通信网络中QoS多播路由技术研究

给出了多约束QoS组播路由的问题模型,分析论述了多约束QoS组播路由优化的约束树算法和遗传算法、蚁群算法、免疫算法等智能化算法,对QoS约束的多播路由技术的进一步研究进行了展望。     

基于Tabu搜索的QoS多播路由优化算法

该文研讨了具有QoS多播路由问题．文中描述了一种适应于研究QoS多播路由的网络模型．该文在网络环境及不确定参数下，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)．TQMRA在网络环境及不确定参数下能够优化网络资源．仿真实验结果表明．TQMRA为QoS多播路由提供了一种新的有效途径．     

基于可用带宽的QoS多播路由算法

设计了一种基于时延、时延抖动和包丢失率3个QoS约束下的最大可用带宽多播树求解模型，将可用带宽作为主度量参数来构建多播树。能够针对特定的服务需求对各个QoS度量的重要性进行灵活调整。其算法具有多项式复杂度，并通过仿真证明了算法的有效性。     

基于可用带宽的QoS多播路由算法

设计了一种基于时延、时延抖动和包丢失率3个QoS约束下的最大可用带宽多播树求解模型,将可用带宽作为主度量参数来构建多播树.能够针对特定的服务需求对各个QoS度量的重要性进行灵活调整,其算法具有多项式复杂度,并通过仿真证明了算法的有效性.     

基于免疫遗传算法的多播QoS路由算法

提出一种基于自适应免疫遗传算法的多播QoS路由算法,该算法不仅能随种群进化的需要自适应调整交叉概率和变异概率,而且还通过引入免疫算子,在保证群体多样性的同时得到Pareto最优解.该算法能近似模拟自然界及生物个体竞争、繁衍和死亡的过程,具有较好的空间收缩能力和局部求精能力,能加快收敛速度和提高收敛精度.从而克服遗传算法的早熟问题.仿真结果验证了算法的有效性.     

移动自组网的多约束QoS多播路由最优算法

在多播应用中,应当确保多种网络服务质量(Qos).针对移动自组网多播通信业务工程,本文给出了一个基于遗传算法的多约束最优化路由算法(MQMGA),该算法能够优化最大链路利用、节省多播树开销、保持长寿命路径选择、减少平均延迟和端对端最大延迟.仿真实验结果表明,该算法有效,能够提高多播通信业务工程的性能,易于评价移动自组网的路由稳定性.     

QoS多播路由动态组管理技术

指出了具有QoS约束的多播路由技术已成为网络及分布式系统领域的一个重要研究课题,也是下一代Internet网络和高性能网络的重要难题.重点描述了QoS动态组管理多播路由方案、树的重组、核心树迁移.提出了将来的研究方向.     

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.     

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．     

延时受限的覆盖多播路由协议及优化策略

研究了有度和延时约束的覆盖多播路由问题,提出了一个新的覆盖多播路由协议--度、延时约束树协议(DDCTP).该协议采用分布式和树优先的策略,使多播组成员之间能自组织地构建一棵基于源的覆盖多播树.DDCTP遵循协议机制和优化策略相分离的设计原则,可独立地采用不同的优化策略而无需修改协议框架.在此基础上,提出并比较了多种优化策略.仿真实验表明,综合考虑空闲度、延时距离和树上延时的优化策略能获得最高的节点接纳率,但也使多播树占用较多的网络资源.实际应用可根据具体情况,选择不同的优化策略,在节点接纳率和网络资源占用量之间进行折衷.     

基于阶段变异的PSO组播路由算法

理论上已证明组播QoS(Quality of Service)路由问题是一NP完全问题。集群智能算法为此类问题的求解提出了新的思路。在进行基于粒子群优化(PSO)的QoS组播路由算法研究的基础上,分析了基本粒子群易陷入局部最优路由而导致停滞的现象,通过引入变异算子,阶段变异的机制,克服了标准PSO算法的缺点。仿真结果显示了算法的可行性和有效性。     

基于Qos组播路由算法的研究

从源路由算法、分布式路由算法和层次型路由算法3个方面分析了现有Qos组播路由算法,介绍了相关算法的基本思想,并探讨了今后的研究方向。     

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.     

基于遗传-蚁群优化算法的QoS组播路由算法设计

为了提高网络路由性能,提出并设计了一种基于遗传-蚁群优化算法的QoS组播路由算法。首先,设计了自适应变频采集策略用于采集网络与节点信息,以此获得网络和节点的状态,为后续路由优化提供数据支持;其次,计算路径代价,将路径代价最小作为优化目标,建立QoS组播路由优化模型,并设置相关约束条件;最后,结合遗传算法和蚁群算法提出一种遗传-蚁群优化算法求解上述模型,输出最优路径,完成路由优化。实验结果表明,所提算法可有效降低路径长度与路径代价,提高搜索效率与路由请求成功率,优化后的路由时延抖动较小。     

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).     

卫星Internet中一种QoS组播路由机制

考虑了卫星Internet拓扑变化的可预测性和组播应用的服务质量QoS(quality of service)需求,设计了一种QoS组播路由机制.给出了卫星Internet中QoS组播路由问题模型及其数学描述,引入拉格朗日松弛,设定适应度函数,使用PRIM算法,基于次梯度优化,寻找生存周期最大化的QoS组播路由树.基于NS2进行了仿真实现和性能评价.仿真结果表明,同传统的组播路由机制相比,该机制是可行和有效的,提高了QoS组播路由树生存周期,具有良好的性能.     

一种满足多服务质量约束的动态组播路由算法

建立了网络模型，描述、简化了研究的问题，并提出了一种新的满足多服务质量(QoS)约束的动态组播路由算法(DMRMQ)．该算法采用Bellman—Ford算法作为路径搜索算法，能在满足带宽、延迟、延迟抖动和丢包率约束的前提下确定具有最小跳数和开销的动态组播路由．仿真实验表明，在假定网络节点输出链路容量相等的情况下，与Greedy、LeastHop两种不考虑QoS的算法相比，DMRMQ能在满足多QoS约束的前提下建立动态组播路由，且路由请求平均成功率提高约10％，路由平均延迟降低约20％，路由平均跳数基本持平．     

免疫优化在QoS组播路由中的应用

提出了一种时延约束的最小代价组播源路由免疫算法．该算法的主要思想是：利用自然免疫系统中抗体和抗原的交互关系来模拟QoS组播路由中可行解（满足QOS约束的解）和不可行解（不满足QoS约束的解）之问协同演化过程,避免了传统的处理约束的方法——罚函数方法的局限性．算法的实现借鉴了前人提出的高效的克隆选择算子,可有效地提高算法的搜索性能．仿真实验证明：算法性能要好于被测试的著名路由算法．     

链路优化时延约束组播路由的遗传算法

针对网络的瓶颈路径易造成网络拥塞的现象,分析了链路负载不平衡的原因,重新给出链路代价定义,提出一种遗传算法求解该类组播路由问题.算法从链路代价权值转化开始,以满意的时延树为遗传算法的初始解集,然后在交叉操作过程中不断地用低链路代价的边代替树中高链路代价的边,以求得满足链路代价最优的组播树.仿真结果表明,该算法在考虑网络的负载均衡情况下,选择链路代价较低的空闲路径,快速、有效地构建满足时延要求,链路代价最小的组播树.