基于分级结构的优化QoS路由算法

Ad hoc(自组织)网络中包含延迟、延迟抖动、带宽和丢包率等约束条件在内的QoS(服务质量)路由问题,是一个NP完全问题,传统的平面QoS蚂蚁路由算法难以解决提高算法全局搜索能力和加快收敛速度之间的矛盾。针对以上问题,提出了HQAC(分级QoS蚁群)算法,在分级的基础上对蚁群算法的路由搜寻过程进行了改进,同时对信息素更新公式进行了优化。仿真结果表明,与传统的QoS路由算法相比,HQAC算法在搜索全局最优解,尤其是收敛速度等性能上有了很大的提高。     

基于蚁群算法的自适应QoS路由优化

Internet网络规模的迅速增长和网络技术的不断完善,使得如何在满足QoS(quality of service)要求下进行路由选择,已成为路由算法研究的重要方向。本文提出了一种多约束条件下的自适应蚁群算法,该算法基于目标函数的信息素分配策略来自适应的调整蚂蚁的搜索行为,使多约束QoS路由优化问题得到了很好的解决。     

基于蚁群算法的自适应QoS路由优化

Internet网络规模的迅速增长和网络技术的不断完善，使得如何在满足QoS（quality of service）要求下进行路由选择成为路由算法研究的重要方向。提出了一种多约束条件下的自适应蚁群算法，该算法基于目标函数的信息素分配策略来自适应地调整蚂蚁的搜索行为，使多约束QoS路由优化问题得到了很好的解决。     

改进蚁群算法在QoS路由中的应用与研究

在分析传统蚁群算法缺陷及其在QoS路由中的应用的基础上,提出了一种与真实蚁群系统更加相符的基于双向寻路和信息素扩散的蚁群算法,采用来自源节点和目的节点两个方向的蚂蚁探路的同时进行信息扩散.仿真结果表明,该改进蚁群算法在网络规模较大的条件下仍能快速找到满足QoS路由性能指标的路由,节省了QoS路由搜索时间,提高了网络服务能力.     

基于方向因子的多约束QoS路由优化蚁群算法

提出了一种解决多约束QoS路由问题的基于方向因子的蚁群改进算法OACA.该算法基于方向因子来调整蚂蚁的搜索行为,并根据目标函数值来调整信息素的更新,从而保证搜索的快速有效性,使多约束QoS路由优化问题得到了很好的解决.     

基于蚁群优化算法的QoS路由算法的仿真

Qos路由问题被证明是NPC(NP-completeness)问题,蚁群优化算法是较好地求解NPC问题的工具.文章首先介绍了蚂蚁算法在求解旅行商问题(TSP)中的应用;针对Qos路由问题的特殊情况,提出蚂蚁算法应用于QoS路由时与TSP的一些区别;为了仿真的客观性,提出了一种网络拓扑结构图的随机生成算法;并在随机生成图的基础上,分别对基于串行蚂蚁算法和并行蚂蚁算法方式下的Qos路由求解算法进行了仿真和比较.     

Ad Hoc网络中基于双向收敛蚁群算法的QoS路由算法

蚂蚁算法是一种新型随机优化算法,能有效解决Ad Hoc网络多约束的QoS路由问题,但存在收敛速度慢和易陷入局部最优等缺点.针对于此,在借鉴精英策略的基础上提出了一种基于双向收敛蚁群算法,并将该算法应用于Ad Hoc网络的QoS路由问题中.仿真结果表明,算法可明显提高数据包的投递率,降低端到端的传输时延.     

基于遗传与蚁群算法融合的选播QoS路由算法

为有效解决选播通信中的QoS路由问题,提出一种基于遗传算法与蚁群算法融合的选播QoS路由算法.算法初期使用遗传算法在链路上分布信息素,对蚁群算法的控制参数进行编码和优化;然后通过判断函数来判断遗传算法与蚁群算法融合的时机,初始化信息素,并启动混合算法后期的蚁群算法;引入变异算子,对由变异操作得出新路径进行局部信息素更新,更快地引导蚁群算法找到全局最优解.NS2仿真实验结果表明,该算法很好的解决多QoS选播路由问题,性能优于其它算法.     

基于蚁群改进的认知网络QoS路由算法

多约束的QoS(服务质量)路由问题是认知网络研究的核心问题之一,由于网络拓扑的不断变化及不同业务QoS需求,解决该问题面临很大的挑战。文章对传统蚁群算法进行了改进,增强了对链路状态的认知能力,增加了拥塞规避机制,使算法能更好地适合认知网络环境。仿真数据表明,该算法在网络丢包率和时延上,比传统的链路状态路由算法更具有优越性。     

基于遗传模拟退火算法的Ad Hoc网络QoS路由优化

利用遗传算法具有较强的全局搜索能力和模拟退火算法具有较强的局部搜索能力的特征,提出了一种融合模拟退火策略的遗传算法来解决Ad Hoc网络中QoS路由问题.首先,利用遗传算法快速搜索到近优解,然后,使用模拟退火算法的搜索策略进行细致寻优.较好地克服两种算法各自的缺点,发挥它们的优势.实验结果表明:与单独使用遗传算法或模拟退火算法相比可获得更好的网络性能.     

基于蚂蚁算法的QoS路由调度方法

为了有效地解决QoS受限路由问题,本文提出了一种新颖的具有全局优化能力的蚂蚁算法,它是基于蚂蚁具有找到蚁巢与食物之间的最短路径原理工作的。 仿真实验表明,该方法能够有效地解决QoS受限路由问题。     

基于蚁群算法的自适应QoS路由优化增强数字电视业务

双向数字电视业务的开发和发展,是广播电影电视的数字化和产业化的重要推动力量,对国家信息化、社会信息化和家庭信息化的进程发挥着重要的作用。IP网络以其技术成熟、设备稳定作为数字电视相关业务有效承载网络,如何在满足IP网络中QoS(Quality of Service)要求下进行路由选择,已成为路由算法研究的重要方向。提出一种多约束条件下的自适应蚁群算法,该算法基于目标函数的信息素分配策略来自适应地调整蚂蚁的搜索行为,使多约束QoS路由优化问题得到了很好的解决,其运用在双向数字电视机顶盒网络组件中,提高了网络系统的吞吐量和避免了拥塞。     

WMN中基于免疫算法的QoS路由研究

无线Mesh网络的路由技术是影响网络性能的一个关键问题。针对无线Mesh网络的QoS多约束路由算法难于找到最优路径的问题,提出了一种基于免疫算法的路由算法,利用免疫算法的寻优能力,实现了无线Mesh网络QoS多约束条件下的最优路径选择,并与基于遗传算法的路由算法进行了比较。实验结果表明,利用免疫算法获得满足QoS要求的最佳路径时,不容易陷入局部最优,且收敛速度快,性能优越,更符合无线通信实时性的要求。     

基于蚁群优化算法的多QoS选播路由算法研究

提出一种基于蚁群优化算法的多QoS选播路由算法.算法设计了合理的路径评价方法,从平衡网络负载的角度出发,寻找适当的选播路由路径.通过对迭代最优解路径上的信息素的调整和算法重启的策略,算法有效地避免了陷入局部最优的缺陷,扩大了算法的搜索范围.实验结果表明,该算法能找到满足QoS约束的全局最优解,并在资源预留的基础上较好地满足用户对于带宽、时延的要求.     

基于蚁群算法的LEO卫星网络QoS优化路由

针对传统低轨卫星网络资源利用严重不均衡和高负载下业务服务质量(Quality of Service,QoS)无法得到保障的问题,提出了一种在负载均衡的基础之上满足多约束QoS保障的路由算法,并基于改进的蚁群算法实现.首先对全球潜在流量需求进行预测,基于此优化了启发函数;然后对路径代价和信息素更新策略进行了改进;最后选择...     

一种基于定向扩散的QoS路由算法

提出了一种基于定向扩散的分布式能耗均衡QoS路由选择算法QRDD。QRDD基于路径节点最大最小剩余能量（MaxMPE）和最小跳数（MHC）信息得到梯度,组合利用这两类梯度来得到观测节点和有效传感节点间的多条可选路径,通过多路径路由支持路径的平滑切换,保证性能最优路径被选择,提供失效节点的路径修复和主动通告机制。网络仿真实验表明,QRDD能很好地支持不同业务的资源需求分配,可实现全网能耗均衡。     

一种基于多目标优化的Ad Hoc网络QoS路由算法

目前的一些Ad hoc网络QoS路由算法难以满足军事系统中一些特定业务对于多个目标的同时要求,本文选取带宽作为约束条件,把时延和丢失率作为QoS优化目标,建立了QoS路由选择的多目标整数优化模型,并给出了求解模型的算法.实例计算结果表明了算法的可行性.     

基于博弈论的QoS协作WSNs路由算法

针对无线传感器网络中各个节点之间通信路由单一、无法充分调动合适的路由节点用于下一跳协作通信而浪费不必要的带宽、时延和能耗,提出一种基于博弈论的QoS协作路由算法(QACR),通过研究各个传感器节点的距离、能耗速度与QoS需求量之间的博弈关系,建立基于QoS需求的博弈模型。将协作通信和路由机制相结合,在博弈模型的理论基础上为中心节点选择一个或者多个中继节点,共同协作将数据包发送至目的地址。仿真验证结果表明,这种方法可以减少节点通信的能量消耗和网络延迟,避免网络由于能耗过快、节点死亡率过高而导致的网络断层或瘫痪,保证网络的可靠性QoS需求。     

模糊QoS路由算法及其性能分析

我们将模糊理论引入QoS路由领域中,提出了模糊QoS路由算法,在只增加相对较少的计算开销的基础上,有效地提高了QoS路由在离网络负载下的路由成功率和对链路信息滞后性的适应性。     

一个MPLS流量工程的QoS路由算法

传统Internet中,多媒体流量和实时电子商务应用会引起品质的降低。这可以通过在网络中动态地建立有带宽和延迟保证的路径来解决。讨论了基本算法,如最宽最短路径（WSP）,复杂一些的算法如最小冲突路由（MIRA）或基于剖面的路由。提出了一个新的MPLS网络中的Diff-Serv流的QoS路由算法。这个方法在维持网络效率的同时,有效地传输多媒体流量。