论文部分内容阅读
随着Internet技术的快速发展,产生了大量多媒体业务的需求。传统网络所带来的尽力而为的服务模式已经满足不了用户的要求了,对于网络服务质量QoS(Quality of Service,QoS)的要求变得严格起来,特别是对带宽、时延、信息资源以及包投递率都有了许多的约束。现今大部分算法都是以个约束性能来设计发展的(例如最低代价或者最小延迟等),当处于不同的QoS条件下时,大部分算法表现出了部分劣势。怎样去解决多约束QoS路由问题,同时,怎样在满足业务需求的基础下,尽可能地降低资源浪费,把流量负荷均匀的分布到网络上,降低阻塞率,已经成为大家研究的热点。本文主要是研究多约束QoS路由问题,以动态自适应蚁群算法(Dynamic adaptive ant colony algorithm,DAACO)和动态自适应量子蚁群算法(Adaptive quantum ant colony algorithm,AQACO)为基础,其主要研究工作如下:(1)为了解决网络QoS路由在搜索最佳链路时要满足时延、抖动、能量等多个约束性能的难题,设计一种新型的动态自适应蚁群优化算法,其有两方面的动态自适应策略。首先,将信息素挥发因子?设置为动态自适应,在自适应因子?作用下动态变化,增强算法的寻优能力,避免算法陷入局部最优。其次,以多约束为条件建立加权的适应度函数,通过适应度函数值与自适应因子?共同影响路径上的信息素更新,增强算法的收敛速度。参考多次仿真实验对比,发现此算法在满足多约束QoS路由要求方面有良好效果。(2)为了避免传统蚁群算法在搜索最佳解时容易陷入早熟的情形以及收敛速度较慢等现象,提出一种改进型的动态自适应量子蚁群算法(AQACA)。该算法设计了一种新的信息素自适应动态更新策略,对信息素进行动态更新,利用量子进化算法的计算优势,提高算法的收敛速度,同时跳出局部最优解。