基于蚂蚁算法的ABC支持型QoS组播路由机制

引入模糊数学和微观经济学相关知识,设计了一种ABC支持型QoS组播路由机制.该机制采用区间描述用户柔性QoS需求,使用边适合隶属函数来描述链路状态的不精确性,引入边带宽定价、边评判和组播树评价,基于蚂蚁算法,寻找使用户与网络提供方效用达到或接近Nash均衡下Pareto最优的QoS组播树.基于NS2仿真实现该路由机制,对路由请求成功率、用户效用、网络提供方效用、综合效用和Nash均衡下Pareto最优解比例(RPN)等性能指标进行了评价.仿真结果表明,同现有路由机制相比,该机制是可行和有效的.     

基于蚂蚁算法的ABC支持型QoS单播路由机制

引入模糊数学和微观经济学有关知识,设计了一种ABC支持型QoS单播路由机制.该机制采用区间形式描述用户柔性QoS需求,使用边适合隶属函数处理链路状态不精确,引入带宽定价、边评判和路径评价机制,基于蚂蚁算法,寻找使用户与网络提供方效用达到或接近Nash均衡下Pareto最优的QoS单播路径.基于NS2仿真实现了该路由机制,在多个实际和虚拟网络拓扑上对其进行了性能评价.研究结果表明,该机制是可行和有效的.     

小生境粒子群优化ABC支持型QoS组播路由机制

针对ABC总最佳链接支持型QoS(服务质量)组播路由存在的链路参数不精确、用户QoS参数难以描述以及用户与网络运营商效用相矛盾等关键问题,提出了一种基于用户和运营商博弈的多目标模型,采用模糊数学的方法对链路参数和用户的QoS需求进行处理,利用用户和运营商在每条链路上效用的博弈达到纳什均衡下的Pareto最优,保证了用户和运营商的公平性.为有效求解该多约束QoS组播路由模型,提出一种基于动态Pareto解聚类分析的小生境粒子群的多目标算法.该算法采用聚类小生境保证解的多样性,引入动态更新Pareto最优边界加速寻得优质解过程.最后,基于NS2平台对路由机制及算法进行了仿真实现与性能指标评价.实验结果表明:该路由算法在可信度、用户效用、网络运营商效用等方面具有突出的优势,验证了其有效性与可行性.     

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.     

一种双种群进化集成QoS组播路由算法

设计了一种IP/DWDM光Internet中的非NP类QoS组播路由算法,采用树形编码方式,基于双种群进化,寻找一棵带宽、延迟、延迟抖动与出错率受限的费用优化组播路由树,集成解决路由与波长分配问题.仿真结果表明,该算法是可行和有效的,不仅能够满足QoS约束,而且性能优于基于经典遗传算法设计的QoS组播路由算法,克服了算法易早熟、收敛慢等缺点,有效地解决了IP/DWDM光Internet中的QoS组播路由问题.     

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.     

一种IP/DWDM光因特网中的组播路由算法

研究了IP/DWDM光因特网的集成QoS(QualityofService)组播路由与波长分配算法·给定组播请求与用户QoS需求,提出的算法基于遗传算法GA来构造一棵柔性QoS组播树,并基于波长图方法对组播树进行波长分配,一体化考虑路由选择和波长分配问题,从而使QoS组播树费用和用户QoS满意度都趋近优化·该算法还考虑了IP/DWDM光因特网的负载均衡问题·仿真实验表明,算法是可行和有效的·     

基于QoS的动态组播路由协议框架

通过对现有动态组播路由算法及协议的研究和分析,在总结QoS动态组播路由问题研究现状的基础上,提出了一个协议框架,并就此协议框架中的动态问题、QoS问题及分层问题提出了一些理论上的解决办法.框架试图利用集中式算法作为组播路由的预计算方法,同时结合分布式地动态收集QoS信息,做出QoS相关的组播路由决定.把一些现代互联网的先进技术,如Anycast机制等,结合到组播路由算法中,使组播路由算法具有更大的灵活性和可扩展性.     

QoS组播路由算法研究综述

组播路由和网络服务质量(QoS)是目前和下一代Internet的两个重要研究课题。QoS组播路由作为这两个研究课题的融合,是亟待解决的NP-完全多目标优化问题。结合QoS组播路由算法的问题模型与数学描述,依照不同标准对现有的QoS组播路由算法进行了分类,就当前QoS组播路由算法的研究成果进行了总结,分析比较了典型的QoS组播路由算法,提出了目前算法研究存在的问题,并对以后的研究方向作了展望。     

一种满足多服务质量约束的动态组播路由算法

建立了网络模型，描述、简化了研究的问题，并提出了一种新的满足多服务质量(QoS)约束的动态组播路由算法(DMRMQ)．该算法采用Bellman—Ford算法作为路径搜索算法，能在满足带宽、延迟、延迟抖动和丢包率约束的前提下确定具有最小跳数和开销的动态组播路由．仿真实验表明，在假定网络节点输出链路容量相等的情况下，与Greedy、LeastHop两种不考虑QoS的算法相比，DMRMQ能在满足多QoS约束的前提下建立动态组播路由，且路由请求平均成功率提高约10％，路由平均延迟降低约20％，路由平均跳数基本持平．     

NGI中的一种禁忌-递阶遗传QoS组播路由算法

设计了NGI主干网重要组网形式IP/DWDM光Internet中一种非NP类QoS(quality of service)组播路由算法,基于禁忌-递阶遗传算法(tabu-hierarchy genetic algorithm,THGA)构造优化的QoS组播路由树·该算法模拟生物繁衍过程,采用递阶编码方式,引入禁忌交叉和禁忌变异两种禁忌算子改进遗传操作,综合考虑了用户QoS需求和网络费用,同时有助于实现网络负载平衡·仿真结果表明,所设计的算法是可行和有效的,它在一定程度上克服了基于经典遗传算法的QoS组播路由算法存在的早熟和收敛慢等问题,提高了算法性能,较好地解决了IP/DWDM光Interne...     

下一代互联网中的智能QoS组播路由算法

将遗传算法、模拟退火算法、禁忌搜索算法这3种智能优化算法引入基于QoS的优化组播树计算中·首先建立了支持QoS组播的高速网络模型,在此基础上给出了组播算法问题的数学模型·分析了在组播算法问题中应用这3种智能算法所面临的关键问题及解决方案,然后给出了3种算法在费用寻优和运行时间性能方面的对比·仿真表明,这3种算法都有较高的性能,能够满足下一代互联网支持QoS组播的需求·     

一种有效的QoS组播路由算法

在多媒体和高速网络时代,组播是能够进一步推动Internet发展的机制之一.通过考虑组播通信服务质量(例如,端到端延迟和出错率)需求与网络资源约束,研究了基于服务质量的组播路由选择算法问题,提出了一个有效的近似算法,即基于Dijkstra算法,在网络资源约束条件下构造满足服务质量需求的组播路由树.仿真研究表明了该算法的可行性及有效性.     

基于交叉熵的多约束QoS组播路由蚂蚁算法

基于多媒体传输的网络应用均对服务质量(quality of service,QoS)有迫切的需求,如带宽、延迟、丢包率等。寻找满足上述QoS要求的组播树问题是一个NP-完全问题。在已有的多约束QoS组播路由算法中主要是局部搜索算法或集中式搜索算法,这些均不能保证在实际网络中找到全局解。本文提出用基于交叉熵的蚁群优化算法来求解多约束QoS组播路由问题,NS2仿真结果表明该算法能够快速找到近似最优解。     

一种多粒子群切换决策机制

提出了一种切换决策机制,支持总最佳连接ABC(always best connected).该机制综合考虑接入网络状况、应用需求、用户对接入网络编码制式偏好、用户对接入网络供应商偏好、终端当前运动速率和终端当前剩余电量等因素,通过博弈分析,基于含最优变异的多粒子群优化算法,寻找把N个终端分配到M个接入网络的最佳切换决策方案,使用户和网络提供方效用达到或接近Nash均衡下的Pareto最优.仿真结果表明,该机制是可行和有效的.