基于遗传算法的无线Ad Hoc网络QoS组播路由研究

基于遗传算法的无线Ad Hoc网络QoS组播路由研究

论文摘要

服务质量(Quality of Service, QoS)组播(multicast)路由是网络优化的难题之一。用启发式算法解决QoS组播路由问题,计算时间和代价会随着网络规模的扩大而急剧增大。遗传算法(GeneticAlgorithm, GA)由于具有较强的适应性、强壮性和灵活性,是求解QoS组播路由问题的重要手段。由于WANET(Wireless Ad Hoc Network, WANET)节点能量有限,与有线网络不同,无线Ad Hoc网络QoS组播路由问题需要考虑能量消耗。随着多媒体应用的飞速发展,QoS组播路由也需要考虑传输延迟和代价。本论文主要围绕华为技术有限公司研究项目“BGP路由协议硬件加速”和“IP流量探测技术”在无线Ad Hoc网络中的研究任务,从无线Ad Hoc网络的特点出发,对Ad Hoc网络QoS组播路由问题展开了深入研究,在QoS组播路由中考虑了传输延迟、路由代价、能量消耗、网络生存期和组播生存期。本文的主要创新性研究成果如下:(1)在无线Ad Hoc网络中提出了三个QoS组播路由问题,分别是:延迟抑制最小能耗组播路由(Delay-Constrained Minimum-Energy Multicast Routing, DCMEMR)问题,目的是为了保证多媒体应用的延迟约束,并同时减小组播的能量消耗;最大网络生存期最小代价组播路由(Maximum-Network-Lifetime Minimum-Cost MulticastRouting, MaxNLMCMR)问题,目的是为了减小组播传输代价的同时延长网络的生存期;延迟抑制最大组播生存期组播路由(Delay-Constrained Maximum-LifetimeMulticast Routing, DCMaxLMR)问题,目的是为了保证多媒体应用的延迟约束,并同时延长组播的工作时间。(2)提出了树结构编码法。树结构编码法用组播树本身来描述染色体,省略了遗传算法执行过程中的编码/解码操作,可以简化遗传算法,加速算法的收敛。(3)针对DCMEMR问题,提出基于遗传算法的延迟抑制最小能耗组播路由算法(GA-based Delay-Constrained Minimum-Energy Multicast Routing Algorithm,DCMEGA)。该算法的遗传算子能减小组播树的延迟和能量消耗,加速算法的收敛。实验结果证明该算法构造的组播树不仅满足延迟抑制条件,而且能量消耗最小,并且该算法能快速收敛。(4)针对MaxNLMCMR问题,提出基于遗传算法的最大网络生存期最小代价组播路由算法(GA-based Maximum-Network-Lifetime Minimum-Cost Multicast RoutingAlgorithm, MaxNLMCGA)。该算法的遗传算子能减小组播树的传输代价和能量消耗,变异算子能延长网络生存期,加速算法的收敛。实验结果证明该算法构造的组播树不仅传输代价最小,而且网络生存期最长,并且该算法能快速收敛。(5)针对DCMaxLMR问题,提出基于遗传算法的延迟抑制最大组播生存期组播路由算法(GA-based Delay-Constrained Maximum-Lifetime Multicast Routing Algorithm,DCMaxLGA)。该算法的遗传算子能减小组播树的延迟和能量消耗,变异算子能延长组播生存期,加速算法的收敛。实验结果证明该算法构造的组播树不仅满足延迟抑制条件,而且组播生存期最长,并且该算法能快速收敛。

论文目录

  • 摘要
  • ABSTRACT
  • 表格索引
  • 插图索引
  • 缩略语表
  • 目录
  • 第一章 绪论
  • 1.1 研究背景
  • 1.1.1 组播的概念和特点
  • 1.1.2 QoS 的概念
  • 1.1.3 QoS 组播路由的概念
  • 1.1.4 无线 Ad Hoc 网络的概念和特点
  • 1.1.5 无线 Ad Hoc 网络 QoS 组播的研究意义
  • 1.2 无线 AD HOC 网络 QOS 组播的原理与研究现状
  • 1.2.1 组播路由的实现
  • 1.2.2 QoS 组播的研究现状
  • 1.2.3 无线 Ad Hoc 网络 QoS 组播路由面临的问题
  • 1.2.4 无线 Ad Hoc 网络 QoS 组播的研究现状
  • 1.3 论文提出的研究问题
  • 1.3.1 延迟抑制最小能耗组播路由问题
  • 1.3.2 最大网络生存期最小代价组播路由问题
  • 1.3.3 延迟抑制最大组播生存期组播路由问题
  • 1.4 论文的内容安排和创新工作
  • 1.4.1 内容安排
  • 1.4.2 创新工作
  • 第二章 遗传算法解决 QOS 组播路由问题
  • 2.1 遗传算法解决 QOS 组播路由问题有效性分析
  • 2.2 遗传算法解决 QOS 组播路由问题的研究现状
  • 2.3 遗传算法的基本原理
  • 2.3.1 遗传算法的生物进化基础
  • 2.3.2 遗传算法的基本原理
  • 2.4 遗传算法设计相关工作
  • 2.4.1 编码
  • 2.4.2 群体初始化
  • 2.4.3 适应度评估
  • 2.4.4 选择算子
  • 2.4.5 交叉算子
  • 2.4.6 变异算子
  • 2.5 遗传算法收敛性分析
  • 2.6 本章小结
  • 第三章 树结构编码法
  • 3.1 组播树编码方法的研究意义
  • 3.2 编码设计需要考虑的问题
  • 3.2.1 编码技术分类
  • 3.2.2 可行性和合法性
  • 3.2.3 编码设计需要满足的性质
  • 3.3 现有的组播树编码方法
  • 3.3.1 组播树节点编码
  • 3.3.2 n × n一维二进制编码
  • 3.3.3 特征向量表示法
  • 3.3.4 父节点表示法
  • 3.3.5 Prüfer Number 编码
  • 3.3.6 序列拓扑编码
  • 3.4 本文提出的编码方法
  • 3.5 编码方法分析比较
  • 3.6 本章小结
  • 第四章 延迟抑制最小能耗组播路由算法
  • 4.1 延迟抑制最小能耗组播路由的研究意义和现状
  • 4.2 问题的提出
  • 4.2.1 网络模型的建立
  • 4.2.2 能量消耗模型的建立
  • 4.2.3 延迟抑制最小能耗组播路由问题
  • 4.3 DCMEGA 算法
  • 4.3.1 编码
  • 4.3.2 群体初始化
  • 4.3.3 适应度函数
  • 4.3.4 选择算子
  • 4.3.5 交叉算子
  • 4.3.6 变异算子
  • 4.4 理论分析
  • 4.4.1 算法收敛性分析
  • 4.4.2 与其他算法分析比较
  • 4.5 实验分析
  • 4.5.1 实验设置
  • 4.5.2 算法性能评价指标
  • 4.5.3 路由成功率比较
  • 4.5.4 能量消耗比较
  • 4.5.5 运行时间比较
  • 4.6 本章小结
  • 第五章 最大网络生存期最小代价组播路由算法
  • 5.1 最大网络生存期最小代价组播路由的研究意义和现状
  • 5.2 问题的提出
  • 5.2.1 网络模型的建立
  • 5.2.2 网络生存期模型的建立
  • 5.2.3 最大网络生存期最小代价组播路由问题
  • 5.3 MAXNLMCGA 算法
  • 5.3.1 编码
  • 5.3.2 群体初始化
  • 5.3.3 适应度函数
  • 5.3.4 选择算子
  • 5.3.5 交叉算子
  • 5.3.6 变异算子
  • 5.4 理论分析
  • 5.4.1 算法收敛性分析
  • 5.4.2 与其他算法分析比较
  • 5.5 实验分析
  • 5.5.1 实验设置
  • 5.5.2 算法性能评价指标
  • 5.5.3 传输代价比较
  • 5.5.4 网络生存期比较
  • 5.5.5 运行时间比较
  • 5.6 本章小结
  • 第六章 延迟抑制最大组播生存期组播路由算法
  • 6.1 延迟抑制最大组播生存期组播路由的研究意义和现状
  • 6.2 问题的提出
  • 6.2.1 网络模型的建立
  • 6.2.2 组播生存期模型的建立
  • 6.2.3 延迟抑制最大组播生存期组播路由问题
  • 6.3 DCMAXLGA 算法
  • 6.3.1 编码
  • 6.3.2 群体初始化
  • 6.3.3 适应度函数
  • 6.3.4 选择算子
  • 6.3.5 交叉算子
  • 6.3.6 变异算子
  • 6.4 理论分析
  • 6.4.1 算法收敛性分析
  • 6.4.2 与其他算法分析比较
  • 6.5 实验分析
  • 6.5.1 实验设置
  • 6.5.2 算法性能评价指标
  • 6.5.3 路由成功率比较
  • 6.5.4 组播生存期比较
  • 6.5.5 运行时间比较
  • 6.6 本章小结
  • 第七章 总结和展望
  • 7.1 全文内容总结
  • 7.2 工作展望
  • 参考文献
  • 致谢
  • 攻读博士学位期间的科研成果和项目经历
  • 相关论文文献

    标签:;  ;  ;  ;  ;  

    基于遗传算法的无线Ad Hoc网络QoS组播路由研究
    下载Doc文档

    猜你喜欢