确合理,收敛速度和收敛精度均优于BP算法,证明了该方法的有效性。     

一种基于排序蚁群算法的无线Mesh多径路由协议

无线Mesh网络因其较好的鲁棒性、可覆盖区域广、低成本、接入便利等优点,在临时布置通信网络逐渐得到了重用,在无线通信技术中扮演着越来越重要的角色。针对无线Mesh网络的特点,提出一种基于改进蚁群算法的多径路由协议Fortified Ant协议。与传统的蚁群算法路由协议相比,该协议对蚁群算法进行改进,在蚁群算法基础上加入排序算法,同时在该协议中加入多径传输,在主路由失效时马上启用备份路由,保证信息传输的时效性和可靠性。实验结果表明,与ADOV、DSR和ACO路由算法相比,该算法能迅速发现质量较优的多条路径,具有收敛快、开销少等优势。     

一种基于改进蚁群算法的光网络动态RWA机制

动态RWA(路由与波长分配)问题是智能光网络的核心问题.文章提出一种解决动态RWA问题的改进蚁群算法,在转移概率中加入了链路的空闲率作为约束条件,同时还引入了随机扰动防止搜索过早收敛于局部最优路径.仿真结果表明,改进算法与传统Dijkstra+ FF(首次命中)算法相比,可以显著降低阻塞率,提高资源利用率.     

基于蚁群改进的认知网络QoS路由算法

多约束的QoS(服务质量)路由问题是认知网络研究的核心问题之一,由于网络拓扑的不断变化及不同业务QoS需求,解决该问题面临很大的挑战。文章对传统蚁群算法进行了改进,增强了对链路状态的认知能力,增加了拥塞规避机制,使算法能更好地适合认知网络环境。仿真数据表明,该算法在网络丢包率和时延上,比传统的链路状态路由算法更具有优越性。     

基于自适应蚁群的多约束QoS组播路由算法

结合多约束QoS组播路由的特点,应用一种自适应蚁群优化算法解决组播路由问题.考虑到实际通信中链路利用率对网络的影响,将网络中链路的带宽转化为链路的代价问题,并在蚁群算法中根据蚂蚁所选路径的代价进行信息素更新,增加了信息素调整的自适应性,同时加快了算法的收敛速度,使得组播路由算法在考虑网络QoS约束的基础上进一步贴合实际网络的需求.     

基于流量限制的动态自适应路由选择算法

随着网络资源和网络需求的不断同步增长,网络拥塞问题日益突出,如何依据实际网络状况动态选择路由尤为重要.由于应用于TSP问题的蚁群算法具有很强的自适应性和随机性,也被用于解决动态路由问题.文章结合MMAS模型,对AS算法进行了一些改进.同时也综合考虑网络节点间最短距离、流量变化及容量限制等多方面的因素,使用蚁群算法寻找最优路由序列,进行动态路由选择.仿真结果显示,蚁群算法在网络拥塞概率方面明显优于传统算法.     

具有容错能力的波长路由光网络的拓扑设计

研究了具有容错能力的波长路由光网络的拓扑设计问题.提出了一种基于业务流的初始物理拓扑产生算法,与随机拓扑生成算法相比,该算法产生的物理拓扑更接近于最优拓扑.另外,还提出了一种新的链路拥塞计算方法,它能够更好地反应链路的实际状态.数值结果显示文章提出的物理拓扑设计策略具有更快的收敛速度.     

多基站数据聚合无线传感器网络中的最大生命期路由

研究了多基站数据聚合无线传感器网络中的最大生命期路由问题.首先证明该类问题具有NP-hard性质,然后提出一种基于最小生成森林的启发式算法,并采用次梯度方法设计了分布式算法,最后通过大量的仿真实验分析所提路由算法性能,并给出分布式算法的收敛性能.     

多QoS约束条件下的多目标网络优化

多约束、多业务、多目标的网络优化是一个复杂且涉及范围广泛的课题。文中在对该课题进行分析的基础上,提出了一种基于遗传算法的多目标网络优化算法(MOPGA)。该算法使用了多约束条件下的路径集预处理,使得每项业务能够获得所需的QoS服务质量,通过对所有业务的路由号进行编码,将问题的解空间转换到遗传算法的搜索空间,达到对全网业务的综合考虑。改进后的适应度函数刻划了网络的费用、链路利用率方差和最大链路利用率、爆破处理以及个体淘汰机制增加了种群多样性,挣脱了未成熟收敛。以求解精度作为算法终止条件,使得算法运行时间减少。仿真实验表明,所提出的算法能高效、快速解决实际多目标网络优化问题,同时在满足多QoS约束条件下可均衡各子目标函数。     

EIGRP路由协议分析研究

目前网络变得日趋庞大,需要动态路由协议来自动维护路由表,保证网络的畅通,而常用的动态路由协议RIP和OSPF都存在一定的缺陷。本文分析研究了结合前两者优点的EIGRP(增强型内部网关路由协议)及其核心算法DUAL(扩散更新算法),从距离度量、可行距离、可行条件、本地计算、扩散计算和路由选择等方面详细阐述了其运行过程,并与RIP和OSPF、路由协议进行了比较,指出了EIGRP的运行特性:运行机制相对简单,占用路由器、网络资源少,收敛速度快,路由无环。     

软件定义传感器网络重配置算法研究

为了提高无线传感器网络的性能及其适应性,提出一种软件定义传感器网络的架构并重点研究其网络重配置算法。算法首先运用Voronoi图理论,寻求SDSN全覆盖问题中保证网络能量均衡的最优感知半径分配,以达到目标区域的K重覆盖;其次基于单纯复形理论,提出一种基于边缘链群最小生成元和节点度的集中控制方法,以最简练的网络拓扑结构为目标,同时保证整个系统的连通性以及突发区域的顽健性;考虑SDSN中路由协议在动态环境的自适应性,提出一种基于多业务QoS的SDSN路由优化算法并进行了仿真,结果表明所提路由算法能够有效分配资源,满足多业务QoS需求并延长网络的生命周期。     

网络分层的水下传感器网络覆盖保持路由算法

在以监测为目的的水下传感器网络中,较好的网络覆盖率和连通率是完成监测任务的重要保证.以改善覆盖效果为目标的水下覆盖保持路由算法NCPR算法相对比LEACH-Coverage-U算法有效的延长了网络覆盖时间,但是该算法连通性表现较差,同时存在靠近SINK节点的簇首由于需要转发大量数据而过早死亡的问题.本文提出一种分布式的网络不均匀分层的覆盖保持路由(Network Unevenly Layered Coverage Preserving Routing,NULCPR)算法,由SINK节点开始逐层向下建立网络,同时每层网络节点通信半径也随层号增加而逐渐增大.每层网络独立运行NCPR算法以使该层节点成簇,并通过簇首向上建立连通链路以保证网络连通.仿真结果表明,与NCPR算法相比,NULCPR算法提高了网络连通率以及覆盖率,并且降低了网络能耗,证明了该算法的有效性.