基于遗传蚁群算法的Qos路由多约束问题研究

论文摘要

随着Internet的产生以及发展的迅猛,视频会议,视频点播和远程视频教学等系统以实时多媒体应用大量涌现,它们有一个共性:即需将信息从源节点安全且完整高效地传输到目的节点。特别是在对待诸如文件传输的FTP或需要传输图象文件的HTTP等业务时,信息传输的完整性和高效性显得极为敏感。为保证这类业务要求,信息数据在传输过程中就必须满足一些参数的特定要求,这就涉及到网络中的Qos(Quality of service)约束问题。在解决Qos约束问题中,由于其实一个NP完全问题,即是一个多项式复杂程度的非确定性问题,而传统的Internet路由协议,例如开放最短路径优先协议(OSPF)和路由信息协议(RIP)仅仅只提供一条最短的路径,它是在某个特征值的情况下提供“尽力而为”的服务,其本质并不能提供对Qos的保证。这些传统的算法有的由于计算复杂度较高,导致解决问题的效率偏低,有的算法因为只从片面考虑,其扩展性较差,很难应用到大型群组的网络。而我们需要提供的是满足多个约束条件且相比传统路由算法优化的的路由算法,即满足时延,带宽,抖动,传输成功率,费用等约束条件。本文提出了一种新的路由选路算法—遗传蚁群算法,它满足上述多个约束条件,并在解决时延,带宽,抖动等问题上相比传统路由选路算法更优化。在结合总结传统路由算法的基础上,讨论了遗传算法,蚁群算法在网络中选路算法的优化研究。

论文目录

• 摘要
• ABSTRACT
• 第1章 引言
• 1.1 选题的背景和意义
• 1.2 国内外研究现状
• 1.3 主要研究内容
• 1.4 论文结构
• 第2章 QOS路由概述
• 2.1 QOS概述
• 2.1.1 QOS 提出产生的背景
• 2.1.2 QOS 常用参数
• 2.2 QOS路由策略及选择方法
• 2.2.1 QOS 路由策略
• 2.2.2 QOS 路由选择方法
• 2.3 QOS路由算法
• 2.3.1 QOS 路由算法简介
• 2.3.2 QOS 路由算法度量标准
• 2.3.3 QOS 路由算法设计目标
• 2.3.4 QOS 路由问题
• 2.3.5 QOS 路由算法实现要素
• 2.3.6 QOS 路由多约束问题数学模型
• 2.4 本章小结
• 第3章 QOS多约束条件的路由算法
• 3.1 路由算法产生背景介绍
• 3.2 简单的多约束条件的 QOS 路由算法
• 3.2.1 算法简介
• 3.2.2 SMM-LS 算法
• 3.3 生物启发式算法
• 3.3.1 遗传算法
• 3.3.2 神经网络的路由算法
• 3.3.3 模糊系统
• 3.4 群体智能优化算法
• 3.4.1 群体智能简介
• 3.4.2 群体智能的基本特性
• 3.5 典型群体智能算法
• 3.5.1 蚁群算法
• 3.5.5 粒子群算法
• 3.6 本章小结
• 第4章 遗传算法和蚁群算法的动态融合
• 4.1 方案设计思想及总体框架
• 4.2 遗传蚁群算法中遗传算法规则
• 4.2.1 遗传算法部分算法思想
• 4.2.2 遗传算法部分具体实现
• 4.3 遗传算法与蚁群算法动态融合
• 4.4 遗传蚁群算法中蚁群算法规则
• 4.4.1 蚁群算法部分算法思想
• 4.4.2 遗传算法部分具体实现
• 4.5 本章小结
• 第5章 基于遗传蚁群算法的 QOS 路由优化仿真实验
• 5.1 NS 简介
• 5.2 仿真实验环境设置
• 5.3 仿真实验及结果分析
• 5.4 本章小结
• 第6章 总结与展望
• 6.1 论文工作总结
• 6.2 未来工作展望
• 参考文献
• 致谢
• 附录