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．     

多条件约束的QoS路由选择简化算法研究

通过对服务质量路由具体分析,建立了一个满足条件的非线性整数规划模型,并根据该模型的特点,给出了相应的求解算法及性能分析,最后实例表明所提出的模型及算法是有效的.     

一种QoS感知的服务全局优化选择算法

将服务选择问题建模为带QoS约束的非线性最优化问题,并提出了一种参数自适应的改进遗传算法(IPAGA).构造了基于双曲正切函数的非线性参数变换函数,当迭代次数或种群多样性程度增加时,使遗传算法的交叉和变异概率相应地非线性递减,以保证算法的全局收敛性和收敛速度.实验结果表明:算法能够快速搜索出全局近似最优解,具有很高的有效性和可行性.     

基于模拟退火的多约束路径优化选择算法

多约束QoS路由是下一代互联网的核心问题之一．为解决QoS路由算法容易陷入局部最优的问题,将模拟退火方法与路由计算结合起来,提出一种新的组合优化算法．该算法可以及时从无效的迭代中跳出到其他空间,提高搜索效率,具有全局收敛性,可在有限次数迭代中快速找到可行路径．实验表明,该算法性能高,同时对网络规模和多约束个数具有很好的可扩展性．     

QoS多约束单播路由算法的研究与实现

介绍了蚂蚁算法基本原理,将蚂蚁算法应用于解决QoS多约束单播路由问题,针对QoS路由中的带宽、丢包率和时延3大约束问题对原有算法模型进行改进。在改进后的算法中,对于同一路径的不同路段给予不同的信息素更新量,而且用时变函数来代替原算法中的信息素更新常量,最后用OPNET网络仿真工具验证了该算法的有效性和正确性,并以图形比较了改进前后算法的优越性。     

基于动态规划的QoS多约束路由算法

基于动态规划的思想,提出一种新的质量服务(QoS)多约束路由算法(QMCRA_DP).对可行路径进行智能分段,并自适应地调整求解各段的线性花费函数.理论分析及实验验证表明:QMCRA_DP算法在保持较低计算开销的同时,较大地提高了求解可行路径的成功率.     

基于遗传算法的多约束QoS选播路由算法

随着网络上各种流媒体的出现,有些业务除了需要考虑时延外,还需考虑其他的QoS参数,如带宽、时延抖动、包丢失率等。本文提出的算法将研究多个QoS条件下的选播路由选择问题。本算法中,路由选择是在时延、时延抖动、包丢失率三个QoS约束下完成的。其中时延,时延抖动是加法型度量,包丢失率是乘法型度量。     

基于PBIL的多QoS约束选播路由算法

为了满足时延、时延抖动、带宽、丢包率多个服务质量约束下以最小代价选播路由,针对使用常规算法很难求得最优解,提出一种基于种群的增量学习(Population-Based Incremental Learning,PBIL)方法的多约束选播路由算法,该算法有效结合了遗传算法和竞争学习的优点,以更新概率向量为主要的快速进化手段,使得算法更加易于操作,同时对标准PBIL算法中的概率向量更新机制进行了改进,使用两个最优个体代替传统的仅使用单个最优个体,增加了更多优秀个体被选择保存到下一代的机会.最后给出了基于PBIL的选播路由算法和基于遗传优化的选播路由算法随机网络拓扑上的仿真比较,结果表明:算法在最优解的精确度上、成功率上以及执行速度上明显优于遗传算法求解.     

面向Deadline约束的网格QoS任务调度

根据调度算法中对QoS的匹配需求,提出了一种基于QoS优先级分组的网格任务调度思想,并且在此基础上引入任务的Deadline约束,综合考虑任务的可接受率以及系统的makespan性能,提出一种面向Dead-line约束的网格任务调度策略QD-Sufferage.实验表明,该算法在makespan、吞吐率等方面的综合性能较以往的算法有较大的提高.     

ACS算法求解多约束QoS路由问题

介绍了ACS算法理论,分析了使用ACO算法求解多约束QoS路由问题,给出了多约束QoS路由的数学模型,并进行了仿真实验和结果的分析.     

基于量子遗传算法的多约束QoS路由算法

提出了一种基于量子遗传算法解决多约束QoS路由问题的算法，详细讨论了该算法用于解决包含带宽、延时、包丢失率和最小花费等约束条件在内的多约束QoS路由问题，给出了算法实现的方法和具体流程．实验结果表明，与其他2种算法相比，该算法不但能满足QoS约束要求，同时可以均衡链路负载，很好地优化网络资源．     

基于量子遗传算法的多约束QoS路由算法

论述了用量子遗传算法解决计算机路由选择中的选播QoS路由问题。在考虑网络带宽、时延的基础上,将资源消耗函数和网络负载分布作为目标函数,采用量子比特编码,利用量子旋转门操作实现量子染色体的更新操作来求最优解,希望所选路径消耗较少的网络资源,并使负载尽量均衡分布,达到合理利用网络资源,降低网络拥塞的目的。     

一种多QoS约束的网格资源调度算法

针对网格计算中资源调度问题,提出一种多QoS（Quality of Service）约束的贪婪推广算法.调度时以调度驱动函数为贪婪准则.调度驱动函数与网格用户提供的“deadline”,“budget”,“timeweight”和“costweight”等参数有关.每次根据调度驱动函数选择最经济的资源进行调度.通过在Gridsim环境下的分析与比较,该算法能够在满足用户QoS的同时,能够以最小的调度驱动函数值完成任务,最大化地实现用户的满意度.     

基于分层环境选择策略的约束多目标优化算法

针对约束多目标优化问题(CMOPs)难以平衡约束条件和目标函数的不足,提出一种基于分层环境选择策略的约束多目标优化算法(CMOEA-HES).CMOEA-HES首先采用模拟二项式交叉(SBX)和差分进化(DE)算子分别产生各自的子代种群;然后通过第一层环境选择策略从两个子代种群中选出收敛性和多样性较好的个体;接着采用第二层环境选择机制在父代种群和第一层环境选择策略选出的个体中进行选择,在多样性和收敛性的基础上选出可行性较好的个体;最后将选出的个体作为下一代进化的种群．为验证CMOEA-HES的性能,将其与5种先进的约束多目标优化算法在两组典型的测试集上进行仿真计算,实验结果表明：CMOEA-HES在求解约束多目标优化问题上更具有竞争力．     

QoS性能约束的云任务调度算法研究

云计算是目前研究的热点,云计算任务调度中为了在保证用户满意的前提下缩短任务完成时间和提高资源负载均衡性,提出了一种具有QoS约束的模拟退火云任务调度算法.首先引入QoS约束的贪心策略产生初始解,以最小任务完成时间和最小负载均衡标准差为目标,实行两阶段退火过程,制定两个具有QoS约束的新解产生函数,始终处于用户满意的前提下寻找最优分配方案.仿真实验结果表明,该算法能够在保证所有用户都满意的情况下降低任务完成时间并提高资源负载均衡性,是一种顾客和云服务提供商都满意的云任务调度算法.     

基于QoS本体的语义Web服务选择算法

引入QoS本体,提出了一种基于QoS本体的语义Web服务选择算法.该算法通过构造Web服务的QoS本体模型以支持异构QoS参数的语义描述和度量,并将QoS语义匹配和数值匹配相结合,从而更准确地为用户选择满足其个性化需求的Web服务.仿真实验表明,基于QoS本体的语义Web服务选择算法能够充分利用QoS语义和数值信息,为用户选择更合适的服务,实现用户对Web服务的个性化需求.     

基于多约束条件反馈的 QoS 链路选择算法

针对物联网普适定位系统中链路选择需满足多限制条件的要求, 提出了一种基于多约束条件反馈的 QoS (Quality of Service)链路选择算法。 利用无线通信广播特性, 将多约束服务质量路由问题转化成满足链路长度、 带宽、 时延、 时延抖动、 丢包率和费用等约束条件的最小代价问题。 建立了物联网多跳自主链路模型并定义了 目标能量函数, 利用 Hopfield 神经网络模型的并行思想将多项约束条件转换为多项式求极值问题。 该算法在不 改变系统链路选择策略的前提下, 避免了选择大量参数的问题, 实现了链路自动选择, 满足了通信实时快速的 要求。     

一种带QoS约束的语义Web服务选择方法

为了对语义匹配产生的Web服务集进行二次选择,提出了一种带QoS约束的语义Web服务选择方法.该方法首先扩展了OWL-S模型中的QoS描述信息,提出了具有服务语义与服务质量描述能力的可扩展的OWL-SQ服务描述模型,以此作为服务质量支持与约束,然后基于决策理论和归一化算法,给出了针对OWL-SQ模型中各种非数值型和数值型质量属性的无量纲化处理方法,提出了QoS匹配矩阵构建算法及服务选择方法,以综合评价与选择最优侯选服务,通过实例测试其性能,结果表明基于OWL-SQ服务描述模型的服务选择方法,提高了服务选择的效率与查准率.     

一种分布式多路径多约束QoS路由算法

提出了一种以路径剩余带宽为度量标准的分布式多路径多约束QoS路由算法DMPM-CA,该算法能够在源结点和目的结点之间找到多条满足要求的路由路径,并从中选择出有利于网络负载均衡的路由路径。该算法的时间复杂度为O((d 1)L)。     

基于蚁群算法的多QoS约束海量数据网格任务调度

针对海量数据计算网格任务调度问题,提出一种多Qos约束网格任务调度蚁群改进算法,优先考虑与数据存储网格结点间数据传输效率高、完成任务概率高的网格计算资源,通过调整蚁群算法中信息素挥发因子和传输导向因子的更新方法来提高算法的收敛速度和全局最优解搜索能力,从而达到调度目标最优.仿真实验结果表明,该算法与QoS-Min-min和QoS-Sufferage等同类算法相比,具有较好的综合性能,特别是在计算数据文件较大时,该算法在收敛速度和全局最优解搜索能力方面有明显的提高.