基于QPSO的QoS组播路由算法

对带宽、延时、延时抖动约束最小代价的QoS组播路由问题进行了研究，提出一种基于量子行为微粒群优化（QPSO）算法来设计路由优化算法。该算法采用一种节点序列编码方案，将路由优化问题转化成一种准连续优化问题，并采用罚函数处理约束条件。应用QPSO算法求解QoS组播路由问题的算例，并与遗传算法和改进后的遗传算法进行比较。计算机仿真实验证明，该算法可以更有效地求得QoS组播路由问题的优化解，可靠性较高。     

基于微粒群算法的QoS组播路由算法

文章研究了带宽、延时、延时抖动约束最小代价的QoS组播路由问题,提出了一种基于微粒群优化(PSO)算法[2,5]来设计路由优化算法。该算法采用一种新的整数编码方案,将路由优化问题转化成准连续优化问题,并采用罚函数处理约束条件。给出了应用微粒群优化算法求解QoS组播路由问题的算例,并与遗传算法和改进后的遗传算法进行了比较。计算机仿真实验证明,该算法可以更有效地求得QoS组播路由问题的优化解,可靠性高。     

组播路由综合优化及其算法

路由优化是组播通信的一个关键问题,它的目标是将低路由费用。论文中首次提出了组播路由费用综合优化的思想,即组播路由的网络费用和目的地费用同时得到优化：优化网络费用以降低路由消耗的网络资源;优化目的地费用以减少源到目的地的平均时延。并提出了一种组播路由综合优化算法,该算法的时间复杂性低,实现简单,还可以分布式实现。     

受时延约束的组播路由算法

提出了一种新的受时延约束的组播路由算法。算法借鉴了MPH算法的思想,最初的组播树只包含源结点,然后每次将到达组播树的代价最小且满足时延约束的结点及其相应的路径加入到组播树,直到所有的成员加入为止。谊算法能够快速地得到一棵满足时延约束的组播树,并且组播树的代价也很小。实验表明：该算法简单,复杂度低,性能良好,易于在分布式环境中实现,可应用于实际的应用系统中。     

基于粒子群优化的QoS组播路由算法

QoS(QualityofService)组播路由问题是一个非线性的组合优化问题,已证明了该问题是NP完全问题。论文将基于群智能演化计算技术的粒子群优化算法用于此类问题的求解。算法引入了交换,插入,删除,增量等操作算子和操作算子序列等概念,并在此基础上对基本的粒子群优化算法进行改进,使之适合于QoS组播路由的求解,仿真结果显示,该算法取得了满意的效果,在寻优速度上优于遗传算法。     

QoS组播路由算法分析

网络的迅速发展使"尽力而为服务"已经不能满足用户传输业务流时提出的要求,在组播路由中如何保证服务质量已经是当前网络研究领域的重要内容和热点问题.近期的研究已经表明,路由算法对实现服务质量起到了关键的作用.文中分别围绕以下几个方面,展开探讨和论述.首先对QoS组播基础知识做了简要的介绍,对组播路由算法做了简单的总结,然后分析了几个经典的QoS路由算法,最后提出了在组播路由研究中仍存在的同题和发展前景.     

免疫组播路由选择算法

研究了带宽延时受限、费用最小的QoS组播路由问题，并提出了一种解决该问题的免疫算法．免疫算法的核心在于免疫算子的构造，而它又是通过接种疫苗和免疫选择两个步骤来完成的．根据QoS组播路由问题，给出了免疫疫苗选取与免疫算子构造的具体方法．将免疫算法应用于组播路由选择，是通过在基于遗传算法的组播路由选择的基础上引入免疫算子来实现的．该算法采用的进化算子简便、高效．仿真实验表明，该算法不仅有效可行，而且较好地解决了标准遗传算法中出现的退化现象，提高了收效速度和搜索能力．     

基于Agent的QoS组播路由算法及仿真

针对网络质量控制问题,提出一种基于Agent的QoS组播路由算法.方法采用一组协同工作的Agent搜索网络,寻找满足QoS请求的路径,并对选定路径进行资源预留.优点在于Agent选路由具有一定的灵活性与适应性,路由器本身不需要具有QoS路由功能,不需要维持专门的QoS路由表,只需要提供Agent的运行环境和相关数据结构并进行仿真.仿真实验结果表明算法不仅具有较好的性能,并且不需要专门的资源预留协议,不必对现有模块进行大的改动就可以同时支持数据实时投递.     

基于量子粒子群算法的组播路由优化

不确定网络性能参数下的多约束QoS组播路由优化已成为安全组播领域以及下一代Internet和高性能网络的一个重要研究课题。多约束QoS组播路由优化是NP-完全的多目标优化问题。提出了一个新的量子粒子群算法,其具有收敛速度快、全局性能好等特点。通过应用该算法求解多约束QoS组播路由优化问题的仿真实现,结果表明,该算法取得了较好的效果。     

一种多受限最小代价的动态组播路由算法

1.引言为确保通信网能提供(QoS)服务质量保证,必须研发有效的基于QoS的路由机制以提供高质量信息传输。一般地,基于QoS的路由要达到两个目标;一是要满足用户的QoS要求,如必须提供足够的带宽、足够小的延时和延时抖动等;二是要优化网络的利用率及代价。近年来,各国学者都开始关注基于QoS的路由问题。由于此类问题属于NP-Complete问题,所以各国学者大都采用启发式方法求解。文[1～3]提出了一些适用于信宿固定情况下的源路由算法。文[4～7]提出了几种动态路由算法,由于求解动态组播树的问题很复杂,大部分学者都将此问题分为两个部分求解:中心点(负责组播树的维护并将会话的状态传给所有网络节点)求解和基于中心点的路由选择,如PIM-SM和CBT算法。本文提出了一种多受限最小代价的动态组播路由算法MDLCMR(Multi-con-strained Dynamic Least Cost Multicast Routing)。该算     

基于粒子群和博弈论的QoS组播路由算法

为改善互联网的服务质量(QoS)组播路由能力,设计一种基于多子群和博弈论的QoS组播路由算法。该算法由边评判、博弈分析和组播路由树建立等部分组成。基于适合隶属度函数对边进行模糊综合评判,利用博弈分析方法确定网络提供方与用户在边上的效用Nash均衡程度,通过组播路由树建立算法,在用户QoS要求得到满足的条件下,使得网络提供方效用与用户效用达到或接近Nash均衡意义下的Pareto最优。仿真实验验证了该算法的良好性能。     

Ad Hoc网络中基于捕食逃逸PSO的QoS多播路由算法

求解两个或多个限制参数的QoS多播路由问题,已被证明为NP-complete问题,而随着Ad hoc网络中多媒体和实时应用需求的不断提升,有效的QoS多播路由算法成为重要研究内容.针对Ad hoc网络的动态性和QoS参数的多样性,给出一种解决该问题的捕食逃逸PSO方法,算法通过对MAODV路由发现过程发现的QoS有效路径进行编码和寻优处理,借助于捕食逃逸行为使算法能够以较大概率获取全局最优QoS多播路由.在NS2平台上的仿真结果表明了捕食逃选PSO解决Ad hoc网络QoS多播路由问题的可胜任性.     

基于遗传算法的QoS组播路由选择方法

考虑了组播通信服务质量需求与网络资源约束,将满足不同约束的QoS组播路由选择过程转化为一个多目标优化问题,使用一种基于QoS的最小网络费用组播路由树生成算法来寻找最小Steiner树。该方法可以在满足多约束的情况下,寻找费用最小的组播路由树,仿真结果表明该算法有较好的性能。     

基于蚁群系统的分布式QoS多播路由算法

针对QoS约束多播路由问题,利用蚂蚁算法的本质并行性,提出了一种基于蚁群系统的分布式QoS多播路由算法DQMRA-ACS.通过蚂蚁会晤进行路由信息的交互和传递,在获得局部最优路径的同时可有效避免回路的产生;根据信息素强度的路由表,借助不同类型蚂蚁分组的分工协作最终找到符合QoS要求的多播路由;灵活的路由切换和锁定保证了路由连接的成功建立.实验结果表明DQMRA-ACS的可行性和效率性.     

基于极值遗传算法的QoS组播路由

基于遗传算法和极值优化思想,提出一种极值遗传算法,将其应用到QoS组播路由。极值优化的非自衡性可以防止算法陷入局部解,加快算法的收敛速度。根据网络拓扑结构特点,采用特殊的编码、交叉、变异操作,保证解的可行性。实验结果表明,该算法能达到较高的QoS组播路由速度和精度。     

基于自适应蚁群算法的QoS组播路由算法

提出一种改进的自适应蚁群优化算法,在信息素更新策略中引入全局最优系数,研究多约束条件下的QoS组播路由问题。动态更新信息素能够确保自适应地改进全局搜索能力和收敛性能,避免陷入局部最优解。仿真结果表明,该算法比蚂蚁-遗传算法在解决多约束条件下的QoS组播路由问题时更有效。     

基于蚁群算法的QoS组播路由问题研究

提出一种基于蚁群算法的服务质量(QoS)多约束的组播路由算法,算法通过引入模拟退火思想和多行为蚂蚁,解决了常规蚁群算法搜索能力差,容易陷入局部最优的缺点.给出一个网络路由模型,给定相关参数进行仿真实验,实验结果表明,基于模拟退火思想的逆向蚂蚁算法性能优于常规蚁群算法,能更好地搜寻到全局最优解.     

基于禁忌搜索的集成式QoS组播路由算法

研究了IP／DWDM光因特网中的集成式QoS组播路由算法,在考虑负载均衡的前提下,针对用户组播请求与柔性QoS需求,寻找一棵QoS组播路由树。由于该问题的NP难属性,因此基于禁忌搜索算法来构造费用近优QoS组播路由树,同时集成一种基于分段和波长图思想的波长分配算法,一体化解决路由与波长分配问题。仿真结果表明,提出的算法是可行和有效的。     

基于混沌控制量的QoS组播路由算法

针对具有多个不相关可加度量的QoS组播路由问题,提出基于混沌控制量的QoS组播路由算法。该算法通过对神经元的内部状态施加一个混沌控制量,可以有效控制神经网络的能量函数增加、减少或保持不变,避免陷入局部最小点。计算机仿真结果表明,该算法能根据组播应用对费用和时延的要求,快速、有效地构造组播树,与其他启发式算法相比,适用于带有较少目的结点的大规模网络。     

基于遗传算法的QoS多播路由优化算法

研究了带宽、延时、延时抖动和分组丢失率约束以及费用最小的QoS多播路由优化问题,提出了一种启发式遗传算法、该算法采用可变长度染色体(路由串)和它的基因(节点)应用于编码问题。交叉操作在交叉点进行部分染色体(部分路由)交换,变异操作维持种群的多样性。该算法采用简单维护操作维护好所有的不可行的染色体,交叉操作和变异操作相结合保证了最优解的搜索能力和解的全局收敛性。计算机仿真实验证明该算法快速有效,可靠性高。