基于蚁群算法的QoS多播路由优化算法

蚁群算法是一种新型的随机优化算法,能有效地解决 QoS 受限的多播路由问题。基于蚂蚁具有找到蚁巢与食物之间的最短路径原理工作,并在分析多约束QoS的多播路由的基础上,提出了一种具有全局优化能力的多播路由算法(OQMRA),仿真实验表明了该算法是合理的和有效的。     

网络多播路由优化与仿真研究

研究网络多播路由优化问题,由于网络数据流要求实时性和准确性,而网络多播路由是一个多约束条件的复杂问题,传统优化算法对其进行求解耗时长,效率低,难以找到最优路由.为了快速找到最优多播路由,提出了一种人工免疫-蚂蚁算法的多播路由优化方法.人工免疫-蚂蚁算法首先将多播路由的目标函数和约束条件作为抗原,目标函数的优化解作为抗体,通过人工免疫算法生成蚁群算法的初始信息素分布,以多播路由解的收敛方向,然后利用蚁群算法产生和更新抗体求得多播路由优化解.仿真结果表明,相对于其它优化算法,人工免疫-蚂蚁算法该算法的多播路由优化效率更高,能快速、有效地找到多约束条件的最优多播路由.     

基于蚁群系统的分布式QoS多播路由算法

针对QoS约束多播路由问题,利用蚂蚁算法的本质并行性,提出了一种基于蚁群系统的分布式QoS多播路由算法DQMRA-ACS.通过蚂蚁会晤进行路由信息的交互和传递,在获得局部最优路径的同时可有效避免回路的产生;根据信息素强度的路由表,借助不同类型蚂蚁分组的分工协作最终找到符合QoS要求的多播路由;灵活的路由切换和锁定保证了路由连接的成功建立.实验结果表明DQMRA-ACS的可行性和效率性.     

基于蚂蚁算法的QoS分布式多播路由选择

采用启发式算法中蚂蚁算法解决包含带宽、时延和最小代价约束条件在内的分布式多播路由问题,基于蚂蚁具有找到蚁巢与食物之间的最短路径原理,并在分析QoS分布式多播路由的基础上,提出了一种基于蚁群算法的QoS分布式多播路由算法,仿真实验表明了该算法是合理的和有效的。     

基于蚁群优化的分布式Qos多播路由方法研究

提出了一种基于蚁群优化的分布式QoS多播路由算法,蚁群算法是解决多QoS约束组播路由问题的一种启发式算法,多QoS约束的组播路由技术是当前实现分布式网络多媒体的关键技术.给出了该算法实现的步骤,还结合多播路由问题的特点对算法进行了改进.通过仿真实验讨论了该方法的性能,并与传统的蚁群算法对比,证实了该方法的有效性.     

基于蚁群遗传算法的QoS多播路由研究*

为解决多播路由中的QoS约束问题,不仅研究了QoS多播路由中的带宽、时延﹑时延抖动和包丢失率等约束问题,还重点分析了路径开销问题,从而提出一种基于蚁群遗传算法的多播路由算法。该算法将遗传算法与蚁群算法结合起来,对多播树群体进行编码、选择、杂交和变异等遗传操作,同时利用蚁群算法的信息素正反馈求解,充分发挥两者的优势,从而更快更好地产生出既满足服务质量保障（QoS）又具有最小路径开销的多播树。仿真实验证明了该算法具有更高的运行效率和更好的收敛性。     

基于量子蚁群算法的无线传感器网络路由

无线传感器网络路由是无线传感器网络研究领域的一个研究热点;针对能最控制在无线传感器网络路由上的特殊要求,为了促使网络节点能量消耗相对均衡,研究者将蚁群算法应用于无线传感器网络的路由,但是蚁群算法在求解无线传感器路由问题时存在易于陷入局部最优和收敛速度慢等问题,将量子蚁群算法应用于无线传感器网络路由,用量子比特的概率幅表示蚂蚁当前位置信息,用量子旋转门更新蚂蚁携带的量子比特,用量子非门实现蚂蚁所在位置的变异;仿真实验表明该方法具有收敛速度快,解的质量高、稳定性好等优点,为蚁群算法在无线传感器网络中应用提出了一种新的解决方案.     

基于量子遗传退火策略的多播路由优化模型及其算法

针对网络通信中带时延约束的多播路由问题,提出了一种基于量子遗传退火策略的路由算法。文中对路由选择问题的优化模型进行了描述,并深入研究了量子遗传退火及其在多播路由选择优化问题中的应用。仿真实验表明,与基于遗传算法的多播路由算法相比,该算法具有更快的收敛速度和更好的全局寻优能力。     

改进型量子蚁群算法求解QoS单播路由

针对遗传以及蚁群算法在求解QoS单播路由问题时收敛速度慢和易于陷入局部最优的问题。采用量子蚁群算法求解QoS单播路由,采用量子旋转门实现蚂蚁的移动,用量子非门来实现蚂蚁位置的变异,同时为了确保算法不陷于局部最优,对量子蚁群算法做了改进,并进行了对比实验。实验表明该算法不但克服了遗传以及蚁群算法的易限于局部最优解的缺陷,在收敛速度上也优于相关算法,能较好地解决QoS单播路由问题。     

基于量子遗传算法的QoS多播路由算法

QoS多播路由算法的核心问题就是建立满足QoS约束的多播树,它是计算机网络中著名的受约束最小Steiner树问题,是一个NP完全问题。量子遗传算法是基于量子计算理论的新型遗传算法,基于量子遗传算法的基本原理,提出了QoS约束的多播路由算法（QoSMR-QGA）,并详细介绍了QoSMR-QGA算法的实现过程。仿真实验表明,该算法具有较好的算法收敛性和多播路由成功率。     

基于一种新的蚁群算法的QoS组播路由问题的研究

在解决QoS（Quality of Service）组播路由问题上,针对蚁群算法缺点,提出了一种融合量子粒子群算法（QPSO）思想的多行为蚁群算法。该算法采用QPSO作为前期搜索,根据各粒子历史最优值来初始化路径信息素浓度,后期利用多行为蚁群算法来优化路径。仿真结果表明：该算法寻优能力强,可靠性高,是解决QoS组播路由问题的有效方法。     

求解QoS组播路由的自适应变异二次蚁群算法

多约束QoS组播路由问题是一个NP-完全问题,针对基本蚁群算法在解决多约束QoS组播路由问题时易陷入局部最优解、收敛速度慢的突出缺点。提出了一种基于自适应变异的二次蚁群算法对该问题进行求解,该算法采取自适应变异方法,借助节点使用计数器,引入二次蚁群搜索机制,减少了算法陷入局部极值的可能性,提高了算法的寻优能力和收敛速度。仿真实验结果验证了该算法的可行性和有效性。     

融合免疫-蚁群的Ad Hoc网络QoS多播路由

针对Ad Hoc网络中带QoS约束的多播路由问题,提出了一种基于免疫蚁群算法的QoS多播路由发现算法。利用人工免疫算法的快速全局搜索能力寻找较优解,生成初始信息素的分布,加快收敛速度;通过蚁群算法的正反馈收敛机制求得精解,借鉴抗体排斥度的思想避免算法陷入局部最优。仿真结果表明,该算法具有较好的收敛性和寻优能力,适应于Ad Hoc网络环境的变化。     

群智能在Ad Hoc网络QoS组播路由中应用的研究

通过对Ad Hoc网络QoS组播路由问题的深入研究,提出了一种融合量子粒子群优化和蚁群优化的群智能混合算法(QPSOACO算法)。该算法融合QPSO思想以加速蚁群算法在路由发现及维护时的收敛速度,进一步提高算法对网络节点移动性的适应能力。仿真实验表明,该算法对Ad Hoc网络环境的适应性良好。     

IP/DWDM光Internet中智能QoS组播路由算法

提出了一种IP／DWDM光Internet中基于蚁群算法的智能QoS组播路由算法。给定QoS组播请求与用户延迟需求区间，提出的算法寻找一棵基于柔性QoS的成本近优组播路由树。它基于蚁群算法来构造组播路由树，并基于波长图思想对组播路山树进行波长分配，一体化考虑组播路由选择和波长分配问题，同时还考虑了IP／DWDM光Internet中的负载均衡问题。仿真研究表明，算法是可行和有效的。     

蚁群算法在QoS组播路由问题中的应用

研究了该算法在QoS组播路由问题中的应用,描述了QoS路由优化问题。基于多个不相关可加度量的QoS路由问题是NP完全问题,目前采用的方法多为启发式算法。由于蚁群算法是一种基于蚁群系统原理的、具有自组织能力的、新型的启发式优化算法,利用其能够寻找最短路径这一特性,提出了一种基于蚁群系统原理,用于解决时延和时延抖动约束问题的组播路由问题的QoS组播路由算法。该算法改进了路径选择策略,优化了信息素更新公式。仿真结果表明,该算法能够迅速、准确地找到最优解。     

基于自适应蚁群算法的QoS组播路由算法

提出一种改进的自适应蚁群优化算法,在信息素更新策略中引入全局最优系数,研究多约束条件下的QoS组播路由问题。动态更新信息素能够确保自适应地改进全局搜索能力和收敛性能,避免陷入局部最优解。仿真结果表明,该算法比蚂蚁-遗传算法在解决多约束条件下的QoS组播路由问题时更有效。     

改进蚁群算法在QoS组播路由中的应用

QoS组播路由是网络传输中的一项关键技术,蚁群算法是解决多QoS约束组播路由问题的一种启发式算法。针对蚁群算法的缺点,提出了一种双向蚁群算法对该问题进行求解,并改进了蚁群算法的信息素更新策略。仿真实验表明,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。     

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.