WPANT:应用于移动对等网络的轻量级层次蚁群路由算法

针对移动对等网络中存在的节点移动、拓扑多变、资源受限和可扩展性差等问题,提出了一种基于轻量级层次结构的蚁群路由算法.该算法通过选取活动路由上的节点将网络划分成轻量级的层次结构,在此结构上运行蚁群路由算法.轻量级的层次结构提高了蚁群算法中信息素更新机制的效率,同时,蚁群路由算法的自组织和流量均衡等特性增强了轻量级层次结构...     

基于Chord结构化P2P网络路由算法的改进

随着网络规模的扩大,Chord路由网络资源查找效率变得不够理想.为此,对Chord网络中的路由表算法及结构进行了扩展改进.分析验证了改进后的Chord模型资源查找效率明显高于原Chord模型.     

基于路由代价的无线传感器网络蚁群路由算法

能耗最小化和能耗均衡是无线传感器网络路由算法的两个主要问题.文中从无线传感器网络蚁群路由算法出发,分析了启发式因子的各种构建方式对能耗最小化和能耗均衡的影响,提出了无线传感器网络的路由代价模型,并以此构建启发式因子.对比各种构建方式的仿真结果可以看出,使用路由代价构建启发式因子更为合理,该构建方式在网络寿命和均衡性方面...     

基于蚁群的无线传感器网络概率路由算法

针对多数无线传感器网络路由算法易在网络中形成关键节点,而节点的失效往往导致整个网络的失效问题,提出了将随机思想与蚁群算法的特征相结合的一种新的概率路由计算方法.实验表明,该算法对延长整个网络的有效生存时间的效果较好.     

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。     

基于蚁群算法的无线多媒体传感器网络路由研究

通过对蚁群算法(ACO)的研究,设计了一种适合无线多媒体传感器网络的路由协议.该算法模拟自然界蚂蚁群体在寻找路径的方式,在节点发送数据包时,以该路径之前发送数据包的频率以及通过该路径的代价为参数,计算选择该节点为下一跳的转发概率.仿真结果表明,采用该算法时,节点的平均寿命要比采用传统的定向投递算法时的节点寿命高20%,数据包成功发送速度也远远高于传统算法.     

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。     

基于蚁群算法的无线传感器网络数据聚合路由算法

传感器网络为减少冗余数据的传输耗能。降低延迟,需要在路由过程中采用数据聚合技术。文中采用定向传输方式,在消息路由机制基础上提出了一种基于蚁群算法的数据聚合路由算法。该算法主要思想在于将节点能耗、传输距离与聚合收益3方面作为启发因子,通过一组称为“蚂蚁”的人工代理寻找到达汇聚节点的最优路径。该算法利用蚁群算法的正反馈效应来达到数据汇集的目的,不需要网络节点维护全局信息,因此是一种实现数据聚合在能量与时延上折中的分布式路由算法。理论分析和仿真结果说明了新算法的有效性。     

基于改进蚁群算法的无线传感器网络路由

为了降低节点能量消耗,延长网络生存的时间,提出了一种改进蚁群算法的无线传感器网络路由机制.首先将无线传感器网络服务质量分为3类,然后利用蚁群算法可以自适应网络状况动态性的优势,构建传感器节点转移函数、信息素更新规则和自适应构建数据路由.最后采用仿真模拟实验对算法性能进行检验.实验结果表明,相对于现有无线传感器路由算法,通过引入蚁群优化机理挖掘传感器节点之间的关联性,数据传输延迟、可靠性和能量开销上具有更好的性能,使整个网络性能保持最优.     

基于蚁群-遗传的无线传感器网络路由算法

提出了一种基于蚁群 - 遗传的无线传感器网络路由算法.通过有限寿命的蚂蚁在源节点与目的节点之间的运动获取多个备选路径,然后把每一个备选路径视为一个基因序列,通过选择、交叉和变异操作获得路径的优化,并适时进行路由维护.仿真结果表明,本算法减少了能耗,延长了网络生存时间,提高了网络的可靠性和自适应性.     

基于蚁群算法的卫星网动态路由算法

卫星网络路由应当具有使用较小的通信开销和处理能力计算出最优路径,并能够适应卫星网络拓扑结构动态变化等特点,这与蚁群算法的特征相匹配,能很好地解决这一问题。以此为背景,提出了一种新型的基于蚁群算法的卫星网动态路由算法(DRAS-ACA),并在NS2网络仿真平台上实现了该路由算法,使用gnuplot分析了仿真结果。     

基于蚁群算法改进的 AODV 路由协议研究

AODV协议是Ad hoc无线自组网中经典路由协议之一;针对AODV协议的缺点,提出一种基于蚁群算法改进的AODV路由协议;结合蚁群算法与Ad Hoc网络的特点,将蚁群算法应用于AODV协议,考虑节点负载、路径跳数、路径时延等因素,对AODV的路由组建和路由维护策略进行改进;通过在NS2平台中设置不同的网络负载和不同的节点移动速度,对改进后的AODV协议进行模拟,仿真结果表明,该路由协议在分组投递率、平均端到端延时和归一化路由开销等性能上比AODV协议具有一定的优势,网络的健壮性和抗毁性得到增强.     

移动自组织网络Q学习和改进蚁群QoS路由算法

针对移动自组织网络的QoS路由问题,提出一种结合Q学习和改进蚁群算法的QoS路由算法,该算法综合Q学习和蚁群算法的优点,把Q学习算法的Q值作为蚁群算法的初始信息素,提高了算法初期的收敛速度,同时在路径选择时综合考虑节点的能量和负载.仿真实验表明,该算法在保证QoS需求的前提下,增加了路由的有效性和鲁棒性,降低了能耗,包投递率、网络生存时间等指标均较好.     

一种基于蚁群优化的无线传感器网络路由算法

提出了一种基于蚁群优化的无线传感器网络路由算法.根据无线传感器网络路由策略和蚁群优化的特点,构造了人工蚂蚁,设计了基于蚁群优化的路由算法框架,对算法收敛性进行了理论分析,并在NS仿真平台下进行了实验验证.结果表明,与SPIN,DD,HREEMR,SAR和GEAR路由算法相比,作者算法具有较好的节能性和全局寻优能力.     

无线传感器网络中基于双向分工蚁群的QoS路由算法

无线传感器网络中的Qos路由虽能提供有保证的差别服务,但却是一个NP完全问题,而蚁群算法能有效解决该类问题．针对基本蚁群算法在无线传感器网络QoS路由应用上收敛速度慢和易陷入局部最优解的不足,提出了一种基于双向分工蚁群的QoS路由算法．该算法通过采用局部更新与全局更新相结合的规则,并使用双向分工蚁群搜索机制有效提高收敛速度,从而获得全局最优解．仿真结果表明,该算法能快速获得有效的QoS路径．     

容迟网络中基于信任蚁群的自组织路由算法

由于移动节点间的相遇机会的不确定性,容迟网络采用机会转发机制完成分组的转发.这一机制要求节点以自愿合作的方式来完成消息转发.然而,在现实中,绝大多数的节点表现出自私行为.针对节点的自私行为,提出了基于信任蚁群的自组织路由算法TrACO（Trust Ant Clone Optimization）.该算法利用蚁群算法基于群空间的搜索能力和快速的自适应学习特性,能够适应容迟网络动态复杂多变的网络环境.最后对TrACO进行性能仿真分析,仿真结果表明TrACO能够在较低的消息冗余度和丢弃数下获得较高的分组转发率和较低的消息传输时延,表现出较强的挫败节点自私行为的能力.     

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.