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。     

多目标进化遗传算法在QoS路由中的研究

基于多目标规划问题,给出了QoS路由指标的形式化描述及数学模型。提出了用NSGA-II算法来实现QoS路由,并采用网络资源消耗和负载分布为目标函数,使得算法在消耗网络资源最小的基础上,使负载均衡分布,合理利用了网络资源,降低了网络的拥塞,提高了网络的吞吐量。通过仿真实验表明该算法是可行的、有效的。     

改进人口迁移算法用于QoS路由优化

研究了带宽、时延等QoS路由问题,针对原人口迁移算法易收敛于局部最优且计算量大,计算时间长的特点,提出了一种改进的人口迁移算法（modified Population Migration Algorithm）,并将其应用于QoS路由选择优化问题。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。     

基于遗传算法的网络负载均衡的选播路由算法

在分析选播通信服务的基础上,提出了一种能实现网络负载均衡的基于遗传算法的选播QoS路由算法,该算法在满足业务带宽和时延的基本要求下,采用适合问题特点的遗传算子,将网络资源消耗和负载均衡分布作为目标函数进行优化,达到网络资源消耗较小,负载均衡分布的目的,仿真结果表明,该算法是有效且切实可行的。     

一种优化网络资源利用的QoS路由选择的遗传算法

本文提出了一种优化网络资源利用的QoS路由选择的遗传算法，该方法在考虑网络带宽，时延的基础上，将资源消耗函数和网络负载分布作为目标函数，并利用遗传算法求最优解，希望所选路径消耗较少的网络资源，并使负载尽量均衡分布，达到合理利用网络资源，降低网络拥塞的目的，最后，给出了仿真实验结果。     

基于遗传粒群路径优化的网络拥塞控制方法

将粒群和遗传算法相融合,提出了基于遗传粒群路径优化的网络拥塞控制方法,该方法在满足带宽、时延、费用多项QoS指标的条件下对负载进行路径优化,以负载均衡分布函数和资源消耗函数作为优化目标,旨在消耗尽可能少的网络资源的同时,也使网络负载的分布尽量均衡,从而避免网络拥塞。仿真结果表明该方法的有效性和可靠性。     

基于改进遗传算法的QoS路由优化

针对多约束QoS路由问题,将其转化为一个多约束赋杈图最优路径问题,选择费用、带宽、时延和丢包率为参数,采用基于遗传算法的QoS路由选择算法,算法采用网络消耗和负载分布平衡为目标函数,目的在使用最小网络资源的基础上,使网络达到负载平衡,降低网络拥塞,降低丢包车,提高服务质量,仿真试验结果表明,该算法具有较好的性能,     

基于禁忌遗传优化的网络拥塞控制算法

为解决网络拥塞问题,提出一种基于禁忌遗传优化的网络拥塞控制算法TSGA。该算法将禁忌搜索和遗传算法相结合,以网络资源消耗最小化和网络负载均衡分布为目标,建立多约束QoS路由优化数学模型。仿真实验结果证明,该算法可实现网络拥塞控制,有效提高网络性能。     

一种基于模糊评判和遗传算法的网络资源优化利用和多约束路由选择方法

文章提出了一种解决网络资源优化利用和多约束路由选择的算法。该算法将传输时延、传输费用和负载分布作为目标函数,利用模糊评判将多目标优化转化为单目标优化,并用具有免疫机制的遗传算法进行求解。希望所选路程消耗较小,并使负载尽量均衡分布,达到优化利用网络资源、降低网络拥塞的目的。理论分析和仿真实验表明,该算法是非常有效的。     

网络平滑算法在流量工程中的应用

流量工程是当前IP网络解决QoS问题的关键技术之一。然而目前实现流量工程的LSP分布算法一般只对网络资源的利用率进行优化，可能导致网络负载的不平衡。文中引入网络负载平滑度的概念，定义了链路代价函数。针对当前主要的LSP分布算法“带宽．跳数算法”在网络负载平滑度方面的不足，提出由代价函数控制的网络平滑算法，并对算法进行了分析，最后给出相应的实验结果和结论。     

基于马尔科夫链的联合呼叫接入控制算法

异构网络的接入策略与网络资源管理效率紧密相关;同时,网络复杂性与网络资源竞争性直接影响到用户服务质量。针对异构网络接入控制存在的切换掉话率和呼叫阻塞率高、资源利用率低等问题,提出了基于马尔科夫链的联合呼叫接入控制算法。接入控制算法为切换呼叫业务、实时业务动态地预留了一定的带宽资源,根据不同业务设置带宽降级因子来决定是否释放带宽;同时,根据用户偏好和不同业务的QoS要求,构建了呼叫接入控制效用函数,利用马尔科夫链进行了建模分析。仿真表明,算法提高了网络资源利用率,降低了系统复杂度,满足了各类业务的QoS要求。     

LEO卫星网QoS遗传算法路由协议

为了满足多媒体应用的QoS要求,卫星路由协议应该更有效地利用网络资源,提供更好的QoS保障。为此提出了一个基于遗传算法的LEO卫星网络QoS路由协议,称为遗传卫星路由协议（GSRP）。改进了新的操作函数,如适应度函数、终止函数,以及变异率和路由表。仿真结果表明,GSRP能够实现较少CBP和HBP的可靠的点对点时延约束,以及比传统的算法更有效的负载平衡。     

基于多用户QoS的中继系统功率分配算法

研究了非再生中继满足不同用户速率需求的公平性功率分配问题。提出了基于用户期望速率比例公平性功率分配算法,由于源端无法预先接收用户期望速率信息,该算法在实际操作中存在一定的不可操作性。进一步提出了预均分公平性功率分配算法,可弥补基于用户期望速率比例公平性功率分配算法的不足。仿真结果表明,两种算法都实现了保证用户服务质量(QoS)的最优功率分配以最小化用户速率与期望速率差值,节约网络资源的优化目标。     

基于生长竞争蚁群算法的QoS路由算法*

为解决多约束QoS单播路由问题,提出一种基于改进蚁群算法的QoS单播路多目标算法。该算法引入生长竞争机制,使算法尽可能向Pareto最优靠近。实验结果表明,该算法是可行和有效的,能够在资源预留的基础上较好地满足用户对带宽和时延的要求。     

一种网格资源调度中QoS的最大化匹配算法

针对网格资源选择中复杂的QoS参数处理和精确匹配导致的资源调度率低下问题,将QoS参数按性质分类,定义了QoS参数距离,实现QoS参数相似性判断,由此提出了一种软化的参数处理模型,给出了一种最大化匹配调度算法。实验表明,该算法提高了系统吞吐量、任务满足率、资源调度率和整个系统资源利用率。     

基于遗传模拟退火算法的多约束QOS组播路由优化算法

组播路由问题在计算机网络中是著名的Steiner树问题,是NP完全问题.通过考虑组播通信服务质量需求与网络资源约束,研究了基于服务质量的组播路由选择算法问题,首次提出了一个基于遗传算法和模拟退火算法的多约束组播路由优化算法,该算法在满足带宽、延时、延时抖动及包丢失率约束条件下寻找代价最小的组播树.     

DBC性价比资源调度算法

传统的DBC（Deadline and Budget Constrained）调度算法,比如时间最优调度算法、代价最优调度算法都是在时间（deadline）和代价（budget）的约束下,满足时间或代价单方面的QoS需求的极端情况。针对这一不足,提出了一种基于DBC的性价比资源调度算法,综合考虑了时间和代价的QoS需求,目的在于提高任务的完成量以及任务完成的性价比,并通过推理论证和仿真实验验证了该算法的有效性和优越性。