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Pareto最优的QoS路由算法

QoS路由是QoS框架中的重要组成部分,旨在寻找多约束条件下的可行路径.在解决多约束(MCP)问题时,引入了Pareto最优概念.基于此概念,提出了基于Pareto最优的QoS权重空间划分模型.在该模型中,根据路由请求与MCP问题解的关系,很容易判定路由请求是否能够被满足.在模型基础上,提出了用于解决具有两可加约束的动态权重系数路由算法PODWCA,它平均只需要运行2～3次,Dijkstra算法就能达到很高的性能.仿真结果验证了PODWCA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。     

基于多约束QoS路由算法综述

随着网络技术的不断发展,实时多媒体技术不断涌现。如何根据不同的服务提供不同的QoS保证,并保证网络资源的有效利用,便成为当前互联网的一个重要任务。对该问题的解决方法称为多约束最优路径（MCOP）问题,MCOP问题是一个NPC问题,求解MCOP问题的算法可分为精确、近似和启发式等算法。文章通过对目前所出现的算法按照精确算法和近似算法两大类进行分析,分析目前出现的算法的一些优缺点,并根据网路技术的发展趋势,对现行多约束路由算法在以后如何实现更加快速精确的路径计算提出几点展望。     

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。     

一种分类预计算QoS路由算法

为了满足Internet上各种网络应用的传输服务质量的需求,Internet工程任务组(IETF)先后提出了集成服务/资源预留模型(integrated service/resource reservation protocol,简称IntServ/RSVP)、区分服务模型(differentiated service,简称DiffServ)以及从流量工程角度提出的多协议标记交换(multi protocol label switching,简称MPLS).这些服务模型都需要一个与之相适应的QoS路由机制     

基于多约束 QoS 路由算法综述

随着网络技术的不断发展,实时多媒体技术不断涌现.如何根据不同的服务提供不同的 QoS 保证,并保证网络资源的有效利用,便成为当前互联网的一个重要任务.对该问题的解决方法称为多约束最优路径(MCOP)问题,MCOP 问题是一个 NPC 问题,求解 MCOP 问题的算法可分为精确、近似和启发式等算法.文章通过对目前所出现的算法按照精确算法和近似算法两大类进行分析,分析目前出现的算法的一些优缺点,并根据网路技术的发展趋势,对现行多约束路由算法在以后如何实现更加快速精确的路径计算提出几点展望     

采用遗传算法求解多跳分组无线网服务质量路由优化模型

采用多目标遗传算法来确定多跳无线网服务质量路由优化问题的Pareto最优解集。通过计算表明,多目标遗传算法能够在一次运行中搜索到优化问题的近似Pareto最优解集,这为决策者进行目标折衷决策提供了充分的依据,此算法是有效可行的。     

基于遗传算法的QoS路由优化算法

研究了带宽、时延等QoS路由问题,提出了一种基于遗传算法的QoS路由选择优化算法。算法采用网络资源消耗和负载分布为目标函数,目的是在消耗网络资源最小的基础上,使负载均衡分布,合理利用网络资源,降低网络拥塞。仿真结果表明,该算法是有效的、稳定的。     

并行量子遗传算法在QoS组播路由中的应用

随着网络通信技术的发展和Internet的普及,性能出色的组播路由越来越重要。著名的组播路由Steiner树问题是NP完全问题,应采用启发式方法求解。文中在常规量子遗传算法中引入并行进化模型,提出了一种解决多约束QoS组播路由优化问题的算法。在满足带宽、时延约束条件下寻找代价最小的组播树,并合理安排节点负荷,减少通信开销。仿真实验结果表明本算法搜索速度快、全局寻优能力强,性能和效率优于常规量子遗传算法。     

基于多约束QoS问题的启发式算法

由于多媒体通信的需要,QoS路由技术已成为通信网络中研究的热点。通常情况下,在网络中寻找同时满足多个独立加性约束条件的路由是一个NP完全问题。本文探讨了多约束条件下的路径选择(MCP)问题,通过将MCP问题转化为离散化的动态网络,得到了一个性能更好的启发式QoS路由算法,复杂度从O(Tmn)降低为O(Tm),其中m、n分别是节点数和边数,T是算法定义的正整数,并在理论上证明了算法的正确性。最后给出实验举例,并通过与现有算法性能比较,表明改进的启发式算法能快速、有效地解决MCP问题,且适用于大规模的网络系统。     

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。     

基于免疫遗传算法的QoS选播路由

将免疫算法与传统遗传算法相结合,既保留了原算法较强的全局搜索能力,又避免了局部搜索性能差和早熟现象。在提出改进算法的基础上,对带时延约束的QoS选播路由问题作了深入研究,并经过实验分析证明,该算法提高收敛速度接近18%,而且具有更高的搜索精度和更可靠的稳定性等特点。     

IP QoS路由算法研究综述

传统上所采用的“尽力而为”转发机制,已经不能满足用户的要求。IP网络如何提供QoS(服务质量)支持这一问题现已成为业界关注的焦点。近几年的研究表明网络路由算法对实现QoS起到了非常关键的作用,同时网络路由算法也是平衡网络负载和充分利用网络资源的重要保证。该文对当前研究的主要路由算法进行了详细的分析与归纳,并对其发展前景进行了展望。     

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。     

基于遗传算法的QoS组播路由算法

提出了一种新的基于遗传算法的OoS组播路由算法。该算法具有预处理机制、树型结构编码、启发式初始种群生成和交叉策略、指导性变异过程。仿真结果表明,该算法的性能和效率都优于文中提到的其它现存算法。