基于暂态混沌神经网络的组播路由算法

讨论了高速包交换计算机网络中具有端到端时延的组播路由问题。首先给出了这类问题的网络模型及其数学描述，然后提出了基于暂态混沌神经网络的组播路由算法。实验结果表明，该算法能够快速有效地实现组播路由优化，并且计算性能及解的质量优于基于Hopfield神经网络的路由算法。     

一种新的基于混沌神经网络的组播路由算法

探讨了在高速包交换计算机网络中,具有端到端时延及时延抖动限制的组播路由问题,提出了基于混沌神经网络的组播路由优化算法。所提出的方法具有许多优良特性,即暂态混沌特性和平稳收敛特性,能有效地避免传统Hopfield神经网络极易陷入局部极值的缺陷。它通过短暂的倒分叉过程,能很快进入稳定收敛状态。通过计算机仿真,和其它的一些方法进行了对比,结果表明：该算法能根据组播应用对时延和时延抖动的要求,快速、有效地构造最优组播树,具有较强的实时性。     

基于混沌控制量的QoS组播路由算法

针对具有多个不相关可加度量的QoS组播路由问题,提出基于混沌控制量的QoS组播路由算法。该算法通过对神经元的内部状态施加一个混沌控制量,可以有效控制神经网络的能量函数增加、减少或保持不变,避免陷入局部最小点。计算机仿真结果表明,该算法能根据组播应用对费用和时延的要求,快速、有效地构造组播树,与其他启发式算法相比,适用于带有较少目的结点的大规模网络。     

基于免疫算法的应用层组播路由算法

分析了应用层组播路由问题,并在应用层组播模型ALMI的基础上,改进了LRRB模型的负载均衡策略,建立了一种新的满足多约束条件的应用层组播路由模型;提出了该模型中求解应用层组播树的免疫算法,并对该算法进行了分析。分析和仿真实验表明,该算法有良好的效果。     

基于微粒群算法的QoS组播路由算法

文章研究了带宽、延时、延时抖动约束最小代价的QoS组播路由问题,提出了一种基于微粒群优化(PSO)算法[2,5]来设计路由优化算法。该算法采用一种新的整数编码方案,将路由优化问题转化成准连续优化问题,并采用罚函数处理约束条件。给出了应用微粒群优化算法求解QoS组播路由问题的算例,并与遗传算法和改进后的遗传算法进行了比较。计算机仿真实验证明,该算法可以更有效地求得QoS组播路由问题的优化解,可靠性高。     

基于蚁群算法的QoS组播路由问题研究

提出一种基于蚁群算法的服务质量(QoS)多约束的组播路由算法,算法通过引入模拟退火思想和多行为蚂蚁,解决了常规蚁群算法搜索能力差,容易陷入局部最优的缺点.给出一个网络路由模型,给定相关参数进行仿真实验,实验结果表明,基于模拟退火思想的逆向蚂蚁算法性能优于常规蚁群算法,能更好地搜寻到全局最优解.     

QoS组播路由算法分析

网络的迅速发展使"尽力而为服务"已经不能满足用户传输业务流时提出的要求,在组播路由中如何保证服务质量已经是当前网络研究领域的重要内容和热点问题.近期的研究已经表明,路由算法对实现服务质量起到了关键的作用.文中分别围绕以下几个方面,展开探讨和论述.首先对QoS组播基础知识做了简要的介绍,对组播路由算法做了简单的总结,然后分析了几个经典的QoS路由算法,最后提出了在组播路由研究中仍存在的同题和发展前景.     

组播路由综合优化及其算法

路由优化是组播通信的一个关键问题,它的目标是将低路由费用。论文中首次提出了组播路由费用综合优化的思想,即组播路由的网络费用和目的地费用同时得到优化：优化网络费用以降低路由消耗的网络资源;优化目的地费用以减少源到目的地的平均时延。并提出了一种组播路由综合优化算法,该算法的时间复杂性低,实现简单,还可以分布式实现。     

基于Agent的QoS组播路由算法及仿真

针对网络质量控制问题,提出一种基于Agent的QoS组播路由算法.方法采用一组协同工作的Agent搜索网络,寻找满足QoS请求的路径,并对选定路径进行资源预留.优点在于Agent选路由具有一定的灵活性与适应性,路由器本身不需要具有QoS路由功能,不需要维持专门的QoS路由表,只需要提供Agent的运行环境和相关数据结构并进行仿真.仿真实验结果表明算法不仅具有较好的性能,并且不需要专门的资源预留协议,不必对现有模块进行大的改动就可以同时支持数据实时投递.     

以蚁群优化为基础的组播路由算法优化

分析组播路由算法和蚁群优化算法,并通过仿真实验评价了以蚁群优化为基础的组播路由算法的优化方法。当路由计算的规模较大时,信息中未搜索到的数量能够减少并趋近0,将路由算法的全局搜索能力降低。蚁群算法中,蚂蚁的数量与算法的全局搜索能力呈正相关,但蚂蚁的数量在增加的过程中会影响其收敛速度。通过蚁群优化组播路由算法,能够在规模的限定下,提高算法的搜索能力。     

基于蚂蚁代理的QoS多播路由算法

现有的基于蚂蚁代理的路由算法都没有考虑到状态信息的非精确性对蚂蚁选路过程的影响。本文中，我们为状态信息不精确的包交换网设计出一种有带宽和延迟保证、基于蚂蚁代理的多播路由新算法——QMRA。在我们的算法中，蚂蚁使用链路满足QoS约束的概率以及它所经过路径的代价，而不是它的旅行时间或年龄来决定信息素的铺设。因此，蚂蚁代理的移动过程比较简单，控制参数也较少，并且能够容纳状态信息相当程度的不精确性。仿真结果显示了QMRA在状态信息不精确的情况下，具有较低的路由阻塞率和数据包的平均延迟，并且能够快速收敛。     

基于改进蚁群优化算法的分布式多播路由算法

蚁群优化算法在优化计算特别是在多播路由问题中得到了广泛应用,但在进行大规模优化时,蚁群算法与其它随机优化算法一样,存在着收敛速度慢易于限于局部最小点等缺点。为此,该文提出了一种新的改进蚁群算法。仿真实验表明,应用这种改进型蚁群算法于多播路由问题,可以得到比现有启发式算法更好的结果。     

一种基于蚁群系统的多点路由新算法

应用蚁群算法结合启发式算法解决多点路由问题。仿真表明该文中的算法可以有效地解决多点路由问题，同时该算法也适用于并行执行和应用。     

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。     

一种有效的分布式QoS组播路由算法

提出了一种解决Qos限制代价优化问题的分布式组播路由算法,分析和仿真表明本算法和以前的几种算法相比,具有Qos要求严格时成功率高,代价优化、性能稳定的特点。算法的这些特点使其特别适合于因特网上对Qos要求严格的宽带多媒体应用。     

基于遗传模拟退火算法的QoS组播路由算法

提出了一种基于遗传模拟退火算法的带宽、时延和时延抖动约束费用最小的组播路由选择方法，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队列编码机制，对适应度函数进行了调整，改进了交叉和变异操作，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、满足多媒体网络对相应QoS的需求。     

求解QoS组播路由问题的启发式遗传算法

将启发式方法跟遗传算法相结合,利用染色体作为启发信息,提出了求解Qos组播路由问题的新的遗传算法。分析了该算法的复杂性并进行了大量仿真,实验表明该算法能以较高速度收敛。     

基于延迟敏感的组播路由遗传算法的研究

1 引言为了保证多媒体实时业务流的QoS传输,所采用的路由技术之一是通过组播路由(multicast routing)为实时应用寻找最佳路径。以往,人们对非受限组播路由问题研究较多,但由于它们都未考虑QoS的延迟标准,因此,对多媒体实时传输的要求显得束手无策。Widyono阐述了受限Bellman-Ford(CBF)算法,它的性能较优,但其计算时间随着网络规模的增大而呈指     

基于按需路由的MPRN多播算法

文章提出了采用按需路由发现策略的移动分组无线网多播路由算法。在算法中不需要维护全局的路由信息,通过按需路由发现过程,动态更新路由信息和建立多播转发组。多播数据包在转发组成员间进行有限泛洪,能够降低带宽的占用及减少路由更新信息的传播。模拟实验显示多播算法在带宽较低、多播组成员数量变化较大的移动分组无线网环境中,具有较好的可靠性和工作效率。