一种基于蚁群系统的多约束Qos路由算法

该文研究了多约束路由Qos问题,其中约束主要包括时延、带宽、延时抖动、成本等。给出了多约束Qos路由的数学模型,并提出了一种基于蚁群系统原理来解决多约束Qos路由问题的算法。仿真实验证明该算法能很好地优化网络资源。

基于自主蚁群算法的认知网络多约束QoS路由算法

提出了一种基于自主蚁群算法的认知网络多约束QoS路由算法,该算法主要解决认知网络中具有多个参数约束的QoS路由优化问题。针对基本蚁群算法在收敛速度和全局搜索能力方面存在不足,本算法主要从信息素浓度初始化、信息素挥发因子调整、信息素更新规则、状态转移规则四方面改进,在收敛速度和全局搜索能力方面得到提高。实验结果表明,该算法具有较好的收敛速度和全局寻优能力,能够有效的解决认知网络所面临多约束QoS路由问题。

基于蚁群-粒子群优化算法的多约束QoS路由算法

结合蚁群算法和粒子群算法的不同特点,提出了一种基于蚁群、粒子群算法的组播路由算法,来解决多约束QoS组播路由问题.实验对比表明,该算法收敛速度快,寻优能力强,可以克服单一的蚁群算法和粒子群算法的不足.

基于改进遗传算法的多约束QoS路由算法研究

遗传算法良好的全局搜索能力使其被广泛地应用于网络中多约束QoS路由寻址,并取得了较好的成果。然而大部分应用于多约束QoS寻址的改进遗传算法存在无法有效利用网络资源使得网络拥塞、网络过早收敛陷入局部最优解,以及过慢结束的缺点。针对上述问题,对传统遗传算法中的适应度函数和遗传算子做出相应的改进,并通过实验验证提出改进遗传算法。最终,仿真实验表明该算法是可行的,并能在一定程度上克服传统遗传算法的缺点,提高收敛速度,有效避免过早收敛,提高QoS满意率。

基于量子遗传算法的多约束QoS路由算法

论述了用量子遗传算法解决计算机路由选择中的选播QoS路由问题。在考虑网络带宽、时延的基础上,将资源消耗函数和网络负载分布作为目标函数,采用量子比特编码,利用量子旋转门操作实现量子染色体的更新操作来求最优解,希望所选路径消耗较少的网络资源,并使负载尽量均衡分布,达到合理利用网络资源,降低网络拥塞的目的。

基于量子遗传算法的多约束QoS路由算法

提出了一种基于量子遗传算法解决多约束QoS路由问题的算法,详细讨论了该算法用于解决包含带宽、延时、包丢失率和最小花费等约束条件在内的多约束QoS路由问题,给出了算法实现的方法和具体流程.实验结果表明,与其他2种算法相比,该算法不但能满足QoS约束要求,同时可以均衡链路负载,很好地优化网络资源.

基于多约束QoS路由算法综述

随着网络技术的不断发展,实时多媒体技术不断涌现。如何根据不同的服务提供不同的QoS保证,并保证网络资源的有效利用,便成为当前互联网的一个重要任务。对该问题的解决方法称为多约束最优路径(MCOP)问题,MCOP问题是一个NPC问题,求解MCOP问题的算法可分为精确、近似和启发式等算法。文章通过对目前所出现的算法按照精确算法和近似算法两大类进行分析,分析目前出现的算法的一些优缺点,并根据网路技术的发展趋势,对现行多约束路由算法在以后如何实现更加快速精确的路径计算提出几点展望。

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类,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。

一种链路不相交的多约束QoS路由算法

为提高网络路由可靠性,改善网络资源利用率,提出一种满足多个QoS约束的基于链路保护机制的路由算法。该算法首先通过图论的有关性质找到满足给定约束条件的节点对间的全部路径,并在此基础上利用邻接矩阵的方法得到其最短链路不相交相似路径,最后赋以算例分析。结果证明,该算法在减小网路传输时延方面有一定的优势,对于高实时性网络应用有更好的优化作用。

一种链路不相交的多约束QoS路由算法

针对波分复用技术中的网络路由问题,提出一种满足多个QoS约束的基于链路保护机制的路由算法,该算法通过图论的有关性质得到满足带宽、时延2个QoS约束条件的源与目标节点对间的所有路径及其最短链路不相交相似路径,从而使高实时性网络得到更好的优化。

基于PCNN的多约束QoS路由算法研究

多约束QoS路由是用来寻找一条同时满足多个约束条件的可行路径,这是NPC问题。本文主要介绍基于PCNN的算多约束QoS路由算法,通过对常见算法的分析,得出了PCNN在解决多约束QoS问题中的优势。

基于QoS约束的通信组网链路故障恢复探究

随着网络技术的不断发展,通信网的规模逐渐扩大,网络结构日渐趋于复杂化,发生故障的概率自然就会增高。当通信网出现故障后,必须尽快恢复,否则可能会造成巨大的经济损失,严重时甚至引发各类社会安全风险。智能通信网是解决上述问题的有效策略之一,对网络带宽、时延、丢包率提出了不同的要求。本文对如何恢复网络故障展开了研究,提出了一种基于QoS(Quality of Service)约束的通信组网链路故障恢复方法,根据用户对业务提出的QoS需求以及空闲网络资源,选择恢复路径,确保传输业务的可靠性。在当通信网发生故障后,该方法能够有针对性地快速解决故障,对通信技术的应用与发展具有实用价值。

基于SDN的空间信息网络自适应QoS路由算法

针对空间信息网络存在节点资源有限,且难以提供个性化的服务的问题.本文提出了一种自适应的多约束QoS(Quality of Services)路由算法.首先,利用SDN(Software-Defined Network)实时获取链路QoS参数的特性,提出了考虑了链路质量、剩余带宽和节点负载因素的传输代价模型,建立以路径最小代价为优化目标的多约束QoS路由模型,以最大化网络吞吐量.然后,为满足不同优先级数据流的QoS需求,利用Adam(Adaptive moment estimation)算法解决多约束模型阈值自适应问题.与传统的手动设置方式相比,能够更好地适应网络变化,提供更加个性化的服务质量.最后,通过改进的蚁群算法求解多约束优化问题,利用双禁忌表优化候选节点,根据SDN可编程特性讨论了信息素挥发系数取值问题,最终求得最优路径.数值结果表明,与相关方案相比,该方法在满足空间信息网络多优先级QoS需求的同时,在算法收敛速度和网络吞吐量、负载分布指数方面具有更好的性能.

基于免疫——蚂蚁算法的多约束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、丢失率为QoS参数。借鉴人体免疫系统的适应能力和蚂蚁算法的全局寻优能力提出了一种新的融合算法即免疫——蚂蚁算法。免疫算法把目标函数和制约条件作为抗原,目标函数的优化解对应为抗体,使得求解过程的收敛方向得以控制;利用蚂蚁算法产生和更新抗体,抗体交叉、变异操作以及对与抗原亲和力高的抗体进行记忆,均能促进快速求解。实验结果表明:免疫——蚂蚁算法表现出了超越免疫算法和蚂蚁算法的优点,大幅度提高了路由选择的效率。

一种满足带宽和时延约束的选播QoS路由算法

建立一个满足带宽和时延约束的选播通信服务模型,提出相应的选播QoS路由算法。仿真实验结果表明:该算法是有效且切实可行的,它能同时满足带宽和时延的约束条件,较好地平衡网络负载,改善了网络服务质量。

基于蚁群算法的多路径多约束QoS路由研究

多路径多约束服务质量(Quality of Service,QoS)路由问题是无线传感器网络的核心问题之一,由于网络拓扑的不断变化及链路的固有的不精确性,解决这个问题具有很大的挑战性。首先给出无线传感器网络中QoS路由问题描述及调和蚁群算法(Ant Colony Optimization,ACO)的基本算法步骤及其特点。然后在分析了蚁群算法应用于QoS路由问题的可能性的基础上,给出了调和蚁群算法解决多路径多约束QoS问题的算法。最后通过仿真实例得到满意的结果。

基于点火耦合神经网络的多约束QoS路由选择算法

本文针对多约束QoS路由选择问题,将其转化为一个多约束的赋权图最短路问题,并建立点火耦合神经网络,通过在其上所具有的自动波生成和传播特性,并在自动波的传播过程中随时监督约束的满足情况,及时取消不满足约束的自动波,从而最先到达目的节点的自动波所走过的路径即为多约束QoS的最优路径。该算法具有高度的并行性,并总是获得全局最优解,所需的迭代次数相对其他算法而言也是最少的。最后本文给出了实验结果及与其他算法的比较。

新型混沌遗传算法在多约束QoS路由的应用

针对多约束QoS路由优化问题,提出一种新型混沌遗传算法。算法采用节点序号编码,混沌优化初始化种群,以及能防止产生无效路径的交叉变异策略。利用混沌变量的随机性、遍历性特点有效增加初始种群的多样性,改善了遗传算法早熟的不足。仿真实验证明,该算法适用于较大规模的网络,且具有收敛速度快和稳定性高的优点,是一种解决多约束QoS路由问题的可行、高效的方法。

基于再励学习蚁群算法的多约束QoS路由方法

本文研究了多约束QoS路由问题,给出基于模糊评判的路由模型,实现了多QoS约束的综合优化;同时提出一种再励学习蚁群路由算法对该问题进行求解,算法通过对蚂蚁搜索路径进行评价产生再励信号,并根据再励信号采取了不同的信息素更新策略,提高了算法的寻优能力和收敛速度。仿真实验表明,该算法能快速得到较大程度满足业务QoS要求的路径。

一种基于遗传算法的多约束QoS多播路由优化算法

随着Internet、移动网络和高性能网络的不断发展,在网络和不确定参数下具有多约束QoS多播路由优化技术已成为网络及分布式系统领域的一个重要研究课题,这也是下一代Internet和高性能网络的难题。它吸引了许多爱好者。论文研讨了具有多约束QoS多播路由问题,其中主要包含延迟、延迟抖动、带宽、分组丢失率等QoS约束,文中描述了一种适应于研究QoS多播路由的网络模型。论文在网络环境及不确定参数下,提出了一种在网络规模、可行性方面优化Internet、移动网络和其他高性能网络的基于遗传算法的多约束QoS多播路由优化算法(MQROGA)。MQROGA在网络环境及不确定参数下能够优化网络资源,如带宽、延迟、分组丢失率等得到一个最优解和次优解。仿真实验结果表明,MQROGA为QoS多播路由提供了一种新的有效途径。