多约束QoS组播路由优化与仿真

多约束QoS组播路由优化与仿真

论文摘要

随着视频会议、视频点播、远程教育等分布式实时业务的广泛应用,作为其核心技术的QoS组播技术引起了人们的高度重视。组播是一种有效的支持多点通信的机制,它采用树转发结构,每一个数据包只在节点处被复制,在每一条链路上只发送一次。这种方法使IP组播能有效的同时向组内的成员发送数据,并支持大量的组播组。QoS组播是在满足带宽、延迟、丢包率等多个QoS约束条件下进行的组播。QoS组播路由技术是Internet上流媒体、视频会议等高带宽、共享型应用的重要基础。近几年的研究表明,组播路由算法对组播应用的QoS保障起到了非常关键的作用,对QoS组播路由算法的研究已经成为网络研究领域中的一个非常重要研究方向。在以往的研究中,QoS组播路由问题常归结为最小费用的约束斯坦立树(Steiner Tree)问题,该问题已经被证明是一个NP-C问题,不存在多项式时间的解法。随着网络规模的不断扩大和人们对网络服务质量要求的不断提高,研究新的基于多约束的QoS组播路由算法,以获得良好的网络服务质量和高的网络资源利用率,具有十分重要的意义。本文在对蚁群优化算法和组播问题作深入研究的基础上,提出了可以解决Ad Hoc网络上的QoS组播路由问题的带方向因子的蚁群算法、基于树的蚁群算法及其改进算法:(1)目前,Ad Hoc网络因其优异的特性和特殊的应用,受到越来越广泛的重视。本文综合考虑了Ad Hoc网络的特性、已有的GPS定位技术以及蚁群算法本身的特点,在此基础上提出了“方向因子”这个启发式函数,并将方向因子跟蚁群算法相结合,设计了带方向因子的蚁群算法——ACA-O(Ant ColonyAlgorithm considering Orientation),用以解决Ad Hoc网络上的QoS组播问题。该算法使用方向因子来诱导蚂蚁的搜索行为,使蚂蚁能更加迅速地到达目的地,从而保证搜索的快速有效性,避免陷入局部最优解。仿真实验结果表明,该算法提高了执行速度,减少了信息包的发送量,节省了能量开销。(2)本文提出了一种基于树的蚁群算法——ACAT(Ant Colony Algorithmbased on Tree)。与传统蚁群算法的先寻找路再合成树的模式不同,ACAT采用了以树生长的方式直接寻找组播树的模式。基于树的蚁群算法简化了寻树的机制,算法的效率得到了提高。仿真实验结果表明,跟传统蚁群算法相比,ACAT算法能以更快的速度收敛到近似最优解,组成员数目越多,这种优点越明显。(3)专门针对Ad Hoc网络,我们对基于树的蚁群算法作了改进,在原算法基础上添加了重新定义的方向因子。在Ad Hoc网络拓扑,改进后的算法能通过方向因子的诱导作用,使树呈放射状生长,减少树生长过程中的“折回生长”现象,提高了算法的效率。仿真实验结果表明,跟原算法相比,改进后的算法在Ad Hoc网络上收敛速度更快,效率更高。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 课题提出的背景和意义
  • 1.2 国内外研究现状
  • 1.3 主要研究内容
  • 1.4 论文组织框架
  • 第二章 网络的QoS
  • 2.1 QoS的应用需求
  • 2.2 QoS的概念
  • 2.3 QoS的发展
  • 2.4 IETF的QoS定义
  • 2.5 QoS的体系结构
  • 2.6 本章小结
  • 第三章 网络的组播
  • 3.1 组播技术
  • 3.2 组播路由算法
  • 3.3 组播路由协议
  • 3.4 本章小结
  • 第四章 QoS组播路由问题与解决方法
  • 4.1 QoS组播路由
  • 4.1.1 加权图模型
  • 4.1.2 QoS度量特性
  • 4.1.3 状态信息
  • 4.1.4 QoS路由基本问题
  • 4.1.5 QoS组播路由问题
  • 4.2 QoS路由策略
  • 4.2.1 源路由策略
  • 4.2.2 分布式路由策略
  • 4.2.3 层次路由策略
  • 4.2.4 三种路由策略的比较和有待解决的问题
  • 4.3 QoS组播路由算法研究综述
  • 4.3.1 源路由策略下的QoS组播路由算法
  • 4.3.2 分布式策略下的QoS组播路由算法
  • 4.3.3 未来的工作
  • 4.4 本章小结
  • 第五章 蚁群算法
  • 5.1 蚁群算法的原理
  • 5.2 蚁群算法的发展
  • 5.3 蚁群算法的应用
  • 5.4 本章小结
  • 第六章 带方向因子的蚁群算法解Ad Hoc网络组播路由问题
  • 6.1 背景介绍
  • 6.2 提出方向因子的原因
  • 6.2.1 Ad Hoc网络的特点
  • 6.2.2 蚁群算法的缺点
  • 6.2.3 方向因子的提出
  • 6.3 方向因子
  • 6.3.1 方向因子的描述
  • 6.3.2 方向因子应该具备的特点
  • 6.3.3 方向因子的候选函数
  • 6.4 角度θ的精确定义和计算获取
  • 6.4.1 现实Ad Hoc网络应用环境下θ的定义和获取
  • 6.4.2 仿真环境下θ的定义和获取
  • 6.4.3 小跨度球面拓扑上θ值的近似计算
  • 6.5 带方向因子的改进蚁群组播算法
  • 6.5.1 改进蚁群算法的基本操作
  • 6.5.2 改进蚁群算法步骤描述
  • 6.5.3 算法分析
  • 6.6 仿真实验
  • 6.6.1 仿真实验平台
  • 6.6.2 拓扑生成
  • 6.6.3 仿真结果及数据分析
  • 6.7 本章小结
  • 第七章 基于树的蚁群组播路由算法及其改进算法
  • 7.1 基于树的蚁群算法
  • 7.1.1 新算法的思想
  • 7.1.2 新算法的基本操作
  • 7.1.3 新算法步骤描述
  • 7.1.4 算法分析
  • 7.1.5 实验结果及数据分析
  • 7.2 基于树的蚁群算法的改进算法
  • 7.2.1 改进的原因
  • 7.2.2 具体的改进措施
  • 7.2.3 实验结果及数据分析
  • 7.3 本章小结
  • 第八章 总结和展望
  • 8.1 总结
  • 8.2 展望
  • 参考文献
  • 致谢
  • 攻读学位期间发表的主要学术论文
  • 在读期间参与科研项目情况
  • 学位论文评阅及答辩情况表
  • 相关论文文献

    标签:;  ;  ;  ;  ;  ;  

    多约束QoS组播路由优化与仿真
    下载Doc文档

    猜你喜欢