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。     

基于改进蚁群算法的多约束QoS路由优化研究

本文建立了多约束QoS路由模型，并对基本蚁群算法的信息素更新策略进行了改进，提出了一种基于改追蚁群算法的多约束QoS路由优化算法，实例计算结果证明了算法的有效性。     

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。     

基于蚁群系统的多约束QoS路由模型设计

研究多约束QoS路由问题,设计一种基于蚁群系统的多约束QoS路由模型,该模型适合于多约束QoS网络服务环境,并具有QoS路由有效性、可扩展性和鲁棒性等特点.     

基于蚁群算法的移动自适应网QoS路由算法

在移动自适应网中,由于无线环境的不稳定性及终端的移动性造成网络拓扑结构不断变化,使网络中端对端的服务质量随时间不断变化.为移动自适应网提供服务质量保证的关键是移动自适应网的QoS路由问题.提出了一种适用于移动自适应网的QoS路由算法.该算法将蚁群算法与移动自适应网的特点相结合,可以高效地在该网络中寻找满足延迟、延迟抖动、带宽、包丢失率、节点跳数和费用等多项指标的QoS路由,从而显著地提高移动自适应网的QoS路由性能.     

QoS路由中一种有效的多受限优化路径选择算法

1 引言目前,人们正期待着宽带集成服务网来支持各种各样的满足不同QoS要求的多媒体应用。在宽带体系结构的设计中的一个关键问题就是如何提供资源来满足每次连接的需求。毫无疑问,有效的QoS路由方案的建立是这种体系结构中的一个重要组成部分。的确,QoS路由已经成为许多研究的主题。人们已经认识到一个有效的QoS路由方案的建立给我们带来了许多挑战。在算法上,QoS路由带来的一个的挑战就是需要迅速地找到一条可行路径使它满足一组限制条件同时获得较高的网络资源利用率。一般而言,QoS路由是一个复杂的问题。首先,网络电话和分布式游戏等分布式应用在延迟、延迟抖动、丢失率和带宽等方面有许多不同的QoS限制。多个限制经常使得路由问题更加复杂。例如,寻找一条具有两个独立路径限制的可行路径是NP难的。其次,将来的集成服务网很可能既要传输QoS数据流又要传输尽力而为的数据,     

一种基于蚁群系统的多约束QoS路由模型

在Internet网络中,由于多媒体通信的需要,QoS路由技术已经成为研究的热点。本文通过对多约束QoS路由问题的研究,设计并实现了一种基于蚁群系统的多约束QoS路由模型,仿真结果表明该模型在实现QoS路由中的有效性、可扩展性和鲁棒性等特点。     

基于蚁群优化的无线传感器网络QoS路由

无线传感器网络QoS路由寻优问题是NP类问题,在寻找最优路径时,除了要满足时延、抖动、丢包率等约束条件,还要考虑路径的能量均衡。采用优化的蚁群算法求解该问题,将这些约束条件综合为适应度函数的参数,通过计算适应度值,找到最优路径。仿真结果表明,算法具有较快的收敛速度,能够搜索到时延最小和能量较均衡的路径,并尽量避免陷入局部最优解。     

基于双向分工蚁群算法的QoS路由算法

针对蚁群算法在QoS路由应用上的收敛速度慢和易陷入局部最优等缺陷,提出一种基于双向分工蚁群算法的QoS路由算法,在算法中引入路径变异策略,进行二次蚁群寻优,并实行双向搜索的分工机制,使算法保持更好的多样性特征,有效抑制算法过早收敛,提高全局寻优能力和收敛速度,使QoS路由优化问题得到很好地解决.     

基于自适应蚁群算法的QoS组播路由算法

提出一种改进的自适应蚁群优化算法,在信息素更新策略中引入全局最优系数,研究多约束条件下的QoS组播路由问题。动态更新信息素能够确保自适应地改进全局搜索能力和收敛性能,避免陷入局部最优解。仿真结果表明,该算法比蚂蚁-遗传算法在解决多约束条件下的QoS组播路由问题时更有效。     

应用改进微粒群算法求解QoS路由技术问题

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.本文提出了一种解决多受限QoS路由问题的改进微粒群算法.该算法利用记忆库来动态调整惯性权重值,加快了算法的收敛速度.同时结合进化、灾变机制避免了算法陷入局部极值的问题.在列出改进算法的具体步骤基础上,通过实例证明了算法的有效性,使多受限QoS路由优化问题很好地得到了解决.     

基于免疫-蚂蚁算法的多约束QoS多播路由优化

针对多约束QoS多播路由问题，选择带宽、时延和时延抖动为QoS参数，借鉴人体免疫系统的适应能力和蚂蚁算法的全局寻优能力，提出了一种新的融合算法即免疫-蚂蚁算法。利用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，使得求解过程的收敛方向得以控制，利用蚂蚁算法产生和更新抗体。实验结果表明，该算法能够明显提高路由选择的效率。     

自适应路由蚁群算法在导弹残骸搜索中的应用

防空导弹飞行试验后弹目残骸有着重要价值.根据残骸搜索的实际需求,把残骸落点纳入到路网中,结合自适应路由算法,改进了基本蚁群算法,解决了靶场残骸搜索的最优路径问题.蚁群算法有收敛性较差、易于过早陷入局部最优等不足,通过构建蚁群、引入信息素约束条件、调整信息素初始值、自适应改变信息素增量等技术,增强了蚁群搜索能力,改善了算法收敛速度.仿真表明该算法易于编程实现,时延小,鲁棒性强,实用性好.     

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。     

分布式蚁群QoS组播路由算法

为寻找满足带宽、延迟等约束的最小代价组播路由树的QoS组播路由,提出一种分布式蚁群优化算法。在蚂蚁行动过程中形成组播树的森林。若在某步结束时森林中仅剩1棵树,则蚂蚁达到目标,停止行动。仿真实验结果表明,该算法在结果和收敛速度方面都有良好的表现。     

基于蚁群-遗传算法的QoS路由选择

论文提出了一种将蚁群算法与遗传算法融合的新算法。采用蚁群算法进行寻径生成初始群体，利用遗传算法对路径进行优化。仿真结果表明此算法是可行的、有效的。