基于QoS的随机源选路由算法研究

QoS路由算法的优劣直接影响网络服务质量,而由于链路信息的不及时更新必将造成网络链路信息的不准确,本文提出了一种基于QoS的随机源选路由算法,该算法在网络链路状态信息非精确时具有平均网络负载和高请求接受率的良好性能,通过网络模拟器的测试,该算法具有良好的性能指标,同时减少了处理和协议的开销。     

基于PSO和变异模拟退火的QoS单播路由算法

为了研发更高性能的QoS单播路由算法,提出变异退火粒子群优化（MSAPSO）算法。MSAPSO算法中使用一种新的。算子,将粒子群优化（PSO）的迭代公式简化成一个公式。通过设计变异退火算子,将遗传算法的变异操作和模拟退火的Meuopofis概率接受准则融入PSO,以改善粒子群的多样性和算法的收敛性。仿真结果表明MSAPSO在搜索成功率和收敛性上优于纯PSO算法和蚁群算法。     

双向搜索蚁群算法在QoS单播路由中的应用

近几年来,网络的QoS路由问题已经成为一个研究热点。考虑到现有解决方法的一些不足,引入了一种改进的蚁群算法并应用于QoS单播路由问题。该算法针对网络路由问题,对原算法的信息素更新策略进行了修改,同时结合了网络化简策略和双向搜索策略。与现有QoS路由算法比较的仿真结果表明,该算法能够满足QoS单播路由的要求,并且具有较好的最优解求解能力、较快的收敛速度和较强的鲁棒性。     

改进型量子蚁群算法求解QoS单播路由

针对遗传以及蚁群算法在求解QoS单播路由问题时收敛速度慢和易于陷入局部最优的问题。采用量子蚁群算法求解QoS单播路由,采用量子旋转门实现蚂蚁的移动,用量子非门来实现蚂蚁位置的变异,同时为了确保算法不陷于局部最优,对量子蚁群算法做了改进,并进行了对比实验。实验表明该算法不但克服了遗传以及蚁群算法的易限于局部最优解的缺陷,在收敛速度上也优于相关算法,能较好地解决QoS单播路由问题。     

基于遗传模拟退火的QoS单播路由算法

针对QoS的问题,设计了一种融合遗传算法和模拟退火算法的QoS路由算法,在遗传算法选择算子上借鉴了小生境的思想,避免了遗传初期有效基因的丢失;在遗传算法交叉算子和变异算子方面使用了自适应算子,使之能更好地适应网络的变化。通过与传统遗传算法进行比较,进一步说明了本算法的有效性。     

一种基于遗传算法的QoS多播路由算法

深入研究基于遗传算法的QoS多播路由算法,建立支持QoS的多播路由模型.对已有的QoS多播路由算法进行优化,提出适用于下一代网络的基于遗传算法的QoS多播路由算法.采用定长的染色体编码和预处理机制降低算法复杂度.仿真试验表明,该算法收敛速度快,可靠性高,能够更好地满足多播业务的需要.     

基于带宽时延约束的QoS单播路由算法

算法利用网络中每个节点的状态信息,通过选择探测的方法搜索满足业务带宽和时延约束要求的路由.算法分为路由探测和路由确认两个过程.在探测过程中,利用探测报文搜索可行的路由并在探测节点上霞新计算带宽和时延参数,然后依据新参数继续探测符合约束要求的可行路由.当探测到路由请求的目的节点时,开始路由的确认过程.路由确认选取可行路由,利用确认报文进行路由确认,满足约束要求的节点进行资源预留,否则选取新路由进行确认.确认报文到达源节点时,表明路由建立成功,否则利用失败报文通告路由失败.仿真结果表明该算法能快速有效地建立路由.     

基于QoS和逻辑代数运算规则的路由算法

基于服务质量QoS的路由的主要目标是为接入的业务选择满足服务质量要求的传输路径,同时保证整个网络资源的有效利用。逻辑代数运算规则路由算法是利用节点之间的直接连接进行逻辑代数运算来求出两个节点之间的所有路由。本文总结出了基于服务质量度量和逻辑代数运算规则的路由算法,并给出了算法示例。     

基于自适应蚁群算法的QoS组播路由算法

提出一种改进的自适应蚁群优化算法,在信息素更新策略中引入全局最优系数,研究多约束条件下的QoS组播路由问题。动态更新信息素能够确保自适应地改进全局搜索能力和收敛性能,避免陷入局部最优解。仿真结果表明,该算法比蚂蚁-遗传算法在解决多约束条件下的QoS组播路由问题时更有效。     

基于蜂群的ABC支持型QoS单播路由机制

下一代互联网NGI(Next-Generation Internet)需要提供服务质量QoS(Quality of Service)路由,支持总最佳连接ABC(Always Best Connected).但是,由于链路状态的难以精确测量与用户QoS需求的难以准确表达,因此路由机制应该具备处理模糊信息的能力.同时,在网络运营日益商业化的环境下,路由时应该兼顾网络提供方与用户利益,支持各方效用共赢.为此,本文引入模糊数学和微观经济学有关知识,设计了一种ABC支持型QoS单播路由机制.该机制采用区间描述用户柔性QoS需求,使用边适合隶属函数适应链路状态不精确,引入边带宽定价、边评判和路径评价,基于蜂群算法,寻找使用户与网络提供方效用达到或接近Nash均衡下Pareto最优的QoS单播路径.仿真结果表明,该机制是可行和有效的.     

一种基于模糊塔的QoS单播路由选择算法

综合考虑用户服务质量QoS需求和网络提供方收益的单播路由算法．给定用户请求类别和收费原则,通过建立网络提供方收益模型来确定针对每一类请求的概率收益．在此基础上,利用模糊塔,求出两网络节点之间既满足用户服务质量需求又试图最大化网络提供方概率收益的路由。仿真结果表明,算法是可行的和有效的。     

基于量子遗传算法的QoS路由算法

多约束的QoS路由问题是NP完全问题.量子遗传算法是基于量子计算理论的新遗传算法,具有种群多样性、收敛速度快和全局寻优的特点.将量子遗传算法引入多约束QoS路由计算,提出了一种基于量子遗传算法的QoS路由算法,给出了算法实现的方法和具体流程.实验结果表明,通过该算法得到的QoS路由不但能满足QoS约束要求,同时可以均衡链路负载,减少路由拥塞.     

一种启发式算法在多受限QoS路由中的研究

随着互联网的广泛应用,网络服务质量(QoS)保证技术显得越来越重要,为了保证网络服务质量,希望根据多个QoS约束参数来选择可行路由。一般说来,多受限路径优化问题是一个NP完全问题,因此在多项式时间复杂度里不能解决该问题,针对这个问题,在启发式算法的基础上,提出一种改进扩展Bellman-Ford最短路径算法(MEBF),将NP完全问题简化为在多项式时间复杂度里能解决的问题。模拟的结果表明,该算法有良好的运行效率和QoS路由成功率。     

一种基于可用带宽的QoS多播路由算法

设计一个加权最大可用带宽多播树求解模型,将可用带宽作为主度量并同时兼顾时延、时延抖动和包丢失率3个QoS约束构建多播树.各QoS度量的重要性可根据实际的服务需求灵活调整,算法具有多项式复杂度,并通过仿真证明其有效性.     

基于改进遗传算法的QoS路由选择优化

提出了一种基于改进遗传算法的QoS路由选择优化算法,采用网络资源消耗和负载分布为目标函数,凫目标函数包含了带宽、跳数、费用、时延等QoS参数。该算法在消耗网络资源最小的基础上,使负载均衡分布,合理利用了网络资源,降低了网络的拥塞,提高了网络的吞吐量。仿真计算的结果表明,该算法在解决多目标规划问题上是一个有效、可行的方法。     

基于蚂蚁算法的QoS分布式多播路由选择

采用启发式算法中蚂蚁算法解决包含带宽、时延和最小代价约束条件在内的分布式多播路由问题,基于蚂蚁具有找到蚁巢与食物之间的最短路径原理,并在分析QoS分布式多播路由的基础上,提出了一种基于蚁群算法的QoS分布式多播路由算法,仿真实验表明了该算法是合理的和有效的。     

改进人口迁移算法用于QoS路由优化

研究了带宽、时延等QoS路由问题,针对原人口迁移算法易收敛于局部最优且计算量大,计算时间长的特点,提出了一种改进的人口迁移算法（modified Population Migration Algorithm）,并将其应用于QoS路由选择优化问题。算法采用网络资源消耗和负载分布为目标函数,目的是在消耗网络资源最小的基础上,使负载均衡分布,合理利用网络资源,降低网络拥塞。仿真结果表明,该算法是有效的、稳定的。     

基于遗传算法和蚁群算法融合的QoS路由算法*

面向QoS路由问题,设计了一种基于遗传算法和蚁群算法融合的QoS路由算法(QoS routing algorithm according to the combination of the genetic algorithm and ant colony algorithm,GAACO_QoS).利用遗传算法生成初始解,将其转换为蚁群算法所需的信息素初值,然后利用蚁群算法求取最优解.设置遗传算法控制函数来控制遗传算法和蚁群算法融合的适当时机.通过与遗传算法以及蚁群算法的比较,进一步说明算法的有效性.     

基于混合遗传算法的QoS多播路由算法

具有多QoS约束的多播路由问题具有NP完全的复杂度。基于延时、延时抖动、带宽、丢包率等QoS约束,描述了一种适应于研究QoS多播路由的网络模型,提出了基于遗传算法和禁忌搜索混合策略的具有多QoS约束的多播路由算法。该算法充分利用了遗传算法和禁忌搜索的优点。克服了遗传算法在求解多QoS约束多播路由问题中的爬山能力差以及不成熟收敛等问题。仿真实验结果表明,该算法为多QoS约束多播路由问题的求解提供了一种有效的新途径。