支持QoS的分层数据传输的动态组播路由算法(英文)

为了支持组成员的异构性和动态性,满足组成员不同的带宽和时延约束要求,提出了支持QoS的流式分层数据传输的动态组播路由算法(简称:QDMR-LD).当新的组成员加入时,使用面向接收者的启发式搜索方法找到一条位于组播树和组成员之间的可行的并具有最小代价的路径.为了提高组成员的加入成功率,采用了以前工作中提出的RBMF 转发算法.当组成员离开时,位于组播树上多余的部分将被剪裁.仿真结果表明,与其他相关工作相比,QDMR-LD在提高了加入成功率的同时,降低了组播树的代价.

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。

支持QoS的层次组播路由算法框架QHMR

Internet规模的迅速扩大使QoS组播路由的复杂性增加 .为此 ,该文提出了支持QoS的层次组播路由算法框架QHMR (QoS basedHierarchicalMulticastRouting) .在HMR (HierarchicalMulticastRouting)层次划分的基础上 ,QHMR对网络的拓扑结构、带宽和组播树分布信息三者的聚集方法进行了定义 ,并设计了适用于层次网络的支持QoS的组播路由算法 .实验结果表明 ,QHMR能显著减少路由器维护的信息以及路由器之间交换的协议分组 ,具有良好的可扩展性 ;同时 ,较之平面QoS组播路由 ,QHMR能够得到较理想的路由成功率和组播树代价 .

一种支持QoS的拓扑自适应动态组播路由算法

YAM、QoSMIC、DSDMR等一类支持QoS的动态组播路由算法允许组播成员动态地加入和离开,同时为接收方提供多个可选择的组播接入路径,以满足不同应用的QoS需求。但这些算法普遍存在控制信令开销大和结点加入时延长,可扩展性不好等问题。本文在分析这些算法的基础上,提出改进的支持QoS的动态组播路由算法,即拓扑自适应动态组播路由(Topology Adaptive Dynamic Multicast Routing,TADMR)算法。该算法避免了以往算法中大部分盲目的路径搜索,并使结点加入时延不再受限于固定的等待时钟,而与网络拓扑相自适应。性能分析和仿真结果表明,该算法具有较低的控制信令开销和结点加入时延,适用于各种网络规模和群组规模,具有良好的可扩展性。

基于蚂蚁算法的QoS组播路由问题求解

采用启发式算法中的蚂蚁算法解决了包含带宽、延时、延时抖动、包丢失率和最小花费等约束条件在内的QoS组播路由问题.实验表明算法能快速找到最优解,而且具有良好的扩充性.

一种非精确状态下满足多QoS约束的动态组播路由算法

提出了一种非精确状态下满足多QoS约束的动态组播路由算法———DMIQ ,该算法采用改进的BF算法作为路径搜索算法 ,WFQ作为分组调度机制 ,链路延迟不确定且服从均匀分布 ,能在非精确状态且满足带宽、延迟抖动和丢包率约束的前提下确定具有最小跳数和开销的动态组播路由 .仿真实验表明 ,DMIQ能在非精确状态且满足多QoS约束的前提下建立动态组播路由 ,在路由请求平均成功率、平均延迟和平均跳数等衡量指标下表现出良好的性能 .

基于蚁群系统的多QoS约束组播路由算法

针对多QoS约束的组播路由问题,借鉴改进的蚁群系统,提出了一种新的QoS组播路由算法QCMR-ACS(QoSConstraintsMulticastRoutingbasedonACS).QCMR-ACS通过构建确定性选路概率函数和基于Prufer编码的变异操作,加速算法的收敛速度;对信息素实行多个独立QoS约束的惩罚性更新策略,使算法满足用户的QoS要求;考虑到网络实际应用,算法设计中引进了基于链路利用率的负载均衡和拥塞规避重路由策略,提高算法的鲁棒性.实验结果表明QCMR-ACS是一种正确、有效的QoS组播路由算法.

基于启发式遗传算法的QoS组播路由问题求解

研究了带宽、延时、延时抖动和包丢失率约束以及费用最小的 Qo S组播路由问题 ,并提出一种启发式遗传算法 .该算法有以下特点 :(1)预处理机制 ;(2 )树结构编码 ;(3)启发式交叉策略 ;(4 )指导性变异过程 .最后通过仿真实验证明该算法快速有效 .

一种基于模拟退火方法的多约束QoS组播路由算法

研究了带宽、时延及时延抖动约束最小代价的QoS组播路由问题,提出一种利用模拟退火方法解决该问题的QoS组播路由算法SABDMA。该算法通过选择合适的模拟退火参数迭代求解,以获得满足QoS约束的最小代价组播树。同时,为避免搜索区域的扩大和计算时间的增加,根据时延和时延抖动的关系,提出采用“路径交换”策略在可行解范围内构造邻域集。仿真结果表明该算法具有可行、稳定、收敛快的特点;能根据组播应用对QoS的限制要求,有效地构造代价较低的组播树,具有较强的实时性。

基于蚁群算法和遗传算法融合的QoS组播路由问题求解

包含延迟、延迟抖动、带宽、丢包率和最小花费等约束条件在内的服务质量(QoS)组播路由问题,是一个NP完备问题,传统方法很难求得全局最优解.本文将遗传算法和蚁群算法融合,提出了用遗传蚁群算法(GAACS)求解QoS组播路由问题的解决方案.仿真实验表明,采用新算法比遗传算法具有更好的性能.

基于决策图贝叶斯的多目标QoS组播路由算法

随着实时组播通信需求的不断增长,要求网络能够提供更加严格高效的 QoS(Quality ofService)路由保证,需要设计一个能够同时满足不同 QoS 约束的高效组播路由算法。此问题可归结为图论中的 NP(Non-Polymenital)问题,一般方法是把多个 QoS 参数加权合并为一单目标函数进行优化。提出了一种基于决策图贝叶斯的多目标 QoS 组播路由算法,算法在不需做预处理的情况下可对多个不同的 QoS 参数同时进行优化。仿真结果表明,所提出的算法能够快速收敛于一组满足不同 QoS 约束的非支配解。

Ad Hoc网络基于寿命估算MMAS的QoS组播路由优化算法

Ad Hoc网络QoS组播路由问题的目标是在动态网络拓扑图里生成一棵连通源节点和一组目的节点的带约束的最小生成树,已经被证明为NP完全问题.蚁群算法作为一种基于计算智能的计算方法,已成为解决Ad Hoc网络QoS组播路由问题的新的潜在力量.针对Ad Hoc网络中基于蚁群算法的QoS组播路由算法存在网络开销大、早熟收敛和信息素更新规则设置不合理等问题,提出一种基于寿命估算MMAS的Ad Hoc网络QoS组播路由优化算法,因其具有较好的平衡局部搜索和全局搜索能力,收敛结果可接近全局最优.NS2平台仿真结果也证明该算法具有较高的数据包传输率和较低的端到端分组时延,性能指标有进一步提高.

基于混沌遗传算法的QoS组播路由

针对遗传算法在搜索最优组播树的过程中易发生早熟收敛的缺点,提出一种抑制早熟的混沌遗传算法.利用混沌的随机性和遍历性,将混沌扰动算子加入到遗传算法的操作中,当判断种群有早熟发生时,就对该种群进行类似变异的混沌扰动操作,从而增加了种群的多样性,既保留遗传算法的全局搜索能力又能有效改善算法性能.仿真结果表明,该算法能克服早熟收敛的缺点,又能快速、有效地构造出满足QoS约束要求的最优组播树.

基于遗传模拟退火算法的QoS组播路由算法

提出了一种基于遗传模拟退火算法的带宽、时延和时延抖动约束费用最小的组播路由选择方法,该方法针对遗传算法的局限性,采用基于备选路径集的整数队列编码机制,对适应度函数进行了调整,改进了交叉和变异操作,结合了模拟退火算法。实验表明,该算法能够有效地提高收敛速度、避免早熟收敛、满足多媒体网络对相应QoS的需求。

基于遗传模拟退火算法的多约束QOS组播路由优化算法

组播路由问题在计算机网络中是著名的Steiner树问题,是NP完全问题。通过考虑组播通信服务质量需求与网络资源约束,研究了基于服务质量的组播路由选择算法问题,首次提出了一个基于遗传算法和模拟退火算法的多约束组播路由优化算法,该算法在满足带宽、延时、延时抖动及包丢失率约束条件下寻找代价最小的组播树。

基于并行量子遗传算法的QoS组播路由方法

通信网络时延受限且满足带宽要求的最小代价组播树问题是NP完全问题,传统方法难以求解,一般采用启发式方法求解。提出了一种基于并行量子遗传算法的服务质量(QoS)组播路由算法,算法中将各个子群体独立地并行进化,并通过相邻子群体间的信息交换实现克服早熟,避免局部收敛的目的,还提出了一种新的动态旋转角调整策略,使算法具有更好的种群多样性和全局寻优能力。仿真实验表明,新算法在求解性能上优于遗传算法(GA)和采用静态旋转角的量子遗传算法(QGA)。

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。

基于GA的多约束条件QoS组播路由算法

通过研究带QoS约束的组播路由问题,提出一种由改进的遗传算法实现的组播路由算法。利用树型结构编码,设计独特的杂交算子和变异算子。仿真实验验证该算法能节省大量解码操作,缩短求解时间,并且其收敛速度不会随着网络规模的增大而变慢,具有快速收敛寻优的特点。

群智能在Ad Hoc网络QoS组播路由中应用的研究

通过对Ad Hoc网络QoS组播路由问题的深入研究,提出了一种融合量子粒子群优化和蚁群优化的群智能混合算法(QPSOACO算法)。该算法融合QPSO思想以加速蚁群算法在路由发现及维护时的收敛速度,进一步提高算法对网络节点移动性的适应能力。仿真实验表明,该算法对Ad Hoc网络环境的适应性良好。

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。