基于萤火虫群优化的Ad Hoc网络路由协议

针对Ad Hoc网络拓扑结构多变、网络生存时间受限及数据包分组传输效率低下等问题,本文借鉴萤火虫群优化算法的思想,提出了一种基于萤火虫群优化的Ad Hoc网络路由协议。路由协议用萤火虫优化算法的荧光素强度的更新规则与无线自组网络中的节点移动速度、拥塞程度、节点剩余能量及节点间的距离等因素相互映射,改进萤火虫群优化算法中的搜索萤火虫、驻留萤火虫及回溯萤火虫用于完成Ad Hoc网络中路由协议的路由发现、路由选择及路由维护等过程,整个协议无须传送大量的控制分组,即可实现Ad Hoc网络的稳定。仿真实验结果表明,与AODV及基于蚁群优化的路由算法AntRouting协议相比,本文所提出的路由协议在端到端延时、分组数据传输率及网络生存时间上均有良好的性能。     

基于改进萤火虫群优化的无线自组网路由算法

针对无线自组网络拓扑结构多变、网络生存时间受限及数据包分组传输效率低下等问题,借鉴萤火虫群优化算法,提出了一种改进萤火虫群优化的无线自组网络路由算法.路由算法将萤火虫优化算法中的荧光素强度更新与无线自组网络中的节点移动速度、拥塞程度、节点剩余能量、节点间距离等因素进行相互映射,同时改进萤火虫群优化算法中的搜索萤火虫、驻留萤火虫及回溯萤火虫用于完成无线自组网络中路由协议的路由发现、路由选择及路由维护等过程,整个协议无须传送大量的控制分组,即可实现无线自组网络的稳定传输.仿真实验结果表明,与AODV及基于蚁群优化的路由算法AntRouting协议相比,本文所提出的路由算法在端到端延时、分组数据传输率及网络生存时间上均有良好的性能.     

基于AODV的能量优化路由协议

对AODV路由协议进行改进,提出了基于AODV的能量优化路由协议(EO-AODV).进行了节点的剩余能量的考虑,根据节点的剩余能量对RREQ延迟进行了调节,并采用了避免路由失效算法,利用节点最近一次传递过数据分组的时间作为约束条件对RREQ的洪泛广播进行了优化.仿真结果表明,和AODV路由协议相比,降低了网络的能量消耗并减少了耗尽能量的节点数,延长了网络的生存时间.     

无线自组织网络中基于蚁群算法结合连通支配集的路由协议

针对蚁群优化(ACO)在无线自组织网络应用的缺点,如搜寻和维护路由信息过程中需要消耗大量的开销和能量。在ACO算法的基础上,提出一种结合连通支配集的混合路由协议。该协议将网络中的连通支配集(CDS)作为集群节点的辅助结构,从前进蚂蚁中获取网络的状态信息,这些信息仅可以通过每个集群头进行广播,从而减少传输蚂蚁数据包所需的开销。为了增加网络的效率,采用伪随机比例选择策略对后向蚂蚁从源节点到目的地节点间的最优路径进行评估。NS-2网络仿真器实验结果表明,与自组织按需距离向量(AODV)路由协议和蚁群优化路由协议相比,提出的路由协议在数据包传输率、网络总体吞吐量和平均端到端延迟等方面均有明显改进。此外,提出的路由协议消耗的网络资源较少,适合节点连接程度比较高的网络。     

节能移动自组网路由协议研究与仿真

针对移动自组网节能问题,提出一种能量控制的AODV改进路由协议——MTMPEW,采用低能耗传输路径的选择算法,仿真实验结果表明,与经典的AODV路由协议相比,MTMPEW能更好地保护低能量节点,降低发送数据包的能耗,延长网络的生存时间,平衡网络流量。     

基于Ad Hoc网络的多机器人通信协议改进

Ad Hoc自组网解决了多机器人系统中网络拓扑结构动态变化和数据报文多跳转发的通信问题,决定节点能耗、最优路由和网络信息延迟等网络性能,是多机器人系统网络常用的通信方式。其中AODV协议能较好的在Ad Hoc自组网中适用,但由于多机器人系统中网络拓扑动态变化,传统的AODV协议的网络节点负载情况以及选择路由的准确性方面存在着一定缺陷。在AODV协议基础上,采用负载均衡算法的方式,对路由代价进行优化,以便更好的解决网络节点不均衡、出现拥塞时选路不准确的问题,更好的实现均衡节点能耗、优化路由以及减少网络信息延迟的目标。以NS2为网络仿真平台进行仿真,并对结果进行分析得,与AODV协议相比,改进之后的路由协议的提高了分组投递率、降低了平均端到端时延以及相对路由开销。     

移动Ad hoc网络中AODV路由协议的研究

AODV路由协议作为Ad Hoc网络中一种典型的按需路由协议,由于其路由开销低,实现简单,具有较好的可扩展性,所以一直是路由协议中研究的重点。但是AODV路由协议在选取路由时仅以跳数为度量标准,没有综合考虑影响网络性能的其他因素,所以协议本身还存在路径单一,个别网络节点的能量消耗较快等问题。针对以上不足,本文对原有的AODV协议加以改进,综合考虑了影响网络整体性能的移动节点的能量、负载和路由的跳数三个方面的因素,通过加权值设计了一个路由代价函数M。通过参考M值的大小来选取合适的路由,不仅优化目的节点的选路机制,同时也优化了中间节点的转发机制。通过仿真实验表明,改进后的协议与原有AODV协议相比,在延长网络生存期,提高网络吞吐量方面均有明显的改善。     

基于蚁群算法的无线自组网络能量控制路由研究

在深入分析现有路由协议的基础上,提出了一种基于蚁群算法的能量控制路由模型。首先分析网络特性,建立节点移动和能量消耗数学模型;然后,建立基于蚁群算法的能量控制路由模型,通过计算节点剩余能量和节点度等确定数据传输过程中节点被选择的概率;最后选择高概率节点作为中间节点进行数据转发。仿真结果显示:相比典型的DSR路由协议,该算法可以为网络提供能量保障,延长网络生存时间,弥补已有算法的不足。     

支持移动自组网的柔性链路状态路由协议

在移动自组网(MANET)中,服务质量(QoS)路由的目标是要确定一种具有足够可用移动节点的有效路由路径来满足源点的需求,而且被选择的多点中继(MPR)节点是处在通过路由协议计算产生的最优路由路径上。为了能在较短时间内稳定地寻找到从源点到终点带有最大带宽和最小时延的最优QoS路由路径,提出一种新的柔性链路状态QoS路由协议FLSQR。该协议使用了一种新的链路状态方法——每个节点缓存中存储一张效用决策表(EDT)用作路由计算。FLSQR根据EDT中的效用距离(ED)使用MPR1和MPR2选项来选择最优和次优路由路径,进而通过提出的度量模型选择最优带宽和时延的路径。实验结果显示,FLSQR协议在MANET中的最优路由路径发现方面比OLSR和QOLSR-MPR协议性能更好。     

面向能量和链路优化的水声移动传感器网络路由协议设计

针对水声移动传感器网络中存在水声通信环境恶劣、通信环境复杂多变以及节点能量受限造成的水声移 动传感器网络能量不均和路由链路断裂问题, 提出一种基于能量与链路度量路由的改进按需平面距离向量路由 (AODV)协议. 引入了以能量阈值为基准描述网络节点能量状态的能量指标以及以邻居节点间距离为基准描述链路 状态的链路指标, 并以综合考虑网络路由链路中节点的能量指标、路由链路指标以及路由链路跳数的路由度量作 为协议选择路径的优先条件, 并以此进行路由修复. 仿真实验表明, 本文所设计的改进AODV协议可提升网络整体 数据量、均衡网络节点能量、延长网络的生存周期.     

基于Q学习的蚁群优化水声网络协议

针对水声通信中数据传输延时高且动态适应性弱的问题, 提出了一种基于Q学习优化的蚁群智能水声网络路由协议(Q-learning ant colony optimization, QACO). 协议包括路由行为和智能决策部分, 在路发现和维护阶段, 依靠网络智能蚂蚁进行网络拓扑环境的构建和节点之间的信息交换以及网络的维护. 在Q学习阶段, 通过定量化节点能量和深度以及网络传输延时学习特征作为折扣因子和学习率, 以延长网络的生命周期, 降低系统能耗和延时. 最后通过水声网络环境进行仿真, 实验结果表明QACO在能耗、延迟和网络生命周期方面都优于基于Q学习辅助的蚁群算法(Q-learning aided ant colony routing protocol, QLACO)和基于 Q-learning 的节能和生命周期感知路由协议(Q-learning-based energy-efficient and lifetime-aware routing protocol, QELAR)和基于深度路由协议 (depth-based routing, DBR)算法.     

基于Q学习量子蚁群的微纳卫星路由算法

在微纳卫星网络中,传统蚁群路由算法不能同时保证数据传输的安全性和网络业务的服务质量,且易陷入局部最优解,收敛速度较慢。为解决上述问题,提出一种实现多目标优化的Q学习量子蚁群路由算法。该算法在选择下一跳节点的转移概率时,将路径的平均信任值和路径的费用作为两个优化目标,构成最优路径的节点性能指标,保证数据传输的安全性和网络业务服务质量。在考虑路径费用函数时,将量子计算引入到状态转移概率计算中,避免陷入局部最优解,并在算法中引入Q学习的思想,将信息素映射成Q学习的Q值,强化算法在动态环境中的学习能力,以提高路由的整体性能。仿真结果表明,与蚁群优化算法和改进的蚁群多约束路由算法相比,Q学习量子蚁群路由算法明显改善包投递率、平均端到端时延和节点平均能耗等性能指标,避免了蚁群算法易陷入局部最优解,提高了收敛速度,可适用于具有高速移动节点的微纳卫星网络。     

移动自组网基于路径维持概率的按需路由协议

在移动自组网(mobile ad hoc networks,简称MANET)中,节点的移动使无线链路经常发生断裂,从而导致路由无效.为了提高路由的稳定性,在分析单跳链路的t-时间维持概率的基础上,提出了一种基于路径t-时间维持概率的按需路由协议.该协议通过目的节点对路由请求的二次应答和中间节点对路由的反向优化来选择具有最大t-时间维持概率的路径,从而延长了路由的维持时间.仿真结果表明:与AODV(ad hoc on-demand distance vector)和DSR(dynamic source ro     

传感器网络中基于蚁群优化的谣传协议*

谣传协议是传感器网络中基于数据查询的路由协议,它使用随机方式生成路由,形成的数据传输路径不是最优路径,并且可能存在回路。为此,提出一种基于蚁群优化的谣传协议。该协议将蚁群分成查询蚂蚁和事件蚂蚁两个种群。当两个种群的蚂蚁相遇时,则形成查询路径。该协议解决了谣传协议中的回路问题,算法收敛性好,建立完整查询路由的概率比谣传协议的要大,传输数据所需的能量消耗比谣传协议的要少,是一种能量高效的数据查询协议。     

基于蚁群的无线传感器网络能量均衡非均匀分簇路由算法

无线传感器网络(WSN)路由中,节点未充分考虑路径剩余能量及链路状况进行的路由会造成网络中部分节点网络寿命减少,严重影响网络的生存时间。为此,将蚁群优化算法与非均匀分簇路由算法相结合,提出一种基于蚁群优化算法的无线传感器非均匀分簇路由算法。该算法首先利用考虑节点能量的优化非均匀分簇方法对节点进行分簇,然后以需要传输数据的节点为源节点,汇聚节点为目标节点,利用蚁群优化算法进行多路径搜索,搜索过程充分考虑了路径传输能耗、路径最小剩余能量、传输距离和跳数、所选链路的时延和带宽等因素,最后选出满足条件的多条最优路径,完成源目的节点间的信息传输。实验表明,该算法充分考虑路径传输能耗和路径最小剩余能量、传输跳数及传输距离,能有效延长无线传感器网络的生存期。     

基于局部邻居节点和链路权值的改进AODV路由协议

在节点高速移动的Ad Hoc网络环境中,广播风暴对网络性能的影响尤为重要,且网络拓扑结构的频繁变化极易导致路由中断.传统的AODV路由协议在路由发现阶段直接使用广播转发RREQ（路由请求分组）机制,容易导致广播风暴降低网络性能;同时,协议选择跳数最少的路径作为路由,没有考虑到节点的快速移动导致路由频繁失效,因此无法适应节点高速移动的网络环境.针对上面存在的问题,提出一种对AODV进行改进的协议.该协议在路由发起过程中,基于局部邻居节点数量计算动态转发概率;选择路由时,利用跨层思想,结合网络节点移动速度提出链路权值,依据链路权值选择路由路径.NS2仿真结果表明：该改进协议提高了数据包的投递率,缩短了端到端的传输时延,能够更好地适应节点高速移动的网络环境.     

基于蚁群优化的无线传感器网络能耗均衡路由算法

针对无线传感器网络中节点能量受限的特点,将蚁群优化算法(ACO)应用于无线传感器网络,同时考虑了通信路径长度和节点剩余能量等因素,提出了具有能量意识的无线传感器网络路由算法,从多方面解决了节点间的能耗不均衡问题。该算法在OMNET++平台下仿真结果表明,与Ant-Net、ACRA算法相比在能耗不均衡和传输延迟等方面有了较大改进,实现了全网节点的能耗均衡,有效延长了网络生命期,减小了传输时延。     

使用特殊复合距离的选播路由算法

选播成员都是等价的服务器,服务数据的服务质量比作为请求的选播数据报更为重要．使用特殊复合距离的选播路由算法(ASCD)使用跳数、逆向传输延迟、逆向可用带宽以及服务器负载合成的距离来选择路径．不同于其他算法,ASCD使用度量在路径逆向上的值,即从选播数据报目标节点(服务器)到选播数据报源节点(客户)方向,而不是常规从选播数据报的源节点到目的节点方向．ASCD定位的路径和选播成员使选播数据报请求的服务数据能够得到更多路径资源．ASCD还能够在一定程度上平衡服务器负载．