QoS路由技术的新方法

多约束QoS路由问题是NP完全问题，一般采用启发式算法求解。量子遗传算法和DNA计算技术是新型的软计算方法．是解决NP完全问题的有效途径。文章在介绍量子遗传算法和DNA计算基本原理的基础上．给出了利用量子遗传算法求解多约束QoS路由问题的算法过程以及利用DNA计算技术解决QoS路由问题的算法模型，为多约束QoS路由技术的求解提供了新方法和新思路。     

基于量子遗传算法的多约束QoS路由算法

提出了一种基于量子遗传算法解决多约束QoS路由问题的算法，详细讨论了该算法用于解决包含带宽、延时、包丢失率和最小花费等约束条件在内的多约束QoS路由问题，给出了算法实现的方法和具体流程．实验结果表明，与其他2种算法相比，该算法不但能满足QoS约束要求，同时可以均衡链路负载，很好地优化网络资源．     

基于自主蚁群算法的认知网络多约束QoS路由算法

提出了一种基于自主蚁群算法的认知网络多约束QoS路由算法,该算法主要解决认知网络中具有多个参数约束的QoS路由优化问题。针对基本蚁群算法在收敛速度和全局搜索能力方面存在不足,本算法主要从信息素浓度初始化、信息素挥发因子调整、信息素更新规则、状态转移规则四方面改进,在收敛速度和全局搜索能力方面得到提高。实验结果表明,该算法具有较好的收敛速度和全局寻优能力,能够有效的解决认知网络所面临多约束QoS路由问题。     

一种基于地理位置的无线传感器网络服务质量路由算法

基于传感器节点的地理位置信息与网络传输路径的能耗模型分析,提出一种无线传感器网络服务质量(QoS)路由算法.将多跳传输路径中的转发节点序列控制在以源节点与汇聚节点连线的一定区域内,尽量拟合源节点与汇聚节点连线传输,有效控制了传输路径.并对QoS路由算法提出改进,转发节点根据当前实时QoS约束动态地调整传输区域的大小以及优化下一跳选择机制,使传输路径最大程度拟合源节点和汇聚节点之间的连线,达到路径传输能耗最优.仿真实验表明,该QoS路由算法在满足网络QoS约束的同时,节省了网络的能耗,延长了网络生存时间.     

一种求解QoS路由问题的半定规划算法

QoS路由的主要问题是求源节点到目的节点满足QoS多个约束的优化问题。由于半定规划在求解组合优化问题和NP-完全问题时具有收敛速度快,迭代步数少等优点。本文基于QoS路由问题的线性整数规划网络模型,利用半定规划方法研究了时延约束的代价最小问题。把QoS路由的一般模型松弛为半定规划的标准形式,利用半定规划内点方法进行求解,然后利用随机扰动方法得到原问题的近似最优解.数值试验表明了算法的有效性。     

基于多目标规划和业务区分的多QoS约束路由算法

针对大多数QoS路由选择算法所存在的问题，采用多目标规划和业务区分的方法建立了满足多QoS需求和网络资源利用率的路由选择数学模型，对Fallback＋算法作了进一步扩充和改善．提出了一种新的Fallback＋＋算法，它不仅能满足多QoS约束，而且能高效地利用网络通信资源．分析得出该算法的时间复杂度和空间复杂度均为O（n＊N^2）．仿真实验验证了该模型和算法的有效性和正确性．     

基于蚁群优化的无线多媒体传感网络QoS 路由算法

介绍一种基于蚁群算法的无线多媒体传感器网络WMSNs的QoS路由算法。本文在分析了WMSNs的QoS路由模型的基础上,设计了基于蚁群算法的QoS路由算法,并对节点排队模型进行了分析。仿真结果表明,采用该算法时,在满足网络QoS参数需求的前提下,节点平均寿命和数据包延迟要优于传统的DD算法。     

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。     

基于模拟退火的多约束路径优化选择算法

多约束QoS路由是下一代互联网的核心问题之一．为解决QoS路由算法容易陷入局部最优的问题，将模拟退火方法与路由计算结合起来，提出一种新的组合优化算法．该算法可以及时从无效的迭代中跳出到其他空间，提高搜索效率，具有全局收敛性，可在有限次数迭代中快速找到可行路径．实验表明，该算法性能高，同时对网络规模和多约束个数具有很好的可扩展性．     

QoS多约束单播路由算法的研究与实现

介绍了蚂蚁算法基本原理，将蚂蚁算法应用于解决QoS多约束单播路由问题，针对QoS路由中的带宽、丢包率和时延3大约束问题对原有算法模型进行改进。在改进后的算法中，对于同一路径的不同路段给予不同的信息素更新量，而且用时变函数来代替原算法中的信息素更新常量，最后用OPNET网络仿真工具验证了该算法的有效性和正确性，并以图形比较了改进前后算法的优越性。