基于人工蜂群算法的组播路由优化与仿真

论文摘要

目前随着计算机网络的飞速发展,涌现出了大量的对网络要求较高的多媒体实时业务,网络对QoS的需求也迅速提高,越来越需要对QoS具有较高支持度的网络。组播实现了同一信息从源节点传送到网络中多个目的节点。而寻找并构建一棵符合QoS要求且覆盖所有组成员节点的最优Steiner树是QoS组播问题的关键。蜂群算法是一种新兴的仿生智能优化算法,通过模拟蜜蜂群体寻找优良蜜源的过程来进行优化。与遗传算法、微粒群算法等智能计算方法相比,该算法的突出优点是每次迭代中都进行全局和局部搜索,因此,找到较优解的概率大大增加,并在较大程度上避免了局部最优。本文在对组播路由算法和蜂群算法深入研究的基础上,提出了一种基于人工蜂群算法的组播路由优化算法,并对之进行改进,使其能够适应不同规模的拓扑,自动调节参数,不再依赖人工选择。(1)针对组播算法在大规模拓扑中收敛时间过长的问题,把蜂群算法引入组播路由优化中,提出基于人工蜂群算法的组播路由优化算法。与传统的组播路由构造树的方法不同,本文算法通过对组播树的合并变换达到进化效果,大大缩短了算法的收敛时间。通过实验证明,该算法在较大规模拓扑中仍能具有良好的性能。(2)对于不同的拓扑规模,一般算法中参数的调节依赖于人工经验和大量的实验进行选择。本文在第一个算法中引入粒子群算法,通过粒子的搜索,自适应的选取较优的参数组合,使得算法摆脱了人工选择造成的不能找到最优解的问题,算法能够适用于不同的拓扑规模。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景与意义
• 1.1.1 组播技术提出的背景
• 1.1.2 组播技术概述
• 1.1.3 蜂群算法简介
• 1.1.4 研究QoS组播路由的意义
• 1.2 国内外研究现状
• 1.2.1 QoS组播的研究现状
• 1.2.2 蜂群算法的研究现状
• 1.3 论文主要研究内容
• 1.4 论文组织框架
• 第2章 蜂群算法
• 2.1 算法的生物学基础
• 2.2 算法的基本原理
• 2.3 算法的数学模型
• 2.4 算法的基本步骤
• 2.5 本章小结
• 第3章 基于人工蜂群的树形变换路由优化算法
• 3.1 问题的数学模型
• 3.1.1 组播树的概念
• 3.1.2 Steiner树的数学模型
• 3.1.3 QoS组播路由的数学模型
• 3.2 算法的基本思想
• 3.2.1 算法的初始化
• 3.2.2 采蜜蜂的采蜜行为
• 3.2.3 采蜜蜂的招募行为
• 3.2.4 蜜蜂间角色的转化
• 3.2.5 适应度评价
• 3.3 算法的基本步骤描述
• 3.4 仿真实验及结果分析
• 3.4.1 仿真环境
• 3.4.2 实验结果及分析
• 3.5 本章小结
• 第4章 基于微粒群的人工蜂群参数自适应优化算法
• 4.1 人工蜂群算法的改进
• 4.2 微粒群算法
• 4.3 P-ABC算法的基本思想
• 4.4 P-ABC算法的基本步骤
• 4.4.1 参数的初始化
• 4.4.2 初始值反馈到ABC中
• 4.4.3 参数变量的更新
• 4.4.4 算法的终止条件
• 4.5 仿真实验及结果分析
• 4.6 本章小结
• 第5章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢
• 攻读学位期间发表的主要学术论文
• 在读期间参与的科研项目情况
• 学位论文评阅及答辩情况表