基于蚁群优化算法的分布式约束Qos路由算法研究

摘要

本文提出了一种动态自适应最大最小蚁群算法。改进后的算法以最大最小蚁群算法为基础，同时对算法中的信息素挥发系数、期望启发因子、信息素启发因子这三种参数进行动态地自适应调整，通过这样的蚁群优化策略来提高蚁群算法的寻优能力。同时，引入多约束Qos路由模型，应用动态自适应最大最小蚁群算法对多约束Qos路由模型进行求解，在满足多Qos约束的条件下，能够快速地找到通信开销最小的链路。
　　通过大量的仿真实验并对实验结果进行分析，可以看出本文提出的算法在满足多约束Qos的条件下具有更快的收敛速度和寻优能力，能够更有效地求解多约束Qos路由问题。

目录

声明

摘要

第一章 绪论

1．1 研究的目的与意义

1．2 研究现状分析

1．3 论文主要工作和组织结构

第二章 Qos路由理论基础

2．1 Qos概述

2．1．1 Qos定义

2．1．2 Qos服务模型

2．1．3 Qos度量参数的选择与分类

2．2 Qos路由的分类

2．2．1 基于路由规模的分类

2．2．2 基于路由策略的分类

2．3 Qos路由研究存在的问题

2．4 本章小结

第三章 蚁群算法

3．1 蚁群算法基本原理的介绍

3．2 蚁群算法的模型

3．3 蚁群算法参数的研究

3．3．1 信息素的浓度Q和蚂蚁数量n

3．3．2 信息素启发因子α和期望启发因子β

3．3．3 信息素挥发系数ρ

3．3．4 参数最优组合方法

3．4 蚁群算法的优缺点

3．4．1 蚁群算法的优点

3．4．2 蚁群算法的缺点

3．5 本章小结

第四章 动态自适应最大最小蚁群优化算法

4．1 本文的改进策略

4．1．1 基于参数自适应调整的改进

4．1．2 基于最大最小蚁群算法的改进

4．2 本文改进策略可行性分析

4．2．1 自适应调整信息素挥发系数ρ的可行性分析

4．2．2 自适应调整信息素启发因子α和期望启发因子β的可行性分析

4．3 动态自适应最大最小蚁群优化算法的实现步骤

4．4 算法仿真以及性能分析

4．4．1 实验环境及参数配置

4．4．2 实验结果及分析

4．5 本章小结

第五章 基于改进蚁群算法的分布式多约束Qos路由研究

5．1 多约束Qos路由数学模型

5．2 多约束Qos路由与蚁群算法的融合

5．3 算法的描述

5．4 仿真实验以及实验结果分析

5．5 本章小结

第六章 论文的总结与展望

致谢

参考文献