下一代网络中基于遗传算法的QoS组播路由算法

向用户提供多媒体业务是下一代网络业务最基本、最重要的要求,QoS组播路由技术是网络多媒体信息传输的核心技术之一。该文给出了支持QoS组播的网络模型,对已有的QoS组播路由算法进行了优化,提出了适用于下一代网络的基于遗传算法的QoS组播路由算法。仿真实验表明,这种算法收敛速度快,可靠性高,能够很好地满足下一代网络QoS组播的需求。     

基于蚁群算法的Ad Hoc网络QoS组播路由研究

在解决Ad Hoc网络QoS组播路由问题上,针对蚁群算法缺点,提出了一种融合粒子群优化思想的改进蚁群算法.该算法融合PSO思想以加速蚁群算法在路由发现及维护时的收敛速度.仿真结果表明,该算法具有较好的性能,是解决Ad Hoc网络QoS组播路由问题的有效方法.     

基于自适应蚁群的多约束QoS组播路由算法

结合多约束QoS组播路由的特点,应用一种自适应蚁群优化算法解决组播路由问题.考虑到实际通信中链路利用率对网络的影响,将网络中链路的带宽转化为链路的代价问题,并在蚁群算法中根据蚂蚁所选路径的代价进行信息素更新,增加了信息素调整的自适应性,同时加快了算法的收敛速度,使得组播路由算法在考虑网络QoS约束的基础上进一步贴合实际网络的需求.     

基于QoS的动态组播路由算法

在分析了网络中基于QoS的组播路由问题的基础上,本文提出了一种新的动态算法,并进行了实验和分析,文中构造的路由方案成功地解决了当网络中存在多个组播及组播节点动态变化情况下的QoS路由选择问题,此方案不仅保证了带宽,端到端延时和延时抖动,优化了路由树的代价,而且有效地控制了算法的复杂性并可适用于大规模的网络中。     

基于遗传算法的QoS组播路由算法的改进

QoS组播路由技术在网络技术发展中占有很重要的地位,是一种关键的技术。在分析网络模型的基础上,建立了组播问题的数学模型。遗传算法是一种经典的寻优算法,应用广泛,提出了改进的算法。并且结合改进Dijkstra算法,使算法能很好地体现实际组播路由问题的特点。试验表明,这种新的算法可靠性更高,适应了当今网络性能优化的需要。     

基于免疫机制和遗传进化的网络组播路由优化算法

高速多媒体网络中的路由问题是有QoS约束的路由问题，满足一个或多个约束的组播路由问题是NP-完全问题。本文将免疫机制引入遗传进化，给出了一种基于免疫机制和遗传进化的网络组播路由优化算法。理论分析和仿真实验表明，该算法是一个非常有效的算法。     

结合资源预留的分布式QoS组播路由算法

针对网络资源信息的动态变化对QoS组播路由算法的巨大影响,该文提出了一种与资源预留结合的分布式组播路由算法DQMTR。DQMTR通过在路径探索过程中进行资源预留克服网络信息变化对QoS路由算法的影响。DQMTR还通过记录预约资源的数量解决资源的过预约问题,并利用DiffServ体系下QoS路由算法的特点使算法能够适用于DiffServ网络。仿真实验表明,DQMTR提高了组成员加入的成功率,优化了平均路径代价值。     

一种基于延时及带宽受限的启发式组播路由算法

在分析了网络中基于延时和带宽受限的组播路由优化问题的基础上,本文提出了一种新的启发式算法,并进行了实验和分析.结果表明文中构造的路由方案成功地解决了当网络中存在多组组播业务时的QoS路由选择问题.此方案不仅保证了带宽、端到端延时,优化了路由树的代价,而且有效地控制了算法的复杂性并可适用于大规模的网络中.     

基于延时及带宽约束的组播路由算法

本文分析了网络中基于延时和带宽受限的组播路由优化问题,提出了一种新的启发式算法,并进行了实验和分析。文中构造的路由方案成功地解决了当网络中存在多组组播通信时的QoS路由选择问题。此方案不仅保证了组播业务所需的带宽、端到端延时、减小了丢包率,而且有效地控制了算法的复杂性并可适用于大规模的网络中。     

一类基于源路由的多约束实时组播路由优化控制算法

随着Internet网络的不断发展,它将成为未来网络服务的平台,而未来网络服务的种类又是多种多样的,既有传统的尽量服务(Best-Effort Service)应用,又有对网络服务质量 [1](QoS:Quality of Service)有着特殊需求的应用.本文探讨了如何在网络层路由这一层面进行QoS组播路由支持的问题.目前,已有许多组播QoS路由算法提出,在QoS路由性能、网络资源使用效率以及路由吞吐率等方面取得了许多好的成果.针对这些QoS路由算法中存在的一些问题,提出了一种组播QoS路由算法.实验结果表明:该算法在适应网络拓扑结构、网络规模、对称/非对称链路负载等方面,与其它QoS路由算法相比,在算法性能上有了一定的改进.     

改进遗传算法在QoS组播路由选择中的研究

QoS组播路由的选择问题本质是从源节点至目的节点间找到满足QoS要求的传输路径,尽管现在有许多文献利用遗传算法对组播路由问题做了研究,但其组播路由费用都比较大,执行时间过长,并且编码难度都比较大,优化效率低。针对这些问题,文中提出了一种改进的遗传算法,该算法综合考虑了带宽约束、时延约束、时延抖动约束、丢包率约束以及路由费用等度量指标,在传统遗传算法的基础上,设计了一种基于应用层业务的自适度函数,改进了染色体编码方式,并且设计了自适应交叉函数与自适应变异函数等多种优化函数。通过仿真结果表明,该改进的遗传算法很大程度上降低了QoS组播路由的费用和执行时间,并且能快速地找到最优QoS组播路径。     

Ad Hoc 网络中的路由技术

作为下一代网络的重要组成部分,Ad Hoc网是目前的一个重要研究热点。根据Ad Hoc网络的特点,总结了Ad Hoc网中的路由技术。从路由查找和维护的角度分析和归纳了网络中关于单播路由、组播路由和QoS路由等的技术特点,指出了不同协议及算法的设计思路和解决策略,为寻求和设计更为高效的适合自组网特点的新型路由技术奠定基础。     

一种新的QoS组播路由算法

针对现有的求解多约束QoS组播路由中存在的问题,结合BP神经网络局部搜索的优势和蚁群算法全局搜索的优势的特点,进行QoS组播路由算法的设计,提出了一种新型的NNAC算法。该算法通过BP神经网络寻找路径的更优解,改善了QoS组播路由路径寻找的方法。通过实验仿真表明,NNAC算法得到最优组播树的总延时为35,总代价费用为21,在完成150个度约束组播路由路径时,NNAC算法在进行最优组播树的寻找成功率上高于AC算法,同时该算法还克服了AC算法易陷入局部最小点的不足。     

基于量子粒子群算法的QoS组播路由问题研究

对具有带宽、延时、延时抖动约束的最小代价的QoS组播路由问题进行研究,提出了一种收敛速度快、全局性能好、不易陷入局部最优的智能迭代算法--量子粒子群算法来实现对该问题的求解.该算法采用整数编码方式,将路由优化问题转化成准连续优化,并采用惩罚函数处理约束条件.最后通过具体算例,对该算法进行了仿真验证,结果表明,在求解QoS组播路由问题时,量子粒子群算法要优于遗传算法、基本微粒群算法,从而验证了该算法的可行性和有效性.     

基于蚂蚁算法的多约束QOS组播路由选择

描述了多约束QoS组播路由问题的网络模型,提出了一种解决该问题的改进的蚂蚁算法.该算法对网络进行预处理,生成初始解,并转化为网络的初始信息素分布,利用蚂蚁算法的正反馈特性调整信息量的分配,使之迅速收敛到问题的最优解.仿真表明,算法可以稳定地获得优于现有启发式算法的解,是一种有效的组播路由算法.     

基于双层递归神经网络模型求解最优组播路由

基于覆盖网络的组播作为一种新的IP网络组播解决方案已得到广泛关注。提出了一种利用改进的双层递归神经网络模型求解VPON网络环境下的QoS（服务质量）最优组播路由的方案。该方案在选择路由时综合考虑链路的可用带宽及节点的剩余处理能力，并运用一种基于改进的双层递归神经网络模型——MTLRNN进行求解，与其它启发式组播路由算法相比，该方案在满足应用的QoS要求的前提下，使全网的负载分配更加均衡，同时在解的有效性及接纳的组播应用会话数方面都有比较大的改善。     

基于灰狼算法的无线网络组播路由优化

针对无线网络中资源受限的组播路由问题,考虑网络节点的节点度限制和网络链路的带宽约束,以最小化组播路由开销为目标,提出了一种二进制编码方式的基于灰狼优化算法的组播路由策略.在给定的网络拓扑下,基于灰狼优化算法的组播路由策略可以迅速找到一棵包含源和目的节点的最小开销组播树.仿真结果表明,相比于遗传算法,所提出的基于灰狼优化...     

基于遗传_蚁群算法的多QoS约束组播路由优化算法

提出了一种将遗传算法与蚁群算法融合的新算法,用以满足多QoS约束的组播路由优化。算法首先利用遗传算法生成若干组优化解,将其转换成蚁群算法的信息素初值,然后利用蚁群算法来求取满足QoS约束的最优解。仿真结果表明此算法是有效的,其性能优于文献[6]中算法。     

基于非精确状态信息的QoS组播路由算法

提出了一种在非精确网络状态信息下满足时延和带宽约束的最小代价组播路由算法。基于非精确网络下门限更新策略，提出一种将安全性和组播树代价相结合的路径选择函数。模拟多组播业务的仿真结果表明．该算法所得组播树的代价最优，而且请求接受率较高，反映了该算法同时具有较好的QoS能力和负载均衡能力。     

基于IPv6的QoS控制组播路由机制

设计并实现了一种基于IPv6的QoS(quality of service)控制组播路由机制.基于启发式单播路由协议,修改了PIM-SSM协议与MLD协议,实现了IPv6下启发式源特定组播.为提供QoS控制,扩展了RSVP协议,设计了分层组播流量控制机制,基于博弈分析确定为用户预留的带宽量,优化网络提供方与用户方效用.开发了该机制的原型系统并进行了大量试验,结果表明该机制具有良好的性能,能够提供IPv6下的QoS控制组播路由.