QoS多播路由算法研究

随着当前Intemet的发展和各种多媒体应用的出现,多播技术得到大量应用。多播路由算法主要用来建立一棵性能良好的多播树,并使它能够满足各种业务的服务质量需求。将多种群并行技术和退火技术相结合,克服了基于标准遗传算法的多播路由算法过早收敛和后期搜索速度较慢的缺陷,且使用树状编码方法,提出求解带宽、时延、时延抖动和分组丢失率约束的代价最小多播树的多种群并行退火遗传多播路由算法。对QoS多播路由选择问题进行了描述,给出多种群并行退火多播路由遗传算法和一种有效去除冗余信息的遗传算法编码设计技术,通过仿真实验证明了算法的正确性,分析了算法的时间性能,表明该算法快速有效。     

求解动态组播路由问题的混合优化遗传算法

分析了具有网络时延和时延抖动限制的动态组播路由问题的数学模型。在此模型的基础上提出了一种基因库(GP)与传统遗传算法(GA)混合的优化算法GP-GA。该算法利用基因库保存进化过程中得到的解路径以指导后继进化过程,同时改进了交叉和变异算子来加快算法的收敛速度。考虑到问题可能陷入的局部最优情况,又构造了基于“保留和不保留”的进化控制策略来增强寻优能力,很大程度上避免了算法“早熟”现象的发生。大量的仿真实验表明：GP GA算法相对现有的遗传算法求得最优解的概率更高,相对于动态的组播环境也有很好的代价性能。     

基于混合遗传算法的QoS多播路由算法

具有多QoS约束的多播路由问题具有NP完全的复杂度。基于延时、延时抖动、带宽、丢包率等QoS约束,描述了一种适应于研究QoS多播路由的网络模型,提出了基于遗传算法和禁忌搜索混合策略的具有多QoS约束的多播路由算法。该算法充分利用了遗传算法和禁忌搜索的优点。克服了遗传算法在求解多QoS约束多播路由问题中的爬山能力差以及不成熟收敛等问题。仿真实验结果表明,该算法为多QoS约束多播路由问题的求解提供了一种有效的新途径。     

求解QoS组播路由问题的改进遗传算法

遗传算法是一种非常适合求解QoS组播路由问题的全局优化算法。针对算法运行初期易陷入早熟现象,运行后期收敛速度慢的不足,进行了改进,采用初始群体均衡生成法和自适应变异操作可以很好地抑制早熟现象,引入排序对适应度进行拉伸,从而加快了算法的收敛速度。在嵌入式视频监控系统上进行仿真实验,结果表明改进后的遗传算法收敛速度快,性能好,可以满足系统资源有限和实时性的要求。     

MANET中基于遗传算法的QoS多播路由协议

随着多媒体业务的普及,如何为MANET多播路由提供QoS保障成为研究热点。提出了一种带宽和时延受限的QoS多播路由协议,它利用遗传算法搜索满足QoS要求的最优多播树。仿真结果表明该协议收敛速度快,寻径成功率高,它为移动网络中具有QoS保障的多播通信提供了一种有效途径。     

一种有效的时延约束组播路由算法

在多媒体通信网络中，组播问题提出了新的要求，除了最小化组播通信的代价，同时要求保证每一个目的的节点在固定的延时之内接收信息，在这篇论文中，我们提出了一个边路选择函数用于解决时延约束组播问题，我们的实验结果揭示了该函数能提供满足时约束且代价较小的组播路由问题近似解。     

Bandwidth-delay-constrained least-cost multicast routing based on heuristic genetic algorithm

We present an heuristic genetic algorithm for the quality of service (QoS) multicast routing that depends on: (1) bounded end-to-end delay and link bandwidth along the paths from the source to each destination, and (2) minimum cost of the multicast tree, where the link delay and the link cost are independent metrics. The problem of computing such a constrained multicast tree is NP-complete. We show by experiments that our proposed genetic algorithm is efficient and effective.     

受时延约束的组播路由算法

提出了一种新的受时延约束的组播路由算法。算法借鉴了MPH算法的思想,最初的组播树只包含源结点,然后每次将到达组播树的代价最小且满足时延约束的结点及其相应的路径加入到组播树,直到所有的成员加入为止。谊算法能够快速地得到一棵满足时延约束的组播树,并且组播树的代价也很小。实验表明：该算法简单,复杂度低,性能良好,易于在分布式环境中实现,可应用于实际的应用系统中。     

An efficient algorithm for group multicast routing with bandwidth reservation

Multicasting refers to the transmission of data from a source node to multiple destination nodes in a network. Group multicasting is a generalisation of multicasting whereby every member of a group is allowed to multicast messages to other members that belong to the same group. The routing problem in this case involves the construction of a set of low cost multicast trees with bandwidth requirements, one for each member of the group, for multicasting messages to other members of the group. In this paper, we propose a new heuristic algorithm to generate a set of low cost multicast trees with bandwidth requirements. Simulation results show that our proposed algorithm performed better in terms of cost and in terms of utilisation of bandwidth as compared to an existing algorithm that was proposed by Jia and Wang [3].     

基于克隆遗传的QoS多播路由优化模型

针对QoS组播路由问题的特点,采用固定长度的基因编码方式并利用克隆算子扩大遗传算法的种群规模,设计了自适应交叉算子和变异算子控制染色体的生成,从而有效保持群体的多样性,有利于算法寻找到全局的最优解.实验结果表明,经过改进的遗传算法具有良好的运行速度和收敛性,能有效解决QoS组播路由的问题,对于求解多目标节点的情况具有良好的效果.     

基于遗传多蚁群算法的QoS组播路由算法研究

提出了一种基于遗传多蚁群的QoS组播路由算法,前期利用遗传算法的快速性、全局收敛性生成蚁群算法的初期信息素;后期引入多蚁群思想,克服蚁群算法容易陷入局部最优,导致算法停滞的缺点.仿真结果表明,该算法在多节点情况下具有更强的寻优能力和可靠性,是一种有效的QoS路由方法.     

基于遗传算法的多目标QoS多播路由算法

针对通信网中多目标QoS多播路由模型，文章提出了一种改进的遗传算法。算法的编码方式采用节点序编码，编码和解码过程都比较简单直观。采用保留最佳个体与适应度比例的选择方法，加快了遗传算法的收敛，并在此基础上采用理想点法构建评价函数来求解模型的Vareto解，采用双层的交叉与变异操作，增加群体的多样性。仿真试验验证，该算法可靠性高，适用于大规模网络。     

基于免疫遗传算法的多约束QoS组播路由选择方法

以具有精英保留的免疫遗传算法（IGAE）为基础,提出了一种新的用来求解带宽、时延、时延抖动受限,费用最小的QoS组播路由选择问题的方法。首先采用预处理机制,将网络结构中不满足带宽约束的链路去掉,利用Dijkstra第k最短路径算法建立编码空间的备选路径集;然后采用基于路径的树结构编码来随机产生初始群体,使种群中的每个个体都代表组播路由问题的一个候选解;最后利用IGAE算法对种群进行优化,最终求得满足QoS要求的组播路由。仿真实验结果表明,该算法具有较好的性能,能以较快的速度搜索到满足QoS要求的费用最小的组播树。     

基于自适应混沌遗传算法的QoS组播路由

经典遗传算法在解决QoS组播路由问题时存在易发生早熟现象、进化后期搜索效率低以及收敛后稳定性差等不足,为此,在遗传算法中引入混沌优化以及自适应调整交叉与变异概率两个改良措施。仿真实验表明,改良后的算法性能优良,在收敛速度、最优解的质量以及收敛后稳定性等方面有很大的提高。     

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。     

EMRPP：一种DTMSN组播路由算法

针对容迟移动传感器网络（Delay Tolerant Mobile Sensor Network,DTMSN）网络的容迟及节点的移动性特点,提出了一种新的基于概率预测的能量均衡组播路由算法（Energy-balanced Multicast Routing based Probability Probabilistic,EMRPP）。该算法采用到达概率选择路由下一跳的方式,且考虑了节点能量对算法性能的影响。仿真结果表明,EMRPP算法在数据传输率和平均传输延迟方面的性能要优于改进之前的PROPHET算法,是一种有效的容迟移动网络组播路由方案。     

A method for least-cost QoS multicast routing based on genetic simulated annealing algorithm

A method for least-cost QoS multicast routing based on genetic simulated annealing algorithm (NGSA) is presented. Genetic algorithm and simulated annealing algorithm are combined to improve the computing performance in this method. The chromosomes of the multicast tree are represented by tree structure coding to save the time of conversion between encoding space and solution space. A new population initialization method is used to make sure that every chromosome in initial population is reasonable multicast tree without loops. The adaptive crossover probability is used to improve the evolutionary efficiency. The simulation results show that this method has high speed of convergence and search capability. And the problem of least-cost QoS multicast routing is solved effectively.     

基于蚁群遗传算法的QoS多播路由研究*

为解决多播路由中的QoS约束问题,不仅研究了QoS多播路由中的带宽、时延﹑时延抖动和包丢失率等约束问题,还重点分析了路径开销问题,从而提出一种基于蚁群遗传算法的多播路由算法。该算法将遗传算法与蚁群算法结合起来,对多播树群体进行编码、选择、杂交和变异等遗传操作,同时利用蚁群算法的信息素正反馈求解,充分发挥两者的优势,从而更快更好地产生出既满足服务质量保障（QoS）又具有最小路径开销的多播树。仿真实验证明了该算法具有更高的运行效率和更好的收敛性。     

求解QoS组播路由的生长竞争蚁群算法

基于生长竞争蚁群算法,提出一种解决QoS组播路由问题的算法。算法引入生长竞争机制,使算法更好更快向最优解逼近。实验结果表明,该算法是可行和有效的。     

改进遗传算法在多约束QoS动态组播路由选择中的实现

具有多约束QoS动态组播路由选择问题,实质上是一个NP完全问题.在参见文献[1-2]的基础上,提出了一种改进的遗传算法.在初始化群体阶段采用改进的深度优先搜索机制,克服了局部搜索能力差的缺点,在交叉、变异阶段采用类似罚值函数的方法,加快了收敛速度,同时用C 编程语言实现了遗传算法在多约束QoS动态组播路由选择问题.