下一代互联网中的智能QoS组播路由算法

将遗传算法、模拟退火算法、禁忌搜索算法这3种智能优化算法引入基于QoS的优化组播树计算中·首先建立了支持QoS组播的高速网络模型,在此基础上给出了组播算法问题的数学模型·分析了在组播算法问题中应用这3种智能算法所面临的关键问题及解决方案,然后给出了3种算法在费用寻优和运行时间性能方面的对比·仿真表明,这3种算法都有较高的性能,能够满足下一代互联网支持QoS组播的需求·     

基于遗传模拟退火算法的QoS组播路由问题求解

提出了一种基于遗传模拟退火算法的带宽时延约束费用最小组播路由选择方法,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序列编码机制,对适应度函数进行了调整,改进了交叉和变异操作,并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,能够满足多媒体网络对相应QoS的需求.     

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.     

QoS组播路由算法研究综述

组播路由和网络服务质量(QoS)是目前和下一代Internet的两个重要研究课题。QoS组播路由作为这两个研究课题的融合,是亟待解决的NP-完全多目标优化问题。结合QoS组播路由算法的问题模型与数学描述,依照不同标准对现有的QoS组播路由算法进行了分类,就当前QoS组播路由算法的研究成果进行了总结,分析比较了典型的QoS组播路由算法,提出了目前算法研究存在的问题,并对以后的研究方向作了展望。     

改进人工鱼群算法及其在QoS组播路由问题中的应用

提出了一个基于蚁群算法和人工鱼群算法相结合的QoS组播路由算法.首先利用改进的Salama网络拓扑随机生成算法,随机生成一个网络拓扑图,再利用蚁群算法并行搜索的特点找出大量满足约束条件的可行路径,创建备选路径集,最后使用人工鱼群算法在所创建的备选路径集中,通过执行觅食、聚群、追尾等行为求解最优组播树.仿真结果表明,该算法跟基本的鱼群算法相比有着更高更快的效率,能够尽快的找到最优的组播树,并具有更好的全局优化性能,适合于高速的、实时的多媒体传输网络.     

基于混沌神经网络的QoS组播路由算法

为了改变Hopfield网络的能量函数梯度下降的趋势,对神经元的内部状态施加了一个混沌控制量以控制神经网络的能量函数增加,减少或保持不变。将该混沌神经网络应用于解决QoS组播路由问题,提出了基于该混沌神经网络的QoS组播路由算法。通过计算机仿真,该算法能根据组播应用对费用和时延的要求,快速有效地构造组播树,与当前其它启发式算法相比较,本文提出的算法是可行和有效的。     

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。     

面向下一代互联网的智能QoS单播路由算法

为了适应下一代互联网对多个约束条件服务质量(QoS)的要求,提出了一种基于粒子群优化PSO(Par-ticle Swarm Optimization)的智能QoS单播路由算法.首先给出了QoS单播路由问题模型及其数学描述,然后对所考虑QoS参数进行模糊处理,在此基础上利用改进的PSO算法的智能优化能力进行路径寻优.仿真结果表明,提出的算法是可行和有效的.     

NGI中立队竞争演化QoS组播路由算法

设计了一种NGI中的非NP类QoS组播路由算法.该算法以最小化费用为目标,基于立队竞争演化算法,寻找一棵延迟、延迟抖动、带宽及出错率受限且费用优化的组播路由树,一体化解决路由与波长分配问题,同时兼顾网络负载均衡.仿真研究表明,该算法是可行和有效的,不仅能够满足QoS约束,而且在组播树费用和运行时间上明显优于基于经典遗传算法的QoS组播路由算法.     

NGI中的一种禁忌-递阶遗传QoS组播路由算法

设计了NGI主干网重要组网形式IP/DWDM光Internet中一种非NP类QoS(quality of service)组播路由算法,基于禁忌-递阶遗传算法(tabu-hierarchy genetic algorithm,THGA)构造优化的QoS组播路由树·该算法模拟生物繁衍过程,采用递阶编码方式,引入禁忌交叉和禁忌变异两种禁忌算子改进遗传操作,综合考虑了用户QoS需求和网络费用,同时有助于实现网络负载平衡·仿真结果表明,所设计的算法是可行和有效的,它在一定程度上克服了基于经典遗传算法的QoS组播路由算法存在的早熟和收敛慢等问题,提高了算法性能,较好地解决了IP/DWDM光Interne...     

Overlay组播网络上带QoS约束的路由算法

为了保证多媒体应用的服务质量,本文在追求最大组播延迟极小化的同时考虑了网络节点的度约束条件,采用一种统一的方式来处理传输延迟和节点处理延迟,并基于此方法定义了带有QoS约束的Overlay组播路由选择优化模型,进而设计了一个求解该模型的启发式算法.该算法的时间复杂性为O(|V|3),优于许多求解该问题的同类算法,这些算法的时间复杂性多为O(|V|4),V为给定网络的节点集合.仿真结果也表明,本文算法解的质量也更优,即延迟更小.     

一种有效的QoS组播路由算法

在多媒体和高速网络时代,组播是能够进一步推动Internet发展的机制之一.通过考虑组播通信服务质量(例如,端到端延迟和出错率)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,提出了一个有效的近似算法,即基于Dijkstra算法,在网络资源约束条件下构造满足服务质量需求的组播路由树.仿真研究表明了该算法的可行性及有效性.     

基于可用带宽的QoS多播路由算法

设计了一种基于时延、时延抖动和包丢失率3个QoS约束下的最大可用带宽多播树求解模型,将可用带宽作为主度量参数来构建多播树.能够针对特定的服务需求对各个QoS度量的重要性进行灵活调整,其算法具有多项式复杂度,并通过仿真证明了算法的有效性.     

基于可用带宽的QoS多播路由算法

设计了一种基于时延、时延抖动和包丢失率3个QoS约束下的最大可用带宽多播树求解模型，将可用带宽作为主度量参数来构建多播树。能够针对特定的服务需求对各个QoS度量的重要性进行灵活调整。其算法具有多项式复杂度，并通过仿真证明了算法的有效性。     

NGI中反应式一体化容错QoS单播路由机制

在IP/DWDM光Internet中,如何提高其容错能力同时改善其QoS(qualityofservice)是需要解决的主要问题.容错QoS路由是解决该问题的一个有效方法.采用反应式容错策略,基于启发式A算法,设计了一种一体化容错QoS单播路由机制,在寻找路由的同时进行波长分配.该机制以网络延迟、负载、波长转换代价达到平衡的最佳值为目标,兼顾波长资源的高效利用和故障恢复率的提高.仿真研究表明,该机制是可行和有效的.     

基于混沌序列遗传算法的QoS组播路由选择方法

针对遗传算法求解服务质量(QoS)组播路由易发生早熟收敛的缺点,将混沌序列引入遗传算法中.首先利用混沌序列的随机性,生成更具多样性的遗传算法的初始解集,然后,通过判断适应度函数值的变化,判断早熟是否发生,如果发生早熟,则用混沌扰动对该解群进行类似变异的扰动操作,从而避免进化过程中基因多样性的缺失.仿真结果表明,该算法能快速、有效地构造出满足QoS约束要求最优组播树.