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。     

基于变异因子粒子群优化的组播路由算法

带时延约束的组播路由问题是一个非线性的组合优化问题，已被证明是一个NP-完全问题。论文提出了一种基于变异因子的粒子群优化算法用于解决带时延约束的组播路由问题。仿真结果显示，该算法具有代价性能良好，收敛速度快，不易陷入早熟的特点，在寻优速度上优于遗传算法，具有很强的鲁棒性和实用性。     

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。     

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.     

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.     

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。     

基于遗传模拟退火算法的QoS组播路由问题求解

提出了一种基于遗传模拟退火算法的带宽时延约束费用最小组播路由选择方法,该方法针对遗传算法的局限性,采用基于备选路径集的整数序列编码机制,对适应度函数进行了调整,改进了交叉和变异操作,并结合了模拟退火算法.实验表明,该算法能够有效地提高收敛速度,避免早熟收敛,能够满足多媒体网络对相应QoS的需求.     

改进人工鱼群算法及其在QoS组播路由问题中的应用

提出了一个基于蚁群算法和人工鱼群算法相结合的QoS组播路由算法.首先利用改进的Salama网络拓扑随机生成算法,随机生成一个网络拓扑图,再利用蚁群算法并行搜索的特点找出大量满足约束条件的可行路径,创建备选路径集,最后使用人工鱼群算法在所创建的备选路径集中,通过执行觅食、聚群、追尾等行为求解最优组播树.仿真结果表明,该算法跟基本的鱼群算法相比有着更高更快的效率,能够尽快的找到最优的组播树,并具有更好的全局优化性能,适合于高速的、实时的多媒体传输网络.     

一种优化组播路由费用的算法

为满足某些组播应用（如多媒体通信,分布环境中的协同工作等）。既需优化路由的网络费用,又需优化路由的目的地费用的要求,提出了一种简单可行并且使用灵活的组播路由优化算法。该算法的主要思想是对目的结点费用进行衰减,以使组播路由有更多的共享链路,优化了路由的网络费用,同时还可以调节衰减因子使目的地平均费用也得到优化,克服了已有的优化方案只能优化网络费用或只能优化目的地平均费用的缺点,适用于各种通信场合。     

下一代互联网中的智能QoS组播路由算法

设计了一种下一代互联网中的智能QoS组播路由算法,给定一个QoS组播请求和柔性QoS需求,包括带宽需求、组播端到端延迟区间,延迟抖动区间和出错率区间,寻找一棵QoS组播路由树.提出一种基于演化算法和单纯形算法的混合算法来构造满足上述需求且费用近优QoS柔性组播路由树,兼顾网络负载均衡.仿真结果表明,该算法是可行和有效的,明显优于基于传统遗传算法的QoS组播路由算法.     

Multiple constraints QoS multicast routing optimization algorithm in MANET based on GA

Usually multiple quality of service (QoS) guarantees are required in most multicast applications. This paper presents a multiple constraints algorithm for multicast traffic engineering in mobile ad hoc networks (MANET). The proposed algorithm is a new version of multiple constraints QoS multicast routing optimization algorithm in MANET based on genetic algorithm (MQMGA). The proposed MQMGA can optimize the maximum link utilization, the cost of the multicast tree, the selection of the long-life path, the average delay and the maximum end-to-end delay. Experimental result shows that the approach is efficient, has promising performance in multicast traffic engineering and for evaluating the route stability in dynamic mobile networks.     

基于差分进化算子变异的中心引力优化算法

针对中心引力优化算法易陷入局部最优这一不足,加强算法的全局寻优能力,提出一种改进的中心引力优化算法,根据差分算法本身的固有特性,通过引入差分进化算子对当前粒子位置的分量进行变异,促使算法摆脱局部最优,增强算法的全局收敛性.最后选取5个经典函数对算法进行测试,并与其他算法进行比较分析,结果证明算法的精度得到了明显提高,从而验证了该算法的有效性和可行性.     

遗传算法在组播路由优化中的应用

通过分析遗传算法和组播路由的特点,提出了一种求解满足带宽-时延约束多组播路径问题的遗传算法.在算法中设计了一种基于节点连接路径的具有树状结构的染色体表示方法及可以实现树状染色体交叉和变异的算子.数值实验结果表明,所提出的算法有效改善了初始群体的整体适应性,便于更快地找到最优路径,有效解决了带宽-延时约束组播路由的问题.     

基于差异演化的粒子群优化算法

针对粒子群优化算法由于缺乏种群多样性而导致早熟收敛的不利因素.提出了一种把差异演化算法中的后代产生机制引入粒子群优化算法的更新规则中以保持粒子群的种群多样性和加快收敛速度的算法.这种思想能有效改善摆脱极值点的能力.基于几个高维测试函数的试验结果显示,该算法在收敛速度快和精度方面都优于粒子群优化算法.     

基于混沌序列遗传算法的QoS组播路由选择方法

针对遗传算法求解服务质量(QoS)组播路由易发生早熟收敛的缺点,将混沌序列引入遗传算法中.首先利用混沌序列的随机性,生成更具多样性的遗传算法的初始解集,然后,通过判断适应度函数值的变化,判断早熟是否发生,如果发生早熟,则用混沌扰动对该解群进行类似变异的扰动操作,从而避免进化过程中基因多样性的缺失.仿真结果表明,该算法能快速、有效地构造出满足QoS约束要求最优组播树.     

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.     

基于改进克隆算法的WSN的QoS路由研究

为解决在无线传感器网络QoS约束下的最优路由选择问题,在优化网络拓扑结构的基础上,提出利用克隆选择算法和蚁群算法结合求解WSN组播路由的方法.该算法利用克隆选择算法对原始路由种群进行优化改善,避免搜索过程陷入早熟收敛问题,然后利用蚁群算法快速搜索.该算法在保证能力最优的前提下,提高了路由搜索速度,在保证最优路径选择基础上,节约了通信成本,仿真结果证明了其可行性和有效性.     

基于改进粒子群优化算法的逆向物流选址与路径问题研究

综合考虑逆向物流中的车辆路径问题和选址分配问题,首先分析问题的特点,并建立问题的数据模型,然后提出一种基于贪心算法的改进粒子群优化算法.实验结果表明,新算法能够以较快的收敛速度得到问题的近似最优解,是解决该类问题的有效方法.