学位论文 > 优秀研究生学位论文题录展示

基于ACO的自组网QoS组播路由算法研究

作　者: 张艳辉
导　师: 原萍
学　校: 东北大学
专　业: 通信与信息系统
关键词: 蚁群算法 QoS 组播 自组网
分类号: TN929.5
类　型: 硕士论文
年　份: 2009年
下　载: 11次
引　用: 0次
阅　读: 论文下载
 

内容摘要


随着无线通信技术的发展和便携设备的不断普及,作为一种多跳、无中心、自组织的Ad Hoc网络越来越受到关注,成为研究的热点网络之一。由于Ad Hoc网络中信息的分布性、动态性、随机性和异步性与蚂蚁算法非常相似,从而启发人们将蚂蚁算法应用于解决Ad Hoc网络路由问题。为此,本文研究了蚁群算法及其在Ad Hoc网络多QoS约束的组播路由选路中的应用。首先,研究了将蚁群算法应用于解决Ad Hoc网络QOS组播路由问题的优点和不足。随后利用蚁群算法解决Ad Hoc网络QoS组播路由问题,提出包括延时、带宽、延时抖动、成本等多约束的基于蚁群算法的Ad Hoc网络组播路由算法(简称QMCOP-ACO)。该算法将源节点和目的节点分别对应为“蚁穴”和“食物”,寻路信息视为“蚂蚁”,在经过的路径上留下的“信息素值”用路由表来记录。路由表又称为信息素表,蚂蚁通过信息素表来选择下一步所要走的路径,经过信息素反馈和多次迭代,最终找到满足多个QoS约束条件且代价最小的路由。由于Ad Hoc网络频繁的拓扑变化,算法设计的关键是要提高收敛速度以适应Ad Hoc网络动态的网络环境。本算法针对蚁群算法的收敛速度问题,加入自适应策略改进更新速度,使用奖罚并用的信息素激励机制,并利用历史信息素惩罚,来加快算法的收敛。仿真表明,这种算法具有较快的收敛速度和适应Ad Hoc网络拓扑动态变化的能力,证明了该算法的正确性和有效性。另外,当Ad Hoc网络规模变大时,蚁群寻路初期由于信息素分布量太小会造成蚂蚁寻找可行路径时随机性太强,收敛速度慢的问题。故而,利用Ad Hoc网络节点具有自动获取定位信息的能力,来指导蚂蚁的寻路过程,又提出一种基于可视蚂蚁的Ad Hoc网络QoS组播路由算法,该算法解决了蚁群算法寻路初期的大量盲目搜索的问题。可视蚂蚁利用GPS提供的临近节点的位置信息,计算下一步路径的偏向角,进而得到路径趋向值,使用确定性选路公式,在路径趋向度值的引导作用下,迅速找到可行路径。仿真实验证明该算法改进了基本蚁群算法应用于大规模网络中的收敛速度慢问题。

全文目录


摘要  5-6
英文摘要  6-11
第1章 绪论  11-17
  1.1 课题背景  11
  1.2 Ad Hoc网络概述  11-14
    1.2.1 Ad Hoc网络基本概念  11-12
    1.2.2 Ad Hoc网络特点与应用  12-14
  1.3 蚁群算法简介  14-15
  1.4 本文研究的内容与意义  15-16
  1.5 本文的组织结构  16-17
第2章 Ad Hoc网络QoS组播路由算法  17-27
  2.1 Ad Hoc网络路由  17-18
  2.2 组播在Ad Hoc网络中应用的优点  18-19
  2.3 典型的Ad Hoc网络组播路由算法  19-21
  2.4 Ad Hoc网络QoS组播算法设计存在问题  21-25
    2.4.1 QoS路由  21-23
    2.4.2 算法设计需要考虑的问题  23-25
  2.5 本章小结  25-27
第3章 蚁群算法研究  27-37
  3.1 群体智能优化算法  27-30
    3.1.1 蚁群算法  27-28
    3.1.2 微粒群算法  28
    3.1.3 人工鱼群算法  28-29
    3.1.4 混合蛙跳算法  29-30
  3.2 蚁群算法基本原理  30-31
  3.3 基本蚁群算法模型  31-32
  3.4 蚁群算法在Ad Hoc网络中的应用  32-35
    3.4.1 蚁群算法适用于Ad Hoc网络的优势  32-33
    3.4.2 蚁群算法缺陷  33-34
    3.4.3 蚁群算法应用于Ad Hoc网络  34-35
  3.5 本章小结  35-37
第4章 QMCOP-ACO组播路由算法  37-63
  4.1 QoS组播路由模型  37-41
    4.1.1 设计思路  37-38
    4.1.2 多约束QoS组播路由模型  38-41
  4.2 QMCOP-ACO算法  41-50
    4.2.1 QMCOP-ACO算法设计  41-47
    4.2.2 QMCOP-ACO算法步骤  47-50
  4.3 算法性能的理论分析  50-52
    4.3.1 算法分析  50
    4.3.2 收敛性分析  50
    4.3.3 复杂性分析  50-51
    4.3.4 重要参数设置规则  51-52
  4.4 仿真实验  52-54
  4.5 QMCOP-ACO的仿真分析  54-62
    4.5.1 收敛性能分析  54-58
    4.5.2 适应拓扑动态变化分析  58-60
    4.5.3 组播组大小对网络性能的影响  60-62
  4.6 本章小结  62-63
第5章 基于可视蚂蚁的QoS组播路由算法  63-77
  5.1 背景描述  63-65
    5.1.1 Ad Hoc中节点定位问题  64-65
    5.1.2 可视蚂蚁  65
    5.1.3 组播树的生成  65
  5.2 算法设计基本思路  65-69
    5.2.1 可视蚂蚁行为规则  65-67
    5.2.2 组播树生成过程  67-69
  5.3 算法实现  69-73
    5.3.1 算法步骤  69-72
    5.3.2 算法流程图  72-73
  5.4 仿真结果及分析  73-75
    5.4.1 算法收敛速度  73-74
    5.4.2 算法成功率  74-75
  5.5 本章小结  75-77
第6章 结论  77-79
  6.1 论文工作  77
  6.2 下一步的研究方向  77-79
参考文献  79-83
致谢  83-85
攻读学位期间发表论著  85

相似论文

  1. 多导弹协同作战突防效能评估及组合优化算法研究,TJ760.1
  2. 基于蚁群算法的电梯群优化控制研究,TU857
  3. 动态环境下移动对象导航系统相关技术的研究,TP301.6
  4. 基于改进蚁群算法的机器人路径规划研究,TP242
  5. 改进的蚁群算法及其在TSP上的应用研究,TP301.6
  6. 基于免疫机制蚁群算法的电力系统无功优化研究,TP18
  7. 基于视觉反馈与行为记忆的GPU并行蚁群算法,TP301.6
  8. 基于Web日志的用户挖掘研究与实现,TP311.13
  9. 基于改进蚁群算法的移动机器人路径规划问题研究,TP242
  10. 基于Click的模块化软件路由器的包调度算法研究,TP393.05
  11. 基于协同理论的零售商贸物流发展模式研究,F721
  12. 基于GA的Ad Hoc网络多播QoS路由算法研究,TN929.5
  13. 蚁群算法与A*算法在Ad-Hoc网络中的应用研究,TN929.5
  14. 融合蚁群算法和遗传算法的陆航飞行保障管理信息系统,TP311.52
  15. 基于改进蚁群算法的物流配送路径研究,TP301.6
  16. 基于IP组播端可靠传输系统的设计与实现,TP393.09
  17. 基于物理拓扑感知的Chord算法研究,TP393.02
  18. 电渣炉过程控制系统的设计及优化控制,TP273
  19. 基于蚁群优化的Ad Hoc网络能量感知路由算法,TN929.5
  20. 蚁群算法在QoS网络路由优化中的应用,TP393.09

中图分类: > 工业技术 > 无线电电子学、电信技术 > 无线通信 > 移动通信
© 2012 www.xueweilunwen.com