多层光网络实时选路算法

针对动态多层光网络(IP over WDM)的实时选路问题,提出了一种基于蚁群优化的区分综合选路算法．首先利用分层图模型,将传统的动态RWA问题转换为路由问题．然后,对该路由问题进行选路,通过将寻路蚂蚁放置在控制平面中,可以使控制平面的选路和数据平面的业务传输同步进行,从而为每一个动态到达的业务实时地进行选路; 并能综合考虑到路径的跳数和路径上链路的拥塞情况,有效降低业务阻塞率．最后,利用多类不同的蚂蚁对应不同粒度请求的业务,为不同的业务进行有区分的选路,使得高粒度请求的业务能绕开关键链路,从而在关键链路上承载更多的业务,进一步降低阻塞率．仿真实验表明,与其他算法相比,该算法具有更低的业务阻塞率和更好的业务阻塞公平性．     

基于蚁群算法的无线传感器网络改进CTP路由协议

针对农业大棚无线传感器网络监测系统出现的节点负载不均衡、负载大的节点寿命短、节点间链路质量差、丢包和误码较为频繁、数据包时间延迟较严重等现象,利用蚁群能够发现从巢穴到食物源之间最优路径的特性,提出一种新的蚁群汇聚树路由协议ACA-CTP(Ant Colony Algorithm Collection Tree Protocol)。该算法将蚂蚁信息素、节点间链路质量、数据包时延等3个指标作为算法优化因子,改进蚁群算法的路径概率选择策略,并将改进后的蚁群算法与CTP路由协议相结合,在TinyOS平台上使用NesC语言实现新的路由协议。ACA-CTP路由协议利用改进后蚁群算法的全局寻优能力和快速收敛性,在源节点和目的节点间选择最优路由路径,保证监测数据实时准确地传输至监控平台。仿真结果表明:该算法延长了网络生存周期,降低了数据包传输时延和网络丢包率。     

基于热点链路的多路径路由选择算法

针对有线传输网络中由于个别区域链路负载过重而导致的拥塞问题,突破现有的网络路由框架,提出了一种新的多路径路由算法,为网络运行提供了一个更加稳定的环境.该算法将路由信息保存在源节点中,一旦出现链路负载过重的情况,将自动调用该路由机制,并依此在源节点中采用替换路径或多路径并发的方式进行数据传输,从而达到解决链路拥塞的目的.最后,通过实验仿真得出该算法将数据包吞吐量从100 Mbps提高到300 Mbps左右,并在一定程度上使丢包率从13.6%降低至0.98%,从而达到新的网络负载均衡.     

基于蚁群优化算法的SDN路由策略

针对蚁群算法在软件定义网络路由选择中的全局搜索能力弱、收敛速度慢的问题,提出一种基于蚁群优化算法的路由策略.根据网络规模设定参数,将信息素浓度重要程度和挥发系数由静态参数改进为动态参数,弱化算法迭代前期的信息素浓度重要程度以提升算法前期的全局搜索能力,增强算法迭代后期信息素浓度重要程度以加快算法后期的收敛速度;对挥发系数采用逐步减小的动态参数使算法避免陷入局部最优解;进一步加快算法后期的收敛速度,使网络获取更佳性能.在Mininet平台上进行仿真实验评估该算法性能,实验表明该算法前期在选择路由时的全局搜索能力增强,后期收敛速度明显加快.实验通过将基于蚁群优化算法的SDN路由策略与基于最短路径路由算法、等价多路径路由算法路由策略对比,链路利用率分别提升9.9%和17.1%,具有平均吞吐量大、链路利用率高的优点.     

RBLCP：一种覆盖网络的QoS路由改进算法

针对传统IPQoS路由算法不能满足覆盖网络的服务需求的问题，提出了一种通用覆盖网络下的QoS路由算法--资源均衡最小代价路径(RBLCP)算法.该算法从覆盖链路带宽和覆盖服务节点处理能力受限的角度出发，寻找一条既满足QoS要求又保证网络资源均衡的路由.对该算法的QoS满意率、覆盖链路带宽的均衡性以及节点处理能力的均衡性进行了性能仿真.结果表明，与改进的最短路径算法和成比例的带宽最小路径算法相比，RBLCP算法具有更好的QoS满意率，在对网络资源尤其是稀缺资源的均衡方面也有良好的性能.     

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.     

基于梯度算法的LSP流量分配算法

根据多路径流量优化的数学模型对MPLS系统模型进行了数学描述,提出了一种基于梯度算法的LSP自适应流量分配算法。它可减少由传统路由算法引起的网络拥塞,优化网络资源的利用。仿真结果表明,该算法在MPLS系统模型中的数据包平均丢失率明显低于传统路由算法,并具有运算速度快和稳定性好的特点。     

基于链路生存时间的混沌遗传QoS路由算法

根据移动Ad Hoc网络移动性强、容易在通信过程中产生链路中断的特点,引入了链路生存时间的概念,采用PANDD-LV方法来预测计算移动节点间的链路生存时间。在此基础上,把混沌遗传算法应用到移动Ad Hoc网络中,同时将链路生存时间作为多约束QoS路由的一个重要度量。仿真实验表明:该混沌遗传QoS路由算法适用于Ad Hoc网络,能有效地找到满足链路生存时间以及其他QoS约束条件的最优路由。     

流量工程中的一种静态路由算法

主要讨论了网络中由于网络流量分布不平衡而造成网络拥塞的问题.在基于MPLS的流量工程中,以优化链路带宽使用率为主要考察目标,提出了一种新的静态路由算法.同时用计算机仿真证明算法有效.     

基于蚂蚁算法的分级QoS路由调度方法

提出了一种基于智能蚂蚁算法的分级QoS路由方法.通过仿真实验验证,相对于同样基于蚂蚁算法的平面QoS路由算法,此方法具有相近的路由结果,但速度可以提高30%左右.     

基于FA-IACS算法的车辆路径问题优化

针对传统蚁群系统算法在解决有容量约束的普适性车辆路径优化中易陷入局部最优和收敛速度慢等问题,提出了一种改进的蚁群系统算法.采用改进的距离启发函数因子调整蚂蚁状态转移概率,利用改进编码方式的萤火虫算法作为搜索机制,改善蚁群系统的全局搜索能力,应用信息素震荡程序探索新路径的信息素,避免陷入局部最优.结果表明,该算法提高了全局搜索能力,能够节约寻找最优路径的时间,加快收敛速度,具有更好的鲁棒性.     

Ad Hoc网络Q学习稳定蚁群路由算法

针对Ad Hoc网络路由协议存在的对动态拓扑适应性差和链路不稳定问题,提出了一种Q学习稳定蚁群路由算法(SACRQ),该算法综合了蚁群优化和Q学习算法的思想,将信息素映射为Q学习算法的Q值,增强节点对动态环境的学习能力．在路由选择方面,使用自适应伪随机比率选择下一跳节点,避免算法陷入局部最优或是停滞;提出了新的链路稳定度来衡量链路的鲁棒性,结合鲁棒性和信息素强度两种因素选择下一跳链路．该算法增加了链路的鲁棒性,对Ad Hoc网络动态拓扑适应性强．仿真结果表明,SACRQ的路由发现数量、平均端对端延迟、冲突数量和每次路由发现吞吐量4种指标均优于ARA和AODV．     

ACOGA算法的多媒体网络QoS路由实现

针对传统的路由算法收敛速度慢且容易产生拥塞和路由振荡问题,提出了基于蚁群算法(ACO)和遗传算法(GAs)来实现动态QoS路由的新算法。分析了基本的ACO的正反馈性、协同性、并行性和鲁棒性等优点,同时利用GAs很强的自适应性和种群优化技术,通过对ACO算法使用遗传算法的交叉、变异达到对信息素进行调整,来自适应地调整路径选择概率的确定策略和信息量更新策略,从而扩大搜索范围。计算和仿真结果表明,该方法具有更好的路由收敛速度和稳定性,能更有效地解决拥塞现象和路由振荡问题。     

蚁群算法在QoS单播路由中的应用研究

QoS路由问题被证明是一个NP-C问题,而传统的路由算法很难有效地解决NP-C问题。该文提出了一种基于蚁群算法、用于解决带宽和时延约束问题的QoS单播路由算法,利用蚁群算法中蚂蚁通过信息素寻找最优路径的机制,并以网络吞吐量和数据报的平均时延等性能为最优的准则,来定义蚂蚁的转移概率、路由表和信息素更新方式,实现基于蚁群算法的路由选择算法．这种算法具有较强全局最优解搜索能力,较强的灵活性,以及潜在的并行性。     

基于蚁群改进算法的服务质量路由研究

针对传统路由算法在多约束QoS(服务质量)条件下寻优能力不足的问题,提出了一种基于改进蚁群算法的多约束QoS路由模型。相比于传统的路由算法,此方法在每次循环结束时,根据得到的不同结果动态变化相关参数的值,并且结合最大最小蚂蚁系统的理论,同时优化启发函数,以提高算法的寻优能力。另外,除了考虑多个约束条件以外,在模型中还加入了故障率属性,将其体现在目标函数中,并优化信息素更新方式。仿真实验结果表明改进算法寻优能力强,能有效避免早熟,并避开故障率高的路径。     

宽带网中的路由选择法

设想了一个高速网中动态路由选择法,适合于宽带网的路由选择,可将路由选择与拥塞控制在网路趋于拥挤时有机地结合起来.在轻负载的情况下,此方法即为最短路由(最小转接段数)计算法,而当最短路线上变得拥挤时,源发结点总是尽可能地利用其它多条候选路线以便疏散负载和降低分组丢失,提高设备利用率,以求得最优的流量分配.     

基于平衡树的智能电网数据采集路由算法

在智能电网中,与传统路由协议不同,突发性拥塞不再是数据采集的主要风险,风险的新来源是数据流过度集中在网络的关键节点而导致的拥塞。为此,提出了一种能够实现数据平衡的数据采集路由机制用以克服网络拥塞。首先,该机制抽象出配用通信网络的数学模型;其次,针对无线网状网络( WMNs)路由协议,以节点排队队列长度作为决策参数建立路由度量模型(数据平衡度量模型,DBMM),并以度量值最小作为决策条件,设计了基于平衡树的路由算法(基于DBMM的路由算法,RA-DBMM)。最后,在Matlab环境下进行仿真实验,对比分析RA-DBMM和经典Bellman-Ford的性能差异。实验结果表明：RA-DBMM能够有效地改善数据拥塞问题,提高系统可靠性和吞吐量。     

采用多级拥塞控制的NOC路由算法

提出了一种多级拥塞控制片上网络（NOC）路由算法。当NOC处于中度和重度拥塞时，该算法根据各路由器拥塞等级的差别决定如何对本地拥塞进行处理。仿真结果表明，在均匀随机流量下，NOC使用该算法的平均传输延迟小于单级拥塞控制算法。     

无线Mesh网络中的一种基于博弈论的DSR路由优化算法

无线Mesh网络(Wireless Mesh Network,WMN)是一种新型的高容量、高速率的分布式宽带无线网络。综合考虑了时延、传输拥塞、网络吞吐量等多方面因素,将博弈论的思想引入动态源路由协议(dynam-ic source routing,DSR)中,作为路由选择的依据,提出了一种基于博弈论的DSR路由优化协议,分析与仿真表明,该路由能有效地减小时延,提高数据传输效率。