基于多Agent系统的智能路由选择算法

路由选择是计算机网络的关键技术之一，其优劣直接影响着网络的服务质量和网络资源的负载平衡程度．中针对多Agent系统的特点和目前路由选择算法的不足，提出了基于多Agent系统的智能路由算法，该算法不仅有智能决策能力，而且有良好的分布特性．     

基于蚂蚁算法的拥塞规避路由算法

对业务提供服务质量(QoS)保证,是提高网络效率的重要方法。现有网络常用的路由算法(比如链路状态路由算法)都不具有拥塞响应机制,当一条链路即将或者已经发生拥塞时,只有简单的丢弃数据包。提出了一种基于蚂蚁算法的拥塞规避路由算法。该算法加速了蚂蚁路由算法探索最优路径的过程,并且能够对链路的拥塞状态做出快速反应,分散流量,以避免链路的拥塞。通过仿真,结果表明:该算法在数据包传输时延和网络丢包率性能上,比现有的链路状态路由算法具有明显的优越性。     

Hadoop异构网络下基于自适应蚂蚁算法的策略路由研究

云计算已被我国规划为未来发展的重点项目,该技术将会使我国数千万企业受益。云服务必须高效、快速运行才能发挥其优势。在我国目前有限的带宽基础上,必须研究高效快速的选路机制,并根据各节点最大网络容量来进行资源调度。文章在传统蚂蚁算法上加入了各节点网络容量参数作为阈值进行自适应选路,该算法可使用策略路由的形式在Cisco路由器上应用,不仅能改善Hadoop的资源调度算法在异构环境下效率极低的问题,还够利用蚂蚁算法快速找到最短路径,并能根据路径上节点的网络容量进行调节,从实验情况来看,该方法可有效避免关键路径上的数据拥塞。     

路由选择算法分析

骖径选择是网络中的一个重要问题,路径选择的核心是路由算法。本文介绍了常用的静态路由选择算法和动态路由选择算法,对各个算法的实现、性能和优化进行了分析,并提出了改进方法。     

基于交叉熵的多约束QoS组播路由蚂蚁算法

基于多媒体传输的网络应用均对服务质量(quality of service,QoS)有迫切的需求,如带宽、延迟、丢包率等。寻找满足上述QoS要求的组播树问题是一个NP-完全问题。在已有的多约束QoS组播路由算法中主要是局部搜索算法或集中式搜索算法,这些均不能保证在实际网络中找到全局解。本文提出用基于交叉熵的蚁群优化算法来求解多约束QoS组播路由问题,NS2仿真结果表明该算法能够快速找到近似最优解。     

基于流量控制的路由选择算法

针对网络上当流量大时，路由无法有效的分配通路的情况，解决由流量控制的路由选择算法。在传统的求最短路径的路由选择算法的基础上进行扩充，加入以DFS（隐枚举）算法为核心的流量淘汰算法，使流量选择网络通路时，能有效的考虑网络带宽因素，减少拥塞概率，增加网络吞吐量。作者根据现有路由选择算法的基础上，使用DFS技术对网络流量的分配做了详细的论证。     

基于蚂蚁算法的ABC支持型QoS单播路由机制

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.该机制采用区间形式描述用户柔性QoS需求,使用边适合隶属函数处理链路状态不精确,引入带宽定价、边评判和路径评价机制,基于蚂蚁算法,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.基于NS2仿真实现了该路由机制,在多个实际和虚拟网络拓扑上对其进行了性能评价.研究结果表明,该机制是可行和有效的.     

基于蚂蚁算法的通信网络QoS路由方法

对于提供基于QoS服务的通信网络来说，QoS路由是其中一个很关键的因素。本文介绍的基于蚂蚁算法QoS路由就是一个很好的解决方法。此前的一些算法只考虑了时延这一影响，本文的方法则考虑了服务质量的其它一些参数，比如有保证的带宽和最大的延迟等，从而提供更好的服务质量。     

群体智能路由和负载平衡算法研究进展

针对当前路由算法不能胜任解决网络不断增加的复杂性问题,通过自然生物群体证明的群体智能,在网络路由方面具有非常强大的研究启发,文中对群体智能算法在计算机网络路由和负载平衡方面的理论及应用研究进展进行了较系统的论述,并比较了应用ACO算法解决路由和负载平衡问题的3个主流研究工作;讨论了群体智能路由算法的收敛停滞问题及其最新解决方法;指出了新的研究方向.     

基于蚂蚁算法的ABC支持型QoS组播路由机制

引入模糊数学和微观经济学相关知识,设计了一种ABC支持型QoS组播路由机制.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来描述链路状态的不精确性,引入边带宽定价、边评判和组播树评价,基于蚂蚁算法,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组播树.基于NS2仿真实现该路由机制,对路由请求成功率、用户效用、网络提供方效用、综合效用和Nash均衡下Pareto最优解比例(RPN)等性能指标进行了评价.仿真结果表明,同现有路由机制相比,该机制是可行和有效的.     

遗传算法与蚁群算法的融合研究

遗传算法具有快速全局搜索能力,但对于系统中的反馈信息却没有利用,往往导致无为的冗余迭代,求解效率不高.而蚁群算法是通过信息素的累积和更新来收敛于最优路径,具有分布、并行、全局收敛能力,但是搜索初期信息素匮乏,导致算法速度慢.通过将两种算法进行融合,克服两种算法各自的缺陷,优势互补,形成一种时间效率和求解效率都比较好的启发式算法.并通过仿真计算,表明融合算法的性能优于遗传算法和蚁群算法.     

改进型蚂蚁算法在JobShop调度问题中的应用

本文首先介绍了J0bshop调度问题的模型,然后介绍了蚂蚁算法的原理,提出了求解JobShop调度问题的改进型蚂蚁算法,接着给出了该算法的流程,最后利用两类标准问题进行仿真,实验结果表明该算法应用在JobShop调度问题当中是行之有效的。     

求解TSP问题的改进蚁群算法

通过引入免疫克隆算子提出1种新的蚁群算法,并应用于TSP问题求解。结果表明：算法具有较好性能。     

蚁群算法在多点路由上的应用

提出了改变蚁群的选路策略,使选路更加灵活。结合网络模型的特点,通过减少计算来提高算法的速度。对网络路由中的阻塞问题,通过对阻塞顶点进行标识,克服了无用顶点选择的问题。     

基于蚁群算法的能量均衡传感网地理信息路由

提出了一种基于蚁群算法的能量均衡传感网地理信息路由算法,用来保证具有生存周期的无线传感器网络能够在不损失其传感能力的情况下,生存更长的时间.实验证明,此算法能够均衡网络中的能量消耗,延长网络生存时间,并能有效提高报文发送成功率,避免拥塞.     

立体仓库固定货架拣选路径优化的蚁群算法研究

本文详细分析了各类蚁群算法及其参数,将这些算法结合立体仓库固定货架拣选路径问题,选取出适合实际情况的算法模块;根据算法特性提出了根据迭代次数自适应调整q0参数和使用精英策略更新信息素两项优化等策略并通过仿真试验证实其优化性。在分析基础之上提出新蚁群算法的数学模型,通过大量仿真试验,得证新算法可以在较短的时间内找到较优的拣选路径,应用到实际操作中极大提高了立体仓库的使用效率。     

基于改进蚁群算法的集装箱装卸顺序优化研究

为缩短船舶在港时间,提高码头的作业效率,应用改进蚁群算法对集装箱装卸顺序的组合优化问题进行求解。首先结合柔性作业车间调度理论与集装箱装卸过程中船舶和岸桥的实际情形,建立集装箱装卸顺序调度模型;然后针对基本蚁群算法易出现早熟现象和收敛速度慢等问题,通过动态的改变信息素的挥发度与信息素强度,同时按照改进的信息素更新策略更新各路径的信息素,从而跳出局部最优;最后运用C#.NET语言对基于改进蚁群算法的集装箱装卸顺序问题进行仿真与步骤分析,验证了改进蚁群算法的有效性。实践证明,改进后的蚁群算法基本上克服了传统算法自身的不足,能够对集装箱装卸顺序优化,缩短作业时间。     

蚂蚁算法在TSP问题求解的应用

蚂蚁算法是目前解决大规模复杂问题比较有效的算法。同时TSP问题是经典的NP-C问题,已被广泛应用于在VLSI芯片设计、网络路由和车辆选路等领域,对TSP问题的求解的突破意味着大量NPC问题的求解可以迎刃而解,因而有着重要的实际价值和理论意义。文章系统地介绍了TSP问题,并在此基础上对蚂蚁算法求解TSP问题做了相关探讨。实验结果表明,蚂蚁算法对参数的初始值也具有敏感性,对于一个好的初始值的确定,需要建立在大量试验的基础上。     

模糊蚁群优化算法在交通导航系统中的应用

为了能处理交通导航系统中的模糊信息,并且能快速的综合多种信息求解最优导航路径,将模糊逻辑推理技术与改进的蚁群算法相结合提出了一种新的算法——模糊蚁群混合优化算法。实验表明,该算法不仅能够处理导航系统中的各种模糊信息,并且能利用改进的蚁群算法快速求解最优导航路径。     

基于蚁群算法的对等网搜索算法的研究

针对传统的对等网搜索方法的不足,分析了蚁群算法的优势,提出了一种基于蚁群算法的对等网搜索方法．对等网上发起结点收到查询请求后,执行消息路由搜索算法对目标结点进行搜索,在搜索过程中根据状态转移公式寻找下一跳路径．实验结果表明,基于蚁群的对等网搜索算法能够节省路由长度并且有较高的搜索准确率．