基于蚂蚁算法的QoS分布式多播路由选择

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (7): 149-151.

基于蚂蚁算法的QoS分布式多播路由选择

郭琼李秀斌王蔚

中科院研究生院（本部）广东工业大学自动化学院

收稿日期:2006-04-04 修回日期:1900-01-01 出版日期:2007-03-01 发布日期:2007-03-01
通讯作者: 郭琼

A multiple constrained QoS routing based on ant algorithm

Received:2006-04-04 Revised:1900-01-01 Online:2007-03-01 Published:2007-03-01

摘要/Abstract

摘要： 采用启发式算法中蚂蚁算法解决包含带宽、时延和最小代价约束条件在内的分布式多播路由问题，本文基于蚂蚁具有找到蚁巢与食物之间的最短路径原理，并在分析QoS分布式多播路由的基础上，提出了一种基于蚁群算法的QoS分布式多播路由算法，仿真实验表明了该算法是合理的和有效的。

关键词: 蚁群算法, 多播路由, QoS约束

Abstract: Using heuristic ant algorithms to study the bandwidth,delay,least-cost multicast routing problem,this paper mainly presents a QoS multicast routing algorithm based on the ant colony ability of finding the shortest path between their nest and the food source in the process of looking for food,and on analyzing multicast routing with multiple QoS constrains.Simulation results show that the algorithm is valid and effective.

Key words: ant colony algorithm, multicast routing, QoS constraints

郭琼李秀斌王蔚. 基于蚂蚁算法的QoS分布式多播路由选择[J]. 计算机工程与应用, 2007, 43(7): 149-151.

[1]	赵江, 孟晨阳, 王晓博, 郝崇清, 李冉, 刘慧贤, 王昭雷. 特征点提取下的AGV栅格法建模与分析[J]. 计算机工程与应用, 2022, 58(8): 156-167.
[2]	安家乐, 刘晓楠, 何明, 宋慧超. 量子群智能优化算法综述[J]. 计算机工程与应用, 2022, 58(7): 31-42.
[3]	刘双双, 黄宜庆. 多策略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, 2022, 58(6): 278-286.
[4]	杨周, 刘海滨. 基于改进蚁群与动态窗口法的AGV动态路径规划[J]. 计算机工程与应用, 2022, 58(6): 287-295.
[5]	陈淑平, 周慧霖, 何王全, 漆锋滨. 用于超大Infiniband网络的负载均衡多播路由[J]. 计算机工程与应用, 2022, 58(5): 138-147.
[6]	唐旭晖, 辛绍杰. 改进蚁群算法的移动机器人路径规划[J]. 计算机工程与应用, 2022, 58(5): 287-295.
[7]	叶志坚, 王建忠, 张召悦, 杨群亭, 牟龙芳. 图切割快速生成扇区的蚁群算法[J]. 计算机工程与应用, 2022, 58(3): 297-307.
[8]	陈颖杰, 高茂庭. 基于信息素初始分配和动态更新的蚁群算法[J]. 计算机工程与应用, 2022, 58(2): 95-101.
[9]	张天瑞, 吴宝库, 周福强. 面向机器人全局路径规划的改进蚁群算法研究[J]. 计算机工程与应用, 2022, 58(1): 282-291.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	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.