基于蚁群算法的QoS多播路由算法

提出一种基于蚁群算法的分布式动态QoS多播路由的算法.充分考虑路径时延对多播树总代价的影响,多播树中添加符合QoS约束条件的路径,并且从多播组的目的结点出发进行搜索,该路径的路径代价在该次选中的所有迭代路径中最小,以"拉"的模式分布式地构造出多播树。实验结果表明,该算法代价性能良好,能满足多媒体网络的实时性要求.     

一种基于蚁群算法的多媒体网络多播路由算法

为了克服蚁群算法（Ant Colony Optimization,ACO）收敛速度慢,易限于局部最小点等缺陷,对ACO进行了改进,在每次循环结束时,保留最优解,自适应地改变挥发度系数,引入遗传算法的交叉算子,提出了一种基于ACO的有时延约束的多播路由算法模型。仿真结果表明,基于改进ACO的多播路由算法模型 可以稳定地获得优于现有启发式算法的解,是一种有效的多播路算法,该算法也适用于并行执行和应用。     

一种基于量子遗传算法的多播路由算法

提出了一种基于量子遗传算法QGA（quantum genetic algorithm）解决多播QoS（quality of service）路由问题的算法．介绍了量子遗传算法的基本原理,给出了算法实现的方法和具体流程,并进行了量子遗传算法在多播路由选择优化方面的仿真实验,证明了量子遗传算法优于常规遗传算法．     

Ad Hoc网络中基于蚁群优化的路由选择算法

为了降低AdHoe网络拥塞程度，减少节点能量消耗，将蚁群优化算法应用于改进Adhoe网络的路由选择问题上，提出一种在Adhoe网络中基于网络有限带宽和剩余能量信息的路由选择算法。根据蚁群优化算法中的信息素浓度对路由选择进行调整，使路由选择实现分布式全局优化。仿真结果表明，该算法可以使平均端到端延迟从0．75s降低到0．28s，网络生存时间延长30％，提高了网络资源利用率。     

Ad Hoc网络中基于蚁群优化的路由选择算法

为了降低Ad Hoc网络拥塞程度，减少节点能量消耗，将蚁群优化算法应用于改进Ad Hoc网络的路由选择问题上，提出一种在Ad Hoc网络中基于网络有限带宽和剩余能量信息的路由选择算法。根据蚁群优化算法中的信息素浓度对路由选择进行调整，使路由选择实现分布式全局优化。仿真结果表明，     

基于蚁群算法的Overlay路由扩展性问题

扩展性问题是Overlay网络研究中所需解决的重要问题之一.通过使用蚁群算法对目前Overlay路由系统广泛采用的单跳转发路由机制OHPR(one-hop path routing)进行改进,通过采用维护邻居节点集合的方式降低系统部署和运行的总开销.仿真实验结果表明,基于蚁群算法的单跳路由算法ACOHPR(ant colony optimization based one-hop path routing)在500个节点的Overlay系统中,与OHPR算法相比可以有效的降低系统路由的查询开销到30个节点左右,而获得的通信时延差别不超过9 ms.     

Ad Hoc网络中基于蚁群优化的路由选择算法

为了降低Ad Hoc网络拥塞程度,减少节点能量消耗,将蚁群优化算法应用于改进Ad Hoc网络的路由选择问题上,提出一种在Ad Hoc网络中基于网络有限带宽和剩余能量信息的路由选择算法。根据蚁群优化算法中的信息素浓度对路由选择进行调整,使路由选择实现分布式全局优化。仿真结果表明,该算法可以使平均端到端延迟从0.75 s降低到0.28 s,网络生存时间延长30%,提高了网络资源利用率。     

基于免疫原理的动态多播路由算法

为了避免传统启发式算法在求解多播路由问题时存在的过早收敛问题,提出了一个新的动态多播路由免疫算法(DCOMIA),此算法利用克隆选择和基因库的思想改善了群体的多样性,并评估了二进制串表示的候选个体.同时,提出了一个改进了的动态约束多播路由问题(MDCMR),试验结果表明:此算法求解该动态多播问题是高效的.     

最小生成树在动态贪婪多播路由算法中的应用

由于在所有节点都是多播节点时,最小生成树是最佳的,因此期望通过最小生成树动态贪婪多播路由算法产生的多播树的性能在合理的范围之内．对贪婪算法、加权贪婪算法和本文提出的最小生成树动态贪婪算法进行了详细的仿真,仿真结果表明,本文提出的算法在多播节点密度较大时显示了优越性,且它的平均无效度在其他情况下也在可接受的范围之内．同时它还具有复杂度低的特点．     

一种新的QoS多播路由优化算法

讨论一种适应于研究QoS多播路由的网络模型.在网络环境及不确定参数条件下,提出了一种在网络规模、可行性方面为Internet、移动网络和其他高性能网络基于Tabu搜索的QoS多播路由优化算法（TQMRA）.仿真实验结果表明,TQMRA在网络环境及不确定参数条件下能够优化网络资源.     

无线网络中基于蚁群算法的QoS组播路由算法

为了将传统基于蚁群算法的QoS组播路由算法应用于无线网络,针对蚁群算法收敛速度慢和无线网络节点能量有限的特点,提出一种无线网络中基于蚁群算法的QoS组播路由算法。在选路时利用节点电量选择能量大的为下一跳节点,并保留信息素给后续选路使用,加快算法的收敛速度。仿真结果表明,该算法能够明显提高算法的收敛速度,延长整个网络的生存时间,是一种很好的无线网络组播路由算法。     

一种求解双目标校车路径问题的蚁群优化算法

校车路径问题(SBRP)是在满足学生交通服务各种约束条件的前提下,寻求高效的校车路径方案,将学生从乘车站点运送到学校,达到一定的服务质量目标和校车运营效率目标.现有SBRP算法主要优化校车路径长度目标,较少关注如何减少所需校车数量.鉴于减少校车数量能显著降低校车服务成本,尝试设计蚁群优化(ACO)算法求解双目标SBRP问题.在校车容量和学生最大乘车时间约束下,将减少路径数量作为第一目标,缩减路径总长度为第二目标,设计了一个ACO算法.重点讨论了校车路径构造算法、与优化目标相关的信息素更新方法、局部搜索路径改进和提升双目标的两阶段策略.采用基准案例进行测试,验证算法的有效性.与CPLEX精确算法相比,ACO算法在求解路径数量和计算效率方面具有明显的优势.     

一种基于精英策略的蚁群优化QoS单播路由算法

指出传统蚁群算法在解决QoS单播路由选择问题时,受到时延和带宽的约束,为降低路由费用,容易出现陷入局部最优且收敛速度慢的现象。针对上述问题,提出一种基于精英策略的蚁群优化QoS单播路由算法,该算法利用蚁群算法原理,并引入精英策略。通过仿真模拟一个20节点的计算机网络QoS单播路由选择实例,并与传统蚁群优化（ACO）算法进行对比,仿真结果表明该算法是有效的。     

一种基于链路优化的时延约束组播路由算法

研究具有时延约束的最小代价组播路由问题,提出一种基于链路优化的组播路由算法求解该问题。算法从最小时延树开始,不断地用低代价链路代替树中高代价链路,以求得满足条件的组播树。仿真实验结果表明,该算法能根据组播应用对时延的要求,快速、有效地构造最优组播树,具有较低的时延。     

一种多点动态路由优化算法

将具有平稳优化性能的目的地最优算法和具有良好平均优化性能的“贪心”算法相综合,提出了一种多点动态路由优化算法,与已有的“贪心”算法等相比,该算法具有优化性能平稳、平均优化性能好等优点。     

改进的基于能量的多播路由算法

针对GEM在路由过程中没有考虑节点的剩余能量,在分析和改进GEM路由算法基础上,提出一种改进的、提供能量约束的多播路由算法EGEM。该算法在选择下一转发节点的过程中,对节点能量加以约束,以此选择剩余能量较多的节点进行数据传输,降低网络中节点的死亡率。实验数据表明,改进后的算法可以降低节点死亡率,一定程度上延长了网络的生命周期,但平均跳数保持不变或增加。     

一种支持QoS的多播路由算法

对支持QoS(服务质量)的多播路由技术作了较详细的分析,提出了一种后向搜索最小生成树算法作为有实时性要求的多播业务的路由算法,并模拟分析了该算法的优越性。     

组播路由算法综述

在说明组播技术原理的基础上,对目前的组播路由算法进行了回顾,最后指出了组播路由算法的分类及其发展方向.     

带时延约束的动态多播路由算法

考虑多媒体业务端到端的时延要求，需建立有时延约束的Steiner树，提出一种分布式的带时延约束的动态多播路由算法。通过仿真实验验证了算法具有很好的性能和扩展性，优于巳有的几种算法，且能适应多播成员的动态变化。