随着当前网络所要处理的实时业务的不断增多,网络能够提供的服务质量问题越来越多地受到人们的关注。路由问题作为网络数据传输的重要方面,它性能的好坏直接关系到整个网络的性能。对于包含延迟、延迟抖动、带宽、丢包率和最小花费等约束条件在内的服务质量(QoS)路由问题的研究逐渐成为网络技术研究领域需要探索的主要方向。目前,对于QoS路由问题主要采用如蚁群算法等的启发式算法进行求解。蚁群算法以其优良的适应性,较强的可移植性,本质并行性,易于与其它算法结合等优点在解决各种复杂的NP完全问题方面挥发了重要作用。论文通过对基本蚁群算法的深入研究,提出了一种改进的动态自适应蚁群算法(DAAO),并对如何应用它来解决QoS组播路由问题做出了详尽的分析和设计,最后通过将真实的网络拓扑结构抽象成无向带权连通图,对问题的求解过程进行了仿真。仿真结果表明该算法能够正确、有效的求解QoS路由问题。'); In the current network, with the increase of real-time business which needs to be deal with, network quality of service problems are concerned increasingly. As an important aspect of network data transmission, routing problem is directly related to overall network. Good routing can improve the performance of network, and vice versa. The study of quality of service (QoS) routing problem that include of delay, delay jitter, bandwidth, packet loss rate and minimum cost and other constraints, has becomes the main direction of network technology research. At present, mainly use the heuristic algorithm, thus as ant colony algorithm to solve the QoS routing problem. Ant colony algorithm play an important role in solving complex NP-complete problems by it\'s the advantages of excellent adaptability, strong portability, the nature of parallelism, easy-to-combining with other algorithms.In this paper, I proposed an algorithm named dynamic self-adaptive ant colony algorithm (DAAO) by in-depth study of basic ant colony algorithm, and the article has made a detailed analysis and design on how to use it to solve the QoS multicast routing problem, and simulated the problem solving process by abstracted the real network topology into a weighted undirected connected graph. The simulation results show that the algorithm is correct, and effective for solving QoS routing problem.'); 基于蚁群优化算法的数据包路由技术研究
摘要 4-5
ABSTRACT 5-6 目录 6-8 第一章 绪论 8-10 1.1 研究目的和意义 8 1.2 国内外研究现状 8-9 1.3 主要工作和组织结构 9-10 第二章 路由技术研究 10-18 2.1 路由选择 10-11 2.1.1 基本概念 10 2.1.2 路由选择方法 10-11 2.2 基本路由选择算法 11-14 2.3 QoS路由 14-17 2.3.1 QoS路由问题起源 14 2.3.2 QoS路由策略分类 14-16 2.3.3 QoS路由所面临的问题及解决方法 16-17 2.4 小结 17-18 第三章 蚁群算法 18-30 3.1 蚁群算法基本原理 18-27 3.1.1 蚁群算法的产生——蚂蚁的觅食行为 18 3.1.2 蚁群算法原理描述 18-20 3.1.3 人工蚂蚁的行为研究 20-21 3.1.4 人工蚁群与真实蚁群的联系 21 3.1.5 基本蚁群算法的数学模型 21-24 3.1.6 基本蚁群算法的程序结构流程 24-26 3.1.7 蚁群算法性能分析 26-27 3.2 蚁群算法的应用 27-28 3.3 蚁群算法的优缺点分析 28-29 3.4 小结 29-30 第四章 动态自适应蚁群优化算法 30-41 4.1 算法描述 30-36 4.1.1 信息素浓度自适应 30-32 4.1.2 信息素浓度取值可行性分析 32-33 4.1.3 信息素挥发因子自适应 33-34 4.1.4 挥发因子取值可行性分析 34 4.1.5 信息素启发因子和期望启发因子自适应 34-35 4.1.6 信息素启发因子和期望启发因子取值可行性分析 35-36 4.2 动态自适应算法实现步骤描述 36 4.3 算法仿真及其性能分析 36-39 4.3.1 实验环境描述及参数配置 36-37 4.3.2 实验结果及分析 37-39 4.4 小结 39-41 第五章 基于动态自适应蚁群算法的QoS路由问题研究 41-49 5.1 QoS路由数学模型研究 41-42 5.2 算法设置 42-44 5.3 算法描述 44 5.4 实验仿真及结果分析 44-48 5.5 小结 48-49 第六章 总结与展望 49-50 6.1 总结 49 6.2 存在的问题及展望 49-50 致谢 50-51 参考文献 51-52
www.ZidiR.com
