蚁群算法在QoS单播路由中的应用研究

QoS路由问题被证明是一个NP-C问题,而传统的路由算法很难有效地解决NP-C问题。该文提出了一种基于蚁群算法、用于解决带宽和时延约束问题的QoS单播路由算法,利用蚁群算法中蚂蚁通过信息素寻找最优路径的机制,并以网络吞吐量和数据报的平均时延等性能为最优的准则,来定义蚂蚁的转移概率、路由表和信息素更新方式,实现基于蚁群算法的路由选择算法.这种算法具有较强全局最优解搜索能力,较强的灵活性,以及潜在的并行性。     

移动Adhoc网络中改进的动态源路由算法研究

实时多媒体业务的普及使得提供QoS保证成为移动自组网研究的热点问题。然而移动节点的自由移动和拓扑动态变化,经常造成已经建立的路径断开而需重构路由,造成通信中断和较大的时延与抖动。该文提出了一种改进的动态源路由协议,采用链路状态探测的方法,找到一条最稳定的路径并在通信过程中实时监测路径状态变化,及时进行软切换,有效降低通信中断的概率,从而提供服务质量保证。     

IP网络弹性路由层拓扑生成优化算法

针对弹性路由层快速重路由技术存在的重路由路径偏长的问题,提出了一种基于单亲遗传算法的弹性路由拓扑子层生成算法。介绍了弹性路由层基本原理,给出了弹性路由层的矩阵表示定义,分别建立了以平均最短重路由路径长度和重要度加权的最短重路由路径长度为优化目的的弹性路由层生成数学规划模型,给出了单亲遗传算法求解该优化问题的方法步骤。实验结果表明,优化算法可以得到最佳的弹性路由层拓扑结构,与Minimum算法、Rich算法相比,明显缩短了重路由路径长度,提高了流量转发效率。     

基于网络时延的SDN逻辑一致性策略研究

对SDN网络更新过程中的暂时中间态进行了研究,阐述了因网络时延导致的控制逻辑不一致问题,并提出了一种解决方案。该方案通过在控制平面上调整安装控制规则的时序,使网络达到控制逻辑一致的目的,进一步建立了一种基于节点平均网络时延的目标优化模型,通过对模型求解得到SDN网络逻辑一致的时延最小路由路径。最后通过仿真实验验证了该方案的可行性和有效性。     

基于Overlay-Underlay的功率控制路由算法

对现有混合式认知无线电网络频谱共享模型进行改进,解决了现有路由算法在干扰与时延处理方面的缺陷,提出了一种基于Overlay-Underlay频谱共享的路由算法。该算法以着色图为路由分析模型,以最短路径和链路状态作为路由指标,以最小累积干扰为信道分配指标,优先接入空闲授权信道,否则利用功率冗余接入,发展了一种具有功率控制的端到端路径选择和信道分配方法。仿真研究结果表明了该算法的有效性,与现有路由算法相比,提高了网络吞吐量,降低了丢包率和端到端时延。     

基于定位辅助按需拓扑维护的超宽带自组网路由算法

提出了一种基于定位辅助按需拓扑维护的超宽带自组网路由算法,该算法利用超宽带技术精确定位信息所获得的网络拓扑信息和路由信息进行分组转发,路由维护阶段在定位信息辅助下采用按需方式进行断链路由的修复和拓扑维护,通过基于位置信息的按需路由发现和限制路由查找范围,以及定位信息和网络拓扑信息的及时更新,在降低协议开销的同时保证了算法的有效性。仿真表明,该算法在分组丢失率、平均端到端时延和路由附加开销等方面具有良好性能,其优良的分布式控制特征能适应超宽带自组网的动态环境。     

体域网中基于数据区分化服务的路由算法研究

针对体域网的特点和Qo S需求,本文引入了定向扩散(Directed Diffusion,DD)路由协议的思想,通过对DD算法的改进和扩展,提出适合体域网中不同数据类型传输的路由协议。在扩展原DD协议兴趣包格式的基础上,在体域网中引入中继节点,建立梯度,在数据传输阶段,确定数据优先级和队列模型,基于时延、能量二维Qo S参数,确定节点上不同优先级数据的下一跳中继节点。opnet模拟器验证实验结果表明,该路由算法能够提供不同数据业务类型的Qo S保障,并能很好的构建时延较短最优路径,优化了网络能量消耗,适合体域网路由。     

ACOGA算法的多媒体网络QoS路由实现

针对传统的路由算法收敛速度慢且容易产生拥塞和路由振荡问题,提出了基于蚁群算法(ACO)和遗传算法(GAs)来实现动态QoS路由的新算法。分析了基本的ACO的正反馈性、协同性、并行性和鲁棒性等优点,同时利用GAs很强的自适应性和种群优化技术,通过对ACO算法使用遗传算法的交叉、变异达到对信息素进行调整,来自适应地调整路径选择概率的确定策略和信息量更新策略,从而扩大搜索范围。计算和仿真结果表明,该方法具有更好的路由收敛速度和稳定性,能更有效地解决拥塞现象和路由振荡问题。     

大覆盖范围Ad hoc路由协议延时性能仿真探究

大覆盖范围下移动Ad hoc网络与普通商用网络相比具有覆盖范围广、节点通信距离远等特点,传统的仿真方法不能很好反映该类网络的时延性能。在分析了Ad hoc主动路由和按需路由两类重要的路由协议的基础上,根据应用背景建立了适合的仿真模型,并利用GloMoSim工具对四种路由协议在随机驻点运动模型和马尔可夫平滑运动模型下的时延性能进行了仿真。仿真结果表明大覆盖范围Ad hoc路由协议时延性能受带宽影响较大,而受节点运动速度影响较小;并且按需路由协议时延性能好于主动路由协议。     

基于改进的蚁群算法的复杂制造系统物流配送路径优化

为了对复杂系统中物流网络进行规划,在分析复杂制造系统物流网络特点的基础上,用多级有向图来对物流配 送问题进行建模。针对物流路径的流量和时间限制,以寻找满足约束条件的最小成本的路径为目标,利用改进的蚁群算 法对配送路径进行规划,最后运用MATLAB语言编程仿真。改进后的蚁群算法克服了一般蚁群算法的不足,提高了算 法的性能,可以解决复杂制造系统的物流网络配送路径优化问题。     

有缺货限制的VRP蚂蚁算法研究

在经典VRP的基础上，结合实际背景提出一种缺货情况下的车辆路径问题，并给出基于蚂蚁系统寻优思想的求解方法。经大量数据测试，获得了较好的结果。     

改进蚁群算法在合肥市包河区果蔬配送中的应用研究

路径优化是运输过程中必须考虑的问题。合理的路径既节省时间成本,又提高工作效率。文章引入蚁群算法和改进蚁群算法,利用算法的优越性,解决合肥市包河区处于快速发展状态下居民对果蔬需求的现实性,进而需要研究果蔬配送过程的路径问题,基于找出最优路径解,运用蚁群算法与改进蚁群算法解决果蔬配送,并对两种算法求出的解进行对比分析,找出最短路径,结果说明解决包河区果蔬配送路径的必要性,也说明算法在新环境中的适应性。     

城市交通非常规突发事件的应急资源调度最优路径研究

针对城市交通非常规突发事件,在“出救点”和“应急点”已知情况下,研究了多目标下应急资源调度的最优路径问题。对问题进行了描述,建立了时间最短、费用最小的应急资源调度最优路径选择优化模型,将蚁群算法进行改进,结合改进的TOPSIS法求解最优方案,给出了仿真算例。     

基于蚁群BP神经网路算法的六维力传感器解耦研究

针对传统BP神经网络在六维力传感器解耦训练过程中,由于其初始参数的选取不确定性导致神经网络出现震 荡、收敛速度缓慢和陷入局部极值等问题,提出一种基于蚁群BP神经网络算法并应用于六维力传感器解耦研究。该算 法利用蚁群算法在种群寻优方面的优越性,通过局部和全局信息素更新相结合的方式更新信息素,提高蚁群算法搜索的 效率,为BP神经网络提供一组最优的训练初始参数,网络收敛速度得到很大地提高,同时局部极值和震荡等缺点也有一 定的改善。实验仿真结果表明,在六维力传感器神经网络模型训练过程中,达到同样的目标误差,基于蚁群BP神经网络 算法的迭代次数Ⅳ比传统算法少50%,运行时间r快60%。这说明蚁群BP种经网络算法在六维力传感器解耦研究中 有着很好的应用效果。     

约束平面选址问题的蚂蚁算法

对带有区域限制的平面选址问题，给出一种基于人工蚂蚁优化思想的新的求解方法。经数值计算、验证和比较，得到了满意的效果。     

基于遗传算法的无线传感器网络路径优化

提出使用遗传算法对无线传感器网络进行路径优化,考虑节点能耗和路由恢复时间等实际因素的影响,将这些影响作为路径优化问题的约束条件来处理;考虑各种约束条件和多种目标按照重要性的优先次序,使WSN有更长的寿命;对算法的各个环节进行了细致的分析,包括染色体的表示和编码、适应度函数的设计、遗传操作算子的设计及算法参数的分析和选取。大量的仿真实验证明,使用GA能找到WSN有效的优化路由。     

Study on Multi-Trip Vehicle Routing Problem with Stochastic Simultaneous Pickup-Delivery Demand

Characterized by high service efficiency and low vehicle cost, multi-trip distribution allows the vehicle to travel multiple times between the distribution center and customers in order to complete the delivery task. Dynamic and uncertain customer demand is common during delivery. Combined pickup-delivery integration pattern with stochastic customer demand, an optimization model for multi-trip vehicle routing problem is set up with stochastic simultaneous pickup-delivery demand. Due to the sudden and simultaneous pickup-delivery of dynamic demand, the original distribution scheme needs to be optimized and adjusted, and the multi-trip routing adjustment strategy of "real-time flexible point" is proposed. According to the stochastic characteristics of the optimization model, a stochastic chance-constrained programming transformation model is introduced. A hybrid algorithm with nested stochastic simulation and variable neighborhood tabu search algorithm is designed to find the optimal distribution path. Finally, an example shows that the optimization model and algorithm are feasible and effective.