一种基于免疫-蚁群算法的Ad hoc网络QoS路由算法

由于Ad hoc网络的动态性和处理能力不强等因素，使得之前的启发式算法和近似算法在解决Qos路由问题中存在很大的局限性．针对Ad hoc网络QoS路由的上述研究现状提出了一种基于免疫-蚁群算法的QoS路由算法．该算法前过程利用人工免疫算法（Artificial Immune Algorithm，AIA）快速寻求较优的可行解，在此基础上算法后过程采用蚁群算法（Ant Colony Algorithm，ACA），利用前过程中人工免疫算法获得的较优可行解，进一步提高求解效率．该算法结合了人工免疫算法与蚁群算法二者的优点，具有并行度高，全局寻优，快速收敛等特点．实验证实，这种算法是行之有效的．     

一种基于蚁群算法的动态组播QoS路由算法

提出了一种基于蚁群算法的满足带宽、时延、时延抖动、分组丢包率、费用多个QoS约束的动态组播路由算法(DM-ACA).该算法使用逆向路径(Reverse path)机制,蚂蚁从目的节点出发寻找源节点,解决了组播网络动态变化的问题;通过引入洪泛(flooding)机制,初始群筛选(sieving)机制,加性增量乘性减量(AIMD)的信息素启发机制,解决了蚁群算法局部搜索能力弱、收敛速度慢、易于陷入局部最优解的问题.仿真结果表明,提出的算法可行有效.     

基于蚁群算法的Qo S路由模型的设计与优化

为了提升网络数据传输中路由性能,采用蚁群算法解决网络路由出现的问题。首先介绍了蚁群算法的原理与模型,然后根据实际应用的QoS路由具体问题,建立QoS路由模型,设计基于ACO的Qo S路由算法。通过仿真实验,对参数进行优化分析,验证了蚁群算法在网络路由中的应用效果,证明这种方法能够提高网络数据传输中路由的性能。     

基于改进克隆算法的WSN的QoS路由研究

为解决在无线传感器网络QoS约束下的最优路由选择问题,在优化网络拓扑结构的基础上,提出利用克隆选择算法和蚁群算法结合求解WSN组播路由的方法.该算法利用克隆选择算法对原始路由种群进行优化改善,避免搜索过程陷入早熟收敛问题,然后利用蚁群算法快速搜索.该算法在保证能力最优的前提下,提高了路由搜索速度,在保证最优路径选择基础上,节约了通信成本,仿真结果证明了其可行性和有效性.     

一种新的SDH路由配置算法

研究了ＳＤＨ网络管理中的路由配置方法，引入了图论中的最大容量算法，作了必要的个性使之适用于ＳＤＨ光纤网的规划，并具有一定的动态性。实践表明，该算法是一种快速，有效的动态路由配置算法。     

多机器人Ad Hoc路由协议中蚁群算法的改进

针对多机器人Ad Hoc网络路由协议中路由稳定性和可靠性低的问题,引入蚁群算法并对其进行深入分析.通过对蚁群算法状态转移策略和信息素更新策略的改进,提高全局搜索能力,避免算法陷入局部最优解,实现基于改进蚁群算法多机器人Ad Hoc路由协议的设计.仿真结果表明,与经典的AODV(Ad Hoc on-demand distancevector)协议相比,该路由协议有效地提高了网络的稳定性和通信效率.     

蚁群算法在TCP/IP路由选择中的应用

TCP/IP路由选择问题,是典型的动态组合优化问题。蚁群算法是一种源于大自然中生物世界的新的仿生进化算法,也是求解适应性计算问题的一种算法。利用蚁群算法可以很快得找到一条最优路径,从而提高网络的利用率。     

基于改进最大-最小蚁群算法的QoS路由算法

针对蚁群算法在OoS路由应用上的收敛速度慢和易陷入局部最优等缺陷,提出了一种"基于改进的最大-最小蚁群算法的Q0s路由算法",在算法中改进节点选择策略,并将最大-最小蚁群算法与局部搜索结合起来,有效抑制算法的过早收敛,提高了全局寻优能力和收敛速度,使QoS路由优化问题得到很好的解决.     

一种基于OSPF的QoS路由算法研究

由于因特网的快速发展和普及,音频流、视频流等一些对时间延迟比较敏感的数据流就要求有更好的QoS保证.在传统的拥塞策略的基础上,提出了一种新的拥塞策略.当路由节点发生拥塞时,避开拥塞节点的策略,并改进了相应的基于OSPF协议的路由算法,提高了对时延敏感数据流的传输速率.     

求解QoS路由优化的一种新进化算法

对网络中支持多个QoS参数路由的数学模型进行了形式化分析,提出了一种多目标进化算法（QMOEA）。该算法能有效地将多个优化目标统一起来,并在此基础之上引入“自适应退避”机制与贪心策略,保证了群体的多样性和快速收敛。仿真结果与理论分析验证了该算法的有效性与正确性。     

基于蚁群算法的Overlay路由扩展性问题

扩展性问题是Overlay网络研究中所需解决的重要问题之一.通过使用蚁群算法对目前Overlay路由系统广泛采用的单跳转发路由机制OHPR(one-hop path routing)进行改进,通过采用维护邻居节点集合的方式降低系统部署和运行的总开销.仿真实验结果表明,基于蚁群算法的单跳路由算法ACOHPR(ant colony optimization based one-hop path routing)在500个节点的Overlay系统中,与OHPR算法相比可以有效的降低系统路由的查询开销到30个节点左右,而获得的通信时延差别不超过9 ms.     

网络多向多sink节点WSN路由算法

目的研究并提出多向多sink无线传感器网络路由算法,实现多sink节点数据传输。方法在对多向多sink网络拓扑结构分析的基础上,根据数据多向传输的要求,研究基于相遇蚁群算法和精英策略的多向多sink WSN路由算法。结果提出了一种采用相遇蚁群算法和精英策略相结合的WSN路由算法,并对算法进行了分析和仿真。结论仿真结果表明,该算法可以实现同一个传感器节点数据传送到不同的sink节点,其效率和收敛时间明显优于GEM和GBR算法。     

一种DTN路由算法

针对DTN长延时、高动态拓扑、节点分布稀疏、频繁断路等网络特性,提出一种基于存储-携带-转发机制的DTN路由算法.该算法的源节点不以建立到目的节点的路由为发送数据的前提,而是在通信范围内选择与目的节点之间传输概率最大的节点,作为数据中继节点,中继节点存储数据,遇到目的节点或更优中继节点进行数据转发,经过逐跳携带转发,最终到达目的节点.在存储-携带-转发过程中,充分利用网络频繁变化的特点,针对到目的节点或更优中继节点的短时局部连通路径,采用Ad Hoc网络路由策略,提高效率.通过NS2仿真表明:所提出的算法具有较好的性能,适合在DTN中应用.     

高效的遗传蚁群组合算法在QoS路由上的运用

针对现有遗传蚁群算法中算法融合不佳与系统易出现拥塞现象等问题,根据遗传算法与蚁群算法不同时期的优点,提出了一种高效的遗传蚁群组合算法。该算法通过根据遗传算法的群体代价关系,提出了新的融合机制;为缓解系统最优化后所产生的节点负载压力,引入了防拥塞的赏罚机制。实验结果表明,该算法能够在保证系统传输效率的同时有效的防止数据丢包现象,与传统算法相比具有高效率、低耗能以及防丢包等优势。     

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。     

一种改进的BGP路由收敛算法

针对BGP路由协议慢收敛严重影响Internet性能的问题,研究BGP路由的收敛时间,分析造成路由收敛延迟的原因,在简单路径向量协议SPVP模型的基础上提出改进BGP路由模型及其算法.通过检测AS失效链路的根源节点来提高BGP路由收敛速度,减少路由更新消息开销,改进后的Tdown收敛时间上限值下降为O(d).并且在不同节点数的全连接网络拓扑中进行仿真试验,证实所得结论的正确性.     

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.     

一种基于蚁群算法的多媒体网络多播路由算法

为了克服蚁群算法（Ant Colony Optimization,ACO）收敛速度慢，易限于局部最小点等缺陷，对ACO进行了改进，在每次循环结束时，保留最优解，自适应地改变挥发度系数，引入遗传算法的交叉算子，提出了一种基于ACO的有时延约束的多播路由算法模型。仿真结果表明，基于改进ACO的多播路由算法模型 可以稳定地获得优于现有启发式算法的解，是一种有效的多播路算法，该算法也适用于并行执行和应用。     

蚁群算法迭代次数的一种优化策略

针对蚁群算法中后期多次迭代无法产生更优解的问题,提出了一种优化策略,当连续多次迭代没有产生更优解时,减少迭代的总次数,加速算法的收敛性.仿真结果显示,在不影响最优解的情况下,优化后的策略明显降低了算法的时间复杂度和空间复杂度.     

一种基于链路质量的蚁群优化VANET路由算法

针对城市环境下车载自组织网络(vehicular ad hoc network, VANET)中车辆信息传输性能不稳定的问题,提出了一种基于链路质量的蚁群路由算法实现信息可靠稳定的传输。通过道路中的车辆密度,通信半径,数据包大小分析当前道路的连通概率、传输时延以及分组投递率,并建立数学模型,评价当前传输道路的链路质量;引入局部链路质量(local link quality, LQ)和全局链路质量(global link quality, GQ)改进蚁群算法的路段选择公式,得到最优的信息传输路径。仿真结果表明,该算法在收敛速度、数据包传输时延和分组投递率方面优于其他算法。该算法的提出能够实现城市场景下车辆信息可靠、稳定、高效地传输。