基于多种群蚁群算法的多约束QoS路由模型研究

论文摘要

本文提出了一种基于多种群蚁群算法的多约束QoS路由模型。此方法不仅考虑到多种群蚁群算法能选择多条传输路径,而且还加入了多约束的QoS模型,在网络中传递数据时减少网络拥塞的情况,实现动态负载平衡。在多种群蚁群算法中,有多个独立的子种群,每个子种群有自己的独立的信息素更新机制,在子种群通信方面提出了两种方法,一个是指定固定的子种群通信方式,而另一种则是使用收敛函数来确定。在使用收敛函数来确定时,自适应的选择种群间的通信策略,以及交换当前所拥有的最优解和信息素浓度。在多种群蚁群算法中加入多约束的QoS路由,使其在平衡网络负载的同时也保障服务的质量。通过仿真的实验算法表明在网络中能够选择多条不同的路径,不仅提高了传递的速度,平衡了网络的负载情况,而且在传递数据包的过程中能够兼顾QoS约束,保障了传递数据的质量,预防了链路中出现的阻塞等现象。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 研究的目的和意义
• 1.2 国内外研究现状
• 1.3 主要工作和组织结构
• 第二章 蚁群算法
• 2.1 蚁群算法的起源
• 2.2 蚁群算法的基本原理
• 2.2.1 蚂蚁行为描述
• 2.2.2 基本蚁群算法的机制原理
• 2.3 蚁群算法的模型
• 2.3.1 基本蚁群算法模型
• 2.3.2 MMAS算法
• 2.4 蚁群算法的主要应用
• 第三章 多种蚁群算法与多约束路由研究
• 3.1 多种群蚁群算法简介
• 3.2 多种群中各个子蚁群算法
• 3.2.1 基本的蚁群算法
• 3.2.2 最大最小蚁群算法
• 3.2.3 改进的蚁群算法
• 3.3 多种群蚁群算法中关键点
• 3.3.1 信息素的通信方式
• 3.3.2 各个种群信息素交换的时机
• 3.4 多约束QoS路由模型
• 3.5 蚁群算法与路由结合
• 3.6 多种群蚁群算法的具体实现
• 3.6.1 在通过迭代次数进行时
• 3.6.2 使用收敛函数进行时
• 第四章 实验结果分析
• 4.1 实验环境
• 4.2 实验数据对比
• 4.2.1 固定数据量的算法对比
• 4.2.2 不固定数据量的算法对比
• 第五章 论文总结及展望
• 5.1 本文的工作总结
• 5.2 展望
• 致谢
• 参考文献