基于遗传蚁群算法的QoS路由算法研究

doi:10.3778/j.issn.1002-8331.2009.17.034

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (17): 113-115.DOI: 10.3778/j.issn.1002-8331.2009.17.034

基于遗传蚁群算法的QoS路由算法研究

尹向东^1,2

1.湖南科技学院计算机与信息科学系，湖南永州 425006
2.中南大学信息科学与工程学院，长沙 410083

收稿日期:2008-04-11 修回日期:2008-07-07 出版日期:2009-06-11 发布日期:2009-06-11
通讯作者: 尹向东

Study on QoS routing algorithm based on genetic algorithm ant colony algorithm

YI Xiang-dong^1,2

1.Dept. of Computer Science，Hunan University of Science and Engineering，Yongzhou，Hunan 425006，China
2.College of Information Science and Engineering，Central South University，Changsha 410083，China

Received:2008-04-11 Revised:2008-07-07 Online:2009-06-11 Published:2009-06-11
Contact: YI Xiang-dong

摘要/Abstract

摘要： 利用遗传算法的快速全局搜索能力和蚁群算法的正反馈收敛机制，引入遗传蚁群算法（Genetic Algorithm Ant Colony algorithm）GAAC来解决QoS路由问题。算法设计的基本思想是首先由遗传算法产生较优解，较优的路径留下信息素，其他路径不改变，然后在有一定初始信息素分布的情况下，用蚁群算法求精解。仿真表明算法比单一采用遗传算法和蚁群算法进行路由选择具有更好的性能，且更适合于动态网络环境下的QoS路由选择。

关键词: 蚁群算法, 遗传算法, 服务质量（QoS）, 遗传蚁群算法

Abstract: This article puts forward a new hybrid algorithm GAAC for sloving QoS routing problem.Firstly，it adopts genetic algorithm to give information pheromonee to distribute.Secondly，it maks use of the ant colony algorithm to give the precision of the solution.The algorithm develops enough advantage of the two algorithms.Simulation results show the algorithm has a better performance than the ongly genetic algorithm and ant colony algorithm，especially using in the the QoS routing choose of dynamic networks.

Key words: ant colony algorithm, genetic algorithm, quality of service（QoS）, genetic algorithm ant colony algorithm

尹向东^1,2

. 基于遗传蚁群算法的QoS路由算法研究[J]. 计算机工程与应用, 2009, 45(17): 113-115.

YI Xiang-dong^1,2. Study on QoS routing algorithm based on genetic algorithm ant colony algorithm[J]. Computer Engineering and Applications, 2009, 45(17): 113-115.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[3]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[4]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[5]	马向华，张谦. 改进蚁群算法在机器人路径规划上的研究[J]. 计算机工程与应用, 2021, 57(5): 210-215.
[6]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[7]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[8]	李壮阔，常凯旋. 合作博弈的连续蚁群算法求解[J]. 计算机工程与应用, 2021, 57(24): 198-204.
[9]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[10]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[11]	王晓光，杨培蓓. 航运物流企业数字化转型设计与效果分析[J]. 计算机工程与应用, 2021, 57(21): 241-247.
[12]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[13]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[14]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[15]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.

基于遗传蚁群算法的QoS路由算法研究

Study on QoS routing algorithm based on genetic algorithm ant colony algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics