免疫组播路由选择算法

研究了带宽延时受限、费用最小的QoS组播路由问题 ,并提出了一种解决该问题的免疫算法 .免疫算法的核心在于免疫算子的构造 ,而它又是通过接种疫苗和免疫选择两个步骤来完成的 .根据QoS组播路由问题 ,给出了免疫疫苗选取与免疫算子构造的具体方法 .将免疫算法应用于组播路由选择 ,是通过在基于遗传算法的组播路由选择的基础上引入免疫算子来实现的 .该算法采用的进化算子简便、高效 .仿真实验表明 ,该算法不仅有效可行 ,而且较好地解决了标准遗传算法中出现的退化现象 。

基于遗传-蚁群优化算法的QoS组播路由算法设计

为了提高网络路由性能,提出并设计了一种基于遗传-蚁群优化算法的服务质量(quality of service,QoS)组播路由算法。首先,设计了自适应变频采集策略用于采集网络与节点信息,以此获得网络和节点的状态,为后续路由优化提供数据支持;其次,计算路径代价,将路径代价最小作为优化目标,建立QoS组播路由优化模型,并设置相关约束条件;最后,结合遗传算法和蚁群算法提出一种遗传-蚁群优化算法求解上述模型,输出最优路径,完成路由优化。实验结果表明,所提算法可有效降低路径长度与路径代价,提高搜索效率与路由请求成功率,优化后的路由时延抖动较小。

多媒体通信中组播路由选择的免疫算法

随着多媒体通信业务的迅速发展,为了高效地解决多媒体通信中的Qos组播路由问题,提出了一个新的组播路由免疫算法。该算法是根据人或者其它高等动物免疫系统的机理而设计的,将目标函数和一部分不等式约束条件作为抗原,将问题的解作为抗体,依据抗原与抗体之间的亲和力以及抗体之间的亲和力对解进行评价和选择,通过抗体之间的相互激励来提高最优点附近的搜索效率,通过记忆细胞对抗体的抑制作用有效地摆脱局部最优点。仿真试验表明,该算法不仅有效可行,而且能够迅速逃出局部最优解,并很快收敛到全局最优解。

遗传算法与带权搜索融合的QoS组播路由算法

针对传统多约束路由选择算法计算负担重的问题,论文提出了一种基于遗传算法与带权宽度优先搜索融合的QoS组播路由算法.所提方法融合了遗传算法与带权宽度优先搜索方法,在分组丢包率、带宽、时延抖动、时延等QoS条件约束下,通过所提算法快速得到备选路径,并获取最优的组播路径.在仿真实验中,将所提算法与LDT进行了相比,实验结果表明,论文所提算法可以解决多约束条件下的QoS分组路由问题,并能够有效降低计算负载、减少算法执行时间.

基于免疫遗传算法的QoS组播路由选择方法

文章使用了免疫遗传算法来求解带约束QoS组播路由问题。这种算法在传统遗传算法的全局随机搜索基础上,借鉴人工免疫中抗体的多样性保持策略,大大提高了算法的群体多样性,避免了遗传算法的过早收敛和局部搜索能力差的缺点。

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。

遗传算法在组播路由选择中的应用

本文提出了一种适合组播路由的遗传算法 .通过计算机模拟分析 ,此算法搜索速度快、效率高且具有较强的实用性和鲁棒性 .

基于遗传算法的时延受限代价最小组播路由选择方法

目前多媒体业务的涌现对网络提出了更高的要求,希望既能满足实时性,又能够高效地利用网络资源。本文提出了一种基于遗传算法的组播路由选择方法,该方法在满足时延限制条件的基础上寻找代价最小的组播树。实验表明,该算法收敛速度快,可靠性高,能够满足多媒体网络对实时性的要求。

一种基于遗传算法的组播路由选择方法

提出了一种基于遗传算法的组播路由选择方法·该方法首先寻找所有满足时延限制条件的路径 ,组成备选路径集 ,然后以代价最小为优化准则 ,在备选路径集中采用遗传算法求解最优解·为保证算法的收敛速度快 ,遗传算法的交叉操作使用了相同链路保留的方法·最后 ,进行了仿真实验 ,并与其他算法做了比较·实验表明 ,该算法收敛速度快 ,可靠性高 ,能够满足多媒体网络对实时性的要求·尤其是在网络规模较大时 ,本算法可大大减小路由计算时间·

带受体编辑的克隆选择组播路由算法

DE Castro提出的克隆选择算法(CSA)中,抗体的多样性主要通过高频变异来实现,而实际生物免疫系统中还有一个重要的操作是受体编辑.受此启发,提出了带受体编辑的改进克隆选择算法.该算法利用未成熟优良子群体提供的优良基因片断,根据路径代价最小化和延时要求对抗体进行两次受体编辑.这样,在无需求解备选路径集的情况下,直接运用该改进算法可快速寻到最优解.在时延受限组播路由的仿真实验中表明:该算法比一般CSA算法和遗传(GA)算法的搜索效率更高,算法复杂度更低.

基于遗传算法的流媒体组播路由选择方法

在满足一定时延限制情况下,找出包括特定源、目的节点的最小费用树是NP-Complete问题.针对该问题对遗传算法进行理论分析,提出了较其它的遗传算法和启发式算法而言具有编码方式简单、收敛速度快的遗传算法,给出了组播路由的模型,并利用遗传算法对该模型进行计算机仿真分析.

一种基于佳点集遗传算法的QoS组播路由选择方法

QoS组播路由选择是通信网络多点路由优化问题的重要部分,已被证明是NP-complete问题。该文针对目前QoS路由算法中存在的一些问题提出了一种新的算法,其核心是佳点集遗传算法。该算法首先通过预处理简化问题,而后采用遗传算法求解:编码采用Prüfer树结构,变异和交叉概率自适应选择。仿真结果表明,该算法是有效的、稳定的,具有较强的实用性。

IP/DWDM光因特网中一种基于人工免疫算法的QoS组播路由算法

本文提出了一种IP/DWDM光因特网中基于人工免疫算法的QoS组播路由算法,当QoS组播请求和需求区间给定时,能够找到一棵基于QoS的柔性费用近优组播路由树。该算法基于人工免疫算法构造QoS组播路由树,并基于波长图对树进行波长分配,将路由和波长分配集成到一个过程中,同时考虑了负载平衡。仿真结果表明,算法为IP/DWDM光因特网中的组播应用构造的QoS组播路由树是可行和有效的。

多目标组播路由的免疫优化算法研究

分析了当前带约束的单目标优化路由模型的局限性，构建了一个基于多目标优化的组播路由模型，在此基础之上提出了一个能够同时优化带宽、时延、代价等QoS参数的基于免疫原理的多目标组播路由算法，并对算法的收敛性和时间复杂度进行了分析．算法使用克隆选择作为主要的免疫算子，利用Pareto占优的思想进行抗体亲和度的定义，引入基因库的概念加快算法的收敛，通过局部竞争选择策略保证种群的多样性．仿真结果表明，该算法能够快速收敛于一组协调各QoS参数的Pareto最优解，是解决多目标组播路由问题、提高网络性能的有效途径．

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。

基于免疫Memetic算法的网络组播路由优化

为了求得代价最小的网络组播路径,提出了一种基于免疫Memetic算法的优化求解方法。算法充分结合免疫全局搜索和局部搜索机制,设计了适合组播路由问题的各种免疫算子,加快了算法的收敛速度。实验结果表明,该算法在无需备选路径集的情况下,可以较快地找到最优路径,并且算法更加简单。

时延约束的链路选择平衡优化组播路由算法

针对时延约束的最小代价组播树生成方法,提出一种快速有效的时延约束组播路由算法。该算法改进了KPP算法,设计了代价和时延动态优化的链路选择函数。在选择路径时,该算法综合考虑了时延和代价两个参数,保证了组播树的性能,降低了时间复杂度低。仿真结果表明,该算法能正确地构造出时延约束组播树,同时还具有较低的代价和计算复杂度。

基于免疫机制和遗传进化的网络组播路由优化算法

高速多媒体网络中的路由问题是有QoS约束的路由问题,满足一个或多个约束的组播路由问题是NP-完全问题。本文将免疫机制引入遗传进化,给出了一种基于免疫机制和遗传进化的网络组播路由优化算法。理论分析和仿真实验表明,该算法是一个非常有效的算法。

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。

改进遗传算法在QoS组播路由选择中的研究

QoS组播路由的选择问题本质是从源节点至目的节点间找到满足QoS要求的传输路径,尽管现在有许多文献利用遗传算法对组播路由问题做了研究,但其组播路由费用都比较大,执行时间过长,并且编码难度都比较大,优化效率低。针对这些问题,文中提出了一种改进的遗传算法,该算法综合考虑了带宽约束、时延约束、时延抖动约束、丢包率约束以及路由费用等度量指标,在传统遗传算法的基础上,设计了一种基于应用层业务的自适度函数,改进了染色体编码方式,并且设计了自适应交叉函数与自适应变异函数等多种优化函数。通过仿真结果表明,该改进的遗传算法很大程度上降低了QoS组播路由的费用和执行时间,并且能快速地找到最优QoS组播路径。