应用层组播的时延受限高稳定性生成树算法

应用层组播树会因为单个成员节点的退出或失效而被迫调整其他多个成员节点在组播树中的位置,从而导致多个节点的组播连接被迫中断.该问题被称为应用层组播树的稳定性问题,它严重影响用户接收组播数据的连续性.首先分析了应用层组播树的稳定性问题,提出了瞬态稳定度模型(instantaneous stability degree model,简称ISDM).通过利用组播用户动态行为的统计学特性,提出了一种评估该模型中节点相对离开概率的实用方法.其次,由于实时传输是应用层组播技术的主要应用领域之一,进而基于ISDM模型提出了延迟受限最大瞬态稳定度组播生成树问题——DDSD(the degree-and delay-bounded maximum instantaneous stability degree ALM tree),并且证明了该问题属于NP-Hard问题.为了解决该问题,提出了DDSD-H近似算法,该算法共衍生出3种启发式策略.最后,通过仿真实验分析比较了所提算法在各种启发式策略下的有效性.

基于逻辑密钥树的组播密钥管理研究进展

介绍了基于逻辑密钥树的组播密钥管理方案,以及针对逻辑密钥树的改进方案.分析了各个方案如何从组播应用的要求和限制出发,在满足安全需求、提高服务质量的同时尽量降低开销,指出各个方案都是在安全性、服务质量和开销等3个方面的要求之间进行适当的折衷与平衡.通过对各个改进方案的出发点及其优缺点的分析,为如何根据实际情况设计适合具体组播业务的密钥管理方案提供了参考.

随机搜索组播树生成算法

本文在MPH的基础上 ,改变了端节点的加入过程 ,得到了一种新的MST算法 :RSH。在随机网络模型的基础上 ,我们进一步进行了仿真。仿真结果表明 ,RSH以相对较小的费用增加换取更快的计算速度 ,和其他组播树生成算法相比 ,RSH是一种计算速度很快的算法。

一种新的广域网组播树生成算法

提出了一种性能可以调节的组播树生成算法 .这种算法提供了一个调节参数κ ,即每次随机选择的端节点的个数 .通过改变参数κ ,可在组播树的费用和运行时间之间进行权衡选择 ,以适应不同应用场合的需要 .为了仿真 ,还提出了一种使节点平均点度非常精确的随机网络产生方法 .分析和仿真结果表明 ,只用较小的κ值就可得到较为理想的组播树费用 ,同时算法能保持较高的计算效率 .与算法SCTF (SelectiveClosestTerminalFirst)相比 ,在计算效率相同时 ,本算法费用值更低 .

一种基于QOS约束的组播树构建算法

研究基于QoS约束的组播树构建问题.采用种群数自适应遗传算法构建组播树,该算法可以对进化种群数进行宏观调控;同时,使用个体寿命限制个体的生存期,实现对种群数的微观调控.仿真结果证明了该算法的有效性.

基于共享树策略的延迟受限组播路由算法

提出了一个有效的基于共享树策略的延迟受限组播路由算法 (STMA)。算法的计算复杂性是O(m|V|2 ) ,其中 m是组成员数量 ,|V|是网络中节点数量。仿真结果显示 ,STMA在适中的复杂性水平上取得了良好的代价性能。

基于边缘簇组播树构造算法的分析与改进

在分析IP域中支持QoS的基于边缘簇的组播树构造算法的基础上,针对该算法生成的组播树的总体路径费用较高的问题,提出了一种改进的基于边缘簇的组播树构造算法IECT,该算法可在承载组播流量的网络核心域构造出总体路径费用较小的组播分发树。

广域网中的快速组播树生成算法

在组播树生成算法中 ,MPH(m inim um path cost heuristic)的费用性能几乎是最好的 ,但它的计算时间相对较长 .提出了两种新的组播树生成算法 :TNS- MPH(tree- node started minim um- cost path heuristic)和 NTDS-MPH(non- tree- destination started m inimum- cost path heuristic) .同时提出了一种使节点平均度非常精确的随机网络产生模型 .新算法的仿真结果表明 ,新算法能用较少的费用性能恶化来换取更快的计算速度 .新算法比SCTF(selective closest terminal first)

组播聚合中高效的可扩展组-树匹配算法

当网络中同时存在大量的的组播组的时候,IP组播的可扩展性问题变得非常突出.对组播聚合中的组播组-树的匹配算法进行了研究,提出了一种高效的可扩展的组播组-树匹配算法(SGTM算法).在确定组播组的匹配树过程中,通过将组播树按照其开销进行排序以及扩展处理,降低了在查找过程中所检查的组播树的数量,提高了聚合组播算法的执行速度.并引入了对组播聚合性能进行度量的参数,结果表明算法与传统的组播聚合算法相比在同等性能的情况下执行速度更快.

传感器网络中基于反向组播树的数据融合路由算法

传感节点有限的能量使得能耗成为路由算法设计要考虑的首要因素。数据融合可以通过合并冗余数据而有效地节约能耗,本文据此提出了一种基于反向组播树的路由算法,算法通过构造一个组播树形成一个以Sink为根的树,其后节点只需将数据发送到一个树上的节点即可,数据经过融合反向转发到Sink。算法具有较好的节能性,而且延时较小,理论分析和仿真实验也表明算法具有好的性能。

聚集组播组-树匹配算法

组播的状态伸缩性问题是目前困扰组播技术发展的一个难题。该文分析了一种解决组播状态问题的方法——聚集组播和聚集组播的组-树匹配算法。提出一种动态匹配算法——FDMA,通过对网络中聚集树的管理来减少匹配次数,从而提高聚集速度。在仿真实验中,FDMA算法使组-树匹配次数减少了80%以上,聚集组播的实时性得到了较大的提高。

基于网络编码的确定性逐层构造算法

为了解决适用于多源组播通信的网络编码构造算法存在收敛时间较长的问题,提出一种基于网络编码的确定线性逐层构造算法。在已有研究基础上,利用虚拟信源点进行虚拟试播:首先,根据决策树算法逐层确定获得非满秩局部编码矩阵的节点;然后,重构与该节点对应的上层变换节点的局部编码系数,生成新的编码向量;最后,重传这些编码向量至对应节点,使该节点的局部编码矩阵满秩,从而得到可行的编码方案。在试播过程中允许对出现数据冗余的链路进行修剪枝,以提高带宽利用率。与基于信宿反馈的确定网络编码(SNFDNC)算法相比,该算法只需进行一次虚拟试播。仿真测试结果表明该算法在中等规模网络中收敛时间更短,能进一步提高多源组播通信的平均传输速率。

基于子树受限QoS的组播路由恢复算法

通过对多媒体组播协议的研究,发现在组播树中的路由节点发生故障后,树中节点将分散为若干个不同QoS需求的子树,通常的做法是将子树的所有节点重新发起构造成新的组播树.通过增加对子树受限QoS信息的描述,在组播树中路由节点发生故障之后,只是按照子树的QoS信息重新构造新组播树,子树构造不成功时才进行所有节点的构造.仿真试验表明,在路由节点故障情况下子树的构造成功率平均超过80%,同时这种方可缩短组播树故障恢复时间并降低重构开销.该算法还可以提高组播应用的可靠性.

一种改进的聚集组播快速动态组-树匹配算法

本文研究了组播可伸缩性问题,对一种减少组播转发状态的方法--聚集组播进行了分析.对聚集组播的关键问题组-树匹配算法进行了改进,提出了一种快速动态组-树匹配算法FDMA,通过减少每个组的匹配次数来提高匹配速度,并且通过限制每个聚集树所能匹配的最大组播组数来平衡各聚集树的负载.

分布式组播密钥管理协议中的组密钥生成算法研究

在分布式组播密钥管理协议中,组内成员间的逻辑结构对组密钥生成算法起着至关重要的作用.设计了一种新的DSTR密钥树结构,在此基础上提出了针对该结构求解组内成员相关节点盲密钥的算法和高效的组密钥生成算法.最后,对DSTR密钥树结构进行了安全性分析,并利用两方DDH难题对DSTR逻辑密钥树的安全性进行了证明.

一种最小代价组播树的快速算法

本文对KMB算法进行了改进,提出了一种快速的最小代价组播树算法,它只需使用一次PR IM算法,也不需要判断叶结点,从而快速地获得了最小代价组播树,减少了算法的运行时间。随机网络模型的仿真实验表明:该算法的计算时间远小于KMB算法,是一种快速、稳定、高效的算法。

树形变换的PSO组播路由算法

QoS组播路由问题的目标是寻找满足带宽、延时、延时抖动等约束的最小代价组播路由树,该问题已被证明是NP完全问题.本文提出树形优化的思想,直接在组播树上进行树形优化,并引入微粒群优化(PSO)算法到此问题的求解中,有效的控制了树形变换的优化方向和进化速度.仿真试验表明新算法在寻优能力、收敛速度方面都有良好的表现.

面向移动主机的主动组播树算法

介绍了在移动通信中,利用主动网上中间结点的计算能力,实现一种双向、可优化、能更好地适应主机迁移的组播树算法——主动组播树算法。与其他组播树算法相比,这一算法在处理主机迁移时效率较高,端到端延迟比较稳定,而且不必在每次主机移动后重新建立组播树。这对移动网络的开发有着重要的理论意义和实用价值。

一种基于最小树的组播路由算法

文章研究了最小树的一些特点,推广了Dijkstra算法,并在此基础上提出了一个适用于网上电影在线收看系统的组播路由算法.在求组播树的过程中,首先利用Prim算法求出包含给定节点集的最小树,再根据最小树的特点,利用推广的Dijkstra算法为最小树中不满足约束条件的节点重新寻路,直到树中所有的节点都满足约束条件.

一种基于堆的高效的组播树生成算法

在MPH(MinimumPathCostHeuristic)和KMB算法的基础上 ,经过研究得到一种高效的MST(MulticastSteinerTree)算法 :时间复杂度为O(nlogn)的组播树生成算法。并在随机网络模型的基础上进行了仿真。结果表明 ,新算法在付出空间代价的前提下换取了更快的计算速度 ,与其他组播树生成算法相比 ,新算法是一种计算速度很快的算法。