论文部分内容阅读
路由优化是现代通信网中研究的热点之一,因为它在多受限情况下是一个NP-C(Non-deterministic Polynomial Time Complete)问题,所以通常采用启发式算法来求解。蚁群算法作为一种新的启发式优化算法,不依赖于具体的数学描述,具有全局优化、自组织、自学习的能力和本质上的并行性等优点,与QoS(Quality of Service)路由问题的分布计算、非静态随机动态、异步的网络状态更新等特征都匹配得很好,所以研究利用蚁群算法进行路由优化具有广阔的前景。本文针对具有延迟和带宽约束的QoS单播路由和动态QoS多播路由问题,提出了基于改进蚁群算法的路由优化策略,取得了良好的仿真实验结果。主要工作如下:(1)在信息素的初始化过程中,借鉴李等人提出的“食物散发气味”的思想,引入“食物源散发气味”的过程,并给出了具体的散发规则。与李等人将食物气味以洪泛的方式向整个网络实时地散发不同,在具有延迟和带宽约束的QoS单播路由优化问题中,食物气味以延迟为约束条件,在目的节点(食物源)上以信息素的形式散发到目的节点附近的相应链路上;在动态QoS多播路由优化问题中,食物气味以延迟和延迟抖动之和为约束条件,在多播树的根节点(食物源)上以信息素的形式散发到根节点附近的相应链路上,目的都是刺激蚂蚁尽早获知食物源的位置,更加符合蚁群的真实信息处理机制。(2)充分利用网络链路上的各种状态启发信息。在具有延迟和带宽约束的QoS单播路由优化和动态QoS多播路由优化问题中,都对概率转移公式进行了相应的调整,使之更全面地反映各个链路的综合启发信息,促使蚁群更好得寻到全局最(近)优解。(3)在全局更新策略中,改变通常只对最优路径更新信息素的策略。在具有延迟和带宽约束的QoS单播路由优化和动态QoS多播路由优化问题中,均采用“弱淘汰”法则对部分较优路径都进行全局信息素的更新,以增强算法的全局寻优能力。