基于模拟退火的服务质量路由算法

作为下一代互联网的核心问题之一,多约束的服务质量路由(QoSR)用来寻找一条同时满足多个约束条件的可行路径.然而,该问题具有NP完全的复杂度.将模拟退火引入多约束QoSR计算中,首先使用非线性能量函数将多个QoS度量转化成单一能量,然后基于模拟退火的方式求解最小能量路径.首先概述了模拟退火的方法,分析了在QoSR中应用模拟退火所面临的关键问题以及解决方案,然后给出了SA_MCP算法及其复杂性分析.实验结果表明,该算法具有很高的性能,同时对网络规模和约束个数都具有很好的扩展性,对QoS约束的分布状况也不敏感.此外,只要大部分QoS约束存在可行路径,算法的实际运行时间约为O(k(m+nlogn)),即传统Dijkstra算法的k倍(k为约束个数).     

基于遗传算法的选播QoS路由算法研究

针对选播的QoS路由选择问题,提出了一种基于遗传算法的多约束选播路由优化算法。该算法在满足带宽、延时、时延抖动和包丢失率的条件下,可寻找花费最小的路径。网络仿真实验证明:该算法操作简单,结果可行且有效。     

基于遗传算法的选播QoS路由算法研究

针对选播的QoS路由选择问题，提出了一种基于遗传算法的多约束选播路由优化算法。该算法在满足带宽、延时、时延抖动和包丢失率的条件下，可寻找花费最小的路径。网络仿真实验证明：该算法操作简单，结果可行且有效。     

基子改进的遗传算法的选播QoS路由算法研究

针对选播的QoS路由选择问题，本文提出了一种基于改进的遗传算法的多约束选播路由优化算法。该算法在满足带宽、延时、时延抖动和包丢失率的条件下。可寻找花费最小的路径。网络仿真实验证明：该算法操作简单，结果可行且有效。     

基于动态规划的无线传感器网络的路由算法

路由问题是无线传感器网络中的核心问题之一,其数据传送的多跳特点使得非常适合用动态规划的原理来设计传感器网络的路由算法.基于动态规划,通过节点跳数生成算法为传感器网络中的每个节点赋一个表示到Sink点跳数的节点跳数值,并分析了传感器网络的拓扑结构特点,然后给出了无线传感器网络中寻找从源到汇满足不同设计目标的最小跳数(MinH)、最小跳数最大剩余能量(MinHMaxRE)和最小跳数最小费用(MinHMinC)3种路由算法.探讨了最小跳数最小费用路由与最小费用路由之间的关系,并给出了判断最小跳数最小费用路径就是最小费用路径的一个充要条件.算法的能量消耗分析表明,所给路由算法能实现大幅度的能量节省.     

启发式多约束路由算法研究

作为下一代互联网的核心问题之一,服务质量路由(QOSR)用来寻找一条同时满足多个约束条件的可行路径。多约束路由算法具有NPC的复杂度,研究者一般通过启发式算法来求近似解。对当前提出的各种单播启发式多约束路由算法进行了分析、比较,总结了各种算法的特点。最后指出了该领域需要进一步研究的热点问题。     

MPLS流量工程中的约束路由算法

该文提出一种基于MPLS流量工程的约束路由算法—BHRA。该算法以带宽为主要约束条件,兼顾跳数约束来确定链路权重,并利用最短路径算法(SPF)来寻找权重和最小的路径。仿真实验表明与CSPFHopCount算法及MIRA算法相比该算法在网络负载均衡,限制最大链路利用率,以及LSP的请求拒绝率方面表现出更好的性能。     

Ad Hoc网络中基于多条件的最优路径选择

在无线移动AdHOC网络（mobile Ad Hoc network,简称MANET）中,提供端到端QDS保证的关键问题之一是确定一条可行的、满足一组QoS（如带宽、延迟抖动和丢失率）约束的路径。一般说来,寻找一条满足多个附加约束条件路径的问题,是NP完全问题,这导致了许多启发式算法的提出。本文提出了一种在Adhoc网络中基于启发式多条件约束的最优路径选择算法MCOPS（Mult．-Constrained Optimal Path Selection）,此算法首先裁减掉那些从源节点到目的节点不可行的路径,然后,在每条可行路径上使用K＋1次Reverse-Dijkstra算法,随后,在图上随机地移动,发现那些到达最终目的结点的机会较大的结点。MCOPS算法由于是利用局部状态信息分布地计算,使其可方便地进行扩展到其他QoS约束的路由问题。仿真实验结果表明,该算法能够以较小的代价开销获得较高的路由成功率。     

基于遗传算法的QoS组播路由选择方法

考虑了组播通信服务质量需求与网络资源约束,将满足不同约束的QoS组播路由选择过程转化为一个多目标优化问题,使用一种基于QoS的最小网络费用组播路由树生成算法来寻找最小Steiner树。该方法可以在满足多约束的情况下,寻找费用最小的组播路由树,仿真结果表明该算法有较好的性能。     

飞行试验航路规划方法研究与实现

光电系统挂飞试验对飞行航路有较高要求,一条能够满足试验各项约束的航路是试验按计划完成的前提。针对该问题,提出了一种基于可见性图的航路搜索空间构造方法;使用Dijkstra算法计算顺序两目标点间的折线路径;使用遗传算法计算代价最小的目标观测顺序;在得到的折线路径上计算得到满足最小转弯半径约束的航路。计算结果表明,这种航路算法能够有效规划出满足挂飞试验多约束条件的航路。     

关键词最优路径查询的分段拓展算法

关键词最优路径查询（KOR）查找在满足关键词全覆盖和路径长度约束条件下,时间开销最小的路线常用于旅行规划。现有优化算法虽然采用各种剪枝策略缩小搜索规模,但是本质上是广度优先搜索,在查找长路径时,搜索规模依然过大,执行时间长。针对该问题,提出一种关键词最优路径查询的分段拓展算法（SE-KOR）。SE-KOR算法根据关键词倒排索引表构建关键词顶点路径,将路径划分为多段分别拓展,降低搜索规模,从而缩短执行时间。该算法在路径拓展时给出路径走向,而现有剪枝策略不控制路径拓展方向,因此提出局部代价阈值剪枝,控制路径的走向沿关键词顶点路径拓展,并综合运用近似支配、可行解目标值剪枝和全局优先拓展策略加速拓展。实验结果表明,在不损失精度的情况下,该算法执行时间分别在不同关键词个数、代价阈值与查询图规模下至少缩短8.0%、61.0%和57.7%。     

基于时间约束的配送网络可行路径算法研究

图论中的路径问题一般是求解最短路径问题。然而在军事物流配送过程中,由于网络中的边可能会失效,所以应求出所有满足需求点时间约束的路径。设计了求解满足时间约束的可行路径的算法,该算法可以避免重复边,及时排除超过时间约束的路径,并且能在有限的（n-1）步之内完成。     

基于价值迭代算法的最优渗透路径发现

渗透测试的核心是发现渗透路径, 但并不是所有的渗透路径都能够成功, 所以需要基于当前系统环境选择最优渗透路径. 在此背景下, 首先, 本文基于攻击图将环境建模为马尔可夫决策过程(Markov decision process, MDP)图, 使用价值迭代算法寻找最优渗透路径. 其次, 对于渗透测试过程中存在的渗透动作失效问题, 提出了一种新的重规划算法, 可以在MDP图中有效处理失效渗透动作, 重新寻找最优渗透路径. 最后, 基于渗透测试过程中存在多个攻击目标的情况, 本文提出了面向MDP图的多目标全局最优渗透路径算法. 实验证明, 本文提出的算法在重规划任务方面, 表现出了更高的效率和稳定性, 在多目标任务方面, 体现出了算法的有效性, 可以避免不必要的渗透动作被执行.     

一个有效的延迟费用受限的多路径算法

在集成网络中,服务质量(QoS)的一个重要方面是寻找满足端到端约束的可行路径,从而有效利用网络资源。考虑端到端的延迟约束和传输费用,对宽度优先算法(BFS)进行扩展,提出了满足延迟约束多路径算法K_DCP,并对其进行改进,得到多路径算法K_EDCP。仿真结果显示,两种算法性能良好。     

SDN多控制器部署及流量均衡研究

随着网络的发展，单一的控制器已经无法满足大量交换机的控制需要，需要使用多个控制器。利用改进的k-means++算法对网络拓扑图进行划分，将网络拓扑抽象为无向图，将网络中多控制器部署问题抽象为无向图的最短路径问题。以边的权重来划分图，权重由链路带宽和传输时延加权得出，比较2种方式的负载均衡度和成本得出多控制器部署策略。随后通过对网络中的多条路径采取流量均衡策略，使数据合理地分布在不同的路径上，使网络流量分配更平均，网络性能更高。实验表明，数据包在有多条路径可选择的情况下，可以合理选择传送路径，使网络中各个路径的负载更均衡。     

基于Floyd算法的多重最短路问题的改进算法

路径分析是网络分析最基本的问题,其核心是对最短路径的求解。Floyd算法是一种求取最短路的经典算法。分析发现,两点间可能存在多条权重相同的最短路径,而这一点Floyd算法没有涉及。以无向联通图为研究对象,设计了基于Floyd求解多重等价最短路算法,并分析计算了一个实际算例。计算结果表明,基于Floyd的多重等价最短路算法可以有效解决多重等价最短路问题。     

Multiple paths extraction in images using a constrained expanded trellis

Single shortest path extraction algorithms have been used in a number of areas such as network flow and image analysis. In image analysis, shortest path techniques can be used for object boundary detection, crack detection, or stereo disparity estimation. Sometimes one needs to find multiple paths as opposed to a single path in a network or an image where the paths must satisfy certain constraints. In this paper, we propose a new algorithm to extract multiple paths simultaneously within an image using a constrained expanded trellis (CET) for feature extraction and object segmentation. We also give a number of application examples for our multiple paths extraction algorithm.     

一种带约束的多目标服务质量路由算法

多约束服务质量(QoS)路由是要求在多个约束条件下计算满足所有独立限制条件的可行路径．将这种NPC问题转化为一种带约束条件的多目标优化问题，根据多目标遗传算法的智能优化原理，提出一种多目标QoS路由算法来产生一组最优非劣路由．理论分析和实验结果表明，使用带约束的多目标遗传算法是解决多约束QoS路由的有效途径，能对提高网络性能起到重要作用．     

On robotic optimal path planning in polygonal regions with pseudo-Euclidean metrics.

This paper presents several results on some cost-minimizing path problems in polygonal regions. For these types of problems, an approach often used to compute approximate optimal paths is to apply a discrete search algorithm to a graph G(epsilon) constructed from a discretization of the problem; this graph is guaranteed to contain an epsilon-good approximate optimal path, i.e., a path with a cost within (1 + epsilon) factor of that of an optimal path, between given source and destination points. Here, epsilon > 0 is the user-defined error tolerance ratio. We introduce a class of piecewise pseudo-Euclidean optimal path problems that includes several non-Euclidean optimal path problems previously studied and show that the BUSHWHACK algorithm, which was formerly designed for the weighted region optimal path problem, can be generalized to solve any optimal path problem of this class. We also introduce an empirical method called the adaptive discretization method that improves the performance of the approximation algorithms by placing discretization points densely only in areas that may contain optimal paths. It proceeds in multiple iterations, and in each iteration, it varies the approximation parameters and fine tunes the discretization.     

Planning of collision-free paths for a reconfigurable dual manipulator equipped mobile robot

In this paper, we study the problem of finding a collision-free path for a mobile robot which possesses manipulators. The task of the robot is to carry a polygonal object from a starting point to a destination point in a possibly culttered environment. In most of the existing research on robot path planning, a mobile robot is approximated by a fixed shape, i.e., a circle or a polygon. In our task planner, the robot is allowed to change configurations for avoiding collision. This path planner operates using two algorithms: the collision-free feasible configuration finding algorithm and the collision-free path finding algorithm. The collision-free feasible configuration finding algorithm finds all collision-free feasible configurations for the robot when the position of the carried object is given. The collision-free path finding algorithm generates some candidate paths first and then uses a graph search method to find a collision-free path from all the collision-free feasible configurations along the candidate paths. The proposed algorithms can deal with a cluttered environment and is guaranteed to find a solution if one exists.