基于改进蚁群算法的SDN数据中心流调度研究

目前在软件定义数据中心网络中,基于蚁群算法的流调度策略在对路径进行选择时存在收敛过慢和搜索停滞等缺点,容易导致数据中心网络时延过高和资源利用率低等问题.为此,提出一种基于蚁群改进的流调度算法.该算法以最大化平均链路带宽利用率为优化目标,将流调度问题抽象为整数线性规划模型,通过重定义蚁群算法中的信息素更新方式对大流的重路...     

基于改进多蚁群算法的网络资源负载均衡与优化

针对网络资源管理中的负载均衡与优化问题,提出一种改进的多蚁群算法,通过代表网络流量的多蚁群间信息素的相互作用和动态更新来实现网络流量分担到多条可用路径;通过确定性选择和随机性选择相结合的方法自适应地选择最优路径,实现流量负载均衡;通过设置信息素的最大和最小值,避免早熟收敛行为,增加了全局最优解的搜索能力;通过对代价函数的改进及以上改进方法的综合运用提高了算法的自适应性。仿真实验结果表明,改进的多蚁群算法比原多蚁群算法在缩短自适应时间、减少丢包率、提高负载均衡效率方面具有更优的性能。     

基于蚁群优化的WSN网络数据融合算法

为了减少WSN网络中数据传输量、优化无线传输距离,提出了一种基于蚁群优化的WSN网络数据融合算法.该算法构造数据融合树并根据WSN网络的传输特点改进了蚁群算法,考虑了路径偏转角对路由的影响,调整节点选择概率;同时对最优的多个路径更新信息素,以提升最优路径的全局搜索能力.在WSN网络节点能量消耗、传输延迟方面与经典算法对比,发现该算法能够有效延长网络的生命周期、降低节点能耗,并能改善网络负载均衡.     

基于时延和能耗的SD-DCN的路由优化算法

为了更好地实现数据中心网络的节能,基于交换机链路速率级的能耗特点,基于软件定义网络技术,提出一种Floyd-Warshall动态规划和局部重路由的节能服务质量路由优化算法.控制器在保障流的时延性能前提下,采用流在空间和时间上均衡传输的策略,依次为每个流计算传输路径和传输速率;在选路失败的情况下,尽量用较少的开销提高网络的接受率.仿真结果表明,该算法有效地降低了能耗,同时提高了网络流的接受率.     

基于蚁群模拟退火算法的云环境任务调度

针对云计算的MapReduce编程框架,提出一种融合蚁群算法和模拟退火算法的混合调度算法（ACOSA）。该算法以最小化调度时间为目标,引入了任务与资源的匹配因子和负载均衡度,先利用蚁群算法得到一组任务到资源的优化解,然后通过模拟退火算法对解进行路径的优化和信息素的更新。通过扩展Cloudsim云计算仿真平台,对其进行重新编译,实现了所提出的算法,实验结果表明该算法在调度时间、负载均衡等方面表现良好。     

基于蚁群算法的无线传感器网络改进CTP路由协议

针对农业大棚无线传感器网络监测系统出现的节点负载不均衡、负载大的节点寿命短、节点间链路质量差、丢包和误码较为频繁、数据包时间延迟较严重等现象,利用蚁群能够发现从巢穴到食物源之间最优路径的特性,提出一种新的蚁群汇聚树路由协议ACA-CTP(Ant Colony Algorithm Collection Tree Protocol)。该算法将蚂蚁信息素、节点间链路质量、数据包时延等3个指标作为算法优化因子,改进蚁群算法的路径概率选择策略,并将改进后的蚁群算法与CTP路由协议相结合,在TinyOS平台上使用NesC语言实现新的路由协议。ACA-CTP路由协议利用改进后蚁群算法的全局寻优能力和快速收敛性,在源节点和目的节点间选择最优路由路径,保证监测数据实时准确地传输至监控平台。仿真结果表明:该算法延长了网络生存周期,降低了数据包传输时延和网络丢包率。     

基于SDN控制器的负载均衡策略

给出一种基于软件定义网络(software defined network,SDN)控制器的负载均衡策略。选用分布式控制器,将网络中任意两节点的通信近似为Markov过程,通过多步转移概率计算网络节点间各链路权重。测量交换机和控制器负载,当控制器超载后,根据链路权重,选择需要迁移的交换机进行负载均衡操作,最后在数据中心Fat-Tree拓扑上进行网络仿真。仿真结果表明,与最短路径优先算法相比,所给策略的平均流量和吞吐量均有明显提升。     

基于多路径传输的动态负载均衡路由算法

针对当前数据中心网络面临的资源分配不够合理、资源利用率低等问题,提出一种基于多路径传输的动态负载均衡路由(multipath transmission-based dynamic load-balanced routing,MTDLR)算法.该算法利用软件定义网络(software-defined networking,SDN)架构集中控制的优势,建立实时全局资源视图,综合考虑多路径的链路带宽均衡度、路径带宽最优度和路由跳数等路径层面因素,为每条数据流选择最优路径.在此基础上,搭建SDN仿真平台进行性能测试,仿真结果表明:在多种拓扑结构的数据中心网络中,MTDLR算法较等价多路径(equal-cost multi-path,ECMP)算法和全局负载均衡(global load balancing,GLB)算法在带宽利用率、吞吐量等方面均有一定程度的提高.     

一种蚁群策略的双信道传感器网络路由算法

针对高负载无线传感器网络堵塞率比较高的问题,提出了一种基于蚁群策略的双信道传感器网络路由算法(CORA).该算法首先利用双信道通信模式降低了信道竞争过程中的数据碰撞和多播抑制几率;再利用最大感染球策略来压缩蚁群的寻路范围,进而降低网络的寻路能耗;借助分层图模型提出了一种两层网络联合优化的选路策略,该策略可将控制层中被堵塞的寻路业务有条件地下放在数据层中传输,从而降低网络的堵塞率和通信延迟.仿真结果表明,与一种基于蚂蚁策略的能量有效路由算法及一种基于蚁群策略的能量有效路由算法相比,CORA算法能将高负载网络下的堵塞率下调13%,且能有效降低数据包的平均通信时间和网络的通信能耗.     

基于网格的异构无线网络负载均衡算法

针对目前软负载均衡算法中无线资源统计不具有普适性,未考虑用户业务需求与异构资源单元差异性匹配的问题,根据网格计算的思想,在异构无线网络中提出了基于网格的负载均衡算法。该算法首先将无线资源映射成不同的三维资源单元,每个三维资源单元相当于一个网格。然后将业务分成不同的子业务流(数据包),统一分给不同的网格,实现业务的分布式分流,在保证用户QoS的情况下,实现网络的负载均衡。仿真结果表明:基于网格的负载均衡算法能够较好地均衡异构网络间的负载,降低负载偏离度,提高系统吞吐率。     

一种基于蚂蚁算法的QoS路由算法

为了平衡网络负载,优化网络资源使用,路由算法必须具备快速规避拥塞的能力.现提出一种基于蚂蚁算法的Qos路由算法.该算法通过舍弃信息素能快速探索最优路径,并能在链路将发生拥塞时充分利用原有路由信息形成拥塞通告蚂蚁,使源节点能快速做出反应,利用分散流量,以避免链路的拥塞.经仿真证明,该算法明显节省了QoS路由搜索时间,有效规避了网络拥塞,提高了网络服务能力.     

基于消息的加权负载均衡算法

在研究EAP协议与Diameter协议的基础上,为解决分布式认证系统节点间会话一致性的问题,以及尽可能减少服务节点数量改变时产生的会话迁移数量,提出了一种基于消息的加权负载均衡算法(MOLB)。该算法使用散列法、虚拟节点和红黑树相结合的技术,实现了客户端请求在服务节点间的合理分布。Diameter网络环境中的实验结果表明:与其他常用的负载均衡算法相比,本文算法具有较小的负载均衡度和会话破坏度以及较低的会话破坏分布度。     

基于动态蚁群规模的优化路由算法

针对移动Ad Hoc网络,提出了一种可以可控制蚁群规模的自适应蚁群路由算法,通过在网络节点配置蚂蚁数目控制表来控制"网络蚂蚁"的数目。该算法能提高蚁群算法的自适应性,自动调节网络的负载平衡。网络仿真试验结果表明,该算法具有良好的收敛性和求解效果。     

基于融合遗传原理的蚁群算法在配电网故障恢复中的应用

本文对配电网的故障恢复问题进行了研究,提出了结合实际的配电网故障恢复目标函数,在分析了遗传算法和蚁群算法的基础上,结合遗传算法和蚁群算法的各自优点,提出了一种将遗传算法融入到蚁群算法的新策略,利用遗传算法的交叉操作产生蚁群算法的新的旅行路径,以此提高蚁群算法的全局搜索能力,构造了基于遗传算法的混合蚁群算法。实例分析表明,该算法具有较快的收敛速度和较强的全局搜索能力,避免了不成熟收敛,有效地提高了故障恢复的速度和精度。     

基于蚁群聚类和裁剪方法的RBF神经网络优化算法

提出了一种基于蚁群聚类算法和裁剪方法的RBF神经网络优化算法。利用蚁群算法的并行寻优特征和一种自适应调整挥发系数的方法,提出一种新的聚类算法来确定RBF神经网络中基函数的位置;通过一种裁减的方法,除去对整个网络的输出贡献不是很重要的隐层单元来约简隐含层的神经元,以达到简化RBF神经网络结构的目的。对非线性函数进行逼近仿真,结果表明:优化算法有比较好的优化效果,而且,优化后的RBF神经网络的结构小,RBFNN的泛化能力得到了提高。     

基于SDN的一体化融合网络路由调度机制

为了解决一体化融合网络动态接入设备出现的通信波动、流量负载均衡以及鲁棒性差等问题,结合软件定义网络（SDN）技术, 优化了基于主客观的精准成本模型,将指标阈值型G1法作为主观赋权法,将标准离差法作为客观赋权法,使用乘法集成法对主观法和客观法计算出的权值进行成本整合,给出了最终的链路成本。提出了一体化融合网络多路径选择算法,把优化后的成本组合运用到多路径迪杰斯特拉（Dijkstra）变种算法中,得到传输链路及组合成本。提出了一体化融合网络联邦路由拓扑和策略,使不同网络可以选择符合自身特征的多条路径并按比例转发。研究结果表明,所提方案优化了差异化路径选择和流量调度,增加了链路带宽利用率并减小了网络传输时延。     

基于蚁群神经网络算法的机器人逆解

提出了一种机器人逆运动学问题建模的新方法.利用神经网络逼近机器人逆运动学的输入与输出、利用改进的蚁群算法学习神经网络.针对蚁群算法主要用于离散优化的特点,对基本的蚁群算法进行了改进,采用了全局搜索、局部搜索和确定性搜索,为连续问题的优化提供了一条新的思路.利用改进的蚁群算法学习神经网络,为神经网络提供了一种新的学习算法,使得该方法兼具了蚁群算法与神经网络的优点.应用实例表明了该方法的有效性,提高了机器人逆运动学求解的速度和精度.