基于TSP蚁群算法的网络路由协议优化设计方法

通过分析无线网络传输的基本原理及蚁群算法的运算过程,提出了基于TSP蚁群算法的无线通信路由协议优化设计方法。该优化设计将TSP基本蚁群算法的基本原理和通信路由选择相结合,依据蚂蚁信息素含量及距离竞争机制为通信节点选择最优的通信路径。同时,通过在OPNET Modeler通信仿真软件中建立仿真场景及完成优化方法模型构建,对基于TSP蚁群算法的无线通信路由协议进行测试验证,并与其它典型无线路由协议进行对比分析。仿真结果表明,在传输延时方面,提出的优化路由协议较AODV协议、DSR协议分别减少了7.5%和9.8%;在吞吐量方面,提出的优化路由协议较AODV协议、DSR协议分别提高了8.4%和7.8%。     

基于蚁群算法的QoS路由问题研究

QoS网络路由问题是一类NP-完全问题,不能在多项式时间内找到问题的解答。本文应用蚁群算法,通过生物仿真运算,能较快地得到全局最优解。     

基于FFO算法的QoS组播路由服务性能优化研究

QoS组播路由服务性能的优化是全球性挑战的话题,此次研究针对如何准确求解符合网络质量要求的带宽、延时等约束条件,提出了一种基于FFO算法的QoS组播路由性能优化模型,引入随机嗅觉搜索策略和概率视觉灵敏性定位策略进行算法优化并利用果蝇味道浓度判定函数求解组播路由问题.通过对比7种进化算法在六种场景中的收敛速度和运行时间以及求解质量,证实PVFFO算法具有明显的优势.希望研究为播路由服务性能优化提供参考.     

一种求解简单网络路由问题的混合蚁群算法

蚁群算法是一种新型的模拟进化算法,为求解复杂的组合优化问题提供了一种新的思路。该文提出了一种求解网络路由问题的混合蚁群算法,该算法根据概率取值的不同选取三种不同的状态转移规则,通过仿真实验,获得了较好的效果,并与禁忌搜索算法进行了对比,结果表明,混合蚁群算法比禁忌搜索算法运行的时间更短,具有更好的求解性能。     

基于QOS约束的IPoverWDM网络综合路由算法

在分析IPoverWDM光网络综合路由原理的基础上,提出了一种全新的基于QoS约束的IPoverWDM网络综合路由算法．并通过与最短路径一首次命中标准算法进行仿真比较,证明该路由算法可以有效地降低总业务与QoS业务的阻塞率,更好地提供QoS服务保证．     

基于QoS约束的IP over WDM网络综合路由算法

在分析IP over WDM光网络综合路由原理的基础上,提出了一种全新的基于QoS约束的IP over WDM网络综合路由算法.并通过与最短路径—首次命中标准算法进行仿真比较,证明该路由算法可以有效地降低总业务与QoS业务的阻塞率,更好地提供QoS服务保证.     

MPLS网络中的一种路由算法的研究

提出了一种快速高效的、不要求对链路状态进行更新的QoS路由算法,该算法对从源到目的地的多条路由的状态同时进行探测,然后选择出最优路由并进行资源预留,并通过仿真实验对算法性能进行了分析.     

多种群遗传蚁群融合的多Qos约束组播路由算法

具有多约束的Qos（quality of service）路由问题是一个NP完备问题,传统方法很难求得全局最优解。针对多约束Qos组播路由问题,选择带宽、时延和时延抖动为Qos参数,由多种群遗传算法产生初始状态,利用蚁群算法的全局寻优能力提出一种将多种群遗传算法和蚁群算法融合的新算法。分析表明,该算法是可行、有效的。     

WSN中基于蚁群算法的单向链路路由算法

提出了一种无线传感器网络中基于蚁群算法的单向链路路由算法,该算法采用单向链路和双向链路相结合的方法,寻找源节点到目的节点的最优路径。仿真结果表明,该算法能够选择参数性能好的路径,最优路径上的总时延远远小于只支持双向链路的传统蚁群算法,而且最优路径的收敛速度明显加快,由此节省了无线传感器网络中的能耗。     

基于自适应蚁群算法的旅行商问题的求解

提出一种解决旅行商问题的改进自适应蚁群算法.在传统蚁群算法的基础上,引入自适应算法进行种群初始化;从对选择策略的改进、蚁群信息量的全局修正和引入变异三个方面实现遗传参数自适应调节,在加快寻优速度的同时防止寻优陷入局部最优;采用基于贪婪方法的启发式交叉算子优化交叉结果;对交叉前后的种群分别实施精英个体保留策略,保证最优基因结构得以延续.实验结果分析表明,改进的遗传算法可以在种群规模较小的情况下具有更可靠的寻优能力.     

基于神经网络的QoS路由选择机制研究(英文)

宽带网络通信技术的产生和多媒体应用的出现，要求计算机网络协议机制和控制策略进行相应的改进．本文首先概述了多媒体应用对路由选择的需求．在分析相关工作之后，提出了基于Ｈｏｐｆｉｅｌｄ 神经网络的ＱｏＳ单点投递路由选择机制以有效地解决受ＱｏＳ限制的路由选择问题．在此基础上对基于Ｈｏｐｆｉｅｌｄ 神经网络的单点投递ＱｏＳ路由选择算法进行了描述和仿真．最后提出了基于Ｈｏｐｆｉｅｌｄ 神经网络的多点投递路由选择的设想     

多约束QoS路由算法综述

保证服务质量的QoS路由（Quality of Service Routing）是网络中解决QoS问题的一项关键技术。QoS路由的主要目标是为接入的业务选择满足服务质量要求的传输路径,同时保证整个网络资源的有效利用。度量参数选择问题、寻路问题和路由信息不准确问题是QoS路由中的几个主要研究内容。多约束QoS路由算法通常是NPC问题,本文先对QoS路由中的问题进行分娄,再对当前研究的一些多约束QoS路由算法进行了归纳与分析。这些算法对于在Internet中实现QoS有着重要的指导意义。     

蚁群优化算法在物流配送车辆路径问题中的应用研究

车辆路径问题(VRP)是一类物流配送领域具有广泛应用的组合优化问题,属于NP难题。一种改进的蚁群优化算法可以用于求解VRP。实验结果表明,采用蚁群优化算法能有效求解VRP问题。     

User-preferences based service selection model in large-scale services with various QoS properties

With the rapid growth of service scale, there are many services with the same functional properties but different non-functional properties on the Internet. There have been some global optimizing service selection algorithms for service selection. However, most of those approaches cannot fully reflect users’ preferences or are not fully suitable for large-scale services selection. In this paper, an ant colony optimization (ACO) algorithm for the model of global optimizing service selection with various quality of srevice (QoS) properties is employed, and a user-preference based large-scale service selection algorithm is proposed. This algorithm aims at optimizing user-preferred QoS properties and selecting services that meet all user-defined QoS thresholds. Experiment results prove that this algorithm is very efficient in this regard.     

一种改进的遗传算法及其应用

为解决遗传算法的早熟和局部收敛现象,提出的一种改进的遗传算法,该算法引入海明距离构造初始种群,在选择、交叉、变异过程中采用最优保存策略。实验表明改进的遗传算法增强了种群的多样性,并在一定程度上避免早熟现象发生,同时又能较快找到全局最优解。     

基于小生境免疫算法的多约束QoS路由选择

针对多约束QoS路由选择问题,将其转化为一个多约束赋权图最短路径问题,选择费用、带宽、时延和丢失率为QoS参数.针对一种免疫算法的不足,利用基于相似结构的小生境技术和共享算子对免疫算法加以改进.实验表明,该算法有较好的性能,大幅提高了QoS路由选择的效率.     

蚁群优化算法的理论、改进及应用

蚁群优化算法是一种新型的模拟进化优化算法,为求解复杂的组合优化问题提供了一种新的思路。文章对蚁群优化算法理论及其收敛性进行了分析,并从选择策略、信息素更新、信息素浓度的变异等多方面对蚁群优化算法提出了改进,不仅使其跳出局部最优解的能力更强,而且能较快地收敛到全局最优解,在TSP问题上的应用表明改进算法具有良好的性能。     

一种基于可行性的启发式多约束QoS寻路算法

在现有的有限网络资源的基础上,如何更好的为流媒体业务提供良好的服务质量（QoS）,是多约束QoS路由算法要解决的一个重要问题。在网络中寻找满足多个约束条件的路径（MCP）的问题是一个NP完全问题。本文介绍了MCP问题的主要解决方法,利用BFS（breath first search）算法计算复杂度低的特点,提出了一种对可行节点到达目的节点进行估计,并以此来决定搜索方向的启发式算法。通过实例的演示和实验对比、分析,验证了该算法的正确性,可行性以及优越性。     

Two-stage evolutionary algorithm for dynamic multicast routing in mesh network

In order to share multimedia transmissions in mesh networks and optimize the utilization of network resources, this paper presents a Two-stage Evolutionary Algorithm （TEA）, i.e., unicast routing evolution and multicast path composition, for dynamic multicast routing. The TEA uses a novel link-duplicate-degree encoding, which can encode a multicast path in the link-duplicate-degree and decode the path as a link vector easily. A dynamic algorithm for adding nodes to or removing nodes from a multicast group and a repairing algorithm are also covered in this paper. As the TEA is based on global evaluation, the quality of the multicast path remains stabilized without degradation when multicast members change over time. Therefore, it is not necessary to rearrange the multicast path during the life cycle of the multicast sessions. Simulation results show that the TEA is efficient and convergent.