基于梯度加速算法的LSP流量分配算法

本文在MPLS系统模型中提出了一种基于加速梯度算法的LSP流量分配算法。仿真结果表明,它可以减少由传统路由算法引起的网络拥塞和包丢失率;随着LSP请求数的增加减少了LSP的拒绝数,优化网络资源的利用率,降低了资源占用率,提高了系统的稳定性。     

基于流量总时延最小的并行LSP自适应流量分配

MPLS的引入使IP网络的流量工程成为可能.如何平衡两个标记交换路由器的多条并行显式标记交换路径上的网络流量,从而达到避免拥塞和优化网络性能的目的,是流量工程研究的一个重要课题.本文指出流量总时延最小是最有价值和最实用的流量工程优化目标,通过分析平均分组时延和网络负载的约束关系,证明了优化解的存在,解出了其数学结果,提出了一种自适应流量分配新方法,理论分析和仿真结果都表明该方法具有简单、快速、收敛性强等优点.     

MANET中基于动态拓扑的多路径自适应流量分配算法

移动自主网络中的大多数多路径路由方案几乎没有考虑流量分配和负载均衡问题。显然,无论路径质量好坏给每条路径分配相同的负荷,会大大降低多路径路由机制的性能,最后会大幅增加网络的通信开销和节点的处理开销。围绕这些问题,提出了一个基于动态拓扑的多路径自适应动态流量分配方案,根据路径质量的权重来动态地给多条路径分配数据流量的比例。大多数情况下仅用局部的信息做路由决定,因此大大减少网络开销。在OPNET模拟平台中实现了这个协议,结果表明,该方案对于MANET网络来说的确是一个可行的方法。     

基于LSP平衡的流量分配机制研究

对尽力而为（BE）网络流量工程中的自适应流量分配问题进行了深入研究,引入了一种平衡思想,提出一种基于LSP平衡的流量分配（LE-TD）机制,对网络中的流量进行网络平衡规划,利用需求和代价的平衡,使整个网络达到一种稳态,从而使网络中流量的分布模式是稳定的。仿真表明,该机制具有稳定性和收敛性,能有效地实现流量在多条并行LSP之间的合理分配,能有效提高网络端到端平均吞吐量,降低网络端到端平均时延,从而有效地实现了流量工程的优化目标。     

MPLS流量工程及其路径管理机制的实现

本文介绍了基于MPLS的流量工程机制，着重就其中的路径管理技术进行了分析，并分别给出了基于不同度量参数的路由算法。     

基于自适应蜣螂算法的无人机三维路径规划方法

山区地势具有陡峭、沟深壑大的环境特点,导致基于启发式算法的山区无人机路径规划速度慢、质量差,针对该问题提出了基于自适应动作策略蜣螂算法的路径规划方法。以路径长度、飞行安全性以及路径平滑度构建路径规划目标函数;在蜣螂算法中引入种群相似性动作变异策略和反向学习策略,平衡局部优化和全局优化能力;通过对比麻雀算法、蜣螂算法和灰狼算法在12个基准函数上的算法性能,结果表明所提方法具有更快的收敛速度、不易陷入局部最优。山区路径规划仿真实验表明,所提方法比蜣螂算法的路径规划质量提高了37.66%。     

基于Dijkstra-ACO混合算法的应急疏散路径动态规划

现代建筑设计趋于多样化,内部结构和功能越来越复杂,而传统疏散系统逃生指示方向固定、人员疏散时间较长,火灾发生时,不能够及时改变指示方向,易将逃生人员导向危险区域,威胁被困人员生命安全。该文提出了一种Dijkstra-ACO混合路径动态规划算法,在Dijkstra算法获得全局最优路径的基础上再采用蚁群优化(ACO)算法对每个节点进一步优化以获取最优路径,并节省算法运行时间。通过实验仿真验证了混合算法的有效性,能够根据起火点动态规划疏散路径,及时调整疏散指示方向,为火场中人员疏散逃生赢得宝贵时间。

     

基于视野域的快速动态路径规划

针对目前蚁群算法在路径规划策略中存在的易陷入凹陷、迭代时间长、转角多、避碰时等待时间长等缺点,提出了一种基于视野域的动态快速路径规划的蚁群算法。首先,采用栅格填充法对建立的栅格图中复杂形状障碍物存在的过多凹陷进行填充;其次,采用改进的负反馈的蚁群算法来减少蚁群在无法找到有效终点方向的后续搜索;再次,模拟给蚂蚁加上视觉以便在特定区域搜索而减少过多的转折点,从而更快速地找出最优路径。同时,在行走过程中若存在障碍物动态变化,则结合动态窗口算法重新规划局部的最优路径。实验表明采用该规划算法可使路径长度减少11%,转角和行走时间减少45.4%和32.3%。所以该智能算法能够为机器在动态环境的自主规划与导航中提供一种可行的解决方法。     

基于深度DP搜索的穿越沙漠问题的研究

针对特定游戏背景下穿越沙漠问题进行研究,从地图起点出发,以穿越沙漠为游戏背景在约定时间到达终点.在满足相关正负约束条件下合理利用初始资金使得到达终点时资金最多,游戏相关变量可分类为生存变量与收益变量.玩家需要在规定的负重范围内携带物资,若剩余物资不足以满足能耗要求则游戏结束.在路径最优方面,建立利用Dijskra算法实...     

基于流量工程的新型Internet网络规划研究

本文根据Internet的新兴发展和对服务质量的要求，提出一种新型网络规划的模型，根据模型的特点分析了新型网络规划需要处理的约束和需要使用的路由策略，并应用进化算法一遗传算法对此模型进行求解。求解时，对需要解决的几个关键问题都给出了相应的解决方法。最后的软件仿真结果证实了方法的可行性和优越性。新型网络规划的研究对现在和未来的网络优化和网络规划的研究有重要的启发和应用价值。     

基于蚁群算法的智能机器人路径规划

从本质来看,蚁群算法是一种专门用以解决复杂优化问题的科学方法,在很多领域都涉及到蚁群算法。在蚁群算法的支撑下,打开了智能机器人项目研究领域的一扇大门,令智能机器人在设计好的路径指令下能够完成简单的行进任务。文章就针对蚁群算法影响下的智能机器人路径规划的相关内容做以阐述,以期为职能机器人项目的研究提供有益的借鉴。     

基于最短路径树的节点删除动态路由算法

提出一种基于最短路径树的节点删除动态路由算法。算法建立一个最短路径树更新集合,该集合包括被删除节点的断裂子树所有节点和其它节点连接的边,利用子树的结构信息,对子树节点的直系子孙节点和祖先节点进行更新,采用Dijkstra算法对其它子树节点进行更新。实验结果表明,该算法能有效减少节点更新计算次数。     

基于Bug算法的移动机器人路径规划研究

当移动机器人具有有限的计算能力时,Bug算法是最简单有效的路径规划算法,适用于环境地图未知或环境快速变化的情况,这些算法从机器人传感器,如激光雷达传感器来获得的本地信息和全局目标信息,以朝向目标的直线运动和沿着障碍的边界运动这两种简单的运动方式来到达目标点。文章对此展开了分析。     

基于改进A-star与DWA相融合的移动机器人动态路径规划算法

A-star算法常用于移动机器人的全局路径规划,但在复杂场景中A-star算法存在耗时长、搜索节点过多、路径不平滑、不能避开环境中未知的障碍物等问题。针对于此,本文提出一种融合路径规划算法。首先,在A-star算法的基础上引入环境中的障碍物信息和搜索节点到起始位置的距离信息动态调节启发函数的权重,减少搜索节点数,提升A-star算法的性能;然后,利用自适应分段步长的高阶贝塞尔曲线对路径进行优化,减少转折点提升路径的平滑性;最后,将改进A-star算法规划的全局路径作为引导,将路径节点作为DWA算法的中间目标,实现全局路径规划和局部规划的融合,使移动机器人在找到全局最优路径的同时,能够避开环境中的未知障碍物,实现移动机器人的动态路径规划。仿真结果验证了该算法的有效性。     

基于RRT算法的无人机路径规划应用研究

经典的路径规划算法大都需要在全局已知空间中对环境进行建模,包括人工势场法、遗传算法、启发式算法、仿生学算法等.由于需要预先构建环境,因此这些方法并不适合解决在高维度空间中的路径规划问题.基于快速扩展随机树(RRT)的路径规划方式其优势在于可以避免对全局环境的构建,通过对状态空间进行随机采样,检测碰撞点,能够有效地解决在...     

基于动态引力场的机器人路径规划研究

人工势场法对机器人进行路径规划时,存在障碍物使目标不可达、死锁和局部极小点等问题,容易导致路径规划失败,此外发现即使路径规划成功,由于斥力的存在,必定使得规划路径不是最短、最优的。针对上述问题提出一种动态引力场路径规划算法,该算法完全去掉斥力场,将引力场的大小及方向动态化,虚拟目标点动态化,不断交替寻找最优或次优方向进行避障,动态地修正路径,最后对路径进行平滑优化,规划出最短、最优的路径。该方法解决了人工势场法固有的缺陷,同时优化了规划路径的长度,仿真实验结果说明该算法具有实用性和有效性。     

基于改进蚁群算法的智能机器人路径规划

从以往的研究资料中可以了解到,智能机器人路径规划是机器人研究领域中的一项重要分支,同时也是智能机器人用以执行各种指令的基础条件。在研究智能机器人的路径规划过程中,遇到了诸如易陷入局部最优等问题,进而提出应用改进蚁群算法来改善这一状况,并且取得了良好的实效。本文就针对改进蚁群算法支撑下的智能机器人路径规划的相关研究内容做以论述,以期为推进机器人研究提供有益的理论素材。     

基于蚁群算法的移动机器人智能路径规划应用

随着机器人在各领域的广泛应用和人工智能的不断发展,路径规划研究作为机器人应用领域的重要课题受到越来越多的关注。文章分析了机器人发展现状以及路径规划算法,重点阐述了智能路径规划与传统路径规划的优缺点,利用蚁群算法对移动机器人路径规划中实际应用问题进行了研究,并提供一些实际解决方案。     

基于改进蚁群的物流动态路径规划

物流作为电子商务的一个重要组成部分,被公认为是社会和企业经营发展的“第三利润源射”,同时也被称为二十一世纪企业降低成本的最后手段。针对传统静态物流路径规划的缺陷,提出一种采用动态交通信息检测技术,根据交通实时状况基于改进蚁群算法实现物流动态路径规划的方法。