量子进化组播路由算法

近年来,时延受限的代价最小组播树问题备受关注。作为全局优化算法,遗传算法（GA）越来越多的用于解决组播路由问题。GA拥有比经典算法更强的搜索能力,但是它容易陷入＂早熟＂,很难得到最优组播树。基于量子计算的机理和特性并结合进化计算,提出了一种新颖的量子进化组播路由算法（QEA）,有效地解决了遗传组播路由算法中的＂早熟＂问题,并且在每代个体更新中采用量子旋转门策略加速了算法的收敛速度。算法实现简单,控制灵活。仿真结果表明QEA算法性能优于改进的进化算法即克隆多播路由算法（CS）和传统的遗传算法（GA）。     

基于遗传算法优化的QoS组播路由算法

QoS组播路由技术作为网络多媒体信息传输的一种核心技术,下一代网络中的QoS组播路由的优化算法已经成为目前研究的一个热点。针对QoS组播的网络模型,提出一种适用于下一代网络的组播路由算法能够更好的满足下一代网络的QoS组播需求显得尤为重要。本文讨论了遗传算法优化的QoS组播路由算法,最后探讨了下一代网络QoS组播路由算法的研究方向。     

基于遗传_蚁群算法的多QoS约束组播路由优化算法

提出了一种将遗传算法与蚁群算法融合的新算法,用以满足多QoS约束的组播路由优化。算法首先利用遗传算法生成若干组优化解,将其转换成蚁群算法的信息素初值,然后利用蚁群算法来求取满足QoS约束的最优解。仿真结果表明此算法是有效的,其性能优于文献[6]中算法。     

遗传组播路由算法

本文探讨了基于遗传算法的组播路由算法.遗传算法是一种全局寻优技术,适合于在复杂而庞大的搜索空间中寻找最优解,它原理简单,易于并行,广泛用于许多NP难度求解的领域.仿真表明,该算法稳定、灵活,操作简单.     

基于QoS的动态组播路由算法

在分析了网络中基于QoS的组播路由问题的基础上,本文提出了一种新的动态算法,并进行了实验和分析,文中构造的路由方案成功地解决了当网络中存在多个组播及组播节点动态变化情况下的QoS路由选择问题,此方案不仅保证了带宽,端到端延时和延时抖动,优化了路由树的代价,而且有效地控制了算法的复杂性并可适用于大规模的网络中。     

基于灰狼算法的无线网络组播路由优化

针对无线网络中资源受限的组播路由问题,考虑网络节点的节点度限制和网络链路的带宽约束,以最小化组播路由开销为目标,提出了一种二进制编码方式的基于灰狼优化算法的组播路由策略.在给定的网络拓扑下,基于灰狼优化算法的组播路由策略可以迅速找到一棵包含源和目的节点的最小开销组播树.仿真结果表明,相比于遗传算法,所提出的基于灰狼优化...     

下一代网络中基于遗传算法的QoS组播路由算法

向用户提供多媒体业务是下一代网络业务最基本、最重要的要求,QoS组播路由技术是网络多媒体信息传输的核心技术之一。该文给出了支持QoS组播的网络模型,对已有的QoS组播路由算法进行了优化,提出了适用于下一代网络的基于遗传算法的QoS组播路由算法。仿真实验表明,这种算法收敛速度快,可靠性高,能够很好地满足下一代网络QoS组播的需求。     

Clos网络中的组播路由算法

对于三级Clos网络,扇出机制会影响Clos网络的阻塞率、算法的时间复杂度及网络成本,因此选择好的扇出方式能充分发挥网络的组播能力。根据输出级扇出、中间级扇出、输入级扇出等不同的扇出机制分类,可将组播算法分为输入级扇出算法（IFMA）、最迟扇出算法（LFMA）、切割扇出算法（SFMA）、中间级优先扇出算法（CMFF—MA）。在对4种算法仿真比较的基础上,文章提出针对不同的业务采用不同的处理方法的路由方案,对于固定扇出业务可采用CMFFMA算法进行路由,针对递增业务采用先输出级、再中间级、最后输入级扇出的策略,可有效地降低阻塞率。     

基于贪婪算法的WDM网络组播路由算法的研究

用贪婪算法找出在现有网络结构中完成任务所需的波长数较少的波长集,然后依据其上每条链路的权值,用最短路算法生成一棵组播树,使其跳数和阻塞率较低,以保证在使用较少波长资源的情况下,快速、有效地传送数据.     

基于贪婪算法的WDM网络组播路由算法的研究

文章首先用贪婪算法找出在现有网络结构中完成任务所需的波长数较少的波长集,然后依据其上每条链路的权值,用最短路径算法生成一棵组播树,使其跳数和阻塞率较低,以保证网络能够在使用较少波长资源的情况下,快速、有效地传送数据.     

基于遗传算法的QoS组播路由算法的改进

QoS组播路由技术在网络技术发展中占有很重要的地位,是一种关键的技术。在分析网络模型的基础上,建立了组播问题的数学模型。遗传算法是一种经典的寻优算法,应用广泛,提出了改进的算法。并且结合改进Dijkstra算法,使算法能很好地体现实际组播路由问题的特点。试验表明,这种新的算法可靠性更高,适应了当今网络性能优化的需要。     

服务质量选路的研究

支章围绕网络状态信息管理和服务质晕选路算法两个方面对服务质质量选路技术的研究进行了综述，对服务质量选路方面需要进一步研究的问题进行了讨论。     

QoS组播路由的启发式遗传算法

本文首先提出带宽延时约束、费用最小QoS组播路由模型,然后提出解决QoS组播路由问题的一种启发式遗传算法,该算法有以下特点:(1)预处理机制;(2)树结构编码;(3)启发式交叉策略;(4)指导性变异过程.最后通过仿真实验证明该算法快速有效.     

MANET网络中基于移动虚拟节点的QoS路由算法

讨论了一种基于移动虚拟节点(VMN)的QoS路由算法—QoSRAVMN,通过移动WAVE在VMN节点间交换网络信息,允许在没有网络拓扑状态信息精确描述的情况下而能快速地发现路由。测试结果表明该算法路由开销低于HDP协议,算法产生的移动WAVE能很好地满足所有源和目的节点路径的QOS要求。     

基于蚂蚁算法的QoS路由调度方法

为了有效地解决QoS受限路由问题,本文提出了一种新颖的具有全局优化能力的蚂蚁算法,它是基于蚂蚁具有找到蚁巢与食物之间的最短路径原理工作的。 仿真实验表明,该方法能够有效地解决QoS受限路由问题。     

基于遗传算法的全光组播路由

该文提出使用遗传算法优化组播业务放置进光网络的顺序,按照此顺序为业务构建组播树并选择波长,以最小化光网络中使用的波长数及组播链路数。比较了3种路由算法的优劣以及波长变换器对资源优化的改善作用。基于NSFNet网络的仿真证明组播能力节点只需占到全网节点数的一半就能达到很好的优化效果。     

一种基于拉格朗日松弛法的QoS路由算法

本文提出了一个新的QoS路由算法,可以有效地求解延时约束条件下的最小代价问题。算法以拉格朗日松弛法为基础,将链路代价参数吸收到延时参数中,同时在迭代过程中结合延时约束条件,可以在多项式时间内找到一个较优解,并对该算法进行了分析和仿真,结果表明该算法比其它一些同类算法在性能上有较大的改善。     

基于遗传与蚁群算法融合的选播QoS路由算法

为有效解决选播通信中的QoS路由问题,提出一种基于遗传算法与蚁群算法融合的选播QoS路由算法.算法初期使用遗传算法在链路上分布信息素,对蚁群算法的控制参数进行编码和优化;然后通过判断函数来判断遗传算法与蚁群算法融合的时机,初始化信息素,并启动混合算法后期的蚁群算法;引入变异算子,对由变异操作得出新路径进行局部信息素更新,更快地引导蚁群算法找到全局最优解.NS2仿真实验结果表明,该算法很好的解决多QoS选播路由问题,性能优于其它算法.     

基于蚁群算法和遗传算法融合的QoS组播路由问题求解

包含延迟、延迟抖动、带宽、丢包率和最小花费等约束条件在内的服务质量(QoS)组播路由问题,是一个NP完备问题,传统方法很难求得全局最优解.本文将遗传算法和蚁群算法融合,提出了用遗传蚁群算法(GAACS)求解QoS组播路由问题的解决方案.仿真实验表明,采用新算法比遗传算法具有更好的性能.