该文对基于Swarm Intelligence的路由算法进行了进一步的研究和改进.该文的研究主要围绕着多路径的探测、多路径的优化和多路径的调度这三个环节展开.其中有关多路径探测的研究又分为两个环节:首先研究如何消除僵滞现象,其次研究多路径探测的启发式算法.该文的主要研究内容以及在学术上的主要成果表现在 1)提出了理想路由表来消除僵滞现象.和其它基于Swarm Intelligence的路由算法相比,主要有以下优点:A)不存在僵滞现象,因而适用于多路径的探测;B)对距离的度量综合考虑了跳数和带宽,比别的算法更全面;C)蚂蚁在往返途中都能对统计信息和路由表进行更新,大大提高了蚂蚁的利用率;D)所有蚂蚁都可以使用专门的队列,以高优先级发送,因而信息更及时、准确和可靠;E)在选路过程中综合考虑了"最短"、"最宽"和"最少干涉"三种因素,很好地体现了流量工程的思想.2)提出了基于入场卷的启发式多路QoS探测算法THMQRA(Ticket based Heuristic Multipath QoS Routing Algorithm),并对其性能进行了分析.该算法中通过控制入场卷的复制、分发避免了蚂蚁泛滥成灾的局面.同时还提出了若干启发式来引导蚂蚁的探测过程,使蚂蚁所探测的路径能够满足QoS约束.该算法可用于寻求具有NPC复杂度的QoS路由问题的近似解.3)提出了基于遗传算法的路径库优化算法GROA(Genetic Route Optimisation Algorithm).其中重点研究了路径的交叉操作、变异操作和路径库中路径的更新方式.将遗传算法这种启发式和上面探测过程中的启发式结合使用,就能以更快的速度找到具有NPC复杂度的QoS路由问题的近似解.4)提出了多路径弹性调度模型.一方面,该模型为每种业务提供多条路径传输,路径的数目随着业务的增减而弹性浮动.另一方面,该模型还通过适当的调度使业务之间的干涉尽可能小.所以它比现有的固定式路由调度模型具有更好的适应性.也更好地实现了流量工程的思想.