一种新型自适应路由算法

doi:10.3778/j.issn.1002-8331.2009.17.024

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (17): 80-81.DOI: 10.3778/j.issn.1002-8331.2009.17.024

一种新型自适应路由算法

周剑玲¹,郭玉成¹,郭状先²

1.华北科技学院电子信息工程系，北京 101601
2.临沂师范学院计算机科学系，山东临沂 276005

收稿日期:2009-01-06 修回日期:2009-03-23 出版日期:2009-06-11 发布日期:2009-06-11
通讯作者: 周剑玲

New self-adaptive routing algorithm

ZHOU Jian-ling¹,GUO Yu-cheng¹,GUO Zhuang-xian²

1.Dept. of Electronic and Information，North China Institute Science and Technology，Beijing 101601，China
2.Dept. of Computer Science，Linyi Normal University，Linyi，Shandong 276005，China

Received:2009-01-06 Revised:2009-03-23 Online:2009-06-11 Published:2009-06-11
Contact: ZHOU Jian-ling

摘要/Abstract

摘要： 自适应路由算法能够根据网络状态选择路径，可以最大限度地提高网络的性能。构造了一种新型的路由表，设计了基于粒子群优化的自适应网络路由算法（PSORA）。在局域网环境下，对PSORA和基于跳计数准则的RIP的模拟试验表明，在相同的网络负载下PSORA的路由表构造时间略大于RIP，但当网络拓扑变化时，PSORA的收敛速度明显优于RIP。提出的自适应的路由算法能够根据网络变化快速收敛，具有较好的应用价值。

关键词: 粒子群优化, 自适应路由算法, 路由表, 群集智能, 算法收敛性

Abstract: Adaptive routing algorithm can select optimal route to improve network performance up to the hilt.A new routing table is given，adaptive routing algorithm based on particle swarm optimization（PSORA） is designed and realized.Simulation tests of PSORA and RIP in WAN show that PSORA take little more time than RIP in constructing router table，but it has good convergence rate when changing net topology in the same network load.The algorithm given in this paper has advantages of good convergence，and applying prospect.

Key words: particle swarm optimization, adaptive routing algorithm, routing table, swarm intelligence, algorithm convergence

周剑玲¹,郭玉成¹,郭状先². 一种新型自适应路由算法[J]. 计算机工程与应用, 2009, 45(17): 80-81.

ZHOU Jian-ling¹,GUO Yu-cheng¹,GUO Zhuang-xian². New self-adaptive routing algorithm[J]. Computer Engineering and Applications, 2009, 45(17): 80-81.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[3]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[4]	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.
[5]	李雷孝，邓丹，李杰，王永生. 基于粒子群优化的全比较计算数据分发策略[J]. 计算机工程与应用, 2021, 57(15): 109-117.
[6]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.
[7]	陈秋菊，徐建国. 优化正交匹配追踪和短时谱估计用于声音识别[J]. 计算机工程与应用, 2020, 56(7): 162-169.
[8]	刘家华，陈靖宇. 多核并行脉冲神经网络模拟器的设计[J]. 计算机工程与应用, 2020, 56(22): 244-250.
[9]	张水平，李殷俊，高栋，梁文. 带有动态爆炸半径的增强型烟花算法[J]. 计算机工程与应用, 2020, 56(18): 50-57.
[10]	黄建琼，郭文龙. 混合粒子群和改进细菌觅食的不平衡数据分类[J]. 计算机工程与应用, 2020, 56(10): 171-178.
[11]	张鑫1，邹德旋1，肖鹏1，喻秋2. 自适应简化粒子群优化算法及其应用[J]. 计算机工程与应用, 2019, 55(8): 250-263.
[12]	郑朝鑫1，2，董晨1，3，贺国荣1，3，陈荣忠1，3，熊子奇1，3. 基于改进粒子群算法的动态3D实时建模技术[J]. 计算机工程与应用, 2019, 55(5): 65-71.
[13]	马炫，刘栋，胡家鑫. 求解必经点k条最优路径问题的粒子群优化算法[J]. 计算机工程与应用, 2019, 55(20): 89-94.
[14]	汤深伟，贾瑞玉. 基于改进粒子群算法的[k]均值聚类算法[J]. 计算机工程与应用, 2019, 55(18): 140-145.
[15]	王燕燕1，王宏伟1，2. 基于粒子群的后件多项式RBF神经网络算法[J]. 计算机工程与应用, 2019, 55(12): 72-76.

一种新型自适应路由算法

New self-adaptive routing 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