移动自组网络的自适应多路径路由协议研究

随着移动视频产业的飞速发展,如何保障移动自组网络中视频传输的服务质量(Qo S)已成为一个重要问题.针对移动自组网络环境中视频传输数据量大、容易拥塞、延时较长等问题,比较和分析了现有移动自组网络多路径算法和协议性能及其缺陷,从负载均衡的角度设计了一种自适应多路径优化路由算法.实验表明,该算法能有效提高网络吞吐量,减少视频通信过程中的网络时延,提高视频通信效率与视觉质量.     

命名数据网络中基于蚁群优化的视频业务路径优化

针对命名数据网络中视频业务数据量较大导致的网络传输易受时延、吞吐量以及传输时间等限制的问题,提出一种针对视频业务的基于改进蚁群优化算法的多路径传输方法ACO-MpR.首先根据interest包来区分视频业务类型并得到相应服务质量要求;其次找出满足该业务类型QoS的时延、带宽及拥塞值,组成最优化模型中三元组约束条件,将其代入到改进蚁群优化算法中找出多条可行路径;最后通过三元组约束条件对路径进行筛选得出最满足该视频业务服务质量的多条路径.理论分析及仿真实验表明:与命名数据网络中常规路由方式的蚁群优化算法ACOIR、多路径路由方法MRBRC相比,ACO-MpR在视频业务传输时具有更好的表现,能够有效地解决视频业务在传输时受时延、吞吐量及传输时间等限制的问题.     

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.     

无线传感器网络自适应拥塞控制的路由算法分析

无线传感器网络中节点的覆盖范围有限,因而采用多跳路由传输方式.无线自组网中的多跳路由是由普通节点协作完成的,选择不同的转发节点,会对网络的信息传输产生不同的影响.对不同路由(洪泛路由、最短路径等)算法下的网络自适应拥塞控制进行了分析,研究了不同路由算法下的网络性能和拥塞控制效果.根据节点跳数与缓存占用的关系,提出一种基于节点跳数和缓存占用的性能函数的改进最短路径算法,算法选取使性能函数值最小的节点作为转发节点.最后,通过实验比较了最短路径算法与改进路由算法的网络性能,发现改进路由算法相比最短路径算法,具有较好的网络性能和服务质量.     

支持负载均衡和路由优化的网络移动增强协议

分析网络移动现有方案在多穴负载均衡和嵌套路由优化方面存在的问题.基于最优路径选择算法和相应的路径评价标准,提出了支持综合负载均衡和路由优化的网络移动增强协议.该协议实现多移动网络前缀、多移动路由器、多家乡代理的负载均衡以及嵌套多穴移动网络全局和内部路由优化,解决嵌套移动网络的多角路由、隧道嵌套问题.此外,该协议兼容以前的网络移动标准,改动较少.协议的性能分析结果表明,和已有的方案相比,增强协议在帮助移动网络获得高吞吐量的同时,传输延时降低了近一半,可用连接增加了30%,而且性能更加稳定.     

面向下一代互联网的智能QoS单播路由算法

为了适应下一代互联网对多个约束条件服务质量(QoS)的要求,提出了一种基于粒子群优化PSO(Par-ticle Swarm Optimization)的智能QoS单播路由算法.首先给出了QoS单播路由问题模型及其数学描述,然后对所考虑QoS参数进行模糊处理,在此基础上利用改进的PSO算法的智能优化能力进行路径寻优.仿真结果表明,提出的算法是可行和有效的.     

蚁群分区算法在QoS单播路由中的应用研究

随着网络技术的高速发展,新型的多媒体业务应运而生,对网络服务质量(QoS)的要求也更高,如何解决多个约束QoS路由问题,成为新关注的热点,在解决这一问题时,路由算法的选择又是其中的一个核心问题,并且带宽、延时、访问花费是决定选择路径的关键因素.论文针对这一状况构建了带有QoS参数的网络模型,并用基于蚁群算法的邻域分区优化算法对QoS单播路由选择进行仿真实验,该方法改善了蚁群算法在求解大规模网络路由选择的算法复杂度和搜索最优路径的时间.     

移动自组网中一种基于簇的能量优化路由算法

移动自组网是在没有中心基础设施情况下由一些移动用户自组织形成的多跳无线移动网络,通常部署在一些特殊的场合。由于网络中终端设备均由电池供电,节省能耗就成为了移动自组网的一个核心问题。本文提出了一种基于分簇的簇头轮换和辅助网关的能量优化路由算法。通过簇头轮换均衡网络中的能量消耗,通过网关节点减轻簇头负担。该算法大大延长了整个网络的寿命。     

基于改进量子遗传算法的WSNs多路径路由研究

最优路径搜寻和能量优化是无线传感器网络(wireless sensor networks,WSNs)研究的两大关键性问题,基于簇结构的无线传感器网络模型,将改进的量子遗传算法引入WSNs网络层节能路由算法研究中,选取多条较优染色体代替一条最优染色体指导群体的进化;采用动态的量子旋转门调整策略,避免算法收敛于局部最优解;利用球面坐标角度对量子遗传算法编码,降低算法的复杂度;以路由所耗能量为优化目标,构造适应度函数。与基于传统遗传算法（genetic algorithm, GA）、标准量子遗传算法(quantum genetic algorithms, QGA)的多路径路由进行比较,实验表明,该算法比基于GA,QGA算法的多路径路由具有更低的网络能量消耗,更长的网络生存周期。     

能量感知多路径负载均衡路由算法

针对移动自组织网络的网络拥塞问题,基于能量感知技术并结合负载均衡和拥塞控制方法,提出了一种能量感知多路径负载均衡路由算法。该算法利用能量感知选择满足条件的节点作为路由节点,建立多条连接源节点和目的节点的有效路径;同时分析路径的跳数、节点缓冲区的占用情况,从有效路径中选出用于传输的最优路径;然后对最优路径上的节点和路径的负载情况进行建模分析,当节点能量、节点负载、路径负载到达设定的阀值,就将最优路径上的流量分流到其它路径。利用NS2仿真软件,在不同的场景下对该算法以及QMRB、SMORT进行仿真测试。仿真结果显示:提出的算法与其它路由算法相比将网络性能提升了近20%,起到了均衡负载的作用,能有效地解决网络拥塞问题。     

离散萤火虫算法在车载网的应用

车载自组织网(Vehicular ad hoc network,VANET)是移动自组织网络之一,具有节点变动迅速、拓扑结构灵活、通信能力要求较高的特点。为提高车载自组织网络的可靠性,实现数据的安全共享和快速交互,将离散萤火虫(DFA)算法应用求解车载网络中具有服务质量约束的多播路由问题。根据VANET的路由特点,将该问题转化为延迟成本最小化约束优化问题,并将车载网络路径时延转化为萤火虫的荧光素值,然后将该算法用4个实例进行测试,并与Dijkstra最短路径算法、粒子群优化算法进行比较。研究结果表明:离散萤火虫算法性能更佳,可有效解决VANET中Steiner minimum tree(SMT)问题,成功取得最优路径。该算法在一定程度上稳定了网络拓扑结构,能够实时更新节点信息。     

移动自组网中基于区域的多路路由算法

提出了一种适用于移动自组网的基于区域的多路路由算法.该算法将路由发现控制在一个预定区域内,不仅大量减少路由控制开销,而且确保最优路由.分析和仿真表明,选用合适的多径选取策略,在高移动、高动态网络环境下,该算法在路由开销、TCP吞吐量以及时延方面都有一定的提高.     

基于深度强化学习的无人机自组网路由算法

针对无人机自组网节点密度大、拓扑变换频繁,导致移动自组网复杂的问题,提出了一种基于深度强化学习(deep-reinforcement learning, DRL)的分布式无人机自组网路由算法。利用DRL感知学习无人机特征,使节点不断与环境交互、探索学习最优行动(路由)策略;通过存储经验知识,维护端到端路由,赋予无人机网络智能化重构和快速修复的能力,从而提高路径的稳定性,降低路由建立和维护开销,增强网络的鲁棒性能。仿真结果表明,提出的算法具有较好的收敛性能;在路由修复时间、端到端时延,以及网络适应性、扩展性方面都优于传统的路由算法。     

IP网路由研究综述

路由算法寻找最优路径来传递信息,提高服务质量,提高网络整体资源利用率。本文综述计算机网络路由研究目前面对的问题及解决这些问题的进展,包括组播路由、不确定信息路由及多路径路由,并就该领域进一步研究的热点问题提出一些看法。     

最小能量节点不相交多路径的自组网路由算法

为减轻节点不相交多路径路由负载和解决路径间的耦合问题,提出了一种基于定向天线的最小能量节点不相交多路径自组网路由算法(RMENDMRDA).初始时该算法应用优化波宽选择算法确定定向天线的最小扇形覆盖区域,从而节省能量消耗,在选择累计能量最小的节点不相交多路径时采用链路可靠性选择算法,以满足链路的可靠性要求.分析及模拟结果表明,该算法路由负载更小、路由发现频率更低.与源传输能量选择路由算法和节点不相交多路径路由算法相比,RMENDMRDA的数据包投递率提高了18%,路由负载降低了24%,节省能量约8%.     

认知无线电网络中保证服务质量的优化路由协议

基于路由与频谱管理的依赖关系,提出了一种频谱自觉地满足不同业务服务质量需求的优化路由协议.首先建立网络模型和优化分析,定义了链路度量和路径度量指标,路由协议选择端到端时延最小的路径,最大化网络吞吐量.然后提出了子频段和路径联合优化选择算法,对实时业务优先选择带宽抖动小和切换时延小的子频段及下一跳;对尽力传递业务优先选择带宽大的子频段及下一跳.最后提出频谱自觉的路由维护,通过局部频谱调整算法稳定路径不变,保证业务服务质量.仿真结果表明：该路由协议能满足业务服务质量需求,优化网络资源使用,减少数据包丢失,提高网络吞吐量.     

基于QPSO算法的OSPF多约束路由研究

利用传统的SPF算法解决OSPF网络路由难题时,由于没有考虑多约束条件和有效利用次路径,一旦最优路径发生拥塞,网络传输性能会急剧降低.文中将QPSO算法应用于OSPF网络路由规划,利用多约束条件并结合OSPF网络多种路由参数的特性,重点对有效地改善网络局部拥塞和快速求得全局最佳路由及若干次路由算法进行探究,并利用仿真数据对所提出的改进算法进行验证.结果表明在解决OSPF网络路由规划问题中,网路传输性能,文中所提出的算法比传统的遗传算法和SPF算法得到较好的改善.     

基于跨层设计的MANET拥塞控制路由算法

移动无线自组网(MANET,Mobile Ad Hoc Network)是由无线移动节点所组成的具有任意和临时性网络拓扑的动态自组织网络系统,每个节点都可以作为主机和路由器使用。由于移动自组网的独特组织形式,固定网络和有中心无线网络的很多协议无法直接被它采用,因而需要设计专门适用于移动自组网的协议。其中,路由协议是自组网设计并研究的主要技术难点之一。对MANET中的经典AODV路由算法进行了改进,通过节点MAC层信息感知,表征出链路拥塞状态,同时将MAC层信息跨层共享,提出时延跳数积作为网络层路由判断和选择的依据,改善移动自组网传统路由协议遇到的拥塞问题,优化路由工作和网络性能。     

基于AODV协议的动态路由管理算法

提出了一个基于AODV协议的动态路由管理算法,通过算法动态地配置路由协议参数,适应网络环境的变化,提高路由协议性能.算法利用模糊逻辑对移动自组网(MANET)网络环境进行分类,根据不同类型的MANET网络环境选择不同的AODV路由参数来改善路由性能.将这种算法应用到AODV路由协议中,通过NS2网络仿真器对标准AODV算法和基于AODV的动态路由管理算法进行了仿真比较.仿真结果表明,基于AODV的动态路由管理算法显著改善了协议路由性能.这证明在优化MANET路由性能研究领域中应用模糊逻辑的可行性.     

移动自组网多路径优化路由算法的研究

针对AOMDV协议的多路径路由机制和特点,提出一种基于带宽与链路拥塞度约束的多路径优化路由算法.仿真实验结果表明,能在一定程度上降低路由开销以及延长网络生存时间.