聚合组播优化中的蚁群算法研究

当大量组播组并存于网络中时,IP组播将遭遇严重的组播状态扩展性问题.聚合组播是针对该问题的一种新颖的解决方案,它的主要思想是使多个组共享同一棵聚合树,从而减少组播转发状态.树选择问题作为聚合组播的核心问题已经被证明是一个NP完全问题.本文提出一种改进的蚁群算法(ACAM算法)对聚合树进行选择.仿真结果表明该算法在聚合度、转发状态降低率等性能指标上都优于传统聚合组播算法.

负载均衡的聚合组播技术研究

聚合组播技术是近年来针对组播状态可扩展性问题提出的热点方案,但现有的聚合组播算法和协议缺乏网络流量的负载均衡机制,使网络整体利用效率下降,并容易因聚合产生拥塞。为此,提出一种基于负载均衡的聚合组播协议AMPLB,仿真结果表明其在保证聚合性能的同时使网络流量分布更加均衡,降低出现拥塞的风险,可较好地改善大规模组播网络的性能。

分布式蚁群QoS组播路由算法

为寻找满足带宽、延迟等约束的最小代价组播路由树的QoS组播路由,提出一种分布式蚁群优化算法。在蚂蚁行动过程中形成组播树的森林。若在某步结束时森林中仅剩1棵树,则蚂蚁达到目标,停止行动。仿真实验结果表明,该算法在结果和收敛速度方面都有良好的表现。

生长森林的蚁群优化算法在Steiner树问题上的应用

Steiner树问题是一个经典的优化问题.已被证明是NP-complete问题.对于此问题已经有了很多经典的求解方法,然而在这些方法中一些算法的时间复杂度太高,另一些算法则得不到较好的解.因此,本文提出一种生长森林的蚁群优化算法求解Steiner树问题.在此算法中,蚂蚁行动过程中形成的是森林,每只蚂蚁走出的每一步都只是使当前的森林进一步生长,蚂蚁行动的目标就是使森林中的所有的树连接成一棵树且这棵树包含了所有的目标节点.仿真实验结果表明,算法在寻优能力、收敛速度方面都有良好的表现.