一种双种群进化集成QoS组播路由算法

设计了一种IP/DWDM光Internet中的非NP类QoS组播路由算法,采用树形编码方式,基于双种群进化,寻找一棵带宽、延迟、延迟抖动与出错率受限的费用优化组播路由树,集成解决路由与波长分配问题.仿真结果表明,该算法是可行和有效的,不仅能够满足QoS约束,而且性能优于基于经典遗传算法设计的QoS组播路由算法,克服了算法易早熟、收敛慢等缺点,有效地解决了IP/DWDM光Internet中的QoS组播路由问题.     

一种有效的QoS组播路由算法

在多媒体和高速网络时代,组播是能够进一步推动Internet发展的机制之一.通过考虑组播通信服务质量(例如,端到端延迟和出错率)需求与网络资源约束,研究了基于服务质量的组播路由选择算法问题,提出了一个有效的近似算法,即基于Dijkstra算法,在网络资源约束条件下构造满足服务质量需求的组播路由树.仿真研究表明了该算法的可行性及有效性.     

QoS组播路由算法研究综述

组播路由和网络服务质量(QoS)是目前和下一代Internet的两个重要研究课题。QoS组播路由作为这两个研究课题的融合,是亟待解决的NP-完全多目标优化问题。结合QoS组播路由算法的问题模型与数学描述,依照不同标准对现有的QoS组播路由算法进行了分类,就当前QoS组播路由算法的研究成果进行了总结,分析比较了典型的QoS组播路由算法,提出了目前算法研究存在的问题,并对以后的研究方向作了展望。     

边不对称网络的QoS组播路由算法

针对QoS组播路由问题，建立链路负载不对称网络模型，以平衡网络负载为目标提出一种基于带宽和延时约束的QoS组播路由遗传算法（BDMGA）。 通过对该算法的收敛性分析和与其他算法的性能比较研究表明，该算法构建的组播树费用较低，且算法具有很强的均衡负载能力，可有效避免链路拥塞，提高网络运行性能。此外，在小规模的网络上能够以较快的速度收敛到全局最优解。     

一种新的QoS保证的快速组播路由算法

提出了一种新的服务质量保证的组播路由算法。算法使用了一个修改的斯坦利树近似算法来构建时延有界的低代价组播树,再通过最小时延路径与其他尚不在组播树的组内节点连接,并消除环路。理论和仿真表明,新算法与其他一些时延有界组播路由算法一样有较好的性能,并且有较小的复杂度。     

基于QoS的动态组播路由协议框架

通过对现有动态组播路由算法及协议的研究和分析,在总结QoS动态组播路由问题研究现状的基础上,提出了一个协议框架,并就此协议框架中的动态问题、QoS问题及分层问题提出了一些理论上的解决办法.框架试图利用集中式算法作为组播路由的预计算方法,同时结合分布式地动态收集QoS信息,做出QoS相关的组播路由决定.把一些现代互联网的先进技术,如Anycast机制等,结合到组播路由算法中,使组播路由算法具有更大的灵活性和可扩展性.     

基于Agent的组播路由算法

现有的路由算法基本上都是利用静态信息 ,这样计算出来的组播树不能反映实际情况 ,具有很大的局限性 .针对此问题 ,本文提出利用Agent技术预先收集、更新网络链路状态信息 ,以便尽可能地反映实际情况 .仿真试验表明效果较好 ,具有较好的实用性     

基于混沌遗传算法的QoS组播路由

针对遗传算法在搜索最优组播树的过程中易发生早熟收敛的缺点,提出一种抑制早熟的混沌遗传算法.利用混沌的随机性和遍历性,将混沌扰动算子加入到遗传算法的操作中,当判断种群有早熟发生时,就对该种群进行类似变异的混沌扰动操作,从而增加了种群的多样性,既保留遗传算法的全局搜索能力又能有效改善算法性能.仿真结果表明,该算法能克服早熟收敛的缺点,又能快速、有效地构造出满足QoS约束要求的最优组播树.     

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。     

基于子树受限QoS的组播路由恢复算法

通过对多媒体组播协议的研究,发现在组播树中的路由节点发生故障后,树中节点将分散为若干个不同QoS需求的子树,通常的做法是将子树的所有节点重新发起构造成新的组播树.通过增加对子树受限QoS信息的描述,在组播树中路由节点发生故障之后,只是按照子树的QoS信息重新构造新组播树,子树构造不成功时才进行所有节点的构造.仿真试验表明,在路由节点故障情况下子树的构造成功率平均超过80%,同时这种方可缩短组播树故障恢复时间并降低重构开销.该算法还可以提高组播应用的可靠性.     

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.     

NGI中的一种禁忌-递阶遗传QoS组播路由算法

设计了NGI主干网重要组网形式IP/DWDM光Internet中一种非NP类QoS(quality of service)组播路由算法,基于禁忌-递阶遗传算法(tabu-hierarchy genetic algorithm,THGA)构造优化的QoS组播路由树·该算法模拟生物繁衍过程,采用递阶编码方式,引入禁忌交叉和禁忌变异两种禁忌算子改进遗传操作,综合考虑了用户QoS需求和网络费用,同时有助于实现网络负载平衡·仿真结果表明,所设计的算法是可行和有效的,它在一定程度上克服了基于经典遗传算法的QoS组播路由算法存在的早熟和收敛慢等问题,提高了算法性能,较好地解决了IP/DWDM光Interne...     

基于并行量子遗传算法的QoS组播路由方法

通信网络时延受限且满足带宽要求的最小代价组播树问题是NP完全问题,传统方法难以求解,一般采用启发式方法求解.提出了一种基于并行量子遗传算法的服务质量(QoS)组播路由算法,算法中将各个子群体独立地并行进化,并通过相邻子群体间的信息交换实现克服早熟,避免局部收敛的目的,还提出了一种新的动态旋转角调整策略,使算法具有更好的种群多样性和全局寻优能力.仿真实验表明,新算法在求解性能上优于遗传算法(GA)和采用静态旋转角的量子遗传算法(QGA).     

基于混沌神经网络的QoS组播路由算法

为了改变Hopfield网络的能量函数梯度下降的趋势,对神经元的内部状态施加了一个混沌控制量以控制神经网络的能量函数增加,减少或保持不变。将该混沌神经网络应用于解决QoS组播路由问题,提出了基于该混沌神经网络的QoS组播路由算法。通过计算机仿真,该算法能根据组播应用对费用和时延的要求,快速有效地构造组播树,与当前其它启发式算法相比较,本文提出的算法是可行和有效的。     

一种基于遗传算法的组播路由选择方法

提出了一种基于遗传算法的组播路由选择方法·该方法首先寻找所有满足时延限制条件的路径,组成备选路径集,然后以代价最小为优化准则,在备选路径集中采用遗传算法求解最优解·为保证算法的收敛速度快,遗传算法的交叉操作使用了相同链路保留的方法·最后,进行了仿真实验,并与其他算法做了比较·实验表明,该算法收敛速度快,可靠性高,能够满足多媒体网络对实时性的要求·尤其是在网络规模较大时,本算法可大大减小路由计算时间·     

基于狩猎搜索的可信QoS路由算法

提出了一种可信QoS路由算法,采用区间形式描述用户需求以适应用户QoS和信任要求的模糊性,采用基于滑动窗口和窗台的信任评估与控制机制,引入满意度函数,基于狩猎搜索寻找满足用户需求的优化路径.对提出的算法进行了仿真实现,并在多个实际网络拓扑和虚拟网络拓扑上进行了性能评价,结果表明,所提算法是可行和有效的,同现有算法相比,具有更好的性能.     

基于正态变异的思维进化计算

将正态变异引入到思维进化计算中, 提出了一种新的基于正态变异的思维进化计算.在算法中采取了自适应策略.试验结果表明该算法具有高效的收敛速度, 并能收敛到全局最优点.与遗传算法(Genetic Algorithm, GA)和传统的思维进化计算(Mind Evolutionary Computation, MEC)进行比较分析, 该算法收敛速度更快, 收敛率更高.     

基于思维进化计算的一种广义进化模型

本文在遗传算法 (GeneticAlgorithm ,简记GA)与思维进化计算 (MindEvolution aryComputation ,简记MEC)的基础上 ,提出了一种广义进化模型 (GeneralizedEvolutionaryModel ,简记GEM)。该模型用微演化与宏演化两个过程 ,分别模仿人类的思维学习方式与自然进化 ,并通过概率趋同、信息迁移、自适应变异算子将两个过程有机的结合起来 ,从完全意义上模仿了人类的进化。该模型既能有效地克服遗传算法的本质缺陷 ,又能拓展思维进化计算的理论基础及应用范围。数值优化的仿真结果证明了该模型的有效性