基于蚁群算法的Qo S路由模型的设计与优化

为了提升网络数据传输中路由性能,采用蚁群算法解决网络路由出现的问题。首先介绍了蚁群算法的原理与模型,然后根据实际应用的QoS路由具体问题,建立QoS路由模型,设计基于ACO的Qo S路由算法。通过仿真实验,对参数进行优化分析,验证了蚁群算法在网络路由中的应用效果,证明这种方法能够提高网络数据传输中路由的性能。     

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.     

一种自适应物种寻优的无线Mesh网络QoS路由算法

针对无线Mesh网络带宽、负载能量不均等情况引起的网络延迟,以及路由算法运算速度较慢等问题,提出了一种自适应物种寻优的无线Mesh网络QoS路由算法。该算法利用路径评价函数进行最佳节点路径的搜索并通过蚁群信息素更新规则来平衡网络负载,避免数据拥堵和传输延时,并结合量子行为粒子群优化算法的物种形成策略,提出一种领域最好位置的自适应搜寻方式,降低了网络延迟并提高了算法收敛速度。仿真实验表明,从网络延迟和算法收敛速度来看,该算法相比改进的蚁群QoS路由算法和基于遗传算法的QoS路由算法具有更良好的效果。     

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。     

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．     

基于自主蚁群算法的认知网络多约束QoS路由算法

提出了一种基于自主蚁群算法的认知网络多约束QoS路由算法,该算法主要解决认知网络中具有多个参数约束的QoS路由优化问题。针对基本蚁群算法在收敛速度和全局搜索能力方面存在不足,本算法主要从信息素浓度初始化、信息素挥发因子调整、信息素更新规则、状态转移规则四方面改进,在收敛速度和全局搜索能力方面得到提高。实验结果表明,该算法具有较好的收敛速度和全局寻优能力,能够有效的解决认知网络所面临多约束QoS路由问题。     

Ad Hoc网络中基于模拟退火-蚁群算法的QoS路由发现方法

针对Ad Hoc网络的动态网络环境和链路、节点性能限制等不利因素，提出了一种新的QoS路由发现方法——SAANT．该方法利用蚁群算法增加了发现可用QoS路由的概率，利用基于概率的路由转发策略来减少洪泛造成的网络开销，从而强化所提算法的全局搜索能力和自适应性，减小了洪泛对Ad Hoc网络性能的影响．所提方法还利用模拟退火算法调整路由发现算法的搜索方向，以弥补蚂蚁算法收敛速度上的弱点，减少了搜索过程中的停滞现象．在包投递成功率、平均包延迟和吞吐量等方面，通过仿真实验对SAANT、仅基于蚁群算法的QoS路由算法和传统的按需路由算法的方法进行了性能比较，结果表明，在Ad Hoc网络环境下，SAANT的收敛速度、移动性能和网络负载性能均表现出更好的适应性．     

基于改进最大-最小蚁群算法的QoS路由算法

针对蚁群算法在OoS路由应用上的收敛速度慢和易陷入局部最优等缺陷,提出了一种"基于改进的最大-最小蚁群算法的Q0s路由算法",在算法中改进节点选择策略,并将最大-最小蚁群算法与局部搜索结合起来,有效抑制算法的过早收敛,提高了全局寻优能力和收敛速度,使QoS路由优化问题得到很好的解决.     

一种基于地理位置的无线传感器网络服务质量路由算法

基于传感器节点的地理位置信息与网络传输路径的能耗模型分析,提出一种无线传感器网络服务质量(QoS)路由算法.将多跳传输路径中的转发节点序列控制在以源节点与汇聚节点连线的一定区域内,尽量拟合源节点与汇聚节点连线传输,有效控制了传输路径.并对QoS路由算法提出改进,转发节点根据当前实时QoS约束动态地调整传输区域的大小以及优化下一跳选择机制,使传输路径最大程度拟合源节点和汇聚节点之间的连线,达到路径传输能耗最优.仿真实验表明,该QoS路由算法在满足网络QoS约束的同时,节省了网络的能耗,延长了网络生存时间.     

一种基于免疫-蚁群算法的Ad hoc网络QoS路由算法

由于Ad hoc网络的动态性和处理能力不强等因素，使得之前的启发式算法和近似算法在解决Qos路由问题中存在很大的局限性．针对Ad hoc网络QoS路由的上述研究现状提出了一种基于免疫-蚁群算法的QoS路由算法．该算法前过程利用人工免疫算法（Artificial Immune Algorithm，AIA）快速寻求较优的可行解，在此基础上算法后过程采用蚁群算法（Ant Colony Algorithm，ACA），利用前过程中人工免疫算法获得的较优可行解，进一步提高求解效率．该算法结合了人工免疫算法与蚁群算法二者的优点，具有并行度高，全局寻优，快速收敛等特点．实验证实，这种算法是行之有效的．     

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。     

基于ACO的LEO卫星网络路由研究

为了解决低轨卫星网络动态拓扑路由问题,通过更改蚁群优化(Ant Colony Optimization,ACO)算法结构以及信息素更新策略进行调整,提出一种适合LEO卫星网络的具有多QoS约束条件的ACO路由算法.这种路由算法能够根据LEO卫星网络中业务流量分布的变化对网络最优路径做出调整、均衡网络负载、避免拥塞,实现多种QoS指标的联合最优.仿真结果表明:在网络接近满负荷的情况下,路由算法在保证业务QoS需求的同时,使网络资源得到了充分利用.     

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.     

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.     

NGI中一种基于粒子群优化的QoS单播路由算法

针对满足多个约束条件的服务质量QoS(Quality of Service)单播路由的特点,提出了一种下一代互联网NGI(Next Generation Internet)中基于粒子群优化PSO(Particle SwarmOptimization)的QoS路由算法.给出了QoS单播路由问题模型及其数学描述,对所考虑的带宽、延迟、延迟抖动和出错率等QoS参数进行模糊处理,在此基础上基于PSO算法进行路径寻优,并在多个实际的和虚拟的网络拓扑上进行了仿真实现与性能评价.仿真结果表明,提出的算法是可行和有效的.     

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。     

一种双种群进化集成QoS组播路由算法

设计了一种IP/DWDM光Internet中的非NP类QoS组播路由算法,采用树形编码方式,基于双种群进化,寻找一棵带宽、延迟、延迟抖动与出错率受限的费用优化组播路由树,集成解决路由与波长分配问题.仿真结果表明,该算法是可行和有效的,不仅能够满足QoS约束,而且性能优于基于经典遗传算法设计的QoS组播路由算法,克服了算法易早熟、收敛慢等缺点,有效地解决了IP/DWDM光Internet中的QoS组播路由问题.     

NGI中立队竞争演化QoS组播路由算法

设计了一种NGI中的非NP类QoS组播路由算法.该算法以最小化费用为目标,基于立队竞争演化算法,寻找一棵延迟、延迟抖动、带宽及出错率受限且费用优化的组播路由树,一体化解决路由与波长分配问题,同时兼顾网络负载均衡.仿真研究表明,该算法是可行和有效的,不仅能够满足QoS约束,而且在组播树费用和运行时间上明显优于基于经典遗传算法的QoS组播路由算法.     

基于路径缓存的并发扩散式服务质量路由算法

服务质量路由算法是一种多约束多目标的优化问题，该问题属于计算复杂度完全类(NP-CompIete)问题．基于一些扩散式服务质量路由算法，提出了一种基于路径缓存的并发扩散式服务质量路由算法(PCB-CFQR)，该算法是一种分布式算法，它将资源预留、接纳控制和路由选择进行有效的结合，能同时完成多个请求的路径建立，大大提高路由算法的效率．分析和仿真结果表明，PCB-CFQR算法具有较强的稳定性和实时性，与最短最宽(WSP)路由算法相比，它无须进行路由信息的定时刷新，却具有较低的呼叫阻塞率．     

NGI中的一种禁忌-递阶遗传QoS组播路由算法

设计了NGI主干网重要组网形式IP/DWDM光Internet中一种非NP类QoS(quality of service)组播路由算法,基于禁忌-递阶遗传算法(tabu-hierarchy genetic algorithm,THGA)构造优化的QoS组播路由树·该算法模拟生物繁衍过程,采用递阶编码方式,引入禁忌交叉和禁忌变异两种禁忌算子改进遗传操作,综合考虑了用户QoS需求和网络费用,同时有助于实现网络负载平衡·仿真结果表明,所设计的算法是可行和有效的,它在一定程度上克服了基于经典遗传算法的QoS组播路由算法存在的早熟和收敛慢等问题,提高了算法性能,较好地解决了IP/DWDM光Interne...