关于路由选择的Dijkstra算法的分析和优化

近些年来,计算机网络从计算机组、网格(Grid)发展到有线网络、无线网络,这一系列的变化决定了计算机网络传输面临前所未有的巨大挑战.而提高网络传输速度的关键是找到最佳的路由实现算法.依据对传统Drjkstra算法的研究,着重对路由选择的Dikstra算法提出自己的优化方法.     

路由选择算法分析

骖径选择是网络中的一个重要问题,路径选择的核心是路由算法。本文介绍了常用的静态路由选择算法和动态路由选择算法,对各个算法的实现、性能和优化进行了分析,并提出了改进方法。     

计算机网络中路由选择的优化研究

为了改进计算机网络的性能 ,提出了一种改进的并行遗传算法 ,采用多群体并行进化与自适应地改变遗传参数 ,对计算机网络中路由选择问题进行了优化 ,比较了不同算法所得到的链路利用率及网络的平均时延 .计算机仿真实验结果表明 ,该算法能较迅速地求出全局近似最优解 ,并且与传统的方法相比较 ,解的质量能大幅度地提高 ,证明此改进的并行遗传算法是行之有效的     

网络多链路出口路由优化调度方法的改进分析

对网络多链路出口路由进行优化调度的过程中,传统的路由调度方法只分析了网络拓扑结构,容易出现链路拥塞的情况,忽略了网络流量特征,增加了队列长度与通讯时间,调度效果不佳。提出基于N元非合作模型的网络多链路出口路由优化调度方法,依据路由表空间串行流量调度的状态,对多链路网络的抽象拓扑进行设计,获得多链路网络流量能否经过链路的判断,通过非合作性理论在单控制节点中从多选择域中获取渐进次优解,使得路由数据流从单控制节点映射至多链路出口时可以保持各链路上的流量均衡。引入链路因数对各链路上路由映射的量进行管理,完成对路由调度的改进分析。实验结果表明,所提方法不仅具有很高的调度效率,而且调度均衡性和资源利用率较优。     

移动 IP 路由优化性能分析

介绍了移动IP路由优化机制, 采用数量分析方法, 从 注册业务与数据业务两个方面, 比较分析了路由优化前后的性能, 并给出相应的实验结果.     

基于多种遗传算法的组播路由选择方法

给出了一种混合多种群遗传和微种群遗传的算法,以及一种防止产生网络环路和冗余的编码技术,并对算法的时间性能进行了分析,表明该算法快速有效.     

基于现代超启发式搜索方法的计算机通信网络中路由选择优化的研究

为了改进计算机通信网络的性能，首次采用近年来才开始应用、且具有很强灵活性的现代超启发式搜索方法——Tabu搜索方法，对计算机通信网络中重要的路由选择优化问题进行了详细的研究，得到了比经典的拉格朗日松驰及子梯度优化方法更优的结果，尤其在网络负荷很重的情况下，与其它算法相比，更显示出该方法的优越性，从而为计算机网络的优化理论提供了新的思路方法。大量的计算机仿真实验的结果表明，所得结论对于计算机通信网络以及电信网、电力网、交通运输网等，在其性能优化与评价、提高网络性能与效益、降低运营费用等方面，具有重要的理论价值和广阔的应用前景。     

一种基于蚁群优化的动态节能路由选择策略

针对无线传感器网络中寻找最优路径的问题,考虑网络的节能需求,提出了一种基于蚁群优化的动态节能路由选择策略。蚁群算法在进行过一段时间后,受转移概率公式影响易于陷入局部最优解,因此在提出的基于蚁群优化的动态节能路由选择策略中设计了动态状态转移优化规则,合理的增加了新节点的搜索概率,从而达到快速有效的寻找全局最优解的目的;此外,基于蚁群优化的动态节能路由选择策略设计了奖罚机制,进一步节省搜索时间的同时增加最优路径搜索概率,极大的延长了网络生存时间。仿真实验及分析表明,通过动态状态转移优化规则及奖惩机制的动态调整极大的增加了全局最优解的搜索概率,快速有效地实现了全局最优解的获得,节省了节点能量消耗,有利于延长网络生存时间。     

Ad Hoc网络中基于蚁群优化的路由选择算法

为了降低Ad Hoc网络拥塞程度,减少节点能量消耗,将蚁群优化算法应用于改进Ad Hoc网络的路由选择问题上,提出一种在Ad Hoc网络中基于网络有限带宽和剩余能量信息的路由选择算法。根据蚁群优化算法中的信息素浓度对路由选择进行调整,使路由选择实现分布式全局优化。仿真结果表明,该算法可以使平均端到端延迟从0.75 s降低到0.28 s,网络生存时间延长30%,提高了网络资源利用率。     

Ad Hoc网络中基于蚁群优化的路由选择算法

为了降低AdHoe网络拥塞程度，减少节点能量消耗，将蚁群优化算法应用于改进Adhoe网络的路由选择问题上，提出一种在Adhoe网络中基于网络有限带宽和剩余能量信息的路由选择算法。根据蚁群优化算法中的信息素浓度对路由选择进行调整，使路由选择实现分布式全局优化。仿真结果表明，该算法可以使平均端到端延迟从0．75s降低到0．28s，网络生存时间延长30％，提高了网络资源利用率。     

Ad Hoc网络中基于蚁群优化的路由选择算法

为了降低Ad Hoc网络拥塞程度，减少节点能量消耗，将蚁群优化算法应用于改进Ad Hoc网络的路由选择问题上，提出一种在Ad Hoc网络中基于网络有限带宽和剩余能量信息的路由选择算法。根据蚁群优化算法中的信息素浓度对路由选择进行调整，使路由选择实现分布式全局优化。仿真结果表明，     

一种基于遗传算法的组播路由选择方法

提出了一种基于遗传算法的组播路由选择方法·该方法首先寻找所有满足时延限制条件的路径,组成备选路径集,然后以代价最小为优化准则,在备选路径集中采用遗传算法求解最优解·为保证算法的收敛速度快,遗传算法的交叉操作使用了相同链路保留的方法·最后,进行了仿真实验,并与其他算法做了比较·实验表明,该算法收敛速度快,可靠性高,能够满足多媒体网络对实时性的要求·尤其是在网络规模较大时,本算法可大大减小路由计算时间·     

网络多链路出口路由优化调度方法的改进

对网络多链路出口路由进行优化调度的过程中,传统的路由调度方法只分析了网络拓扑结构,容易出现链路拥塞的情况,忽略了网络流量特征,增加了队列长度与通讯时间,调度效果不佳。提出基于N元非合作模型的网络多链路出口路由优化调度方法,依据路由表空间串行流量调度的状态,对多链路网络的抽象拓扑进行设计,获得多链路网络流量能否经过链路的判断,通过非合作性理论在单控制节点中从多选择域中获取渐进次优解,使得路由数据流从单控制节点映射至多链路出口时可以保持各链路上的流量均衡。引入链路因数对各链路上路由映射的量进行管理,完成对路由调度的改进分析。实验结果表明,所提方法不仅具有很高的调度效率,而且调度均衡性和资源利用率较优。     

电路交换网络无级路由选择的离散事件模拟方法

讨论了电路交换网络的离散事件模拟，给出了在网络过载、线路中断等不同网络状态下，采用的几种常见的路由选择方法的网络性能，还给出了线路保留数等不同的网络参数对网络的影响。与分析法相比，模拟方法能得到更精确的结果，并可模拟用分析方法无法解决的问题     

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.     

浅析网络层的路由选择算法

本文就路由选择算法中的默认路由(含静态路由)和两种简单的动态路由算法作一简单分析。     

采区电缆截面的优化选择方法

本文应用优化理论提出了区采低压电缆截面的优化选择方法,并用FORTRAN语言编写了优化程序。利用本方法,不仅使计算简化,而且所选出的截面是最优的。     

自然科学课堂教学方法优化选择初探

本文通过分析比较自然科学多种课堂教学方法的优缺点,并对各种教学方法进行优化选择,在学科各教学内容上进行了初步尝试,取得了一定效果。     

IP城域网路由优化实施方案

ISIS协议相较OSPF,在协议的扩展性、健壮性、可承载路由条目数方面都具有更大的优势,设备路由改由更符合ISP网络架构特点的ISIS协议承载,在未来相当长一段时间内能够满足城域网扩容需求。用户路由改由IBGP协议承载后,将BGP协议的运行范围下推至业务控制层设备BRAS/SR,实现对用户路由和流量的精细管理。     

基于智能蚂蚁算法的路由选择

智能蚂蚁算法已经成功地运用于TSP问题和一系列的离散优化问题．文中分析了智能蚂蚁算法的工作原理．并基于蚂蚁的自组织能力描述了一种新的分布式动态路由选择方法，QoS保证的分布式路由选择算法(DQRA)。DQRA能以并行的方式解决网络中呼叫的时延和带宽分配问题。理论证明此种算法简单，易于实现．能有效地解决大型网络的负载平衡问题。选择Matlab仿真软件对DQRA算法进行仿真，并且比较了当业务要求带宽变化时阻塞率的变化．进一步证明了算法的有效性。