智能IP QOS路由算法的研究.pdf

1、當前，隨著網(wǎng)絡技術的發(fā)展，電信網(wǎng)、有線電視網(wǎng)和計算機互聯(lián)網(wǎng)等各種網(wǎng)絡正趨向于相互滲透和相互融合，“三網(wǎng)合一”已成為國際化的大趨勢。IP網(wǎng)絡，作為“三網(wǎng)合一”的統(tǒng)一網(wǎng)絡平臺，不僅要提供“盡力而為”的數(shù)據(jù)應用，還必須能提供具有服務質量(QualityofService，QoS)保證的實時業(yè)務。因此，如何保證IP網(wǎng)絡中的QoS逐漸成為人們關注的焦點。而研究QoS路由算法對IP網(wǎng)絡提供QoS保證具有重要的意義。　　QoS路由算法的難點主要表現(xiàn)

2、在：QoS路由算法通常受到多個QoS度量的約束，而多個QoS度量約束的QoS路由問題是NP完全問題；將來的網(wǎng)絡需要同時提供QoS和“盡力而為”業(yè)務，這使得問題變得更復雜；每個節(jié)點獲得的狀態(tài)信息總是具有一定的不準確性，這些不準確性在一定程度上影響了QoS路由算法的有效性。　　近年來，基于神經網(wǎng)絡，遺傳算法，粒子群優(yōu)化和蟻群優(yōu)化等算法的智能技術已成為人工智能，專家系統(tǒng)等領域的主要技術。由于它們在處理大規(guī)模非確定參數(shù)的復雜系統(tǒng)等方面表現(xiàn)出巨

3、大的潛力，因而引起了國內外學者的廣泛的關注。而將這些算法適當?shù)亟Y合起來，將使它們變得更有效和實用。 本文針對QoS路由的難點，結合智能技術的方法對QoS路由問題進行了研究，神經網(wǎng)絡與遺傳算法相結合算法；該算法借鑒了神經網(wǎng)絡中BP網(wǎng)絡的學習算法。在遺傳算法的每一次迭代結束后，進行BP算法處理，將每一代中最好個體和其他各個個體進行比較，以此來指導BP算法。在遺傳算法加入BP神經網(wǎng)絡算法加速了收斂速度，能有效地跳出局部最優(yōu)解，避免早熟

4、現(xiàn)象，提出的算法能更快找到可行路由。由于采用了易于擴展的數(shù)學模型，該算法具有很好的擴展性，能擴展到多個QoS度量約束的單播和組播路由問題。　　混沌優(yōu)化與遺傳算法相結合算法；該算法利用混沌變量的遍歷性、隨機性、規(guī)律性等特點進行優(yōu)化搜索，將混沌優(yōu)化與遺傳算法相結合。從而加速了收斂速度，能有效地跳出局部最優(yōu)解，避免早熟現(xiàn)象。算法中，節(jié)點序列的編碼機制簡化了交叉和變異的操作；自適應的變異操作既保持了群體的多樣性，又能避免過多的變異導致的局部收

5、斂和早熟；算法能擴展到多個QoS約束的情況。與基于神經網(wǎng)絡遺傳算法的QoS路由算法相比，本算法得到的解質量優(yōu)于前者，算法適用于對QoS度量要求嚴格的情況下?！　×Ｗ尤簝?yōu)化算法；在分析粒子群優(yōu)化算法原理的基礎上，本文首次將粒子群優(yōu)化算法應用于求解QoS路由問題。算法有如下特點，引入插入算子，刪除算子，算子系列和基本算子序列等概念，并在此基礎上對基本的粒子群優(yōu)化算法進行改進；分析基本粒子群易于陷入停滯的現(xiàn)象，采用階段變異的機制，使算法跳出

6、局部最優(yōu)解的限制；提出用源節(jié)點到各目標節(jié)點的節(jié)點系列進行組播路由編碼的方案，并構造了由網(wǎng)絡節(jié)點排列組合構成的離散多維搜索空間。算法在求解QoS組播路由問題上的應用是可行的，在大規(guī)模網(wǎng)絡中，尋優(yōu)速度上優(yōu)于基于遺傳算法的其他算法；階段變異操作的引入，增加了解的多樣化，使算法能跳出停滯階段并加速算法的收斂。該算法適合于收斂速度要求較高而對收斂精度要求不是很高的情況?！　≈悄苈酚上伻簝?yōu)化算法；對網(wǎng)絡狀態(tài)動態(tài)變化的問題，提出了一種基于蟻群網(wǎng)絡(