QoS路由算法分析

QoS路由是保证网络服务质量的关键技术之一.随着网络技术的飞速发展,QoS路由算法日益增多,目的都是为了寻找最优路径来传递信息以提高服务质量.该文重点对目前QOS单播路由、QOS多播路由、无线网络路由的多种算法的基本思想及特点进行了分析,探讨了QoS路由的难点和今后可能的研究方向.     

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。     

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BOA的受限延时QoS路由算法

无线ad hoc网络中受限延时的QoS路由问题是NP-complete问题,针对其特点,将贝叶斯优化算法引入其中,用贝叶斯网络对QoS参数进行模拟、采样和优化.实验结果表明,贝叶斯优化算法对于受限延时的QoS路由问题有着很好的解决能力,同时与其他算法比较,能够搜索到较低代价的路由,满足QoS路由要求.     

具有不确定信息的QoS路由的选择与分析

为了减少不确定信息对QoS(服务质量)路由的选择产生的影响,因此有必要对具有不确定信息的QoS路由问题进行研究,讨论了网络状态的不确定信息产生的原因,并基于NS(网络仿真)软件,仿真分析了不确定信息对QoS路由和网络性能的影响,然后,结合QoS单播路由问题,通过对有关问题的形式化描述,讨论了相关的解决方案,最后,综合目前相关解决方案存在的优缺点,从实现的角度探讨了以延迟保证为约束条件的多路径QoS路由机制。     

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．     

免疫算法在QoS路由中的应用

针对覆盖网络多播QoS路由问题,提出基于免疫进化的覆盖网络多播路由算法。在免疫算法中引入聚类和混沌优化机制,有效地提高抗体群分布的多样性。实验结果表明该算法取得较好的效果。     

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。     

基于多条件约束的QoS路由选择优化算法

要：基于多条件约束的Qos路由选择优化是提高通信网络效率和性能的核心问题，本针对一类源一目的通信网络的QoS路由选择问题，引入动态规划方法在给定丢失率约束条件下给出最小时延的路由选择．     

基于QoS的网络路由模拟器设计与实现

基于网络连接流参数和链路信息,QoS路由算法能够选择合适传输路径以满足应用性能的要求和优化网络资源,仅驻通过数学方法测试路由算法性能是不够的,而且在算法设计过程中,许多参数都需要通过模拟实验获得,本介绍了基于QoS网络路由模拟器的设计与实现方法,该模拟器可以测试不同路由算法性能,并可提供不同路由算法性能参数的比较。     

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.     

Optimized QoS Routing Algorithm

QoS routing is one of the key technologies for providing guaranteed service in IP networks. The paper focuses on the optimization problem for bandwidth constrained QoS routing, and proposes an optimal algorithm based on the global optimization of path bandwidth and hop counts. The main goal of the algorithm is to minimize the consumption of network resource, and at the same time to minimize the network congestion caused by irrational path selection. The simulation results show that our algorithm has lower call blocking rate and higher throughput than traditional algorithms.     

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.     

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.     

互联网络服务质量路由算法研究

介绍了QoS技术产生的背景和QoS路由的基本概念，提出了一种基于网络服务质量要求的多播路由算法，并对该算法进行了评价，最后提出了该领域进一步的研究方向。     

一种基于非精确状态信息的QoS单播路由改进算法

传统的QoS保障的单播路由算法都假设IP网络结点的状态信息可以被准确地获知,但实际网络存在许多因素使得状态信息非精确.所设计的改进算法是通过动态确定k优路径算法(k_shortest algorithm)中的k值,从而确保最终求得的路径相对其他算法所求得路径是更优的.因此能有效地降低了丢包率,提高了端到端延迟绑定的概率,通过网络仿真器Ns的仿真分析,结果表明了该算法的有效性.     

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.     

Ant Colony Algorithm for Solving QoS Routing Problem

Based on the state transition rule, the localupdating rule and the global updating rule of ant colony algorithm, we propose an improved ant colony algorithm of the least cost quality of service (QoS) unicast routing. The algorithm is used for solving the routing problem with delay, delay jitter, bandwidth, and packet loss-constrained. In the simulation, about 52.33% ants find the successful QoS routing , and converge to the best. It is proved that the algorithm is efficient and effective.