动态层次组播路由

随着网络的发展,平面路由难于适用不断扩展的大规模网络。文章针对这一缺陷,提出一种分层路由结构。文章具体分析了层次网络结构和树构造过程,并结合层次网络结构特点提出了动态层次组播路由算法(DHMR),该算法具有扩展性,适用于大规模网络。实验结果表明,动态层次组播路由算法从运行速度比动态平面路由算法(DFMR)快,同时减少了算法的时间复杂度和存储空间,但组播树的性能有所降低。     

异构带宽约束的动态源组播路由

提出异构带宽约束的动态源组播路由(heterogeneous bandwidth-constrained dynamic source multicast routing, HBMR). 为了支持组成员的动态性和异质性,收集了组播树分布信息和组播树上节点的最大可接收能力信息. 并设计了一个基于该信息的异构带宽约束的动态源组播路由算法. 仿真实验结果表明,HBMR不但解决了异构带宽约束费用优化的动态组播路由问题,而且在路由成功率、路由消息开销和组播树占用的带宽资源等方面的性能都有综合提高.     

IP网络组播路由研究

阐述了IP组播的基本原理,分析了各组播路由协议,探讨了它们之间的联系和优缺点,并对组播技术的未来发展作出了预测.     

随机网络中动态组播仿真

仿真和测试是研究组播路由问题的重要方法，但Waxman随机网络模型不能用于测试动态组播路由算法。根据组播成员动态加入和退出时对组播性能和质量的影响程度，提出一个模拟组播组动态变化的模型，按加入和退出的平衡态建立概率分布函数，移植和改造了MCRSIM(MultiCast Routing SIMulation)仿真工具，使其有效地模拟组播组成员动态变化的网络情况，以便对动态组播路由算法进行试验和测试。该模型不仅能仿真随机网络中组播成员动态变化情况，而且能仿真组播源变化的情况。该成果已应用于动态组播路由算法的研究之中。     

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.     

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。     

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.     

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.     

一种基于蚁群算法的动态组播QoS路由算法

提出了一种基于蚁群算法的满足带宽、时延、时延抖动、分组丢包率、费用多个QoS约束的动态组播路由算法(DM-ACA).该算法使用逆向路径(Reverse path)机制,蚂蚁从目的节点出发寻找源节点,解决了组播网络动态变化的问题;通过引入洪泛(flooding)机制,初始群筛选(sieving)机制,加性增量乘性减量(AIMD)的信息素启发机制,解决了蚁群算法局部搜索能力弱、收敛速度慢、易于陷入局部最优解的问题.仿真结果表明,提出的算法可行有效.     

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。     

通信网络中QoS多播路由技术研究

给出了多约束QoS组播路由的问题模型,分析论述了多约束QoS组播路由优化的约束树算法和遗传算法、蚁群算法、免疫算法等智能化算法,对QoS约束的多播路由技术的进一步研究进行了展望。     

一种满足多服务质量约束的动态组播路由算法

建立了网络模型，描述、简化了研究的问题，并提出了一种新的满足多服务质量(QoS)约束的动态组播路由算法(DMRMQ)．该算法采用Bellman—Ford算法作为路径搜索算法，能在满足带宽、延迟、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，在假定网络节点输出链路容量相等的情况下，与Greedy、LeastHop两种不考虑QoS的算法相比，DMRMQ能在满足多QoS约束的前提下建立动态组播路由，且路由请求平均成功率提高约10％，路由平均延迟降低约20％，路由平均跳数基本持平．     

一种新的QoS多播路由优化算法

讨论一种适应于研究QoS多播路由的网络模型.在网络环境及不确定参数条件下,提出了一种在网络规模、可行性方面为Internet、移动网络和其他高性能网络基于Tabu搜索的QoS多播路由优化算法（TQMRA）.仿真实验结果表明,TQMRA在网络环境及不确定参数条件下能够优化网络资源.     

基于混合遗传算法的多约束组播路由问题的求解

研究了延时、延时抖动约束的最小费用组播路由问题,并且提出了一种混合遗传算法.遗传算法是一种模拟生物进化过程的并行最优算法,适合在大型、复杂的空间中寻找最优解.遗传算法并不需要求解问题具有连续性,因而适宜于约束组播路由问题的求解.此外,遗传算法的并行分布式处理实现简单,因而用遗传算法解决约束组播路由问题十分有效.并通过计算分析,表明本算法能够快速有效的构造出所要求的满足延时、延时抖动约束的最优组播树.     

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.     

组播路由算法综述

在说明组播技术原理的基础上,对目前的组播路由算法进行了回顾,最后指出了组播路由算法的分类及其发展方向.     

一种多点动态路由优化算法

将具有平稳优化性能的目的地最优算法和具有良好平均优化性能的“贪心”算法相综合,提出了一种多点动态路由优化算法,与已有的“贪心”算法等相比,该算法具有优化性能平稳、平均优化性能好等优点。