基于协同进化蚁群算法的多播QoS路由算法

提出一种基于协同进化蚁群算法的求解QoS（Quality of Service）多播路由问题的新算法。算法中控制参数及路由选择策略根据迭代过程所处的不同阶段自适应调整。综合考虑QoS路由中所有约束条件的同时,也充分考虑各个约束自身的独立特性。仿真结果证明了算法收敛速度快,能满足实际网络服务质量的要求。     

多约束QoS多播路由选择优化算法研究

研究了一类通信网络中源节点到目的节点的多约束QoS多播路由选择问题,提出了一种解决此类问题的算法.该算法将带宽、时延、丢失率等QoS参数作为约束条件,用基于最短路径算法构造路径选择函数,并依照该函数修正被选路径,使其满足多约束条件.仿真结果表明该算法有较好的性能和较小的时间复杂度,可以方便地推广到多个QoS参数的情况.     

一种基于禁忌人工鱼群算法的智能QoS组播路由算法

针对满足多个约束条件的服务质量(Quality ofService,QoS)组播路由的特点,提出一种下一代互联网(NextGenera-tion Intemet,NGI)中基于禁忌搜索(Tabu Search,TS)和人工鱼群(Artificial Fish Swarm,AFS)算法的智能QoS组播路由算法.给出了QoS组播路由问题模型及其教学描述,针对QoS参数信息不精确的特点,综合AFS的快速搜索和TS的全局寻优能力,找出在给定费用下满足多个QoS约束概率最大的最优(或近优)组播树.对算法进行了仿真实现与性能评价,通过实验结果证明其可行性和有效性.     

NGI中基于微分进化的柔性QoS组播路由算法

针对满足多个约束条件的服务质量组播路由的特点,提出了一种下一代互联网中基于微分进化算法的柔性QoS组播路由算法。给出了 QoS组播路由问题模型及其数学描述,针对NGI中QoS参数信息不精确的特点,基于模糊数学的相关知识并利用DE算法的寻优能力,找出在用户柔性QoS需求的条件下满足用户QoS需求的可信度和用户QoS满意度同时达到最大的组播路由树。对算法进行了仿真实现与性能评价,结果表明,它是可行和有效的。     

基于蚁群遗传混合算法的QoS组播路由

具有延迟、延迟抖动、带宽、丢包率等服务质量约束的组播路由问题具有NP完全的复杂度。基于蚁群优化算法和遗传算法,提出解决QoS约束组播路由问题的混合算法。利用遗传算法和蚁群优化算法各自的优点,使用蚁群优化算法选择种群,遗传算法优化蚂蚁遍历所得到的解。仿真实验结果表明,该算法可满足各个约束条件,且全局寻优性能好,能够满足网络服务质量要求。     

一种求解QoS路由算法的数学模型研究

QoS路由算法的基本问题是在满足多个约束条件的基础上对某个或多个网络参数进行优化。在文献犤9犦提出的适应QoS路由机制的网络模型基础上,利用数学规划,提出了一种QoS路由算法的新的数学模型,并采用改进的拉格朗日松弛算法求解模型。此模型既可用于寻找满足约束条件的QoS路由,又便于扩充新的网络QoS要求。     

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QoS路由策略的发布/订阅路由算法

针对当前发布/订阅路由算法普遍缺乏QoS路由保障,引入QoS保障策略,提出了带QoS约束条件的路由准则,基于此准则,提出了一种生成树转发和逆向路径转发混合路由算法.该算法克服了一般发布/订阅路由算法大量冗余信息转发的缺陷,提高了网络效率,降低了网络时延.仿真试验结果表明,该算法在网络时延和效率方面较以前的算法有较大的提高.     

组网中基于AODV协议的QoS延伸及优化*

为了提高自组网的性能并满足多媒体数据传输等应用的需要,提出了一种基于AODV协议的QoS延伸及优化算法。该算法以AODV为基础,采用限制路由请求分组转发的机制并获取稳定的路由,并满足QoS约束条件。仿真实验结果表明,该算法降低了网络负载,减少了开销和提高了数据包传输成功率。     

一种链路不相交的多约束QoS路由算法

针对波分复用技术中的网络路由问题,提出一种满足多个QoS约束的基于链路保护机制的路由算法,该算法通过图论的有关性质得到满足带宽、时延2个QoS约束条件的源与目标节点对间的所有路径及其最短链路不相交相似路径,从而使高实时性网络得到更好的优化。     

一个Ad Hoc网络中的组合QoS路由协议

本文提出了一种新型的组合QoS路由协议:Hi-ACQoS-TORA。给出了分簇策略下的簇间簇内路由协议。在提案方式中,作者将蚁群算法应用于簇间路由,解决了满足时延、延迟抖动、线路带宽、分组丢失率和费用多个指标的簇内QoS路由,与DSDV、DSR、ZRP、TORA等协议比较分析了Hi-ACQoS-TORA的性能。     

求解QoS组播路由的自适应变异二次蚁群算法

多约束QoS组播路由问题是一个NP-完全问题,针对基本蚁群算法在解决多约束QoS组播路由问题时易陷入局部最优解、收敛速度慢的突出缺点。提出了一种基于自适应变异的二次蚁群算法对该问题进行求解,该算法采取自适应变异方法,借助节点使用计数器,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。     

基于蚂蚁算法的QoS分布式多播路由选择

采用启发式算法中蚂蚁算法解决包含带宽、时延和最小代价约束条件在内的分布式多播路由问题,基于蚂蚁具有找到蚁巢与食物之间的最短路径原理,并在分析QoS分布式多播路由的基础上,提出了一种基于蚁群算法的QoS分布式多播路由算法,仿真实验表明了该算法是合理的和有效的。     

无线多媒体传感器网络QoS路由算法研究

由于廉价的CMOS摄像头、麦克风的出现,以及对含有丰富信息的图像,视频和音频信息需求导致了无线多媒体传感器网络-(WMSN)的出现.WMSN具有资源有限、可变的信道容量、数据高度冗余等特点,使得WMSN的QoS路由具有极大的挑战性.提出了一种基于Mesh结构的WMSN,并在该结构体系下,提出了一种基于蚁群算法的QoS路由算法.实验研究表明,蚁群算法具有不依赖全局信息的优点,具有应用于WMSN的前景.实验同时表明,决定蚁群算法收敛速度以及会影响传感器网络性能的一些关键参数较难确定,需要进一步研究.     

中高速传感器网络QoS路由算法

通过对中高速传感器网络的QoS路由算法问题进行建模和分析,提出一种改进的基于蚁群优化算法的QoS路由算法,以满足网络中多种混合服务对QoS质量的不同要求。利用反向抑制机制优先保证高优先级别服务的QoS要求。仿真结果表明,该路由协议可以满足中高速传感器网络对不同业务的QoS需求。     

改进型量子蚁群算法求解QoS单播路由

针对遗传以及蚁群算法在求解QoS单播路由问题时收敛速度慢和易于陷入局部最优的问题。采用量子蚁群算法求解QoS单播路由,采用量子旋转门实现蚂蚁的移动,用量子非门来实现蚂蚁位置的变异,同时为了确保算法不陷于局部最优,对量子蚁群算法做了改进,并进行了对比实验。实验表明该算法不但克服了遗传以及蚁群算法的易限于局部最优解的缺陷,在收敛速度上也优于相关算法,能较好地解决QoS单播路由问题。     

基于蚁群算法的QoS多播路由优化算法

蚁群算法是一种新型的随机优化算法,能有效地解决 QoS 受限的多播路由问题。基于蚂蚁具有找到蚁巢与食物之间的最短路径原理工作,并在分析多约束QoS的多播路由的基础上,提出了一种具有全局优化能力的多播路由算法(OQMRA),仿真实验表明了该算法是合理的和有效的。     

融合遗传蚁群算法的Web 服务组合研究

为了提高Web服务组合流程中服务选择技术的收敛性能,提出了一种基于遗传算法与蚁群算法相融合的多目标优化策略,用于解决基于QoS的Web服务组合问题。本文首先将Web服务组合的全局最优化问题转化为寻求一条QoS最优解的路径问题,并通过改进遗传算法得到蚁群算法中初始路径的信息素分布,再通过改进蚁群算法来求得最优解。仿真实验结果表明,该改进算法能在较少的进化代数下得到最优路径,提高了Web服务组合的快速全局搜索能力。     

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。