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。

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.

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)。

基于受限泛播技术的可伸缩性QoS组播路由协议

随着远程会议、远程教育和交互式仿真等分布式多媒体应用的兴起,组播技术受到网络研究人员的重视.而这些应用的QoS(quality of service)需求又进一步推动了QoS敏感的组播路由协议的发展.在已提出的各种QoS组播路由协议中,如何提高呼叫成功率、增强规模伸缩性、降低控制报文开销,仍然是一个有待探索的问题.提出了一个新的QoS组播路由协议,其基本思想是使路由器只存储其两层邻居节点的可达性信息以及链路的QoS状态信息,以减少路由器存储开销,提高协议的规模伸缩性(scalability).协议采用受限的泛播技术,构造了一个接受节点发起的、采用多路径技术的、分布式路由算法.描述了协议的数据结构、组播树的构造算法,并给出了模拟实验结果.分析表明,基于受限泛播技术的组播路由协议具有节点存储开销小、呼叫接收成功率高等特点.虽然该协议付出了泛播引起的额外带宽开销较大的代价,但是由于协议所需要的控制数据总量不大,加上两层存储结构在一定程度上限制了泛播通信量,因此该方案具有很好的性能.

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。

QoS组播路由的多种群遗传算法

针对单种群遗传算法在求解QoS组播路由问题中存在的容易早熟、收敛性差等缺陷,提出了一种基于多种群遗传算法的QoS组播路由算法。该算法在初始化过程中采用多种初始化算法生成了不同种群,并设计了多种交叉、变异操作,保证了种群间进化过程的独立性和算法的多样性;增加了种群间协调机制,提高了算法的整体收敛性。仿真结果证明了多种群遗传算法的有效性和优越性。

无线网络中基于蚁群算法的QoS组播路由算法

为了将传统基于蚁群算法的QoS组播路由算法应用于无线网络,针对蚁群算法收敛速度慢和无线网络节点能量有限的特点,提出一种无线网络中基于蚁群算法的QoS组播路由算法。在选路时利用节点电量选择能量大的为下一跳节点,并保留信息素给后续选路使用,加快算法的收敛速度。仿真结果表明,该算法能够明显提高算法的收敛速度,延长整个网络的生存时间,是一种很好的无线网络组播路由算法。

基于代理的QoS组播路由算法

提出了一种基于代理 (Agent)的QoS组播路由算法 ,它根据一个在网络中漫游的移动代理收集的网络状态来建立保证QoS的组播树。仿真实验表明 。

基于混沌遗传算法的多目标QoS组播路由优化

针对遗传算法易发生早熟收敛的缺点,提出了一种既满足时延、时延抖动及带宽等约束,又能使通信代价最小的混沌遗传算法。该算法利用混沌扰动算子对种群进行扰动操作,增加种群的多样性,抑制遗传早熟收敛的发生,提高收敛速度。仿真结果表明了该算法的有效性、快速收敛性及稳定性。

基于非精确信息的QoS组播路由遗传算法

提出了一种新的启发式遗传算法以求解基于非精确状态信息的QoS组播路由选择问题.该算法以基于非精确状态信息的单播QoS路由算法PC-ISI(premise-controlled,inaccurate state information)为基础,将基于非精确状态信息的QoS组播路由问题与遗传算法有机结合,通过初始群体的筛选、自适应罚函数的运用以及启发式交叉和变异等一系列策略,能有效地提高算法的搜索能力和收敛速度.仿真实验也说明该算法性能良好.

基于分层小生境蚁群算法的WSN中QoS组播路由研究

针对无线传感网络(WSN)的动态网络环境和能量约束的问题,在优化网络动态结构的基础上,提出用分层小生境蚁群算法求解WSN的QoS组播路由的方法。首先依据能耗将网络结构进行分簇分层优化并建立小生境,然后再结合蚁群算法优化QoS组播路由,最后进行能耗分析。该策略在保证能量最优的前提下,降低了路由的时间复杂度和空间复杂度,仿真结果表明了其有效性。

基于子节点编码和声搜索的QoS组播路由算法

传统启发式方法求解QoS组播路由问题复杂度高,收敛速率慢,无法满足实际需求。该文提出一种基于子节点编码的和声搜索算法以解决该问题。在和声搜索算法的基础上,该算法设计了新的初始解及新解生成方式,提升了算法执行效率;提出了参数动态调整方案,兼顾了全局搜索以及局部搜索能力;同时设计了一种基于子节点的组播树编码方式,加快了新解生成过程。通过理论分析仿真实验,证明了该文算法的低复杂度,表明该文算法在收敛速率和代价方面具有明显优势。

基于群代理的QoS-AP算法优化QoS组播路由

针对互联网组播应用中多约束服务质量(QoS)组播路由优化问题,提出一种基于群代理的融合蚁群(ACO)算法与粒子群优化(PSO)算法的QoS-AP算法。首先根据QoS约束,产生多个组播模型。然后利用ACO算法对每个模型和模型中的属性进行评估并放置信息素。再根据信息素值,利用PSO算法调整粒子代理的运动方式来重组组播树。经过多次迭代,最后形成一个满足QoS的最优组播树。通过仿真实验,与现有的PSOTREE、TGBACA算法进行比较。结果表明,该算法能够找出更好的组播树模型,不仅能够满足QoS约束,而且还最大限度地减少了树的成本。

量子粒子群算法求解QoS组播路由

QoS组播路由问题是一个非线性的组合优化问题,已证明了该问题是NP完全问题。将量子粒子群算法用于此类问题的求解。并在此基础上对基本的量子粒子群算法进行改进,针对群体智能和约束优化问题的特点,提出了一种在每次迭代中有选择地保留一定数量不可行解的方法,并把它结合到量子粒子群优化(QDPSO)算法中。该算法可以利用保留下来的不可行解来帮助搜索靠近边界的最优解,同时又可以避免罚因子的选择问题,使之更适合于QoS组播路由的求解。仿真实验结果显示,该算法能快速搜索并收敛到全局(近似)最优解,且随着网络规模的增大算法保持了良好的特性,在寻优速度上与解的质量上优于其他粒子群算法与基本的量子粒子群算法。

卫星Internet中一种QoS组播路由机制

考虑了卫星Internet拓扑变化的可预测性和组播应用的服务质量QoS(quality of service)需求,设计了一种QoS组播路由机制.给出了卫星Internet中QoS组播路由问题模型及其数学描述,引入拉格朗日松弛,设定适应度函数,使用PRIM算法,基于次梯度优化,寻找生存周期最大化的QoS组播路由树.基于NS2进行了仿真实现和性能评价.仿真结果表明,同传统的组播路由机制相比,该机制是可行和有效的,提高了QoS组播路由树生存周期,具有良好的性能.

一种IP/DWDM光因特网中的QoS组播路由算法

本文讨论了一种IP/DWDM光因特网的QoS组播路由算法,在已知QoS组播请求和所需时间延迟的前提下,提出了一种可以找到基于柔性QoS的、次优的路由树的算法。此外,我们对QoS满意程度一术语作了定义。所提出的算法在多种群并行遗传模拟退火算法基础上构建组播树,并根据波长图为树分配波长。此算法将路由选择和波长分配一体化,路由选择的目的在于找到一个次优组播树,波长分配的目的则是通过使波长覆盖数量最小来最小化组播树的延迟。因此,组播树的估价和QoS用户满意程度两方面都接近最优。该算法同时考虑了负戡均衡。仿真结果表明,该算法是灵活有效的。

NGI中一种智能预防式容错QoS组播路由模式

在NGI主干网主要形式IP/DWDM光Internet中,如何提高其容错能力同时改善其QoS(quality of service)组播性能是需要解决的主要问题,容错QoS组播路由是行之有效的解决方法之一.采用预防式容错策略和双树保护模式,基于蚁群算法,设计了一种容错QoS组播路由模式.以最小化光树故障率为目标,通过建立满足QoS约束的主光树和备份光树来达到容错目的.仿真研究表明,该模式是可行和有效的,具有较好的性能.

下一代互联网中的智能QoS组播路由算法

设计了一种下一代互联网中的智能QoS组播路由算法,给定一个QoS组播请求和柔性QoS需求,包括带宽需求、组播端到端延迟区间,延迟抖动区间和出错率区间,寻找一棵QoS组播路由树.提出一种基于演化算法和单纯形算法的混合算法来构造满足上述需求且费用近优QoS柔性组播路由树,兼顾网络负载均衡.仿真结果表明,该算法是可行和有效的,明显优于基于传统遗传算法的QoS组播路由算法.

求解QoS组播路由问题的启发式遗传算法

将启发式方法跟遗传算法相结合，利用染色体作为启发信息，提出了求解QoS组播路由问题的新的遗传算法。分析了该算法的复杂性并进行了大量仿真，实验表明该算法能以较高速度收敛。