基于协同进化蚁群算法的多播QoS路由算法

doi:10.3778/j.issn.1002-8331.2008.24.041

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (24): 139-142.DOI: 10.3778/j.issn.1002-8331.2008.24.041

基于协同进化蚁群算法的多播QoS路由算法

李昌兵^1,2,胡华²,吴建¹,曹长修²

1.重庆邮电大学电子商务与现代物流重点实验室，重庆 400065
2.重庆大学自动化学院，重庆 400044

收稿日期:2007-11-16 修回日期:2008-01-07 出版日期:2008-08-21 发布日期:2008-08-21
通讯作者: 李昌兵

Multicast QoS routing algorithm based on cooperative evolution ant colony optimization

LI Chang-bing^1,2,HU Hua²,WU Jian¹,CAO Chang-xiu²

1.Electronic Commerce and Modern Logistics Key Laboratory，Chongqing University of Post and Telecommunication，Chongqing 400065，China
2.Automation Academy，Chongqing University，Chongqing 400044，China

Received:2007-11-16 Revised:2008-01-07 Online:2008-08-21 Published:2008-08-21
Contact: LI Chang-bing

摘要/Abstract

摘要： 提出一种基于协同进化蚁群算法的求解QoS（Quality of Service）多播路由问题的新算法。算法中控制参数及路由选择策略根据迭代过程所处的不同阶段自适应调整。综合考虑QoS路由中所有约束条件的同时，也充分考虑各个约束自身的独立特性。仿真结果证明了算法收敛速度快，能满足实际网络服务质量的要求。

关键词: 多播, 路由算法, 协同进化, 蚁群算法

Abstract: A new QoS（Quality of Service） multicast routing problem based on cooperative evolution ant colony algorithm is presented．The route selection strategy and the control parameters of the ant colony are adjusted adaptively in different iteration steps．It makes comprehensive consideration of all the constraints of QoS routing problem，and takes into account the individual characteristics of each constraint．Simulation results show that this algorithm has higher convergence speed，it can meet the service quality requirement in real network.

Key words: multicast, routing algorithm, cooperative evolution, ant colony algorithm

李昌兵^1,2,胡华²,吴建¹,曹长修². 基于协同进化蚁群算法的多播QoS路由算法[J]. 计算机工程与应用, 2008, 44(24): 139-142.

LI Chang-bing^1,2,HU Hua²,WU Jian¹,CAO Chang-xiu². Multicast QoS routing algorithm based on cooperative evolution ant colony optimization[J]. Computer Engineering and Applications, 2008, 44(24): 139-142.

[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.

基于协同进化蚁群算法的多播QoS路由算法

Multicast QoS routing algorithm based on cooperative evolution ant colony optimization

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