基于邻域分区蚁群算法的QoS单播路由算法

蚁群算法是对自然界蚂蚁的寻径方式进行模拟而得出的一种仿生算法,但在大规模求解过程中,在时间上的花费是很大的.论文则针对这一现实,提出了用邻域分区法把大规模网络系统划分为若干个子系统,再对每个子系统用蚁群算法中的蚁周系统来求解子系统中每点到子系统中心结点的最佳路径,最后再用蚁周系统求解每个子系统中心结点间的最佳路径,从而得到整个系统路由的方法.     

自适应信息素更新蚁群算法求解QoS组播路由

针对基本蚁群算法在求解QoS组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,提出一种自适应信息素更新蚁群算法对该问题进行求解。该算法在节点选择中引入混沌扰动,在算法前期依据各链路信息素浓度动态调整信息素的挥发因子,提高了全局搜索能力,后期根据解的优劣自适应更新信息素,使收敛性能得到显著提高。仿真实验表明,同等实验条件下,基本蚁群算法在第12次迭代收敛到局部最优费用值87;融合量子粒子群算法思想的多行为蚁群算法第7次迭代收敛到局部最优费用值66,而本研究算法则在第10次迭代收敛到全局最优费用值62,本研究算法比前两种算法更优。     

基于蚁群改进算法的服务质量路由研究

针对传统路由算法在多约束QoS(服务质量)条件下寻优能力不足的问题,提出了一种基于改进蚁群算法的多约束QoS路由模型。相比于传统的路由算法,此方法在每次循环结束时,根据得到的不同结果动态变化相关参数的值,并且结合最大最小蚂蚁系统的理论,同时优化启发函数,以提高算法的寻优能力。另外,除了考虑多个约束条件以外,在模型中还加入了故障率属性,将其体现在目标函数中,并优化信息素更新方式。仿真实验结果表明改进算法寻优能力强,能有效避免早熟,并避开故障率高的路径。     

基于QoS的分布式路由算法的研究

随着网络应用的不断增长，现有的路由算法难以满足用户的多QoS要求。本文在分析了经典路由算法的基础上，介绍了一种通用的分布式QoS路由算法并详细阐述了几种具有不同QoS度量的具体的分布式路由算法的实现。     

基于人工免疫-蚁群算法的平面QoS路由模型

人工免疫算法具有快速随机的全局搜索能力,但系统中的反馈信息利用不足且有大量无为的冗余迭代。蚁群算法具有分布式并行全局搜索能力,但初期信息素匮乏。本文提出一种基于人工免疫-蚁群算法的混合算法,采用人工免疫算法生成信息素分布,利用蚁群算法求优化解。将该算法用于求解包含带宽、时延和最小代价约束条件在内的平面QoS路由模型问题,进行计算机仿真。结果表明,该算法是一种收敛速度和寻优能力都比较好的优化方法。     

蚁群优化算法在TSP中的应用

提出了一种求解TSP问题的有效算法———蚁群优化算法。该算法通过模拟蚁群搜索食物的过程,求解TSP问题。算法的主要特点是,正反馈、分布式计算、与某种启发式算法相结合。并给出了算法原理及流程;最后用计算机仿真得出结果,证明了该算法的有效性。     

时延受限的单播QoS路由算法

介绍了几种典型的单播QoS路由算法，对DCUR算法和Preferred link-based算法进行了描述．在RDM算法的基础上，提出了RDM_N算法．将Preferred link-based算法、DCUR算法和RDM_N算法进行了比较和讨论，结果表明，RDM_N算法是一种性能很好的算法．     

一种QoS保证的路由算法

首先定义了业务连接资源消耗函数和带宽碎片影响函数,以此作为ＱｏＳ路由策略的选路优化函在后提出一种综合的考虑业务的连接特性和网络资源优化利用ＱｏＳ路由算法,最后给出仿真结果。     

基于时延约束的分布式QoS单播路由算法

提出了一种基于分布式点到点延迟受限路由的DCLC-K算法,解决了分布式QoS路由算法运行过程中历史信息最大利用问题,仿真表明,该算法在不要求中间路由器记录寻路信息和适中的消息复杂性基础上取得了良好的代价性能。     

基于蚂蚁算法的分级QoS路由调度方法

提出了一种基于智能蚂蚁算法的分级QoS路由方法.通过仿真实验验证,相对于同样基于蚂蚁算法的平面QoS路由算法,此方法具有相近的路由结果,但速度可以提高30%左右.     

基于蚁群算法的配送网络拓扑图设计与研究

配送网络中车辆的行车轨迹是配送系统的核心问题,直接关系到配送效率.采用生物体蚁群寻找食源的方法,改进信息素浓度计算,并取转移概率的最大值,以减少寻径的盲目性.采用C语言实现了整个算法.实验结果表明,采用改进算法后的配送效率得到明显提高.     

分段蚁群算法在运输调度问题中的应用

在基本蚁群算法的基础上提出了分段蚁群算法,通过改进选择策略和信息素更新机制以求解一类运输调度问题,实验证明结果理想.     

基于蚁群算法的多Agent任务分配方法

针对多Agent任务分配问题,结合蚁群算法的思想,设计了基于图的任务分配数学模型,提出了基于蚁群算法的多Agent任务分配方法,并通过实验与3个经典方法进行比较和分析,探讨了蚂蚁数对求解结果的影响。实验结果表明,所提出的算法是有效的。     

基于改进蚁群算法的AODV协议研究

该文针对AODV协议的不足,结合蚁群算法与Ad Hoc网络的特点,将改进的基于信息素扩散的蚁群算法应用于AODV协议,并记为P-AODV,协议改进了AODV的路由组建和路由维护策略,能为网络提供大量的冗余路径,增强了网络的抗毁性。仿真结果表明,协议在数据包发送率、端到端延迟、平均跳数等方面有较好性能,协议的性能有了显著提高。     

基于改进蚁群算法对最短路径问题的分析与仿真

使用传统蚁群算法求解图的最短路径问题时,随着节点的增加会出现搜索速度变慢且易于陷入局部最优解.针对这个问题,提出一种改进的蚁群算法,通过引入搜索方向和搜索热区机制提高算法的搜索性能.仿真实验证明：改进的蚁群算法较传统的蚁群算法具有更高搜索速度且容易得到全局最优解.     

基于蚁群优化算法的TSP问题求解

蚁群优化算法是受蚂蚁觅食的通行机制的启发而提出的一种群集智能算法．介绍了蚁群优化算法的基本原理,在此基础上实现了蚁群优化算法,应用到TSP问题求解中,并根据启发函数、信息素进行算法性能优化,提高了算法的收敛速度．实验结果表明蚁群算法具有极强的鲁棒性和求最优解的能力,取到了很好的效果．     

基于蚁群算法的WSN路由协议研究

针对层次路由LEACH协议存在簇头分布不均,并且每次簇头轮换均在整个网络内进行,会造成耗能过多以及蚁群算法应用于LEACH协议建立簇间多跳路由仍存在能耗不均衡的问题,采用将网络节点进行区域划分,并将节点剩余能量作为参考因素,在区域内进行簇头节点的轮换选取的方法改进,并通过将节点能量引入到转移概率和信息素更新公式中,对蚁群路由算法进行改进,利用其建立从簇头节点到汇聚节点的多跳路由的最优路径.实验验证表明:与LEACH协议相比,改进协议整体上减少并均衡了能量的消耗,延长了无线传感器网络的生命周期.