移动AdHoc网络基于蚁群需求的分群路由算法研究

针对移动AdHoc网络因受带宽和电量等因素影响而造成封包遗失机率较高的现象,提出了一种移动AdHoc网络基于蚂蚁算法的需求式群集路由算法.该路由算法利用弱连接支配集群概念,从每个群集广播给其它群集节点,算法中网络上的状态信息通过前行的蚂蚁获得,回退的蚂蚁采用伪随机比例选择策略并根据节点剩余电量、网络平均剩余电量以及路径平均剩余电量来评估从源节点到目的地节点的最佳路径.仿真结果表明:随着网络信息流量的增加,AOCR路由算法在封包抵达率、延迟时间均比AODV和AntSence算法有较大改善,因此,基于蚁群需求的群集路由算法在网络效能上比基于距离矢量路由AODV算法及传统的蚁群路由算法效率更高.     

蚁群算法在工艺规划与车间调度集成优化中的应用

为了解决工艺规划与车间调度集成(IPPS)问题,提出了一种改进的蚁群优化(ACO)算法.通过节点集、有向弧集、无向弧集,构建了一种基于图的IPPS优化模型.以零件加工时间作为启发式信息,设计蚂蚁在各节点间转移概率.通过蚂蚁访问图中不同的节点,构建对应的调度方案.根据不同阶段调度方案的最大完工时间调整各弧段信息素的挥发速度,提高了蚂蚁的搜索效率.为避免陷入局部收敛,通过重启算法和重置各弧段信息素初值,动态更新各弧段信息素量,以获得全局最优解.将该算法应用于具体的仿真实例,结果表明该算法能有效地解决工艺规划与调度集成问题,为企业生产提供借鉴.     

WDM网络中基于改进蚁群算法的受限组播路由算法

针对波分复用(WDM)光网络中动态选路和波长分配(RWA)问题,提出了一种基于改进蚁群算法的分布式动态RWA方法.在蚂蚁选路的概率中加入成本因素,并且只增加优秀路径上的信息素,从而对现有蚁群算法进行了改进,加快了其收敛速度.作者将改进的蚁群优化算法与分层图相结合,提出了一种构造时延受限的最小代价组播树的并行算法.仿真结果表明,与现有最短路经相比,该算法有效降低光路阻塞率,促进波长资源的合理分配,同时分布式的计算方法也降低了现代频繁变化的大型光网络的通信开销.     

QoS保证网络中的节点状态研究

网络资源的使用情况主要通过节点状态信息表达,其参数的选择在很大程度上决定了网络能支持怎样的QoS要求。通过分析现有网络机制,选择节点延时的概率密度函数作为节点状态信息参数,利用滤波器算法使其正态化,验证此节点状态函数应用于现有网络各类调度算法后,保持正态分布形式不变。这种节点状态的可描述化使得通过求解网络路径各节点延时的概率密度函数来有效地估计本路径的各度量参数变为现实。节点延时的正态化形式使节点状态获取、更新、业务分配、接纳控制及调度机制的计算变得简单,并在一定程度上有利于提高节点状态的平稳性,提高网络效率,达到为网络业务提供相应的统计服务质量保证的目标。     

一种高效的对等网络流媒体数据调度算法

在基于无结构对等网络环境的P2P流媒体系统中,针对现有数据调度算法不能充分利用节点带宽资源导致服务器负载较重的问题,提出了一种基于数据块优先级的数据调度算法.该算法根据邻居节点滑动窗口中数据需求信息和数据稀有性计算数据块优先级,调度时优先请求高优先级的数据,以提高节点间数据协作性.当多个源节点可以同时提供所需数据时,根据节点已上传下载数据量计算节点的贡献率,向贡献率最低的源节点请求数据,实现新加入节点上行带宽资源的快速利用.仿真实验与实际系统测试表明,该算法可以更充分地利用节点带宽资源,较传统算法降低服务器负载20%以上,提高了系统可扩展性.     

基于频谱切片的弹性光网络中可调度请求资源分配算法

针对确定业务开始时间和结束时间特性的可调度请求加重了弹性光网络的资源碎片率和带宽阻塞率的问题,设计了一种配置频谱切片机的弹性光网络节点结构,并提出一种基于频谱切片的可调度请求路由频谱和时间分配(SS-RSTA)算法。在路由选择阶段,设计了一种综合考虑路径长度、路径碎片率和节点可用频谱切片机数量的路径权重值的路由选择策略,为可调度请求选择路径权重值最大的路由;在资源分配阶段,采用链路的资源碎片感知方法为可调度请求选择可用的频谱和时间资源窗口;当资源分配失败时,采用频谱切片准则将可调度请求切分为多个子带宽请求,以增加可调度请求频谱分配成功的概率,提高频谱-时间碎片的利用率。仿真结果表明,所提算法可改善网络的带宽阻塞率和提高网络的频谱利用率。     

无线传感网跟踪任务中的目标运动 模型估计与节点调度

在无线传感器网络进行目标跟踪的过程中,合理的节点调度算法可以兼顾跟踪精度和能量消耗,延长网络的使用寿命.然而,当目标运动模型未知时,难以实现高效的节点调度.为解决目标运动模型未知场景下的跟踪问题,本文将监控区域中的目标移动和传感器观测建模为隐马尔可夫模型(HMM),并提出了HMMQMDP算法,把问题分解为运动模型估计和节点调度两个阶段:运动模型估计阶段是根据传感器采集的观测序列估计目标状态转移概率;节点调度阶段则被建模为部分可观测马尔可夫决策过程(POMDP),综合考虑决策的短期和长期损失,应用QMDP算法近似求解优化策略.仿真结果表明:该算法可以根据观测样本有效地学习和估计目标运动模型,提升节点调度算法的效果.     

基于链路质量的Ad hoc网络遗传-蚁群路由算法

由于Ad hoc网络结构多变、稳定性低和节点资源受限等问题,传统的路由协议很难适用。将遗传算法和蚁群算法相结合,提出了一种基于链路质量的路由算法。该算法将链路质量作为路由选择的度量,利用遗传算法的快速全局搜索能力获取路径初始分布,并结合改进后的蚁群算法驱使蚂蚁折中选择合理的跳转节点。该算法既考虑了沿途节点的能量和算法的收敛性,同时兼顾了链路的质量,且避免了局部极值出现。仿真结果表明,该算法能够显著地提高分组投递率,降低端到端平均延时,且延长网络的生存时间。     

基于流量类型的多媒体传感器网络QoS选路算法

无线多媒体传感器网络需要为不同的上层应用提供不同的支持和服务.分析多媒体传感器网络需要支持的6种主要流量类型的不同QoS需求,并抽象出多媒体传感器网络模型,定义基于流量类型的QoS选路方法,提出基于流量类型的多媒体传感器网络QoS分层蚂蚁选路算法,为网络中的各类流量选择满足各自主QoS需求的路由,合理利用网络资源,提高网络性能;仿真结果表明该方法能够为多媒体传感器网络中的多种流量提供较好的QoS保障;同时,针对分层拓扑结构所采用的分层蚂蚁选路减小了算法的运算空间,对于连接复杂的大规模网络具有实际意义.     

基于容量约束的深空接触图路由算法

为有效利用节点间通信机会保证数据的可靠传输,提出一种基于容量约束的接触图路由算法。一方面,该算法通过比较节点接触的剩余容量和预计容量损耗计算最早到达路径,避免所选路径后续节点没有足够的容量。另一方面,数据包的转发节点数由反馈的链路状态和网络拓扑关系自适应决定,在网络性能和资源消耗中得到平衡。仿真表明,该算法能提高数据包投递率最高27.7%,端到端传输时延最高降低24.5%,有效应对深空恶劣环境的影响。     

一种改进的基于云环境的蚁群优化算法

在研究标准蚁群优化算法的基础上,提出一种旨在改善网络路由的蚁群优化算法以应用于云环境下多元化复杂的网络结构环境.新算法在原有蚁群算法智能寻优的基础上,加入网络节点在网审查机制,实时判断网络节点是否在网,选择最优解路径.仿真实验表明,改进算法能有效地改善因为网络节点在网情况的多变性而造成的部分路径失效的情况,进而缓解网络拥塞.     

利用P2P网络的拓扑特征提高其路由性能

资源检索是P2P系统的关键问题,其有效性取决于系统的拓扑结构、数据文件的分布和消息路由策略。本文以消息路由策略为着眼点,利用Freenet系统具有的“Sm all world”特征,提出增强聚集性的副本管理策略改进原有的资源查询机制,提高系统在高负载的情况下的路由性能。模拟测试表明,改进后系统的平均查询路径长度下降至原来的29%。     

能量感知多路径负载均衡路由算法

针对移动自组织网络的网络拥塞问题,基于能量感知技术并结合负载均衡和拥塞控制方法,提出了一种能量感知多路径负载均衡路由算法。该算法利用能量感知选择满足条件的节点作为路由节点,建立多条连接源节点和目的节点的有效路径;同时分析路径的跳数、节点缓冲区的占用情况,从有效路径中选出用于传输的最优路径;然后对最优路径上的节点和路径的负载情况进行建模分析,当节点能量、节点负载、路径负载到达设定的阀值,就将最优路径上的流量分流到其它路径。利用NS2仿真软件,在不同的场景下对该算法以及QMRB、SMORT进行仿真测试。仿真结果显示:提出的算法与其它路由算法相比将网络性能提升了近20%,起到了均衡负载的作用,能有效地解决网络拥塞问题。     

无线传感器网络自适应拥塞控制的路由算法分析

无线传感器网络中节点的覆盖范围有限,因而采用多跳路由传输方式.无线自组网中的多跳路由是由普通节点协作完成的,选择不同的转发节点,会对网络的信息传输产生不同的影响.对不同路由(洪泛路由、最短路径等)算法下的网络自适应拥塞控制进行了分析,研究了不同路由算法下的网络性能和拥塞控制效果.根据节点跳数与缓存占用的关系,提出一种基于节点跳数和缓存占用的性能函数的改进最短路径算法,算法选取使性能函数值最小的节点作为转发节点.最后,通过实验比较了最短路径算法与改进路由算法的网络性能,发现改进路由算法相比最短路径算法,具有较好的网络性能和服务质量.     

基于模糊控制的无线传感网络路由算法研究

针对无线传感网络(Wireless Sensor Network,WSN)的特点,结合中转节点本身的因素,将模糊控制算法引入到WSN网络路由算法中,把节点的信号接收强度指示(Received Signal Strength Indication,RSSI)和电池电量进行模糊化处理,由模糊解构建一个新的路由度量,并将其引入到路由算法中计算路由,以避免过度使用链路质量较差的节点。实验仿真表明,引入模糊控制的方案,能够较好地平衡各个节点的能量消耗,整个网络的使用寿命有所提升。     

基于遗传-蚁群优化算法的QoS组播路由算法设计

为了提高网络路由性能,提出并设计了一种基于遗传-蚁群优化算法的QoS组播路由算法。首先,设计了自适应变频采集策略用于采集网络与节点信息,以此获得网络和节点的状态,为后续路由优化提供数据支持;其次,计算路径代价,将路径代价最小作为优化目标,建立QoS组播路由优化模型,并设置相关约束条件;最后,结合遗传算法和蚁群算法提出一种遗传-蚁群优化算法求解上述模型,输出最优路径,完成路由优化。实验结果表明,所提算法可有效降低路径长度与路径代价,提高搜索效率与路由请求成功率,优化后的路由时延抖动较小。     

基于复杂网络的不同路由策略下交通流驱动的流行病传播

2020年,随着新型冠状肺炎在全球范围的蔓延,交通流对流行病传播动力学的影响备受关注。虽然交通流与流行病传播动力学之间的相互作用已经开始受到关注,但路由策略对基于交通流的流行病传播动力学的影响还没有得到足够的重视,因此本文在SI模型上研究了最短路径、有效路径和概率路径三种路由策略对流行病传播动力学的影响。在BA无标度网络模型上进行了仿真实验,结果显示：在节点交付能力无限交通流无拥塞的情况下,相比于最短路径路由策略,概率路径路由策略能有效地抑制流行病的传播,而有效路径路由策略则加速了流行病的传播速度。此外,在上述三种路由策略下,交通流量和传染率的增加都会导致流行病传播阈值的降低,从而加快流行病的爆发。这些研究对控制流行病的传播具有一定指导意义。     

卫星网络中基于蚁群优化的概率路由算法

为了提高空间信息传输的有效性和可靠性,针对传统蚁群优化(ant colony optimization,ACO)容易造成最优路径负载过重而发生拥塞的问题,提出了一种基于蚁群优化的概率路由算法(ant colony optimization based proba-bilistic routing algorithm,ACO-PRA).根据卫星网络拓扑动态周期时变的固有特点,将拓扑周期均匀分为若干个时间片,形成基于不同时间片的卫星网络拓扑连通图;根据网络拓扑连通图,将星间链路带宽和链路容量引入到目标函数中,建立时延最小的优化模型;根据蚁群算法的节点概率函数选择下一跳节点,进而找到一条能同时满足时延带宽和链路容量要求的最佳信号传输路径.仿真结果表明,提出的基于蚁群优化的概率路由算法不仅能够降低平均端到端时延和丢包率,而且能够有效地提高网络吞吐量、平衡网络负载.     

一种基于地理位置预测的高性能路由算法

提出了基于ARIMA预测模型的高效路由算法.该算法中节点通过前向与反向成功转发率、数据传输速率等计算链路的丢包率和期望传输次数来获取干扰感知期望传输时间(i ETT),代替DSR路由算法中的最短跳数判据.并引入ARIMA模型来预测节点下一时刻的运动位置,防止链路频繁断裂造成的网络丢包,并在链路失效之前预先选择最稳定的路径进行数据传输.仿真结果表明,所提路由算法相比DSR判据吞吐量提高6%~9%,平均端到端时延降低2%~6%,提高了网络整体性能.     

一种基于地理位置的无线传感器网络服务质量路由算法

基于传感器节点的地理位置信息与网络传输路径的能耗模型分析,提出一种无线传感器网络服务质量(QoS)路由算法.将多跳传输路径中的转发节点序列控制在以源节点与汇聚节点连线的一定区域内,尽量拟合源节点与汇聚节点连线传输,有效控制了传输路径.并对QoS路由算法提出改进,转发节点根据当前实时QoS约束动态地调整传输区域的大小以及优化下一跳选择机制,使传输路径最大程度拟合源节点和汇聚节点之间的连线,达到路径传输能耗最优.仿真实验表明,该QoS路由算法在满足网络QoS约束的同时,节省了网络的能耗,延长了网络生存时间.