启发式P圈构造算法的研究和改进

针对经典P圈构造的Grow算法的缺陷,提出一种改进的NewGrow算法,利用先验效率对备选圈进行筛选,并在实际网络拓扑中进行了仿真。结果表明,该方法提高了备选P圈的质量,减少了构造P圈的数量,减轻了网络节点的负担,提高了网络资源利用率。

中间圈的选择对p圈整体性能的影响

提出以先验效率(AE)为标准,对Grow算法中基本圈生成的中间p圈组,选择前N个先验效率最高的p圈继续扩张。仿真结果表明,在COST239网络中,p圈整体性能随参数N取值不同而不同,N=2时性能最佳,p圈数减少一半以上,整体先验效率增加,资源利用率提高。

网状光网络预置圈的一种启发式构造

为了提高预置圈(P圈)先验效率,减少备选P圈个数,给出一种基于圈扩张策略的相交圈合并算法。利用跨接链路算法计算基础P圈,在其中找出两个相交P圈,以及它们之间的相交节点,对其进行相加合并,生成新的P圈。以先验效率为筛选标准,将性能较好的新P圈加入备选P圈,丢弃性能较差的P圈。针对Italy和Cost239两个网络拓扑进行算法仿真,结果表明,所给算法能够提高P圈先验效率,并将备选P圈个数减少一半,性能优于P圈启发式构造算法中的扩展算法(Grow Algorithm)。