随着信息技术的进步与发展,人们对网络的要求逐渐向多协议、多平台、大规模演变,这就使得如何提高网络的质量与稳定性,成为了研究的热点。路由器作为多个网络连接的中间枢纽,其性能直接影响着网络的状态,因此,如何对路由机制进行合理的优化设计对于提高网络质量与稳定性有着重要的意义。本文通过研究国内外网络路由优化的方法、手段的大量文献资料,分析目前单纯的遗传算法原理、流程、应用及存在的优缺点,针对这些缺陷提出基于个体繁殖策略选择的改进遗传算法;对蚁群算法进行详细的研究分析,总结出蚁群算法存在的缺陷。结合前人已经提出的并行蚁群算法,针对无线自组织网络(Ad Hoc Network)Qo S(Quality of Serviee)路由优化问题,提出基于改进遗传蚁群耦合算法的Ad Hoc网络Qo S路由优化的设计,最后设计出实验来验证改进遗传蚁群耦合算法比单一的改进遗传算法、单一的改进蚁群算法、传统遗传蚁群耦合算法在Qo S路由优化方面具有的优势性。主要内容包括以下:(1)研究梳理传统遗传算法的原理、流程及存在的优缺点,遗传算法的主要缺陷存在于求解过程,其算法的选择策略常常采用轮赌策略,轮赌策略本身是概率问题,因此不能保证每一个具备高适应度个体被保留至下一代,同时会引入“早熟”问题。针对此问题,本文提出了一种改进选择策略的遗传算法。这种方法的核心思想在于,利用个体繁殖次数进行选择,即对于个体而言其繁殖次数与被选中概率正相关,从而克服轮赌选择的缺陷,提高算法的搜索速度。在此基础上设计出改进遗传算法在Ad Hoc网络Qo S路由优化应用方案。最后,网络仿真器(Network Simulator,NS)仿真结果证明:单一改进遗传算法比传统遗传算法在迭代次数、求解成功率、不同停留时间下端到端延迟、数据包投递率均具有较大的改善。(2)对蚁群算法的原理、数学模型、优缺点进行详细的研究,在此基础上采用改进蚁群算法应用于Ad Hoc网络Qo S路由优化应用分析,通过实验证实对于规模较大的Ad Hoc网络Qo S路由复杂问题求解上具有明显的优势,能有效提高收敛速度。然后,对遗传算法与蚁群算法的耦合的机理进行详细的分析与研究,通过大量的文献研究,传统的遗传算法与蚁群算法在搜索、求解时具备不同效率,随着时间的变化,遗传算法与蚁群算法存在收敛速度、求解速度呈现相反的变化趋势,正好利用这一点,将两者进行耦合,这样形成优势互补,可以消除遗传算法与蚁群算法的不足。本文中心思想不是将两者直接耦合,而是将改进的遗传算法与改进蚁群算法(并行蚁群算法)在上述理论思想指导下进行耦合,进一步研究其耦合策略与机制,设计改进遗传蚁群耦合算法在Ad Hod网络Qo S路由优化方案,利用NS工具建立耦合算法中的遗传算法阶段构建与蚁群阶段构建的数学模型,并给出该算法的实现过程与步骤。(3)鉴于Ad Hoc网络Qo S路由问题是一个NP完全(Non-deterministic Polynomial Complete,NP-C)问题,传统的路由算法解决效果往往不佳,于是本文提出采用改进遗传蚁群耦合算法来解决Ad Hoc网络Qo S路由问题。为了证明本文的设想,通过建立Ad Hoc网络Qo S路由网络模型,搭建实验仿真平台,设计三组实验来验证该算法(改进遗传蚁群耦合算法)在Ad Hoc网络Qo S路由中的优化效果。仿真结果表明,对比单一改进遗传算法、单一改进蚁群算法、传统遗传蚁群耦合算法,改进遗传蚁群耦合算法:1)求解迭代次数降低到21.89,求解成功率上提升到97.8。这说明该算法无论在求解迭代次数还是求解成功率都具备更大的优势。2)不同停留时间下改进遗传蚁群耦合路由算法端到端时延迟最低、节点不同移动速度下数据包投递率最高。