改进蚁群算法在QoS组播路由中的应用

QoS组播路由是网络传输中的一项关键技术,蚁群算法是解决多QoS约束组播路由问题的一种启发式算法。针对蚁群算法的缺点,提出了一种双向蚁群算法对该问题进行求解,并改进了蚁群算法的信息素更新策略。仿真实验表明,该算法能快速搜索并收敛到全局（近似）最优解,且随着网络规模的增大,算法保持了良好的特性。     

基于遗传蚁群算法的QoS路由算法研究

利用遗传算法的快速全局搜索能力和蚁群算法的正反馈收敛机制,引入遗传蚁群算法（Genetic Algorithm Ant Colony algorithm）GAAC来解决QoS路由问题。算法设计的基本思想是首先由遗传算法产生较优解,较优的路径留下信息素,其他路径不改变,然后在有一定初始信息素分布的情况下,用蚁群算法求精解。仿真表明算法比单一采用遗传算法和蚁群算法进行路由选择具有更好的性能,且更适合于动态网络环境下的QoS路由选择。     

Ad Hoc网络中基于遗传蚁群算法的QoS多播路由算法

利用遗传算法的快速全局搜索能力和蚁群算法的正反馈收敛机制,把蚁群算法和遗传算法融合起来,提出了一种遗传蚁群算法（GAAC）来解决Ad Hoc网络中QoS路由问题。首先利用遗传算法生成信息素分布,然后用蚁群算法求精解,优势互补,期望获得优化性能和时间性能的双赢。并针对算法应用于Ad Hoc网络QoS路由普遍产生的拥塞问题,采用拥塞回避的策略,从而实现网络业务流负载均衡。仿真表明该算法比其它单一采用蚁群算法进行路由选择更适合于动态Ad Hoc网络环境。     

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QoS约束的启发式网格资源分配算法研究

由于网格环境的资源分配问题属于NP难题而难以通过精确算法获得最优解,提出一种针对具有用户QoS需求的资源分配问题进行求解的启发式方法;首先,在资源分配模型目标函数中考虑QoS约束,然后采用改进的蚁群算法对资源分配方案进行寻优,在信息素的初始化、局部信息素和全局信息素的更新以及资源选择机制中,都加入了QoS约束,使得通过改进蚁群算法求解出的最优解能满足用户QoS需求和实现资源负载平衡;实验结果表明:文中算法得到的平均调度时间较QoS-F和QoS-GA分别减少了42.96％和24.49％,是一种符合网格环境的有QoS约束的有效资源分配方法.     

基于蚁群系统的多QoS约束组播路由算法

针对多QoS约束的组播路由问题，借鉴改进的蚁群系统，提出了一种新的QoS组播路由算法QCMR-ACS（QoS Constraints Multicast Routingbased on ACS）．QCMR-ACS通过构建确定性选路概率函数和基于Prufer编码的变异操作，加速算法的收敛速度；对信息素实行多个独立QoS约束的惩罚性更新策略，使算法满足用户的QoS要求；考虑到网络实际应用，算法设计中引进了基于链路利用率的负载均衡和拥塞规避重路由策略，提高算法的鲁棒性．实验结果表明QCMR-ACS是一种正确、有效的QoS组播路由算法．     

蚁群算法在QoS中的应用

蚁群算法是一种基于蚁群系统原理,具有自组织能力的、新型的启发式的优化算法.为了研究QoS路由问题,本文利用蚁群算法探讨该算法在网络中的应用.在网络应用中QoS路由的任务是在网络中寻找一条路径,使其能够满足带宽、时延、时延抖动和费用的问题,本文就是探讨蚁群算法在QoS中的应用.     

改进Pareto蚁群算法的多QoS组播路由策略

满足多约束条件的QoS(Quality of Service)组播路由是新一代网络信息传输的一项关键技术之一,提出一种改进Pare-to蚁群算法(MPACO)对该问题进行求解.通过分析QoS组播路由问题模型,针对QoS参数以及网络信息不确定的情况,使用分类蚁群快速查找出在给定QoS条件下满足需求概率最大的组播树Pareto非劣解.在算法执行过程中引入局部信息节点惩罚更新机制,以降低无关节点的重复搜索率;同时在全局信息素更新阶段,引入了新的激励更新机制,以期提高算法的收敛速度.仿真实验表明,该机制是可行和有效的,并能较快搜索到全局(近似)最优解.     

具有时延约束网络路由问题的自适应蚁群优化算法

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路由问题是NP-完全问题,其中,具有时间延迟约束的QoS路由问题是一个极具代表性的问题。本文给出了一种求解具有时间延迟约束的QoS路由问题的自适应蚁群算法。该算法在种群中采用基于目标函数值的启发式信息素分配策略和根据目标函数自动调整蚂蚁搜索路径的行为。比一般蚁群算法具有更强的鲁棒性和全局优化能力。理论分析和仿真实验表明,该算法是有效的网络QoS路由算法。     

蚁群算法在QoS组播路由问题中的应用

研究了该算法在QoS组播路由问题中的应用,描述了QoS路由优化问题。基于多个不相关可加度量的QoS路由问题是NP完全问题,目前采用的方法多为启发式算法。由于蚁群算法是一种基于蚁群系统原理的、具有自组织能力的、新型的启发式优化算法,利用其能够寻找最短路径这一特性,提出了一种基于蚁群系统原理,用于解决时延和时延抖动约束问题的组播路由问题的QoS组播路由算法。该算法改进了路径选择策略,优化了信息素更新公式。仿真结果表明,该算法能够迅速、准确地找到最优解。     

AntNet的多路径QoS路由算法研究

以AntNet算法为基础,介绍了蚁群网络路由的问题模型和数据结构,通过引入QoS约束机制,提出了一种基于AntNet的多路径QoS路由算法. 该算法采用具有带宽和时延QoS约束的新规则进行节点选择,并利用改进的节点信息更新规则以及根据路由表中概率值随机地选择相邻节点转发数据包. 性能分析和模拟结果显示,基于AntNet的多路径QoS路由算法具有较快的收敛速度和较好的鲁棒性,能够自适应网络状态的动态变化,同时考虑了QoS约束和负载平衡问题     

基于蚂蚁网络的一种QoS选路新算法

选路技术是保证网络QoS的一个重要因素。基于蚂蚁网络的QoS选路算法,来源于蚂蚁群落的生物行为特性。这种选路技术存在蚂蚁群数量过多、控制复杂的问题。文中提出了基于较大带宽的业务流呼叫驱动人工蚂蚁发射的新算法,以减少网络中蚂蚁的数量,并使用可后退的、智能型的选路算法,确保较高的呼叫成功率。     

长链树状无线传感器网络中遗传蚁群路由优化算法

为提高长链树状无线传感器网络的服务质量(QoS),本文用云遗传蚁群网络算法对无线传感器网络路由进行优化.算法中将正向蚂蚁根据节点负载情况发现的可行路径作为遗传算法的初始种群进行染色体编码,用路径时延、跳数及链路质量定义的适应度函数对染色体进行评价;利用正态云发生器实现路径的交叉和变异操作,逆向蚂蚁对优化后的路径进行信息素更新.仿真结果表明该路由算法能够满足无线传感器网络的实时性、可靠性等方面的要求,实现了网络的负载平衡及拥塞控制机制.     

基于非精确状态的蚂蚁网络在QoS路由选择中的应用

简要介绍了一种描述网络的非精确状态以及计算给定路径满足QoS的概率的方法和将基本的蚂蚁网络机制扩展为基于约束的选路的方法。结合前两者本文提出了一种基于蚂蚁网络并考虑了网络非精确性的QoS路由选择算法，即QRANP算法。     

基于禁忌搜索的QoS路由算法

多约束的QoS路由问题是NP完全问题,该文将禁忌搜索算法引入多约束QoS路由计算中,提出了一种基于禁忌搜索的QoS路由算法QoS_TS。该算法通过设置长期记忆禁忌表和短期记忆禁忌表以及有效的评价函数,保证了算法实现过程中多样化的有效搜索。文章给出了算法实现的具体流程。实验仿真表明,该算法具有较高的搜索效率和较快的收敛性,通过该算法得到的路由不但满足QoS约束要求,同时可以均衡链路负载,减少路由拥塞。     

Performance analysis of the AntNet algorithm

A number of routing algorithms based on the ant-colony metaphor have been proposed for communication networks. However, there has been little work on the performance analysis of ant-routing algorithms. In this paper, we compare the performance of AntNet, an ant-routing algorithm, with Dijkstra’s shortest path algorithm. Our simulations show that the performance of AntNet is comparable to Dijkstra’s shortest path algorithm. Moreover, under varying traffic loads, AntNet adapts to the changing traffic and performs better than shortest path routing.     

改进AntNet算法在Ad Hoc网络路由中的应用

当前大部分的AdHoc网络路由算法在选择路由的时候都没有很好地将节点的能量状态引入到评价系统中去．针对这一问题,本文对AntNet算法进行了适当改进,使其能够记忆和衡量整个路由的能量状态变化．文章详细描述了算法的数据结构,以及节点选择规则和数据结构更新规则．仿真实验和结果分析表明,改进的AntNet算法能够找到平均能量较高且各节点能量较稳定的路径,从而提高网络的生存时间和吞吐量．     

基于移动Agent的分布式路由算法研究

移动Agent技术能较好地适应Internet分布式的特点，将其引入网络分布式路由计算领域是对Internet路由系统的革新。本文指出了传统路由算法存在的问题，提出基于移动Agent的分布式路由算法，就路由表的初始化、通信网络中Agent的数量控制、网络链路故障后路由表的更新、后向Agent的消亡等方面进行了讨论，并进行了仿真实验和性能分析。     

DMRMQ:基于多QoS的动态组播路由算法

提出了一种基于多QoS的动态组播路由算法-DMRMQ，该算法采用Bellman-Forei算法作为路径搜索算法，能在满足带宽、延迟、延迟抖动和丢包率的前提下确定具有最小跳数和开销的动态组播路由．针对音频和普通数据流的仿真实验表明，DMRMQ能在基于多QoS的前提下建立动态组播路由，算法在路由请求平均成功率、路由平均延迟和平均跳数等衡量指标上比不考虑QoS的动态组播路由算法具有更好的性能．     

基于遗传算法的多约束QoS多播路由优化算法

随着大量新型的多媒体在高性能网络、移动网络及Internet中的应用，满足QoS约束的多播路由问题成为越来越重要，它吸引了许多爱好者．本文讨论了多约束QoS多播路由问题，主要包含延迟、延迟抖动、带宽和分组丢失率等QoS约束，文中描述了一种在动态网络环境及不确定参数下适应于研究QoS多播路由的网络模型．提出了一种在网络规模、可行性方面为Imernet、移动网络和高性能网络下基于遗传算法的多约束QoS多播路由优化算法（MQMRGA）．仿真结果表明该算法收敛速度快、可靠性高．MQMRGA为QoS多播路由提供了一种新的有效途径．