基于蚁群优化的分布式Qos多播路由方法研究

提出了一种基于蚁群优化的分布式QoS多播路由算法,蚁群算法是解决多QoS约束组播路由问题的一种启发式算法,多QoS约束的组播路由技术是当前实现分布式网络多媒体的关键技术.给出了该算法实现的步骤,还结合多播路由问题的特点对算法进行了改进.通过仿真实验讨论了该方法的性能,并与传统的蚁群算法对比,证实了该方法的有效性.     

改进蚁群算法在QoS组播路由中的应用

QoS组播路由是网络传输中的一项关键技术,蚁群算法是解决多QoS约束组播路由问题的一种启发式算法。针对蚁群算法的缺点,提出了一种双向蚁群算法对该问题进行求解,并改进了蚁群算法的信息素更新策略。仿真实验表明,该算法能快速搜索并收敛到全局（近似）最优解,且随着网络规模的增大,算法保持了良好的特性。     

无线多媒体传感器网络蚁群路由算法研究

对蚁群路由算法在无线传感器网络中的应用进行了调查,给出了一种基于基本蚁群路由算法的无线多媒体传感器网络的QoS路由算法,并通过仿真实验研究了前向蚂蚁数量及网络节点数量对算法性能的影响.为了提高算法性能,将前向蚂蚁数量引入到信息素挥发因子中,以减少算法对前向蚂蚁数量的依赖.同时引入基于地理位置已知的前向邻居节点集的概念对算法进行改进,以解决基本蚁群路由算法初始化问题.仿真结果表明改进后的蚁群路由算法能够有效提高算法性能.     

一种新的混沌蚁群算法及其在QoS组播路由优化问题中的应用

基于QoS的组播路由问题是通过发现具有某种相关性能约束的最佳组播树,来更好地利用网络资源以支持应用的QoS需求,作为以QoS为中心的网络体系结构中不可缺少的组成部分,目前已成为网络研究领域的重要内容和热点问题.针对多约束条件下的QoS组播路由问题,提出一种新的混沌蚁群算法.该算法基于传统的蚁群算法所存在的不足,利用混沌优化算法对蚁群算法的运行参数进行动态地优化选择,自适应地改进了全局搜索能力和收敛性.仿真实验结果表明,混沌蚁群算法比该文提到的遗传算法及蚁群算法在解决多约束组播路由问题上具有更好的性能.     

Petri网与蚁群算法在CDN网络路由中的应用

CDN让用户以最快的速度从最近的地方获得所需的信息,它对QoS路由提出了更高的要求,单纯的采用蚁群算法或是依靠Petri网模型中变迁发生寻径的方法都不能较好的解决CDN路由问题。基于稳定的CDN网络构建图状拓扑结构,提出了一种将Petri网与蚁群算法相结合,考虑多个路由限制的优化QoS路由算法。实验仿真表明,该算法能有效地求解CDN网络中的路由问题。     

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.     

基于改进蚁群算法的拥塞规避QoS路由算法

服务质量(QoS)路由算法缺少拥塞规避机制,会影响业务QoS。为此,提出一种基于Ant-Pub&Enco的信息素模型,根据蚂蚁行进方向,利用相反的信息素引导模式以及不同的信息素更新策略进行路由搜索。基于改进蚁群算法设计一种规避拥塞算法求解QoS单播路 由问题。仿真结果表明,该算法能够有效规避网络中的拥塞链路,均衡网络负载。     

基于蚁群算法的多路径多约束QoS路由研究

多路径多约束服务质量（Quality of Service,QoS）路由问题是无线传感器网络的核心问题之一,由于网络拓扑的不断变化及链路的固有的不精确性,解决这个问题具有很大的挑战性。首先给出无线传感器网络中QoS路由问题描述及调和蚁群算法（Ant Colony Optimization,ACO）的基本算法步骤及其特点。然后在分析了蚁群算法应用于QoS路由问题的可能性的基础上,给出了调和蚁群算法解决多路径多约束QoS问题的算法。最后通过仿真实例得到满意的结果。     

中高速传感器网络中基于服务区分的QoS路由算法研究

基于服务区分,对中高速传感器网络的QoS路由算法问题进行建模和分析.提出基于蚁群优化的路由算法以保证不同的服务有不同的QoS参数,通过设置反向抑制机制来保证不同服务的优先级别.仿真表明,基于蚁群算法与区分服务的路由协议更适合中高速传感器网络对不同业务的QoS需求,而反向抑制保证了高级别服务的优先级.     

基于“适应活性”的QoS组播路由算法

自然灾害、战争等特殊应用场景下通信网络易受到物理攻击和约束条件影响,难以为用户提供稳定服务。传统的QoS路由算法基于稳态网络,在物理攻击与多约束环境下难以适用。针对这一问题,首次提出并求解了"适应活性"模型以综合衡量节点及其相连链路的动态服务性能。进而通过改进蚁群算法,提出了基于"适应活性"的QoS组播路由算法。该算法能够结合外界环境、业务需求与网络状态,综合考虑链路与节点服务性能选择路径,在继承传统蚁群算法优点的同时,解决了外界环境影响节点性能变化导致选路无法达到QoS最优的问题。MATLAB仿真结果表明,该算法能够在网络性能变化时避开低性能节点,快速有效地选择QoS最优路径。     

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。     

基于自适应变异蚁群算法的QoS路由算法

多约束QoS单播路由问题是NP完全问题,针对基本蚁群算法在解决该问题时易于陷入局部最优、收敛速度慢的缺点,提出自适应变异蚁群算法对该问题进行求解。该算法采取自适应变异方法,引入二次蚁群搜索机制,减少了算法陷入局部极值的可能性,提高了算法的寻优能力和收敛速度。仿真实验结果验证了该算法的可行性和有效性。     

自适应路由算法优于确定性路由算法

在研究并行计算机系统的容错时。自适应路由算法是一个极为重要的研究课题．它是在网络结点出错时，算法通过可选择的路径进行路由．在每个结点具有独立的出错概率的模型下，研究Mesh网络上自适应路由算法和确定性路算法的性能．本文提出的技术使得我们能严格地推导出路由算法的成功的概率，从而能分析和比较算法的性能．研究结果表明自适应路由算法具有明显的优势：一方面确定性路算法需要全局错误信息而变得高效性，另一方面自适应路由算法对于结点出错和网络规模具有更好的健壮性而具有更高的成功概率．     

基于改进蚁群算法的无线Mesh 网QoS 路由算法研究

目前,无线Mesh网络正成为无线网络研究中的一个热点。Quality of service（QoS）是无线Mesh网络中的一个非常重要问题,而QoS路由技术是解决这一问题的关键技术之一。本文就蚁群算法进行研究和改进,并将改进后的算法应用于无线Mesh网络QoS路由问题,进而提出了无线Mesh网络QoS路由算法,通过实验证明该算法能够对QoS提供较好的支持。     

基于蚁群-免疫算法的无线Mesh网QoS路由算法

无线Mesh网络作为一种新型无线网络技术, 应用日趋广泛. 为求解无线Mesh网QoS路由问题, 提出一种蚁群-免疫混合算法, 该算法结合蚁群算法和免疫算法的特性, 在搜索解的过程中, 通过增强解的对比度与动态调整参数Q相结合, 加快收敛速度, 防止算法陷入局部最优, 并根据先验知识提出了适应QoS问题的免疫变异策略, 有效的提高了算法的全局性能.     

基于改进蚁群算法的WSN路径优化

针对无线传感器网络(WSN)路径优化问题,提出一种改进蚁群算法的WSN路径优化方法,结合遗传算法和蚁群算法的优点,在蚁群算法中引入遗传算法选择、交叉和变异算子,提高算法收敛和全局寻优能力。仿真对比实验结果表明,改进蚁群算法提高了WSN路径优化效率和成功率,有效延长了WSN的生命周期,改善了网络整体性能。     

基于改进型蚁群系统的多约束电路路由算法

分析现有路由算法的缺点,对蚁群系统工作模型和传送网多约束电路路由选择原则进行描述,指出传统蚁群系统在解决多约束路由选择问题中的不足,改进了传统蚁群系统。阐述采用改进后的蚁群系统的多约束电路路由选择算法过程,用实例验证了算法的有效性。     

Study on the algorithm for smart community sensor network routing with adaptive optimization via cluster head election

To reduce the uneven energy consumption for the data transmission and extend network life of intelligent community sensor network, an adaptive routing optimized algorithm for intelligent community sensor networks with cluster head election is proposed. In this algorithm, a three-dimensional clustering method adapted to the structure of intelligent community sensor network is proposed. The three-dimensional clustering method uses the cluster head election mechanism based on minimizing the total transmission loss to optimize the energy of the intelligent community sensor network. Second, an adaptive ant colony propagation method is proposed to solve the problem of intercluster data propagation after clustering. With the best path finding algorithm of ant colony algorithm, energy balance routing with lower energy loss and lower packet error rate is proposed. Finally, the simulation results show that the algorithm has better performance in reducing energy consumption and delay, improving transmission efficiency and node survival time.