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.     

给水管网水质模型管壁余氯衰减系数校正

针对给水管网水质模型中各管道管壁余氯衰减系数难以确定的问题,采用余氯衰减一阶反应模型以及拉格朗日时间驱动动态水质模型,以管网节点余氯浓度作为校正数据,建立了在多工况下管壁余氯衰减系数校正数学模型.提出了基于极大极小蚁群算法的管壁余氯衰减系数校正方法,将可视度与经验余氯衰减系数值相对应,选择最优蚂蚁进行信息素更新.为避免陷入局部最有解,将信息素值限定在一定范围内.在优化求解过程中采用国际通用水力水质模拟软件EPANET2获得所需的校正数据.算例结果表明,在管网水力模型准确和节点流量已知的前提下,采用极大极小蚁群算法对管壁余氯衰减系数进行校正,能够使模型节点余氯浓度的计算值与测量值更好地吻合.     

基于网络时延的SDN逻辑一致性策略研究

对SDN网络更新过程中的暂时中间态进行了研究, 阐述了因网络时延导致的控制逻辑不一致问题, 并提出了一种解决方案. 该方案通过在控制平面上调整安装控制规则的时序, 使网络达到控制逻辑一致的目的, 进一步建立了一种基于节点平均网络时延的目标优化模型, 通过对模型求解得到SDN网络逻辑一致的时延最小路由路径. 最后通过仿真实验验证了该方案的可行性和有效性.     

军事配送式后勤车辆路径问题研究

为提高军事后勤车辆的配送效率,实现快速响应,文中在分析军事后勤车辆路径问题特点的基础上,建立了单时间窗多目标动态军事后勤车辆路径模型,设计了遗传-蚁群混合算法对模型进行两阶段求解.仿真实验结果表明,该算法解决了遗传算法求解效率低及蚁群算法收敛过早的问题,可有效解决军事后勤车辆动态路径优化问题.     

一种求解最大团问题的蚁群算法

将最大团问题看作子集类问题,提出了基于子集类问题的特殊蚁群算法用于求解最大团问题。该算法将信息素和局部启发信息与图的顶点相关联,而不再与边相关联,从而提高算法的运行速度。仿真实验研究表明,该算法较传统求解最大团问题的蚁群算法有着更短的运行时间,较强的求解能力,更适合用于求解最大团问题。     

认知反向散射网络通信容量公平的资源优化

为保证认知反向散射通信网络中物联网节点通信容量的公平性,提出一种基于最大最小准则的资源分配方案. 在考虑物联网节点动态电路能耗模型与非线性能量收集模型的基础上,通过联合优化发射功率、反射及时间分配系数构建一个最大最小物联网节点通信容量的非凸多维资源分配问题. 首先,采用反证法、连续凸近似及辅助变量等方法将原问题转换为凸优化问题;然后提出一种迭代算法来求解转换问题. 仿真结果表明,所提的资源分配方案在提升物联网节点通信容量的同时保障了节点通信的公平性.     

一种无线传感器网络二维目标覆盖的改进方法

针对二维目标覆盖问题,提出了一种新的量子退火算法,设计了相应的系统模型,并给出了覆盖优化的目标函数。因为以往的启发式算法存在运行停滞等问题,所以为量子退火算法设计了全新的解集生成方式、量子旋转门、量子位测量方法和量子位状态更新方法,加快了算法的收敛速度。将基于量子退火算法的方法与粒子群算法、蚁群算法进行了仿真比较。仿真结果显示,相比粒子群算法与蚁群算法,该量子退火算法能够有效地提升解的质量,检出的目标数有较大幅度的提高。     

一类带时间窗动态车辆路径优化

基于事件驱动,采用快照记录车辆即时信息,建立物流配送动态车辆路径问题的数学模型.通过改进信息素的更新策略来改进蚁群算法,并采用改进蚁群算法对建立的模型进行仿真求解.结果表明,所建立的模型和改进的算法,对物流配送动态车辆路径有较好的优化.     

基于动态候选列表对蚁群算法的改进及其应用

鉴于基本蚁群算法存在收敛速度慢、易陷于局部最优的问题,笔者提出了一种改进蚁群算法模型。首先,引入动态候选列表,蚂蚁选择路径时只考虑贪婪值达到一定标准的路径,并自适应调整候选列表长度,以此提高了算法求解速度;其次,引入信息熵的概念,基于信息熵的变化在求解过程中对启发式参数动态调整,以适应算法不同时期蚂蚁在路径选择时的特点。实例仿真表明,改进算法无论在求解速度,还是在求解质量上都取得了较好的效果。     

软件定义无线传感器网络中低控制负载的睡眠调度

为了克服软件定义无线传感器网络（SDWSN）中控制流量的限制,依据基于能量消耗的连通k邻域睡眠调度算法和软件定义网络（SDN）的特性,提出了一种低控制负载的睡眠调度方案. 首先,利用SDN的网络模型重新设计无线传感器网络的模型;然后,依据新的网络模型,对传统的睡眠调度方案进行改进. 在此基础上,设计出能够降低网络中控制流量的流表,从而降低SDWSN中的控制负载. 仿真结果表明,本文所提出的控制流设计方案在控制流量和数据平面中更新节点状态的平均响应时间要优于SDWSN中的睡眠调度,该方案能够最小化整个网络中的控制流量,在延长网络生命周期的同时降低控制负载.     

WSN中一种新的基于蚁群优化的路由算法

针对无线传感器网络路由中网络节点能量和生存时间受限问题,提出了一种基于蚁群优化的WSN分簇路由算法.算法引入蚁群优化,对网络覆盖区域内的节点进行分簇处理,簇内利用蚁群优化算法进行最优路径搜索.仿真结果表明:该算法能有效平衡网络节点间能耗,延长网络生存期,蚁群增强了最优路径的可靠性,进一步降低了网络能耗.     

基于混合蒙特卡罗算法的网络隐式节点监测方法研究

为了提高动态分簇传感网络的节点转发能力,提出了一种基于混合蒙特卡罗算法的网络隐式节点监测方法.首先,采用分布式均衡控制方法进行网络节点优化设计,构建动态分簇传感网络的输出信道模型.其次,利用自适应链路转发协议进行网络的路由探测设计,构建动态分簇传感网络的隐式节点路由均衡控制模型,提取隐式节点输出信息的关联特征量.最后,利用混合蒙特卡罗算法进行特征检测和信息提取,根据网络隐式节点的特征规律性分布对网络隐式节点信息进行监测.仿真结果表明,本文方法对网络隐式节点具有较好的监测效果,对网络隐式节点监测的最高丢包率仅为0.05,显著低于蚁群算法(0.29)与PEAS算法(0.48).     

基于蚁群算法的交通控制降阶滚动优化

为解决大规模区域交通控制滚动优化问题中的约束条件复杂、解空间规模庞大的最优化难题，提出了一种基于改进蚁群算法的降阶滚动优化算法.基于宏观交通流模型建立了区域交通控制滚动优化模型，在蚁群算法中设计了层状解构造图对该模型解空间进行描述和求解.运用降阶方法将大规模区域分解成一系列子区域，在蚁群算法中设计了复合层状解构造图对该降阶模型的解空间进行描述和求解，并分析了基于两种解构造图的蚁群算法的计算复杂度.分析和仿真结果表明，该降阶算法提高了整体计算效率，明显地降低了总停车延误时间，适用于大规模区域交通控制的滚动优化.     

基于多参数节点排序的SDN控制器部署策略

针对已有的软件定义网络（SDN）控制器部署关注基于控制消息路由时延最优的问题,引入节点的介数中心性作为参数,分析了介数中心性对于控制器部署位置选择的重要性,并联合节点的可靠性提出了一种基于多参数节点排序方案（MFRS）的控制器位置部署策略,将节点进行排序并分层,依据节点间的连接关系计算出控制权值,最终确定控制器位置. 仿真结果表明,MFRS的控制消息路由跳数小于基于时延的最短路径算法,且基于MFRS的网络可靠性高于基于时延的最短路径算法.     

基于最小Steiner树的无线传感器网络数据融合算法

能源有效性是无线传感器网络(WSN)路由算法设计首要考虑的问题,可以通过数据融合合并冗余数据而有效地节约网络能耗.WSN数据融合可以看作是寻找覆盖源节点和Sink节点的最小Steiner树(MST)问题.文章提出了一种MAX-MIN蚂蚁系统算法和自适应蚁群系统算法相结合的MST构造算法(MMACS),在此基础上,提出了一种基于MST的WSN数据融合算法(DAMST),该算法采用定向扩散的机制进行兴趣散布;利用MMACS算法构造MST,源节点的数据发送到构造好的MST上,经过融合后传输到Sink节点,减少了网络中传输的数据量.通过与其它算法比较,仿真表明DAMST算法降低了网络总能耗和平均时延,延长了网络生存时间.     

基于改进蚁群算法的SDN数据中心流调度研究

目前在软件定义数据中心网络中,基于蚁群算法的流调度策略在对路径进行选择时存在收敛过慢和搜索停滞等缺点,容易导致数据中心网络时延过高和资源利用率低等问题.为此,提出一种基于蚁群改进的流调度算法.该算法以最大化平均链路带宽利用率为优化目标,将流调度问题抽象为整数线性规划模型,通过重定义蚁群算法中的信息素更新方式对大流的重路...     

基于人工免疫-蚁群算法的平面QoS路由模型

人工免疫算法具有快速随机的全局搜索能力,但系统中的反馈信息利用不足且有大量无为的冗余迭代。蚁群算法具有分布式并行全局搜索能力,但初期信息素匮乏。本文提出一种基于人工免疫-蚁群算法的混合算法,采用人工免疫算法生成信息素分布,利用蚁群算法求优化解。将该算法用于求解包含带宽、时延和最小代价约束条件在内的平面QoS路由模型问题,进行计算机仿真。结果表明,该算法是一种收敛速度和寻优能力都比较好的优化方法。     

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．     

一种最大化传感网络覆盖率的移动辅助部署算法

研究了使用移动传感器提高传感网络覆盖率的问题,提出了一个基于二部图匹配的移动传感器部署算法．设目标区域可以划分成多个小区域或网格,首先把初始网络描述成一个二部图G,G的顶点集合由移动节点集合和需要覆盖的网格集合组成．如果某个移动节点可以覆盖某个网格,则它们之间存在一条边．衡量移动的花费可以使用移动的距离、消耗的能量或者跳跃的次数等．对构造的二部图G求它的最小花费的最大匹配基,则该匹配基对应着一个最优的移动方案,按此方案部署的网络覆盖率最大且总的移动花费最小．     

一种求解虚拟企业制造资源局部调度问题的双种群蚁群算法

建立了以任务总工期最小为目标函数的单模式资源受限项目调度的数学模型,设计了一种用于求解该问题模型的双种群蚁群算法。用标准问题库PSPLIB中的基准问题对该模型及其求解算法进行了验证,通过对参数的优化设置并与已知最优解进行比较验证了算法的有效性。