求解QoS组播路由的自适应变异二次蚁群算法

doi:10.3778/j.issn.1002-8331.2010.13.029

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (13): 98-100.DOI: 10.3778/j.issn.1002-8331.2010.13.029

求解QoS组播路由的自适应变异二次蚁群算法

古明家，宣士斌，廉侃超，李永胜

广西民族大学数学与计算机科学学院，南宁 530006

收稿日期:2008-10-28 修回日期:2009-02-10 出版日期:2010-05-01 发布日期:2010-05-01
通讯作者: 古明家

Adaptive mutated twice ant colony system algorithm for QoS multicast routing

GU Ming-jia，XUAN Shi-bin，LIAN Kan-chao，LI Yong-sheng

College of Mathematics and Computer Science，Guangxi University for Nationalities，Nanning 530006，China

Received:2008-10-28 Revised:2009-02-10 Online:2010-05-01 Published:2010-05-01
Contact: GU Ming-jia

摘要/Abstract

摘要： 多约束QoS组播路由问题是一个NP-完全问题，针对基本蚁群算法在解决多约束QoS组播路由问题时易陷入局部最优解、收敛速度慢的突出缺点。提出了一种基于自适应变异的二次蚁群算法对该问题进行求解，该算法采取自适应变异方法，借助节点使用计数器，引入二次蚁群搜索机制，减少了算法陷入局部极值的可能性，提高了算法的寻优能力和收敛速度。仿真实验结果验证了该算法的可行性和有效性。

关键词: 多约束, 组播路由, 自适应变异, 蚁群算法

Abstract: The multiple QoS constrained multicast routing problem is a NP-complete problem.Ant colony algorithm is easy to fall in local best，and its convergent speed is slow in solving multiple QoS constrained multicast routing problems.On the basis of analysis of basic ant colony algorithm，an adaptive mutated twice ant colony system algorithm is proposed to solve multiple QoS constrained multicast routing problem.The algorithm adopts adaptive mutated manner，the node counts unit，and twice ant colony algorithm search mechanism.It reduces the possibility to fall in local best，and thus the algorithm improves search ability and convergence speed of traditional ant colony algorithm.The feasibility and effectiveness of the algorithm are validated by series of simulated results.

Key words: multiple constrained, multicast routing, adaptive mutated, ant algorithm

中图分类号:

TP301.6

古明家，宣士斌，廉侃超，李永胜. 求解QoS组播路由的自适应变异二次蚁群算法[J]. 计算机工程与应用, 2010, 46(13): 98-100.

GU Ming-jia，XUAN Shi-bin，LIAN Kan-chao，LI Yong-sheng. Adaptive mutated twice ant colony system algorithm for QoS multicast routing[J]. Computer Engineering and Applications, 2010, 46(13): 98-100.

[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.
[7]	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.
[8]	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.
[9]	李二超，齐款款. 改进双向蚁群算法的移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(18): 281-288.
[10]	何雅颖，范昕炜. 改进蚁群算法在机器人路径规划中的应用[J]. 计算机工程与应用, 2021, 57(16): 276-282.
[11]	付朝晖，刘长石. 多物流中心共同配送的车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(16): 291-298.
[12]	张苏英，郭宝樑，陈灵芝，刘慧贤. 双向蚁群算法的智能消防疏散图路径规划[J]. 计算机工程与应用, 2021, 57(14): 259-266.
[13]	付朝晖，刘长石. 生鲜电商配送的开放式时变车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(1): 271-278.
[14]	张松灿，普杰信，司彦娜，孙力帆. 蚁群算法在移动机器人路径规划中的应用综述[J]. 计算机工程与应用, 2020, 56(8): 10-19.
[15]	胡春阳，姜平，周根荣. 改进蚁群算法在AGV路径规划中的应用[J]. 计算机工程与应用, 2020, 56(8): 270-278.

求解QoS组播路由的自适应变异二次蚁群算法

Adaptive mutated twice ant colony system algorithm for QoS multicast routing

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