一种基于蚂蚁算法的QoS路由算法

为了平衡网络负载,优化网络资源使用,路由算法必须具备快速规避拥塞的能力.现提出一种基于蚂蚁算法的Qos路由算法.该算法通过舍弃信息素能快速探索最优路径,并能在链路将发生拥塞时充分利用原有路由信息形成拥塞通告蚂蚁,使源节点能快速做出反应,利用分散流量,以避免链路的拥塞.经仿真证明,该算法明显节省了QoS路由搜索时间,有效规避了网络拥塞,提高了网络服务能力.     

ACOGA算法的多媒体网络QoS路由实现

针对传统的路由算法收敛速度慢且容易产生拥塞和路由振荡问题,提出了基于蚁群算法(ACO)和遗传算法(GAs)来实现动态QoS路由的新算法。分析了基本的ACO的正反馈性、协同性、并行性和鲁棒性等优点,同时利用GAs很强的自适应性和种群优化技术,通过对ACO算法使用遗传算法的交叉、变异达到对信息素进行调整,来自适应地调整路径选择概率的确定策略和信息量更新策略,从而扩大搜索范围。计算和仿真结果表明,该方法具有更好的路由收敛速度和稳定性,能更有效地解决拥塞现象和路由振荡问题。     

多约束条件下最短路径QoS路由算法

多约束的服务质量路由(QoSR)是用来寻找一条同时满足多个约束条件的可行路径，这是NPC问题．结合线性与非线性度量函数将多个QoS度量转化为单一能量值，给出了多约束条件下层次最短路径的近似算法．     

基于蚂蚁算法的分级QoS路由调度方法

提出了一种基于智能蚂蚁算法的分级QoS路由方法.通过仿真实验验证,相对于同样基于蚂蚁算法的平面QoS路由算法,此方法具有相近的路由结果,但速度可以提高30%左右.     

时延受限的单播QoS路由算法

介绍了几种典型的单播QoS路由算法，对DCUR算法和Preferred link-based算法进行了描述．在RDM算法的基础上，提出了RDM_N算法．将Preferred link-based算法、DCUR算法和RDM_N算法进行了比较和讨论，结果表明，RDM_N算法是一种性能很好的算法．     

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。     

基于小生境免疫算法的多约束QoS路由选择

针对多约束Qos路由选择问题,将其转化为一个多约束赋权图最短路径问题,选择费用、带宽、时延和丢失率为QoS参数。针对一种免疫算法的不足,利用基于相似结构的小生境技术和共享算子对免疫算法加以改进。实验表明,该算法有较好的性能,大幅提高了QoS路由选择的效率。     

WMSNs节点不相交多路径QoS路由算法

将图的染色理论与合作博弈论相结合,建立起一个理性节点的收益模型,然后基于此模型提出了一种适用于无线多媒体传感器网络的节点不相交多路径路由算法,算法采用源路由方式建立,中间节点基于节点收益对路由请求消息进行转发,目的节点回复路由答复消息,源节点收到答复消息后迅速建立到目的节点的路由.该算法不仅能够建立质量更好的多路径,还能够平衡网络节点的能耗,从整体上达到多路径路由建立和优化的目的.仿真结果表明：与SMR,Tin-yONDMR算法相比,利用该算法所建立的多路径在数据传输时具有更高的能量效率,网络中节点的能量分布更理想.     

基于遗传算法的自组网QoS路由协议

针对大多数自组网Qos路由协议只支持单个QoS参数，支持多个QoS参数的却很少，对自组网QoS路由协议进行了研究，并提出了一种基于遗传算法的自组网Qos路由协议（GAQR），使用了两个QoS参数．通过仿真实验表明，GAQR协议在分组传输率和时延上性能比Q-AODV协议优越．     

一种基于资源分配的QoS路由

针对网络中不同优先级数据流对QoS的不同需求提出一种新的基于半动态网络资源分配策略,并且根据每类流分得的资源以及各类流在该时刻内链路中剩余的资源实施路由选择策略。实验结果表明,与其它两种基于资源分配的QoS策略相比,该算法能够兼顾公平,又能满足不同类流对网络资源的需求。     

基于遗传算法的QoS路由选择策略

针对QoS(服务质量)路由中的DCLC(DelayConstrainedLeastCostpathproblem)问题,提出一种基于遗传算法(GeneticAlgorithm:GA)的QoS路由选择策略.文中先采用一种直观的整数序列(网络节点号)编码机制,在此基础上采用两种先进的路径变异、交叉算子,仿真表明无论是在收敛性、运行时间方面较通用遗传算法都有很大的改观,且解的质量较优.     

基于加权公正队列的QoS路由选择算法

基于Bellman-Ford最短路径算法提出了一种修改的QoS路由选择算法,给出了仿真结果,并与其它QoS路由选择算法进行了比较,进一步表明了所提出算法的有效性.     

基于混沌遗传算法的多目标QoS组播路由优化

针对遗传算法易发生早熟收敛的缺点,提出了一种既满足时延、时延抖动及带宽等约束,又能使通信代价最小的混沌遗传算法。该算法利用混沌扰动算子对种群进行扰动操作,增加种群的多样性,抑制遗传早熟收敛的发生,提高收敛速度。仿真结果表明了该算法的有效性、快速收敛性及稳定性。     

基于遗传模拟退火算法的QoS组播路由问题求解

提出了一种基于遗传模拟退火算法的带宽时延约束费用最小组播路由选择方法,该方法针对遗传算法的局限性,采用基于备选路径集的整数序列编码机制,对适应度函数进行了调整,改进了交叉和变异操作,并结合了模拟退火算法.实验表明,该算法能够有效地提高收敛速度,避免早熟收敛,能够满足多媒体网络对相应QoS的需求.     

一种支持QoS的链路状态路由算法

为了实现移动Ad Hoc网络路由协议的扩展性，对现有Qos路由协议进行了研究，并提出了一种支持Qos的链路状态路由算法（SMM-LS）．该算法使用了三个Qos尺度：时延，带宽和丢包率.通过仿真实验与BWDD，BWMD等算法进行比较分析，结果表明，SMM-LS算法有较好的扩展性．     

基于时延及带宽约束的多播路由算法

讨论了具有时延及带宽约束的多播路由算法(MRDBC),并在模拟环境中处理了时延、带宽和代价3个参数值,描述了一种多QoS约束的网络模型。该算法试图利用减少多播树的代价来满足多QoS的约束,仿真实验表明了该算法是合理和有效的。     

基于蚁群改进算法的服务质量路由研究

针对传统路由算法在多约束QoS(服务质量)条件下寻优能力不足的问题,提出了一种基于改进蚁群算法的多约束QoS路由模型。相比于传统的路由算法,此方法在每次循环结束时,根据得到的不同结果动态变化相关参数的值,并且结合最大最小蚂蚁系统的理论,同时优化启发函数,以提高算法的寻优能力。另外,除了考虑多个约束条件以外,在模型中还加入了故障率属性,将其体现在目标函数中,并优化信息素更新方式。仿真实验结果表明改进算法寻优能力强,能有效避免早熟,并避开故障率高的路径。     

一种基于K最短路径的QoS路由选择算法

针对多约束服务质量路由问题,提出了一种基于K最短路径路由选择算法QRBKP。该算法首先计算针对各约束度量参数的K最短路径,然后在所有的最短路径中选择满足多约束的QoS路由,其中最短路径数k根据各QoS约束自适应变化。基于此,本文提出了节点对之间的路由空间再分配技术和节点对内部的路由空间再分配技术,确保总的路由表空间不会超过设计路由空间。理论分析表明,QRBKP不仅能够解决加性度量参数受约束的QoS路由问题,而且能够解决加性与非加性度量参数混合受约束QoS路由问题。仿真结果表明:在求解QoS路由问题时,在相同的计算次数下,QRBKP算法比同类算法具有更高的路由计算成功率。