基于蚁群代理的无线自组网多路径优化算法的研究

在蚂蚁算法基本规则的启发下,基于移动Agent的分布式路由算法研究(AntNet)的基础上,设计出一种新的基于蚁群代理优化的无线自组网多路径优化的路由协议算法(AdHoc-AntNet).这是一种新的无线自组网的路由算法,其结合蚁群理论和无线自组网本身的特点,对AntNet进行了改进,从而建立更有效的、适合无线自组网的路由协议算法.通过仿真试验表明,与AODV相比该协议在路由开销、平均分组延迟和吞吐量等方面都有明显的改进.     

多约束条件蚁群优化算法的收敛性分析及其应用

为有效解决无线移动自组网中多约束服务质量(QoS)路由问题,提出结合QoS条件下的改进型蚁群算法.该算法对QoS约束条件进行简化,只考虑影响网络因子的主要指标,提高了算法的工程实用性,并在理论上证明该算法的收敛性.对传统蚁群算法的信息素进行改善,通过对该算法局部和全局收敛性的研究,提出了普遍意义下的收敛条件,为这一类约束条件下的蚁群算法进一步研究奠定了良好的基础.     

移动自动网中基于位置和节能的路由算法研究

综合考虑了移动自组网中投递成功率及网络连通寿命两项性能指标,提出一种基于位置和节能的路由算法,该算法根据下一跳节点所处区域的节点稠密度、下一跳节点的剩余能源、转发功耗和转发效果决定分组转发路由.讨论了实现该路由算法所需要的局部信息收集机制.最后介绍了算法的仿真实验及测试结果.实验结果表明,在能源受限的移动自组网中,所提出的路由算法在分组投递成功率和网络连通寿命方面均取得很好的效果.     

基于复杂网络理论的移动自组网路由算法研究

移动自组网中节点通信时路由开销较大,从而引起整个自组网的能耗过高;为了解决这一问题,针对移动自组网的现实组网特征进行了研究,提出了基于复杂网络理论的移动自组网路由算法;在该路由算法中,路由发现基于源节点到目的节点的梯度方向,源节点选取下一级跳数据转发对象时,在其邻域范围内以选取路径是否符合最速下降法作为判断依据;当源节点和目的节点之间存在的节点个数超过复杂网络理论中的达到条件时,源节点在路由方向上选取其邻域内最接近的节点进行转发后,按照最速下降法继续寻找最优路径;实验表明,该路由算法具有较少的跳级数,可以减轻整个自组网的数据存储压力,路由开销在节点疏密度不同时,介于OLSR协议和AODV协议之间.     

移动自组网中QoS多播路由的研究

深入研究移动自组网中的多播路由问题,提出一种适用于移动自组网的基于遗传算法的Qo S多播路由算法。通过引入探测时间限制,有效减少了路由结点和链路的寻找范围,同时降低了选择无效结点和链路的可能性。通过证明,该方法满足带宽、延迟、延迟抖动、剩余能量约束的要求。在此基础上,提出了一种基于遗传算法的Qo S路由选择优化算法。仿真试验表明,该算法是可行的,且延时性要优于MAODV。     

一种有效的空中自组织网络路由算法*

介绍了空中作战平台间自组网概念和网络组成单元,结合空中作战平台高速移动的特点,给出一种适合于空中自组织网络的动态路由算法。该算法考虑节点间相对移动特性,可以在高速移动环境下保持较高的链路稳定性,实现战场信息的可靠传输。     

基于遗传-蚁群算法的无线Mesh网QoS路由算法研究

针对无线Mesh网QoS的路由特点,结合遗传算法扣蚁群算法的特性,设计了一种遗传算法和蚁群算法相融合的算法,提出了遗传-蚁群算法求解无线Mesh网QoS路由问题的解决方案.该算法采用遗传算法生成初始信息素分布,利用蚁群算法求精确解,并在遗传算法运行过程中动态确定遗传算法与蚁群算法的最佳融合时机,实现两个算法的优势互补.实验结果表明,该算法在无线Mesh网QoS路由选择中是高效的,性能明显优于遗传算法和蚁群算法.     

一种无人机自组网DSR协议优化方法

针对DSR协议的路由优化问题,结合无人机网络的特点,提出一种基于萤火虫算法的无人机自组网DSR协议优化方法。该方法综合利用节点的能量消耗、缓冲拥塞、移动速率和传输损耗构建萤火虫的适应度函数,根据适应度函数来衡量萤火虫的荧光亮度,通过萤火虫初始化、萤火虫移动和更新荧光值等阶段的路由搜索过程,对DSR协议的路由算法进行综合优化,解决无人机自组网传输链路稳定性不佳的问题。使用OPNET仿真工具评估了优化前后DSR协议的各项指标,仿真结果表明,相比传统方法,优化方法在无人机场景下,业务接收速率提高了33.8%,平均端到端时延降低了73.91%,路由负荷发送速率减少了44.99%,路由负荷接收速率减少了37.55%,丢包率减少了68.01%。所提方法均衡优化了无人机自组网的网络性能和路由开销,可以为无人机自组网提供稳定高效的路由服务。     

一种基于复杂网络理论的移动自组网路由算法研究*

针对移动自组网中节点之间数据包发送成功率不高、路由开销大和包平均延时长等问题,提出了一种基于复杂网络理论的移动自组网路由算法。在该算法中,路由发现基于路由消息在邻域范围的相互借阅,若持续时间在网络平均路由发现时间范围内,则采取动态随机路由,考核跳级数是否满足复杂网络理论的条件来选择以最少跳级数或者最短路径为指标的最优路径建立路由,否则采取位置路由,采取方向最有益的最优路径建立路由。实验分析表明,即使节点稀疏时该路由算法仍具有很好的包发送成功率和包平均延时,其综合性能优于OLSR协议和AODV协议。     

基于K-最近邻基站的移动手机自组网路由协议

通过分析AODV算法及其存在的问题,结合节点的移动速度和方向等信息, 提出了一种基于K-最近邻基站的移动手机自组网混合路由协议。在新协议中, 当网络的本地基础设施发生故障时,每个本地节点首先生成并维护一个K-最近邻基站信息表,然后基于该K-最近邻基站信息表,利用改进的AODV协议来进行按需路由。理论分析与仿真结果表明, 新算法的性能要优于传统的按需路由协议AODV,因此,更适合移动手机自组网中的路由。     

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。     

基于蚁群算法的Ad Hoc网组播路由算法

网络拓扑结构动态变化、带宽和能源受限等特点使得Ad Hoc组播路由问题成为当前研究的热点问题.现有的Ad Hoc网组播协议多为确定性路由,对Ad Hoc网网络环境的变化适应性较差.在深入研究蚁群算法的基础上,对其进行了改进,将其应用在Ad Hoc网组播路由的建立和维护过程中,提出了一种不确定性的组播路由算法,称为基于蚁群算法的Ad Hoc组播路由算法.NS-2仿真结果证明,蚁群算法在Ad Hoc组播路由中的应用使组播路由算法具有较高的稳定性和良好的传输有效性,受网络环境的影响较小.     

群智能在Ad Hoc网络QoS组播路由中应用的研究

通过对Ad Hoc网络QoS组播路由问题的深入研究,提出了一种融合量子粒子群优化和蚁群优化的群智能混合算法(QPSOACO算法)。该算法融合QPSO思想以加速蚁群算法在路由发现及维护时的收敛速度,进一步提高算法对网络节点移动性的适应能力。仿真实验表明,该算法对Ad Hoc网络环境的适应性良好。     

基于蚁群算法的网络安全路由算法研究

通过研究蚂蚁寻食的轨迹,分析推理出一种得到最优路径的并行算法,由于其灵感来源于蚂蚁,所以起名为蚁群算法。蚁群算法是近年才发展起来的,成功应用于很多领域,如车辆调度问题、分布式人工智能研究、负载平衡、大规模集成电路设计、工厂生产计划制定方面、图像着色和路由算法方面等等。本文主要是运用蚁群算法,寻找Ad Hoc网络中最优路由路径,使整个Ad Hoc网络成为一个稳定可靠的网络系统。     

基于蚁群的AdHoc网络分簇路由算法

无线AdHoc网络是一个多跳、临时性的对等移动自治系统,它由一组带有无线收发装置的移动节点组成。而路由协议是AdHoc网络体系结构中不可或缺的重要组成部分,因此路由协议的研究成为当前AdHoc网络研究的重点。针对AdHoc网络节点能量有限的特性,提出了一种基于分簇及蚁群的组合路由算法（CRBAC）。给出了分簇策略下的簇内簇间路由机制,簇内采用按需路由策略,将改进的蚁群算法应用到簇内路由机制中,通过扩散信息素选择能量高的邻节点均衡网络节点能量,而簇间采用尽可能简单的表驱动路由策略。仿真结果表明,该算法是合理的,不仅有效地减少了端到端时延,而且提高了网络的生存时间。     

融合免疫-蚁群的Ad Hoc网络QoS多播路由

针对Ad Hoc网络中带QoS约束的多播路由问题,提出了一种基于免疫蚁群算法的QoS多播路由发现算法。利用人工免疫算法的快速全局搜索能力寻找较优解,生成初始信息素的分布,加快收敛速度;通过蚁群算法的正反馈收敛机制求得精解,借鉴抗体排斥度的思想避免算法陷入局部最优。仿真结果表明,该算法具有较好的收敛性和寻优能力,适应于Ad Hoc网络环境的变化。     

基于蚁群的Ad Hoc网络多路径路由的改进

在大规模的Ad Hoc网络中,带宽有限,并且节点移动会引起链路频繁中断,从而导致传输时延较大。针对这些缺点,文中提出了加入了链路失效预测的蚁群多路径路由算法LA-ACO （ Location Aided ACO）。通过蚁群算法的分布式计算来寻找多条路由,并利用多路径路由来进行数据包的负载平衡,同时进行链路失效的预测,利用蚁群的正反馈机制完成快速主动路由修复。在仿真得到的结果中可以发现,该算法有较好的寻优能力,并且适应于Ad Hoc网络的拓扑多变化的特性。     

Ad Hoc网络中基于遗传蚁群算法的QoS多播路由算法

利用遗传算法的快速全局搜索能力和蚁群算法的正反馈收敛机制,把蚁群算法和遗传算法融合起来,提出了一种遗传蚁群算法（GAAC）来解决Ad Hoc网络中QoS路由问题。首先利用遗传算法生成信息素分布,然后用蚁群算法求精解,优势互补,期望获得优化性能和时间性能的双赢。并针对算法应用于Ad Hoc网络QoS路由普遍产生的拥塞问题,采用拥塞回避的策略,从而实现网络业务流负载均衡。仿真表明该算法比其它单一采用蚁群算法进行路由选择更适合于动态Ad Hoc网络环境。     

移动Ad Hoc网络中节能的单传播路由算法

介绍了移动Ad Hoc网络的一些基本概念和性质,概述了用于移动Ad Hoc网中的路由协议及算法的一般特点,并对各种常用的节能的单播路由算法进行了介绍和分析.还提出了一种鲁棒的单播节能路由算法REUR,对之进行了详细的描述和分析.     

基于蚁群优化的能量有效Ad Hoc路由算法

由于传统的Ad Hoc网络路由算法不考虑能量因素,为了改善其能量约束问题,根据自然界蚁群的觅食行为[1]提出了一种能量有效的路由算法.在路由选择过程中综合考虑了路径长度和节点的剩余能量,并且利用蚁群优化的特点形成多路径的数据传输,有效地延长了节点有限能量的使用时间,进而延长网络的生存期.在仿真实验中与现有相关协议进行了对比,结果表明了该算法的有效性.