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.     

基于混沌神经网络的QoS组播路由算法

为了改变Hopfield网络的能量函数梯度下降的趋势,对神经元的内部状态施加了一个混沌控制量以控制神经网络的能量函数增加,减少或保持不变。将该混沌神经网络应用于解决QoS组播路由问题,提出了基于该混沌神经网络的QoS组播路由算法。通过计算机仿真,该算法能根据组播应用对费用和时延的要求,快速有效地构造组播树,与当前其它启发式算法相比较,本文提出的算法是可行和有效的。     

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.     

下一代互联网中的智能QoS组播路由算法

将遗传算法、模拟退火算法、禁忌搜索算法这3种智能优化算法引入基于QoS的优化组播树计算中·首先建立了支持QoS组播的高速网络模型,在此基础上给出了组播算法问题的数学模型·分析了在组播算法问题中应用这3种智能算法所面临的关键问题及解决方案,然后给出了3种算法在费用寻优和运行时间性能方面的对比·仿真表明,这3种算法都有较高的性能,能够满足下一代互联网支持QoS组播的需求·     

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.     

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。     

IP网络组播路由研究

阐述了IP组播的基本原理,分析了各组播路由协议,探讨了它们之间的联系和优缺点,并对组播技术的未来发展作出了预测.     

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.     

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。     

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.     

基于网边缘控制的QoS路由算法

为给不同的用户提供不同的服务质量(QoS),提出一种基于网边缘控制的因特网QoS路由算法。该算法中,路由选择的决断主要由网边缘做出,核心路由器的任务简化为通报网络信息和协调用户决断这两个较为简单的功能,利用用户级别的自组织路由来达到上述目标,从而形成一个扩展性强的自适应QoS路由算法。它使用路由探测分组与染色分组来增强网络的自适应能力;不需了解全局信息,只需局部网络状态即可;利用用户的自组织行为来协调路由行为。分析与仿真实验表明:该算法比传统算法有较强的动态性、可扩展性和较强的QoS提供能力。     

一种新的自适应覆盖多播路由协议

对有度和延时约束的覆盖多播路由问题展开研究,提出了一种新的自适应覆盖多播路由协议--AOMRP.该协议采用分布式策略,在构建多播树时针对可能出现的情况自适应地采用2种不同的启发式局部优化算法:当多播树局部存在可能父节点时,通过调节某一启发因子,新节点可以在最小延时优先策略和减少局部端系统资源耗费策略之间进行折衷并执行加入动作;当多播树局部不存在可能父节点时,通过调节另一启发因子,新节点可以选择某一分支继续向树的叶节点方向作探测.仿真实验结果表明,通过选择适当的启发参数,AOMRP能够获得较低的节点拒绝率.     

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.