异构带宽约束的动态源组播路由

提出异构带宽约束的动态源组播路由(heterogeneous bandwidth-constrained dynamic source multicast routing, HBMR). 为了支持组成员的动态性和异质性,收集了组播树分布信息和组播树上节点的最大可接收能力信息. 并设计了一个基于该信息的异构带宽约束的动态源组播路由算法. 仿真实验结果表明,HBMR不但解决了异构带宽约束费用优化的动态组播路由问题,而且在路由成功率、路由消息开销和组播树占用的带宽资源等方面的性能都有综合提高.     

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.     

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。     

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     

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。     

计算机网络中的组播路由算法探讨

本文提出了一种新的改进蚁群算法,通过构建确定性选路概率函数和基于交叉变异的变异操作,加速算法的收敛速度;对信息素实行多个独立QoS约束的惩罚性更新策略,使算法满足用户的QoS要求：考虑到网络实际应用,算法设计中引进了基于链路利用率的负载均衡和拥塞规避重路由策略,提高算法的鲁棒性。     

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。     

动态层次组播路由

随着网络的发展,平面路由难于适用不断扩展的大规模网络。文章针对这一缺陷,提出一种分层路由结构。文章具体分析了层次网络结构和树构造过程,并结合层次网络结构特点提出了动态层次组播路由算法(DHMR),该算法具有扩展性,适用于大规模网络。实验结果表明,动态层次组播路由算法从运行速度比动态平面路由算法(DFMR)快,同时减少了算法的时间复杂度和存储空间,但组播树的性能有所降低。     

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.     

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。     

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。     

基于非精确状态的动态组播QoS路由算法

基于非精确状态的QoS组播路由问题,提出了一种由信宿驱动的动态组播路由算法,实验和分析结果表明,构造的路由方案成功成功地解决了在网络中存在多个组播业务及组播节点动态变化情况下的QoS路由选择问题。     

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.     

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.