一种基于改进蚁群算法的光网络动态RWA机制

动态RWA(路由与波长分配)问题是智能光网络的核心问题.文章提出一种解决动态RWA问题的改进蚁群算法,在转移概率中加入了链路的空闲率作为约束条件,同时还引入了随机扰动防止搜索过早收敛于局部最优路径.仿真结果表明,改进算法与传统Dijkstra+ FF(首次命中)算法相比,可以显著降低阻塞率,提高资源利用率.     

一种基于改进蚁群算法的光网络波长路由分配算法

路由与波长分配(RWA)是下一代光网络的需要解决的核心问题之一。论文提出了一种基于改进蚁群算法的光网络RWA算法SA-DRWA算法。算法在转移概率中加入了链路的空闲率作为约束条件,同时还引入了随机扰动以防止传统蚁群算法中迭代次数较少时就过早收敛于局部最优路径的缺点。理论分析表明,SA-DRWA算法可以有效地实现光网络中的负载均衡。对不同网络拓扑中算法的性能进行了仿真,结果表明,SA-DRWA算法比传统Dijkstra+FF算法在阻塞率及资源利用率等方面有明显改进,在规则网格型网络中阻塞率和资源利用率分别改善了0.23。     

一种基于改进遗传算法的波长路由算法

WDM(波分复用)光网络中基于GA(遗传算法)的RWA(路由与波长分配)算法是目前最常见的算法,为了提高网络资源利用率并进一步降低阻塞率,提出了一种动态的、基于改进GA的DCMA-GA(双交叉变异自适应遗传算法),通过引入自适应交叉与变异概率机制来减少GA的复杂度并应用于波长分配子算法中。仿真结果表明,与经典算法Dijkstra+FF(首次命中)相比,新算法最大能降低50%的阻塞率,在波长分配方面可提高10%的性能,验证了新算法的有效性。     

基于蚁群系统的分布式RWA算法研究

针对波分复用(WDM)光网络中动态选路和波长分配(RWA)问题，提出了一种基于蚁群算法的分布式动态RWA方法。将蚁群算法与分层图模型结合，实现了RWA的并行计算。仿真结果表明，与现有最短路径法相比，该算法能有效地降低光路阻塞率，促进波长资源的合理分配，同时分布式的计算方式也降低了现代频繁变化的大型光网络的通信开销。     

基于蚁群和鱼群的混合优化光网络动态RWA算法

基于蚁群算法和鱼群算法提出一种混合优化算法用于解决光网络动态RWA问题。重点研究了将人工鱼群算法的拥挤度概念引入到蚁群算法中,改进了蚁群算法初始解获取和状态转移选择,提高了算法速度和寻优能力。通过仿真分析,混合优化算法能降低光网络中的阻塞率,提高资源利用率,验证了算法的可行性和有效性。     

WSN中动态自适应蚁群路由算法

路由问题是无线传感器网络的核心问题,采用动态自适应调整信息素的蚁群算法,克服了基本蚁群算法的搜索时间过长、易于陷于局部最优解等缺点;同时对无线传感器网络存在的节点能量、传输延时、网络生命周期等问题有明显的改善与提高;最后通过实验仿真证实了该算法的有效性.     

一种基于改进蚁群算法的光网络路由分配算法

基于蚁群算法原理设计了一种适合于自动交换光网络的算法.在指出基本蚁群算法存在易过早陷入局部最优、易出现停滞现象等一系列问题的同时,针对性地给出了改进策略——状态转移选择、动态信息素更新.仿真结果表明,文章中提出的算法能有效降低全网平均阻塞率、高效分配各种网络资源、促进全网负载均匀.     

基于自适应蚁群的多约束QoS组播路由算法

结合多约束QoS组播路由的特点,应用一种自适应蚁群优化算法解决组播路由问题.考虑到实际通信中链路利用率对网络的影响,将网络中链路的带宽转化为链路的代价问题,并在蚁群算法中根据蚂蚁所选路径的代价进行信息素更新,增加了信息素调整的自适应性,同时加快了算法的收敛速度,使得组播路由算法在考虑网络QoS约束的基础上进一步贴合实际网络的需求.     

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。     

基于蚁群算法的云计算自适应任务调度研究

为了解决蚁群算法在解决云计算中大规模任务调度问题时收敛速度较慢且易陷入局部最优解的缺陷,设计了一种基于蚁群算法的云计算自适应任务调度算法,该算法在多态蚁群算法的基础上加入了信息素自适应更新调整机制,用来提高算法的收敛速度,有效地避免的局部最优解的出现。实验数据表明,在解决大规模任务调度问题时本文算法性能更好。     

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。     

基于自适应信息素调整的连续空间优化蚁群算法

对于基本蚁群算法(ACA)不适用求解连续空间问题,并且极易陷入局部最优的缺点,提出了一种基于自适应的蚁群算法。路径搜索策略采用基于目标函数值搜索筛选局部最优解的策略,确保能够迅速找到可行解。信息素更新策略采用自适应的启发式信息素分配策略,使算法能够快速收敛到全局最优解。对2个求函数极值问题进行优化并与其他算法进行比较,结果表明该算法能很好的应用于对连续对象的优化,同时具有较高的寻优精度高,搜索速率快,良好的全局优化性能。     

基于优化成熟度的自适应蚁群优化算法

分析了蚁群算法局部信息素更新系数与全局信息素更新系数对算法寻优能力与收敛速度的关系,定义平均路径相似度(ATS)来表征寻优过程的成熟程度,并据此自适应调整信息素更新系数,提高算法收敛速度并避免陷入局部最优.经过与典型蚁群算法在多个旅行商问题测试用例上进行收敛速度与全局寻优能力的全面比较,证明了新的算法具有较好的效果.     

基于自适应节点选择蚁群算法的QoS选播路由算法

针对基本蚁群算法在求解QoS选播路由问题中存在的容易陷入局部最优和收敛速度慢的缺陷,提出一种基于自适应节点选择的蚁群算法对该问题进行求解.该算法根据解的情况自适应调整节点选择策略;依据各路径上信息素的＂集中＂程度判断解的早熟、停滞情况,并对可能陷入局部最优的解进行信息素混沌扰动更新,以便跳出局部极值区间.仿真实验表明,算法全局搜索能力较强,能够跳出局部极值区间,快速地收敛到全局最优解,算法是可行、有效的.     

基于改进蚁群算法的无线传感器网络路由

为了降低节点能量消耗,延长网络生存的时间,提出了一种改进蚁群算法的无线传感器网络路由机制。首先将无线传感器网络服务质量分为3类,然后利用蚁群算法可以自适应网络状况动态性的优势,构建传感器节点转移函数和信息素更新规则,自适应构建数据路由,最后采用仿真模拟实验对算法性能进行检验。实验结果表明,相对于与现有无线传感器路由算法,本文通过引入蚁群优化机理挖掘传感器节点之间的关联性,数据传输延迟、可靠性和能量开销上具有更好的性能,使整个网络性能保持最优。     

基于D*思想的动态RWA算法研究

文章提出一种基于D*(D-Star)思想的启发式算法,求解波分复用(WDM)光网络中动态路由和波长分配(RWA)问题.将网络中各边代价与当前波长使用情况综合考虑,建立D*算法的估价函数,实现了WDM光网络中动态业务的高效分配.仿真结果表明,该算法能有效降低阻塞率,促进波长资源的合理分配,同时,其快速和智能特性也提高了网络故障环境下的生存性.     

基于信息融合的多维自适应蚁群优化算法研究

文中设计了多维系统各子蚁群时间同步方案以及信息融合时间窗口开启策略;针对影响蚁群算法的主要参数,提出动态认知的参数自适应调整改进算法,实现算法初期路径选择的多样性、成熟后可提高算法的寻优效率。以解决TSP问题为例,对启发式因子、信息素挥发因子等主要参数对蚁群最优路径影响进行仿真分析。     

基于拥挤度因子的动态信息素更新策略蚁群算法

针对蚁群算法易陷入局部最优、收敛速度慢的问题,文中提出了一种基于拥挤度因子的动态信息素更新策略的蚁群算法(CFACS)。引入鱼群算法中拥挤度的思想,扩大种群中蚂蚁分布范围,使其探索更大的解空间,提高算法全局搜索能力;采用动态信息素更新策略,在每一次迭代中,自适应调整当前最优路径所释放的信息素浓度,保证蚁群前期的多样性,同时保证算法在后期的收敛性。求解TSP问题的仿真实验表明,改进算法求得解的质量和求解的收敛速度都明显优于传统蚁群算法,较好地平衡了种群多样性与收敛速度之间的矛盾。     

蚁群算法在求解TSP问题中的改进研究

针对蚁群算法在求解大规模优化问题时存在的3个缺点：消耗时间长、蚂蚁在下次搜索时目标导向不强导致搜索随机性大、寻优路径上的信息素过度增强导致得到假的最优解。本文提出了基于边缘初始化和自适应全局信息素的改进蚁群算法。在相同参数下,其搜索时间大大缩短,并且得到了更好的最优解。将其应用到旅行商（TSP）问题中,和基本蚁群算法、遗传算法相比较,其具有以下优点：较好的搜索最优解的能力;对新解不会过早的终止;探索新解的能力进一步增强。因此,改进的蚁群算法在求解TSP等组合优化问题时非常有效。     

路由与波长分配的RWA算法应用于光通信网络

随着科学技术的不断发展,光通信网络成为了网络技术的主要发展趋势,逐渐在通信网络中发挥出显著作用.现阶段,光通信网络中的光网络主要采用基于密集波分复用技术组成,一旦波分数量增加,光网络中的路由选择与波长分配问题就难以解决.本文详细阐述了分层图模型的概念,提出波长可变光网络中的动态RWA算法,并在此基础上分析了动态RWA算法的数值模拟,以在提高波长资源利用率的同时,降低网络阻塞率.