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.     

认知无线电网络中保证服务质量的优化路由协议

基于路由与频谱管理的依赖关系,提出了一种频谱自觉地满足不同业务服务质量需求的优化路由协议.首先建立网络模型和优化分析,定义了链路度量和路径度量指标,路由协议选择端到端时延最小的路径,最大化网络吞吐量.然后提出了子频段和路径联合优化选择算法,对实时业务优先选择带宽抖动小和切换时延小的子频段及下一跳;对尽力传递业务优先选择带宽大的子频段及下一跳.最后提出频谱自觉的路由维护,通过局部频谱调整算法稳定路径不变,保证业务服务质量.仿真结果表明：该路由协议能满足业务服务质量需求,优化网络资源使用,减少数据包丢失,提高网络吞吐量.     

卫星Internet中一种QoS组播路由机制

考虑了卫星Internet拓扑变化的可预测性和组播应用的服务质量QoS(quality of service)需求,设计了一种QoS组播路由机制.给出了卫星Internet中QoS组播路由问题模型及其数学描述,引入拉格朗日松弛,设定适应度函数,使用PRIM算法,基于次梯度优化,寻找生存周期最大化的QoS组播路由树.基于NS2进行了仿真实现和性能评价.仿真结果表明,同传统的组播路由机制相比,该机制是可行和有效的,提高了QoS组播路由树生存周期,具有良好的性能.     

BT与RS算法动态仿真测试

基于Mesh网络模型测试了移动IP基本路由算法RS和BT的动态组播特性,包括算法的生成树代价、平均时延、最大时延等性能。仿真测试表明：RS方式比BT方式更有利于网络资源的进一步优化,也更适合于“端到端”时延约束较严格的实时组播业务。     

基于遗传算法时延与时延差约束组播路由算法

现有组播路由协议提供尽力而为的服务而没有QoS(服务质量 )的支持 .一种启发式组播路由方案考虑了时延与时延差的约束条件 ,可以为应用提供实时性与同步性的支持 .提出了基于遗传算法的时延与时延差约束条件组播路由算法 ,在具有启发式组播算法性能的基础上兼顾组播的代价 ,同时力图减小算法运算复杂度     

基于带宽和时延约束的服务质量任播路由算法

为在满足带宽需求的前提下找到时延最短的任播路径集合,研究基于带宽和时延两个约束度量的服务质量任播路由算法.为解决带宽和时延约束问题,提出一个适用于该非确定性多项式问题的多项式时间近似优化算法.仿真结果表明,当网络规模增加或客户带宽需求较大时,该文算法时延增加相对较小,因此具有较好的可扩展性和健壮性.与包括最短路径优先任播路由算法和最大带宽优先任播路由算法的启发式算法相比,在带宽受限大型网络中该文算法具有更好的性能优势.     

一种基于思维进化计算和博弈论的QoS组播路由算法

针对满足多个约束条件的服务质量(QoS)组播路由的特点,提出了一种应用于下一代互联网的基于思维进化计算和博弈论的QoS组播路由算法.该算法由三部分组成:引入隶属度函数来描述"边"对用户QoS需求的适合程度;通过博弈分析判断网络方与用户在"边"上的效用能否达到Nash均衡;采用思维进化计算方法建立组播路由树,使得在树上不仅用户QoS要求得到满足而且网络方效用与用户效用达到或接近Nash均衡下的Pareto最优.仿真结果表明,提出的算法是可行和有效的.     

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。     

基于质量水平涨落函数的组播路由算法

对组播网络模型进行数学分析,引入了质量水平涨落函数的概念.提出了一种基于质量水平涨落函数(QFF)的组播路由算法(MRQF),理论分析和仿真实验都表明此算法具有稳定服务质量,平衡组播网络负载的特点.能够保证组播树整体的稳定性.     

一种基于链路选择函数的时延约束组播路由算法

在分析基于链路选择函数的服务质量(Quality of Service, QoS)约束组播路由算法的基础上,总结了在构建组播树过程中目的地开销和网络开销的变化规律.并且根据实际应用要求,从综合优化网络开销和目的地开销的角度出发,提出了一种新的链路选择函数及相关组播路由算法,该算法不仅提出了新的链路选择标准,并且改进了节点的搜索过程,综合优化了网络开销和目的地开销.由算法的仿真分析得出,该算法在组播树的总代价和平均延迟上优于DDSP(Destination-Driven Shortest Path)算法,取得了良好的网络性能.     

自适应粒子群优化的AdHoc网络多播路由算法

针对AdHoc网络中带QoS约束的多播路由问题,提出了一种自适应粒子群优化的AdHoc网络多播路由算法（APs0）,将微粒在解空间中的飞行搜索过程映射为多播树的树形变换过程．构建了AdHoc网络中QoS多播网络模型,采用罚函数处理约束条件来设计适应度函数．描述了APSO算法求解AdHoe网络多播路由问题的实现过程,将QoS多播路由优化问题转化为整数计算问题．仿真结果表明：该算法能快速地找到针对AdHoc网络中满足qos要求的最优多播树,尤其在大规模网络下更能显示该算法的有效性和可靠性．     

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.     

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·     

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.     

改进的WMN的QoS组播路由算法

无线Mesh网络（WMN）是一种新型的网络结构,服务质量（QoS）是影响其网络指标的关键因素,因此对WMN的QoS组播路由算法研究成为了一个新的研究方向．采用粒子群优化（PSO）算法应用到WMN的QoS组播路由,存在易早熟的问题,因而采用DE-PSO算法是差分进化（DE）算法与PSO算法一起进行WMN的组播路径寻优．仿真结果表明,DE-PSO算法相比PSO算法,具有收敛速度快、多样性的特点,而且发现DE-PSO算法提高了算法全局搜索能力,更符合无线通信实际的要求．     

一种新的QoS多播路由优化算法

讨论一种适应于研究QoS多播路由的网络模型.在网络环境及不确定参数条件下,提出了一种在网络规模、可行性方面为Internet、移动网络和其他高性能网络基于Tabu搜索的QoS多播路由优化算法（TQMRA）.仿真实验结果表明,TQMRA在网络环境及不确定参数条件下能够优化网络资源.