论文部分内容阅读
因特网的发展,催生了许多新型的多媒体业务,如视频点播、远程教育等。这些新型业务基于组播通信技术,要求网络能够根据业务本身的特点和用户的不同需求,提供相应的服务质量(Quality of Service, QoS)控制。如数据传输所需的链路带宽以及时延要求,画面传输的失真度或声像的同步程度等。而传统的尽力而为(Best-Effort)的路由技术无法提供服务质量的保证,这就是使得QoS组播路由技术成为当前的研究热点。QoS组播路由技术根据当前的网络状态和拓扑结构进行路由选择,其目标在于,使得传输数据的源节点到各个接收数据的目的节点的路径满足相应的QoS要求,并且由各条路径所构成的组播路径树的总开销最小。这是一个NP完全问题,对于具有多个QoS约束条件的情况,求解更为困难。遗传算法(GeneticAlgorithm, GA)和人工神经网络(ArtificialNeural Network, ANN)作为两种可用于解决组合优化等复杂问题的智能算法,是求解QoS组播路由问题的两种有效思路,受到了研究人员的极大关注。本文分别提出了基于遗传算法和基于人工神经网络的多约束QoS组播路由优化算法。其中,基于遗传算法的多约束QoS组播路由优化方法,根据网络节点邻接矩阵的上三角部分,对问题的解(即组播路径树)进行直接编码,从而缩短了编码长度,并采用了精英保留策略,加快了算法的收敛;基于人工神经网络的多约束QoS组播路由算法,主要利用Hopfield神经网络来进行求解,并且结合遗传算法来对相关参数进行优化,既利用了遗传算法的强全局搜索能力,又利用了神经网络的鲁棒性和自学习能力。从而实现了更精确的求解和参数的自动化设置。仿真实验表明,本文提出的基于遗传算法和基于人工神经网络的多约束QoS组播路由算法,具有较快的收敛速度,可以有效地解决具有带宽、时延、时延抖动和丢包率约束的QoS组播路由选择问题。