基于遗传模拟退火算法的QoS组播路由研究

来源 :燕山大学 | 被引量 : 0次 | 上传用户:tian314714
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着Internet的发展,多媒体通信和分布式环境下的协同工作等应用促进了组播通信的发展。组播问题的关键在于组播路由的确定,即寻找简单、高效、健壮的组播路由算法。组播路由算法主要是用来建立一棵性能良好的组播树,并使它能够满足各种业务的服务质量(QoS)需求。QoS组播路由带有多个QoS约束参数,而这种约束条件下的QoS组播路由问题属于NP完全问题。对于QoS组播路由问题的研究大都集中在采用启发式算法进行求解,然而由于这些算法都具有较高的时间复杂度而不能满足实际应用的需求。本文针对遗传算法的局限性,将遗传算法与模拟退火算法相结合提出了一种新型的遗传模拟退火算法,利用该遗传模拟退火算法作为求解QoS组播路由问题的优化算法,主要研究了三类典型的QoS组播路由问题。首先,针对遗传算法的局限性,对适应度函数进行调整,实施最优保留策略,改进了交叉和变异操作,并结合模拟退火算法,提出了一种基于遗传模拟退火算法的时延约束费用最小组播路由选择方法。其次,提出了一种时延及时延差约束组播路由算法,该方法采用基于备选路径集的整数队列编码机制,应用启发式交叉和变异策略,用模拟退火算法对遗传操作的子代个体进行优化,加快算法收敛速度。最后,对带宽、时延、时延抖动和包丢失率约束费用最小组播路由问题进行了研究,定义了研究组播路由问题的网络模型,提出了一种基于遗传模拟退火算法的多约束QoS组播路由算法。仿真实验表明,上述三种组播路由算法收敛速度快,具有较好的性能,能够满足多媒体网络对相应QoS的要求。
其他文献
聚类分析是数据挖掘的一个研究热点。业已广泛研究的模糊聚类算法,往往只适用于静态数据集的聚类;对于动态数据集,新增数据后前期的聚类结果不再可靠,而运用此类算法重新聚类
下一代信息通信网络的发展方向是技术融合、业务融合以及网络融合。为了适应未来通信网络的发展趋势,屏蔽底层网络细节的开放业务接入技术得到了越来越多人的关注。由于用户对
随着科学技术的发展和制造业生产能力不断提高,移动机器人技术逐渐向着自主化和智能化发展;移动机器人的同时定位与构图(Simultaneous Localization and Mapping,SLAM)是实现
本文研究和分析了国内外软件项目管理的技术和方法,在此基础上结合具体软件项目管理的实例,给出了一套估算软件项目规模、估算工作量和开发进度管理的具体方案。在项目规模度量
社会现已步入电脑发展的第四个阶段:网络时代。网络一经与企业结合起来,就焕发出无限的异彩,企业内部网络的发展同步着企业的发展。然而,如何保护企事业内部网络数据的机密性
人工智能是研究计算机模拟完成人类思想和行为的一门学科。人类使用自然语言来表达自己的思想和行为,因此对自然语言理解的研究是人工智能领域中的一个重要课题,而量化处理自然
随着近几年邮政业务的大力发展,邮政公司各专业局的新系统上线、员工转岗、新员工入职都需要相应的培训做为支撑。省邮政培训中心原有的事务管理信息系统已经不能满足日常工
本文对空间矢量数据索引研究及其在政府地理信息系统中的实现进行了研究。文章对常用空间索引方法进行了对比,分析了各自的优缺点,重点对R树空间索引方法进行了研究,详细讨论了R
随着信息技术的飞速发展和无线通信技术的不断进步,嵌入式系统行业逐渐发展并成熟起来,特别是目前手机市场如此红火。未来的手机发展趋势将是智能化的,它的功能将会越来越复杂,也
无线传感网通常是由具有感知、处理和无线通信功能的传感器节点自组织形成的网络。机会路由是可以应用于无线传感网的数据转发协议,该协议将数据包都转发给一组网络节点,这些节