首页> 正文

基于粒子群算法的Ad Hoc网络路由协议的研究

2020-12-02阅读(523)

基于粒子群算法的Ad Hoc网络路由协议的研究

论文摘要

Ad Hoc网络是一种自组织,无中心的无线移动网络。由于它的建立不需要固定的通信基础设施,且具有较强的鲁棒性和抗毁性,故其广泛应用于各种要求临时通信的场合。路由协议是Ad Hoc网络数据成功传输的重要保障。但是,当前的Ad Hoc网络路由协议尚不完善,主要存在较难适应网络拓扑结构变化,协议开销大,传输时延过长等问题。群智能优化是近年来兴起的一类仿生优化算法,它将优化问题分配给单个个体执行,然后综合它们的结果获得最优解。Ad Hoc网络路由选择可以抽象为目标优化问题,故其能够利用群智能算法解决。在群智能算法中,粒子群算法具有操作简便,收敛较快等优点,因此本文选择该算法解决路由问题,主要工作如下:1.针对粒子群算法不易用于离散优化,而路由选择是离散问题的矛盾,引入遗传算法中的交叉变异算子设计出混合粒子群算法。为了评估新算法的性能,将其应用于旅行商问题的求解(分别利用MATLAB和VHDL)。结果表明,新算法在路径优化方面较遗传算法更有优势。2.设计基于混合粒子群算法的Ad Hoc网络平面按需路由协议(HPSO协议),包括路由发现策略、数据包传输策略、路由修复机制。协议可产生时延较小的路径,把数据包合理分配到各优化路径,并利用备用路由处理断链现象。3.在OPNET网络仿真软件上分别对HPSO协议和经典的Ad Hoc按需路由协议AODV进行仿真。结果表明,在相同网络场景下,HPSO协议在端到端时延、协议开销和路由发现时间指标上好于AODV,包成功率与AODV相似,适合于拓扑变化大的Ad Hoc平面网络。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 AD HOC 网络概述
  • 1.2 AD HOC 网络的远程医疗应用
  • 1.3 AD HOC 网络体系结构
  • 1.3.1 网络拓扑结构
  • 1.3.2 网络协议体系结构
  • 1.3.3 移动AD HOC网络的节点结构
  • 1.4 AD HOC 网络路由协议简述
  • 1.4.1 AD HOC 网络路由协议设计要求
  • 1.4.2 AD HOC 网络路由协议分类
  • 1.5 基于群智能的AD HOC 网络路由协议研究现状
  • 1.6 AD HOC 网络路由技术的挑战及本文意义
  • 1.7 本文主要工作及安排
  • 1.7.1 主要工作
  • 1.7.2 组织安排
  • 第二章 基本粒子群算法理论
  • 2.1 群集智能简介
  • 2.2 鸟群捕食行为及粒子群算法的提出
  • 2.3 粒子群算法公式及执行步骤
  • 2.4 粒子群算法参数分析
  • 2.5 粒子群算法理论与应用研究现状
  • 第三章 适用于路由问题的混合粒子群算法研究
  • 3.1 旅行商问题及混合粒子群算法的产生缘由
  • 3.2 遗传算法简介
  • 3.3 混合粒子群算法的基本算子设计
  • 3.3.1 相减算子等效形式
  • 2（ gbestk- xk ） 的等效'>3.3.1.1 c2（ gbestk- xk ） 的等效
  • 1（ pbestk- xk ） 的等效'>3.3.1.2 c1（ pbestk- xk ） 的等效
  • 3.3.2 相乘算子等效形式
  • 3.3.3 相加算子等效形式
  • 3.4 混合粒子群算法执行步骤
  • 3.5 混合粒子群算法解决旅行商问题的MATLAB 实现
  • 3.6 粒子群算法路径及路由问题研究动态
  • 第四章 基于混合粒子群算法的AD HOC 按需路由协议设计
  • 4.1 基于粒子群优化的平面路由协议产生缘由
  • 4.2 AD HOC 网络按需路由协议
  • 4.2.1 按需路由协议简介
  • 4.2.2 AODV 协议
  • 4.3 基于混合粒子群算法的AD HOC 按需路由协议（HPSO）概述
  • 4.4 HPSO 协议使用的术语
  • 4.5 HPSO 协议的网络体系结构
  • 4.6 HPSO 协议的通信包格式
  • 4.7 HPSO 协议的详细操作
  • 4.7.1 HPSO 协议的路由发现策略
  • 4.7.1.1 HPSO 协议路由发现策略中的操作描述
  • 4.7.1.2 HPSO 协议路由发现策略执行流程
  • 4.7.2 HPSO 协议的数据包传输策略
  • 4.7.3 HPSO 协议的路由维护与修复机制
  • 4.8 HPSO 协议与AODV 的对比
  • 第五章 协议的仿真与结果分析
  • 5.1 网络访真软件OPNET 介绍
  • 5.2 执行HPSO 协议的节点网络体系结构.
  • 5.3 实现HPSO 协议的几个核心函数介绍.
  • 5.4 仿真实验
  • 5.4.1 仿真场景设置
  • 5.4.2 仿真参数设置
  • 5.4.3 仿真实验及结果分析
  • 5.4.4 仿真实验结论
  • 第六章 混合粒子群算法解决旅行商问题的FPGA 仿真
  • 6.1 采用FPGA 的缘由
  • 6.2 系统总体设计
  • 6.3 分模块阐述
  • 6.3.1 控制模块
  • 6.3.2 随机序列产生及存储模块
  • 6.3.3 城市坐标存储模块
  • 6.3.4 适应度计算模块
  • 6.3.5 适应度存储及比较模块
  • 6.3.6 交叉与变异模块
  • 6.4 仿真结果及分析
  • 第七章 结束语
  • 致谢
  • 参考文献
  • 攻硕期间取得的研究成果

    • 相关论文文献

    • [1].电阻率测深数据的粒子群算法反演[J]. 红水河 2019(06)
    • [2].以云计算资源为基础实现粒子群算法的优化[J]. 电子技术与软件工程 2019(24)
    • [3].基于改进粒子群算法的机组负荷优化分配研究[J]. 科技创新导报 2019(28)
    • [4].基于改进粒子群算法的工程项目多目标集成管理研究[J]. 价值工程 2020(05)
    • [5].改进粒子群算法应用于挖掘机铲斗位置控制[J]. 机械设计与制造 2020(02)
    • [6].基于改进量子粒子群算法的输电网规划[J]. 计算机产品与流通 2020(02)
    • [7].基于改进粒子群算法的主动配电网网架优化研究[J]. 电气应用 2020(01)
    • [8].采用改进粒子群算法优化的涡轮增压器节能研究[J]. 中国工程机械学报 2020(01)
    • [9].进化粒子群算法在航空发动机模型求解中的应用[J]. 工程与试验 2019(04)
    • [10].粒子群算法在金融风险模型中的研究与改进[J]. 吉林大学学报(信息科学版) 2020(02)
    • [11].基于改进的粒子群算法求解供应链网络均衡问题[J]. 运筹与管理 2020(02)
    • [12].基于粒子群算法的航班座位自动分配系统[J]. 科技创新导报 2019(36)
    • [13].一种求解电力系统无功优化的改进粒子群算法[J]. 电工技术 2020(12)
    • [14].基于改进粒子群算法的主动微波遥感土壤水分反演方法研究[J]. 河南农业 2020(17)
    • [15].基于混合粒子群算法的注塑机电液伺服系统控制研究[J]. 机床与液压 2020(16)
    • [16].基于量子粒子群算法的大型阵稀疏优化方法[J]. 航空科学技术 2020(08)
    • [17].基于粒子群算法的函数复杂度分类法[J]. 控制工程 2020(08)
    • [18].协同粒子群算法下的火工品参数辨识[J]. 企业科技与发展 2020(09)
    • [19].基于家庭角色视角下家庭粒子群算法研究——评《家庭粒子群算法:方法、理论与性能分析》[J]. 中国科技论文 2020(09)
    • [20].基于混合粒子群算法的双离合变速器参数优化设计[J]. 吉林大学学报(工学版) 2020(05)
    • [21].浅谈粒子群算法的应用[J]. 计算机产品与流通 2019(11)
    • [22].基于粒子群算法的最优值求解[J]. 科技广场 2017(12)
    • [23].基于混合粒子群算法的船舶稳定性分析[J]. 舰船科学技术 2018(14)
    • [24].自适应粒子群算法在模拟电路故障诊断中的应用[J]. 软件导刊 2017(02)
    • [25].基于改进量子粒子群算法的电力系统经济调度仿真研究[J]. 实验技术与管理 2017(03)
    • [26].改进的粒子群算法在云计算下的数据挖掘中的研究[J]. 科技通报 2017(04)
    • [27].基于改进粒子群算法的移动机器人路径规划[J]. 传感器与微系统 2017(05)
    • [28].一种基于模拟退火-改进二进制粒子群算法的测试优化选择方法[J]. 水下无人系统学报 2017(03)
    • [29].试谈粒子群算法[J]. 电脑编程技巧与维护 2017(11)
    • [30].基于改进粒子群算法的盾构掘进施工优化研究[J]. 辽宁科技学院学报 2017(03)

    标签：;  ;  ;  

    基于粒子群算法的Ad Hoc网络路由协议的研究
    下载Doc文档

    猜你喜欢

    © 2024 毕速过 版权所有 鄂ICP备12018319号-5