一种基于免疫算法的Ad Hoc网络QOS路由算法

随着多媒体应用的不断发展,在Ad Hoc网络中提供QoS保证已经成为一个极具挑战性的问题.本文提出了一种基于免疫算法的Ad Hoc网络QoS路由算法.该算法选择资源消耗函数作为目标函数,用资源消耗函数的倒数表示亲和力,将带宽和时延作为约束条件,在保证带宽的基础上综合考虑跳数和时延,并利用免疫算法求最优解.仿真实验表明,该算法具有很好的全局和局部搜索能力,能够较好地保持抗体的多样性,并且最终得到满足QoS要求的路由.     

Hadoop平台下一种改进蚂蚁算法的QoS路由研究

随着未来云计算的发展,各种云服务的应用将需要更高的网络性能。链路拥塞导致的数据包传输时延或数据包丢弃使得网络无法保障业务的QoS。目前普遍使用的链路状态路由算法不具有拥塞响应机制。本文通过在拥塞节点间发送连接蚂蚁寻找新路由来解决拥塞问题。NS2仿真结果表明,该算法能加快新的路由搜索,满足QoS的需求,并有效控制丢包率,时延等性能。     

基于蚂蚁算法的AdHoc网络QoS多播路由

针对当前移动AdHoc网络的特点和基于QoS的多播路由问题,提出一种基于蚂蚁算法的QoS多播路由算法,引入“优奖差罚”的信息素更新机制,克服基本蚂蚁算法收敛速度慢和易于陷入局部最优解的缺点。实验和分析结果表明,该算法可以找到一棵费用趋于最小、状态稳定的多播路由树,提高了带宽利用率,降低了网络时延和端到端代价。     

一种仿Dijkstra的蚂蚁算法

为了快捷可靠地寻找到满足多媒体QoS保证的路由,结合Dijkstra算法和蚂蚁算法,从源节点开始,在所有满足QoS要求的邻接链路上泛滥寻路蚂蚁,所有中间节点依据一个设定的QoS路由优劣综合评价函数,在到达的所有寻路蚂蚁中选择其最优者复制并继续泛滥,直到最后到达目的节点为止。这样,通过约束条件下的穷举搜索,最后一定可以找到源节点和目的节点间的满足QoS要求的路由。实验证明,该算法具有思路直观、运算量小、强收敛、能自适应网络变动优点。     

基于改进蚁群算法的多约束QoS路由方法

高速多媒体网络路由问题是一个多QoS约束的NP一完全问题,提出一种改进蚁群路由算法对该问题进行求解。该算法采取了带记忆的后继节点选择方式,利用蚂蚁已走过的路径启发后继节点的选取;引入了基于目标函数的信息素更新机制,依据目标函数评价蚂蚁路径搜索行为,并根据蚂蚁的表现采取不同的信息素更新策略,提高了算法的寻优能力和收敛速度。仿真实验表明,该算法能快速得到较大程度满足业务QoS要求的路径。     

基于自适应蚁群算法的多受限网络QoS路由优化

高速多媒体网络中的路由问题是有QoS约束的路由问题，多受限的路由问题是一个NP-完全问题。该文提出了一种解决多受限QoS路由问题的自适应蚁群算法。该算法采用基于目标函数值的信息素分配策略和根据目标函数值自适应调整蚂蚁的搜索行为，从而保证搜索的快速有效性，使多受限QoS路由优化问题得到很好地解决。     

网络多播路由优化与仿真研究

研究网络多播路由优化问题,由于网络数据流要求实时性和准确性,而网络多播路由是一个多约束条件的复杂问题,传统优化算法对其进行求解耗时长,效率低,难以找到最优路由.为了快速找到最优多播路由,提出了一种人工免疫-蚂蚁算法的多播路由优化方法.人工免疫-蚂蚁算法首先将多播路由的目标函数和约束条件作为抗原,目标函数的优化解作为抗体,通过人工免疫算法生成蚁群算法的初始信息素分布,以多播路由解的收敛方向,然后利用蚁群算法产生和更新抗体求得多播路由优化解.仿真结果表明,相对于其它优化算法,人工免疫-蚂蚁算法该算法的多播路由优化效率更高,能快速、有效地找到多约束条件的最优多播路由.     

基于蚂蚁算法的QoS分布式多播路由选择

采用启发式算法中蚂蚁算法解决包含带宽、时延和最小代价约束条件在内的分布式多播路由问题,基于蚂蚁具有找到蚁巢与食物之间的最短路径原理,并在分析QoS分布式多播路由的基础上,提出了一种基于蚁群算法的QoS分布式多播路由算法,仿真实验表明了该算法是合理的和有效的。     

基于移动代理的蚂蚁算法在QoS路由选择中的应用研究

随着Internet上广泛的分布式多媒体应用对服务质量（QoS)需求的增长，各种服务应用对网络所能提供的QoS提出了不同的要求，所以高效率的QoS支持越来越显示出其重要性，而路由机制是实现QoS保证的关键之一。首先对一般性的QoS路由选择问题进行了讨论；在分析了自然界中蚂蚁卓越的选路行为后，提出了一种基于智能蚂蚁算法的QoS路由选择算法（QRAP），接着对QRAP算法进行了修正，使之更加符合应用的需求；然后讨论了该算法基于移动代理（Mobile Agent)的应用框架，并且给出了每个移动代理虚拟上应用模块的实现原理；最后通过实验仿真，验证了该算法应用的可行性和有效性。     

一种快速规避拥塞的路由算法

为了平衡网络负载,优化网络资源使用,路由算法必须具备快速规避拥塞的能力.文章借鉴了最短路径算法和蚂蚁算法,在拥塞出现以后,分别以拥塞链路的相邻两端节点为中心、以一个事先设定的路径优劣评价函数为标准,通过两组寻路蚂蚁,逐渐增大网络搜索范围,各自独立寻找绕开拥塞链路到达对方的最优相向路径.直到上述找到的相向路径中途相遇(节点集中出现相同的节点),则意味着算法成功找到了绕开了拥塞链路新路径,算法结束.经仿真证明,该算法由于充分地利用了拥塞前的QoS路由信息,加上具体寻路过程利用了蚂蚁算法的并发性,明显节省了QoS路由搜索时间,有效地规避了网络拥塞,提高了网络服务能力.     

基于免疫－蚁群算法的电力线载波抄表动态路由方法

针对低压电力线载波抄表系统中现有的中继路由算法的不足,提出了一种基于免疫-蚁群算法的低压电力线载波抄表动态路由方法。免疫算法把目标函数和约束条件作为抗原,目标函数的优化解对应为抗体,利用蚁群算法产生和更新抗体,抗体的交叉操作及其对与抗原具有高亲和力的抗体的记忆,均能促进快速求解。该算法结合了人工免疫算法与蚁群算法两者的优点。通过仿真实验验证该算法的收敛性、抗毁性和运算性能,算法能够根据低压电力线信道的变化情况以相对较少的迭代次数收敛到最优路径,提高整个低压电力线载波抄表系统的时效性。     

多媒体通信中组播路由选择的免疫算法

随着多媒体通信业务的迅速发展,为了高效地解决多媒体通信中的Qos组播路由问题,提出了一个新的组播路由免疫算法。该算法是根据人或者其它高等动物免疫系统的机理而设计的,将目标函数和一部分不等式约束条件作为抗原,将问题的解作为抗体,依据抗原与抗体之间的亲和力以及抗体之间的亲和力对解进行评价和选择,通过抗体之间的相互激励来提高最优点附近的搜索效率,通过记忆细胞对抗体的抑制作用有效地摆脱局部最优点。仿真试验表明,该算法不仅有效可行,而且能够迅速逃出局部最优解,并很快收敛到全局最优解。     

基于免疫-蚁群算法的TSP问题研究

针对蚁群算法加速收敛和早熟停滞现象的矛盾,借鉴免疫系统的自我调节机制来保持种群的多样性的能力,提出免疫-蚁群算法。该算法根据解的微观多样性、宏观多样性和弧的浓度指标动态调整路径选择概率和信息量更新策略。以数种对称和不对称TSP问题为例进行仿真实验。结果表明,该算法比一般蚁群算法具有更好的局部求精能力、收敛性和多样性,更适合于求解大规模的TSP问题。     

基于改进遗传算法的QoS路由选择优化

提出了一种基于改进遗传算法的QoS路由选择优化算法,采用网络资源消耗和负载分布为目标函数,凫目标函数包含了带宽、跳数、费用、时延等QoS参数。该算法在消耗网络资源最小的基础上,使负载均衡分布,合理利用了网络资源,降低了网络的拥塞,提高了网络的吞吐量。仿真计算的结果表明,该算法在解决多目标规划问题上是一个有效、可行的方法。     

基于遗传算法求解Ad Hoc网络路由问题

目前某些AdHoc网络中的QoS路由算法难以满足军事系统中一些特定业务对于多个目标的同时要求。针对该问题,提出一种以时延作为约束条件,链路代价作为QoS优化目标的QoS路由选择整数规划模型,并用遗传算法求解该模型。     

以蚁群优化为基础的组播路由算法优化

分析组播路由算法和蚁群优化算法,并通过仿真实验评价了以蚁群优化为基础的组播路由算法的优化方法。当路由计算的规模较大时,信息中未搜索到的数量能够减少并趋近0,将路由算法的全局搜索能力降低。蚁群算法中,蚂蚁的数量与算法的全局搜索能力呈正相关,但蚂蚁的数量在增加的过程中会影响其收敛速度。通过蚁群优化组播路由算法,能够在规模的限定下,提高算法的搜索能力。     

认知无线Mesh 网络中QoS 约束的组播路由算法

对认知无线Mesh网络中满足QoS约束的联合组播路由及频谱分配问题进行研究,提出了一个针对该问题的求解框架,包括问题描述、解决方案的表示、适应度函数以及频谱分配算法.基于两种具有代表性的智能计算方法:遗传算法、模拟退火,提出了两种满足端到端延迟约束的组播路由及频谱分配算法GA-MRSA和SA-MRSA.这两种算法追求的目标是最小化组播树信道冲突总数,并且在获得较低的信道冲突数的情况下,还能占用较少的信道.仿真结果表明,所提出的两种算法能够达到预期目标,获得较低的信道冲突总数.     

求解装卸混合车辆路径问题的模拟退火遗传算法

提出一种改进的模拟退火遗传算法来求解装卸混合车辆路径问题;通过使用模拟退火变异策略来增强遗传算法的局部搜索能力,从而改善遗传算法的早熟问题,使算法有能力避免陷入局部极值而快速收敛于全局最优解;仿真实验结果表明了所提算法求解装卸混合车辆路径问题的有效性与适用性。     

基于遗传算法的WMSNs多路径多目标优化路由算法

针对WMSNs路由算法设计的需求,依据遗传算法的基本原理和Pareto多目标优化方法,提出WMSNs多路径多目标优化路由算法MMOR-GA。该算法充分利用基站的存储空间充裕、能量充足和计算能力强的优势,在全局范围内搜索WMSNs多路径多目标优化路由。同时构建了基于前向邻居概念的网络模型和多目标优化函数,设计特定的编码方案及选择、交叉、变异算子。将MMOR-GA和TPGF进行模拟仿真实验,结果表明MMOR-GA算法能均衡有效地提高WMSNs路由的多QoS参数。     

基于克隆策略的QoS选播路由算法

在分析选播通信模型的基础上,提出一种基于克隆策略的QoS选播路由算法,在保证带宽和时延的条件下对目标函数进行优化,对带时延约束的QoS选播路由问题作了深入研究。既保留了遗传算法较强的全局搜索能力,又避免了局部搜索性能差和早熟现象,实验结果表明与基于遗传算法的选播路由算法相比,此算法是有效可行的。