Q学习和蚁群优化混合的无线传感器网络移动代理路由算法

针对无线传感器网络移动代理路由问题,提出了Q学习和蚁群优化混合的无线传感器网络移动代理路由算法。该算法综合了Q学习和蚁群优化算法思想,引入了新的路径选择概率模型,并对最优路径进行了有效的维护。仿真实验结果表明:该算法有效地提高移动代理选路效率,满足不同任务对时延的要求,增强了最优路径的可靠性,进一步降低了网络能耗。     

一种延迟受限的动态多播路由算法

基于标签技术和最短费用路径,根据延迟约束不断调整多播路由树中部分路径以减少路径延迟,提出了一种满足延迟约束费用最小的多播路由启发式算法。仿真结果表明,该算法得到的多播路由树具有较小的费用,平均路径延迟也比较小,并且避免了其它同类算法的高复杂性。     

基于蚂蚁代理的QoS多播路由算法

现有的基于蚂蚁代理的路由算法都没有考虑到状态信息的非精确性对蚂蚁选路过程的影响。本文中，我们为状态信息不精确的包交换网设计出一种有带宽和延迟保证、基于蚂蚁代理的多播路由新算法——QMRA。在我们的算法中，蚂蚁使用链路满足QoS约束的概率以及它所经过路径的代价，而不是它的旅行时间或年龄来决定信息素的铺设。因此，蚂蚁代理的移动过程比较简单，控制参数也较少，并且能够容纳状态信息相当程度的不精确性。仿真结果显示了QMRA在状态信息不精确的情况下，具有较低的路由阻塞率和数据包的平均延迟，并且能够快速收敛。     

无线传感器网络中基于数据融合的移动代理曲线动态路由算法研究

和传统的C/S模型相比,移动代理模型在数据融合方面更适合无线传感器网络.在基于移动代理的数据融合算法中,移动代理访问传感节点的顺序以及总数对算法的效率、网络寿命等有着重大影响.为此提出了一种基于数据融合的移动代理曲线动态路由算法设计方案.通过构造特定数据结构的数据报文和数据表,给出了目标节点基本信息收集算法获取目标节点到处理节点的最优路径;将移动代理路由归结为一个优化问题,由静态路由算法求出移动代理迁移的静态最优路由节点序列,进而获得了移动代理基于曲线的动态路由算法.理论分析和模拟实验表明,随着传感器网络规模的增大和传感数据量的增加,和其它算法相比,该算法有更小的网络耗能和延时.     

移动自组织网络路由选择算法研究进展

移动Ad Hoc无需基础设施,可支持高动态的移动数据通信,具有广泛应用的前景。然而,其高动态特性导致互联网现有路由协议不再适用。近年来学者针对Ad Hoc网络提出了大量的路由选择算法。给出了各种路由技术分类方法,简述了Ad Hoc网络的基本路由协议和路由选择算法,进而从预测模型、能量模型、位置信息、服务质量控制和安全支持等5个角度,深入分析了当前Ad Hoc网络路由选择算法的最新研究进展。预测模型通过基于历史信息的移动预测,降低了路由选择的时间代价;能耗模型则采用适当的数学模型来描述网络能耗情况,在选路过程中实现了分组传送的能耗最小化和能量负担均衡之间的权衡;基于位置的路由选择算法根据节点的地理位置来标识目的地,从而利用该地理位置信息进行路由选择;服务质量感知的路由选择算法在本地计算中考虑带宽、延迟、能量和电池生命周期,从而在选路过程中提供了服务质量支持;安全路由选择算法则利用适合移动Ad Hoc网络的密钥、哈希链、电子签名等技术对协议交互消息进行加密来保障网络安全。最后从通信开销、计算和存储开销、路径数量、关键节点的存在性以及算法类型等方面详细对比总结了近年来提出的30余种典型路由选择算法,指出了各自的特点...     

6LoWPAN嵌套移动网络路由优化方案*

提出一种6LoWPAN嵌套移动网络路由优化方案,在此方案中,6LoWPAN移动网络节点无须经过家乡代理也无须建立隧道即可与通信节点通信,节省了数据传输开销,缩短了数据传输延迟。提出了移动路由器转交地址的分层结构,根据此分层结构,提出了基于最短路径的移动路由器转交地址配置算法,缩短了数据传输延迟。从理论和仿真两个角度对所提出的路由优化方案的路由优化开销、路由延迟及路由代价等性能参数进行了比较分析,分析结果验证了本方案的有效性和高效性。     

动态传感器网络移动代理路由算法

提出一种基于蚁群优化的动态传感器网络移动代理能量有效路由算法.该算法设计了一种新的路径选择概率模型,使移动代理能找到一条从处理节点到目标节点之间的能量有效路径,该路径兼顾了路径能量消耗和节点剩余能量情况;该算法还制定了新的蚁群局部信息素再初始化规则,该规则在网络中发生动态变化的节点附近进行局部信息素再初始化,快速有效地更新最优路径.与其他算法相比,该算法能找到一条能量消耗较小,并且节点剩余能量较多的有效路径.     

多提供商网络环境中移动代理路径寻优

在多提供商网络环境中,端用户在访问内容提供商提供的内容时,在一定的QoS约束下,服务提供商需要对多个网络提供商的网络性能和价格进行比较,为端用户确定一个最优路径.基于移动代理进行网络信息的采集,将网络延迟和成本均设为随机变量,在随机网络中建立了一个费用成本和延迟时间双重期望值目标的最小化模型,应用遗传算法对移动代理从服务提供商到内容提供商的路径进行了最优化求解.仿真结果表明了算法的有效性.     

延迟主导的自适应移动Ad hoc网络路由协议

节点可以自由、自主地进入网络拓扑并且无须基础网络设施的特性,使得移动Ad hoc网络广泛应用于诸如灾难救援、战场等多种环境中.传统的移动Ad hoc网络路由协议往往考虑以最少跳数为衡量依据的"最短路径,,约束.相关研究表明,最小跳数的路径并不能保证最小的端到端延迟.随着对Ad hoc网络支持时延敏感业务流能力的要求,如何降低端到端延迟成为一个新的挑战.对此,着重分析了网络中的节点延迟,基于跨层设计考虑,引入预测延迟方法,提出了基于最小预测延迟的选路机制和延迟主导的自适应路由协议DOAR(delay-ori     

基于约束分析的RapidIO路由选择算法

针对RapidIO网络多约束服务质量路由问题,提出一种基于约束分析和K最短路径的路由选择算法。通过定义约束严苛度的概念对各个QoS约束度量参数进行评价,选取约束严苛度最高的约束度量作为评价标准;在此基础上采用K最优路径算法快速选择满足多约束的可行路径。仿真结果表明,该算法可以解决多约束路由选择问题,在时间上具有多项式复杂度,对于约束度量参数个数有很好的扩展性。     

Cooperation and profit allocation in two-echelon logistics joint distribution network optimization

Collaborative two-echelon logistics joint distribution network can be organized through a negotiation process via logistics service providers or participants existing in the logistics system, which can effectively reduce the crisscross transportation phenomenon and improve the efficiency of the urban freight transportation system. This study establishes a linear optimization model to minimize the total cost of two-echelon logistics joint distribution network. An improved ant colony optimization algorithm integrated with genetic algorithm is presented to serve customer clustering units and resolve the model formulation by assigning logistics facilities. A two-dimensional colony encoding method is adopted to generate the initial ant colonies. Improved ant colony optimization combines the merits of ant colony optimization algorithm and genetic algorithm with both global and local search capabilities. Finally, an improved Shapley value model based on cooperative game theory and a cooperative mechanism strategy are presented to obtain the optimal profit allocation scheme and sequential coalitions respectively in two-echelon logistics joint distribution network. An empirical study in Guiyang City, China, reveals that the improved ant colony optimization algorithm is superior to the other three methods in terms of the total cost. The improved Shapley value model and monotonic path selection strategy are applied to calculate the best sequential coalition selection strategy. The proposed cooperation and profit allocation approaches provide an effective paradigm for logistics companies to share benefit, achieve win–win situations through the horizontal cooperation, and improve the negotiation power for logistics network optimization.     

The performance of a hybrid routing intelligent algorithm in a mobile ad hoc network

End-to-end delay, power consumption, and communication cost are some of the most important metrics in a mobile ad hoc network (MANET) when routing from a source to a destination. Recent approaches using the swarm intelligence (SI) technique proved that the local interaction of several simple agents to meet a global goal has a significant impact on MANET routing. In this work, a hybrid routing intelligent algorithm that has an ant colony optimisation (ACO) algorithm and particle swarm optimisation (PSO) is used to improve the various metrics in MANET routing. The ACO algorithm uses mobile agents as ants to identify the most feasible and best path in a network. Additionally, the ACO algorithm helps to locate paths between two nodes in a network and provides input to the PSO technique, which is a metaheuristic approach in SI. The PSO finds the best solution for a particle’s position and velocity and minimises cost, power, and end-to-end delay. This hybrid routing intelligent algorithm has an improved performance when compared with the simple ACO algorithm in terms of delay, power consumption, and communication cost.     

考虑道路扩建的区域物流网络设计优化模型

通过对区域物流网络中边、点上费用、容量、流量等的分析,结合实际问题中对道路扩建和物流设施容量设计决策的需要,构建基于物流时间需求的区域物流网络设计数学模型。模型以最小化物流网络构建成本、初期运营成本和物流时间需求惩罚成本为目标,基于网络中物流量的特征给出了约束条件,分析模型的特点开发了改进的拉格朗日松弛算法并予以求解。计算机软件对模型和算法的仿真给出了物流网络构建中各项成本之间的关系,验证了模型和算法的有效性和实用性。     

基于蚁群算法的可信网络路由

针对不同的网络实际条件,提出一种基于蚁群算法的可信网络路由算法,以寻找网络中任意2个节点间的最优路由。在将链路带宽使用情况作为影响路由重组结果可信度的因素时,同时考虑了路由中节点间链路上的耗费和延时这两个因素,实现了可信的网络路由重组。仿真结果显示,该方法在较快地找到较低耗费和延时路由的同时,能够有效地提高路由重组结果的可信度。     

Self-Configuration of Network Services with Biologically Inspired Learning and Adaptation

This paper proposes a self-organizing scheme based on ant metaheuristics to optimize the operation of multiple classes of managed elements on an Operations Support Systems (OSSs) for mobile pervasive communications. Ant metaheuristics are characterized by learning and adaptation capabilities against dynamic environment changes and uncertainties. As an important division of swarm agent intelligence, it distinguishes itself from centralized management schemes due to its features of robustness and scalability. We have successfully applied ant metaheuristics to the network service configuration process, which is simply redefined as: the managed elements represented as graphic nodes, and ants traverse by selecting nodes with the minimum cost constraints until the eligible network elements are located along near-optimal paths—the located elements are those needed for the configuration or activation of a particular product and service. Although the configuration process is non-transparent to end users, the negotiated SLAs between users and providers affect the overall process. This proposed self-organized learning and adaptation scheme using Ant Colony Optimization (ACO) is evaluated by simulation in Java. A performance comparison is also made with a class of Genetic Algorithm known as PBIL. Finally, the simulation results show the scalability and robustness capability of autonomous ant-like agents able to adapt to dynamic networks.     

基于改进蚁群算法的网络路由重组

针对不同的网络实际条件,提出一种改进的蚁群算法寻找网络中任意2个节点间的最优路由。在同时考虑路由中节点间链路上的耗费和延时的情况下,通过增强公式对影响因子的敏感程度加快收敛速度。仿真结果表明,即使在所构建的网络拓扑结构发生改变时,该方法也能够有效并较快地找到最优路由,实现网络的重组和路由。     

MANET中基于蚁群的网络核心提取分布路由协议

提出了一个用于移动Ad Hoc网络(MANET)的基于蚁群的核心提取分布路由协议——Ant-CEDAR，该协议使用类似蚁群的移动代理获得高效的路由，从而可加强核心提取分布Ad Hoc路由算法(CEDAR)。对Ant-CEDAR协议进行了模拟实验，实验数据表明该协议具有高效性和低耗性。     

蚁群优化算法在WSN路由中的应用研究

介绍了基本蚁群算法的原理和适用范围,总结出了基本蚁群算法在求解最优路径问题时,虽然具有很强的发现较优解的能力,但是存在容易陷入局部最优解和收敛时间过长等问题。考虑到基本蚁群算法在无线传感器网络路由上应用的不足,提出了一种改进后的蚁群算法,并将其应用到传感器网络路由中。该算法不仅在状态转移概率公式中引入罚函数和动态权重因子,而且采用局部信息素更新和全局信息素更新结合的方式更新路径信息,充分考虑到传感器节点与节点间的传输距离,并且充分考虑传感器节点的剩余能量。最后通过仿真实验,得到了基本蚁群算法和改进后的蚁群算法在传感器节点剩余能量和传输数据包时网络延迟的不同曲线,验证了改进后的蚁群算法在无线传感器网络路由选择上的高效性。     

一种基于蚁群算法的物流配送VRP 解决方案

物流配送是目前物流发展的新趋势,在物流配送中,配送路径规划对于顾客的满意度以及经营总成本有相当大的影响。通过应用蚁群算法,实现了物流配送VRP的优化过程,建立的算法能在短时间内找到最佳车辆数及对应的最佳配送路径。通过数据测试,发现该算法收敛性较好,在较高服务水平的基础上,明显降低了配送成本。     

基于Softmax回归的电力仪表分类

智能电网中变电站的智能化。要求变电站能够智能检测并记录反映其运行情况的开关状态、电表数据。现有的方法多是通过获得电表的图片,针对图片分析其状态、数据。然而在分析具体电表数据之前,需要对图片进行分类,判断当前图片对应哪一种电表。基于Softmax回归的电力仪表分类正是为了解决这个问题而提出的分类方法。分为图片预处理、降维、Softmax回归模型的训练三个步骤。在真实变电站电力仪表图片组成的实验数据测试下,能够保持非常高的识别率,从而有效地解决这一问题。