导读:本文包含了单播路由算法论文开题报告文献综述及选题提纲参考文献，主要关键词:QoS,量子粒子群,布谷鸟算法,组播路由
单播路由算法论文文献综述
符保龙[1]（2019）在《基于量子粒子群优化CS算法的QoS组播路由模型》一文中研究指出针对布谷鸟算法在解决QoS组播路由问题收敛速度慢,特别是接近最优解时,算法搜索效率低的问题,引入量子粒子群算法用于布谷鸟算法的位置寻优过程。仿真实验结果表明,经过改进的布谷鸟算法具有良好的运行速度和收敛性,能有效解决QoS组播路由问题,对于求解QoS多目标路由组播问题具有较好的效果。(本文来源于《柳州职业技术学院学报》期刊2019年05期）
刘庆,王洋,李星,李红叶[2]（2019）在《基因池操作遗传算法的应用层组播路由优化》一文中研究指出在应用层组播系统中,负责数据转发的终端节点不具备线速转发能力,较重的转发负载会引起拥塞。以拥塞节点为根的整个子路由树将与源节点失联。为解决由拥塞导致应用层组播稳定性差的问题,将构造最优组播树的过程抽象为有度约束的最小代价Steiner树问题。提出了一种用于构造节点转发能力受限应用层组播树的遗传算法,算法以组播树上各节点的直接前驱对其进行遗传表达,便于节点出度的统计。为使遗传操作适用于直接前驱编码,引入了"基因池"的概念并以此为基础实现了交叉与变异。针对度约束导致产生非可行解的问题,提出将组播树对度约束的超出量作为一个新的优化目标,从而以多目标优化的方式得到Pareto前沿,并从Pareto前沿上截取满足度约束的解作为最终输出,避免了使用惩罚函数法的求得非可行解的风险。仿真实验表明,提出的遗传算法能够构造节点转发能力受限的应用层组播路由树,具有良好的求解可靠性。(本文来源于《计算机工程与应用》期刊2019年21期）
周志平[3]（2019）在《基于改进离散萤火虫算法的QoS组播路由优化》一文中研究指出近几年网络高速发展,5G时代显然已来临,在5G的时代下,人工智能、物联网、大数据等将得到广泛的应用,为了保证关键业务正常运行,网络传输能力显得尤为重要。组播通信广泛存在于这些应用中,因此研究满足时延、丢包率、带宽等QoS约束的组播路由优化问题很有意义。本文通过对QoS组播通信的特征的分析,以及当前组播路由优化问题的研究,阐述了新的见解。由于对萤火虫算法的研究尚还处于初期,尤其在解决离散目标优问题的不足,本文首先针对TSP问题,提出了一种ODFA算法,之后将问题扩大到带约束的组播路由问题,提出一种BRDFA算法,通过实验证明本文所提出的两种算法是有效的。本文的主要研究内容和相关工作可以概括如下:1.基本的萤火虫算法只是适用于连续问题的优化,而组播路由优化问题属于NP-Complete问题,是一种离散目标优化问题,基本的萤火虫算法不在适用于解决此类问题。TSP被证明具有NP-C计算复杂性,被当做离散目标优化问题的基准,因此本文首先从解决TSP问题入手,提出了一种基于OX操作的离散萤火虫算法(ODFA)解决TSP问题。通过利用局部搜索程序C2-Opt和3-Opt来实现寻优和多样化之间的平衡,以提高搜索性能并加速收敛。此外,还引入动态变异因子,防止陷入局部最优。使用TSPLIB库中的实例进行实验,通过验证分析,证明了 ODFA算法可行有效,为后面研究QoS组播路由问题提供了依据。2.在解决TSP问题的基础下,本文提出一种基于BR策略的离散萤火虫算法(BRDFA)来解决QoS组播路由问题。针对QoS组播路由问题中树编码解码难复杂的问题,BRDFA算法提出一种前驱节点的萤火虫编码方式;同时对当前采用惩罚函数和树修复策略来处理约束条件,效率低且产生不可行解的问题,本文使用BR策略来保证搜索到的组播树都是满足QoS约束,加快了寻优的收敛。此外,为了防止陷入局部最优,增加种群多样性,引入了萤火虫扰动机制。通过仿真实验验证,证明了 BRDFA具有很好的可行性和适应性,提供了一种新的思路用于解决QoS组播路由优化问题。(本文来源于《杭州电子科技大学》期刊2019-03-01）
高江军[4]（2019）在《基于RPL组播路由算法的研究》一文中研究指出随着物联网产业的飞速发展,物联网技术也面临着重重的挑战,相比较传统网络,物联网受到很多特殊问题的制约,比如节点能量消耗过快、节点多分布不均、节点易受环境影响等问题,这些问题促使物联网需要一种特有的路由协议。因此,针对LLN(Low-power and Lossy Networks)网络的RPL(IPv6 Routing Protocol for LLN)路由协议应运而生,解决了LLN网络中没有一种相对统一的路由协议问题,但在实际应用中,RPL路由协议依然存在很多问题,还需要进一步的完善。本文主要从RPL组播路由算法方面开展研究,一方面通过优化组播分组发送方式来实现网络能耗的均衡;另一方面,当网络规模很大时,通过分簇的方式解决节点存储空间紧张和能量消耗过快的问题。为了解决这些问题,本文进行了以下研究:1.分析RPL路由协议DODAG(Destination Oriented Directed Acyclic Graph)的构建过程以及DODAG组播路由算法,发现可以在DAO消息中增加参数来改进RPL路由协议,解决现有DODAG组播算法存在的数据冗余发送和能耗不均衡问题。为此,本文提出了改进后的OFN-DODAG(DODAG-based Optimal Forwarding Node set multicast routing algorithm)算法,该算法在DAO消息选项中增加了地址集和能量剩余等参数,根据地址集和能量剩余参数计算出最优转发节点集。分组投递时,节点可以选择最优转发节点来完成组播分组的传递。最后,通过仿真平台将改进后的算法与DODAG组播算法进行比较,得出优化后的算法在减少参与转发节点数和实现能耗均衡上有一定的优势。2.分析大规模无线传感网的网络传输情况,发现随着网络规模的扩大,节点的存储和转发量会不断增大,会造成节点能量过快的消耗。为了解决这些问题,本文对现有的多种分层分簇的路由算法进行分析比较,得出分层分簇算法可以减轻节点存储和转发负担。随后提出一种基于RPL的分簇组播路由算法DCMA(DODAG Clustering Multicast Routing Algorithm),该算法将大规模RPL组播网络分成多个既定节点数量的簇,并实现簇内组播分组存储和转发。最后通过仿真平台将改进后算法和已有的组播算法进行比较,发现新算法在减少网络节点总能耗和提高网络的生存时间上有着一定的优势。(本文来源于《安徽大学》期刊2019-01-01）
高江军[5]（2018）在《WSN网络中分段组播路由算法的研究》一文中研究指出随着物联网的迅速发展,无线传感网(WSN)的应用也日趋广泛,关于WSN的研究众多,主要是围绕节点能耗和存储空间两方面开展研究,组播技术的应用可以很好地减少节点转发时的能量消耗。但当网络规模扩大时,节点的路由条目增加,就会造成节点存储空间紧张,同时过多的路由查询也会造成节点能量消耗过快,当网络拓扑结构更新时,庞大的组播树重构也使得能量消耗过快。为此,本文提出一种分级多路组播路由算法(Classification hierarchical multicast routing algorithm.,CHMR),该算法将网络分成多个一定规模组播子树,每个子树的根节点用来存储子树拓扑信息,子树的根节点存储各分支节点的信息,当分组到达组播子树时可以替换新的分组头,这样就可以缩小分组头的大小,这种算法可适用在大规模无线传感网中。(本文来源于《信阳农林学院学报》期刊2018年03期）
浩庆波,徐岩[6]（2018）在《基于进化算法的下一代网络QoS组播路由算法》一文中研究指出本文讨论了几种基于进化算法优化的组播路由算法,并探讨了基于优化算法的组播路由算法的发展方向。(本文来源于《电子测试》期刊2018年17期）
周研[7]（2018）在《光网络组播路由多目标进化算法研究》一文中研究指出在科学研究和工程领域中许多问题都是由多个相互冲突的目标组成,一般称这一类问题为多目标优化问题。基于种群的进化算法在单次运行中能得到一个近似的Pareto解集,因此多目标进化算法已经成为一种较为普遍且有效的求解多目标优化问题的方法。带精英策略的非支配排序算法NSGA-Ⅱ(Elitist Non-dominated Sorting Genetic Algorithm)是2002年Deb等人对算法NSGA的改进,引入了快速非支配排序算法、精英策略以及拥挤度和拥挤度比较算子,是迄今为止最优秀的进化多目标优化算法之一。本文以稳态NSGA-Ⅱ算法为框架,在非支配层的更新策略方面、自适应算子选择策略(Adaptive Operator Selection,AOS)的信用分配策略以及算子选择策略等方面对稳态NSGA-Ⅱ算法进行了改进,提出基于自适应选择策略的稳态NSGA-Ⅱ算法AOS_SSNSGA-Ⅱ。同时针对光网络的特性,基于稳态NSGA-Ⅱ框架提出了 MRWA_AOSNSGA-Ⅱ-SD算法用于求解光网络组播路由波长分配问题。本文的主要工作如下:(1)针对稳态NSGA-Ⅱ算法的改进,提出了一种基于自适应算子选择策略的稳态NSGA-Ⅱ算法AOS_SSNSGA-Ⅱ。该算法采用稳态NSGA-Ⅱ作为框架,使种群能够在产生全部子种群之前被立即更新,从而精英信息能够被及时的利用,克服了传统NSGA-Ⅱ算法收敛速度慢的缺点。与此同时,为了减少稳态NSGA-Ⅱ算法维护非支配层结构的开销,提出了一种改进型非支配层更新策略,通过从当前非支配层结构中提取的有效信息,仅在算法开始时进行一次非支配排序,此后只需要对有限数量的非支配层结构进行更新,从而避免了大量不必要的比较操作。为提高算法对问题公式的鲁棒性,克服由参数调整带来的成本高、耗时长等问题,本文在稳态NSGA-Ⅱ算法中加入自适应算子选择策略。对于信用分配方式,提出基于适应率排序的信用分配策略,使用一个滑动窗口来记录算子最近几次迭代的适应度增长率,从而动态跟踪搜索过程,同时引用衰退机制来增加最佳算子的选择概率;对于算子选择策略,由于算子的性能可能会随着种群的演化而出现很小或较大的波动,而算子所收到的信用值的动态分布会极大地影响算子选择器的效率,因此提出基于多臂赌博机的算子选择策略。与经典进化多目标算法NSGA-Ⅱ、MOEA/D-DRA与R2-IBEA以及经典的多目标信用分配策略OP-Do、SI-Do、CS-Do以及算子选择方式PM和AP相结合的方式相比,本文提出的算法AOS-SSNSGA-Ⅱ在ZDT和DTLZ系列标准的测试函数上有更好的收敛性和多样性。(2)针对WDM网络组播路由波长分配问题中存在多个相互冲突的QoS性能指标,本文提出光网络组播路由的多目标优化数学模型MOMRWA,优化的目标包括组播网络资源使用代价、端到端延迟、信道利用率,同时满足端到端时延、可用带宽、丢包率等QoS约束。为解决提出的MOMRWA问题,本文提出自适应算子选择策略与序贯分解机制相结合的稳态NSGA-Ⅱ算法MRWA_AOSNSGA-Ⅱ-SD。对于组播波长分配子问题,本文采用动态波长分配算法中 的波长随机分配法,对于组播路由子问题,本文提出备用选路策略;针对算法搜索过程中由于环路形成的不可行光树,提出了一种基于MPH算法的光树修复机制。实验结果表明提出的MRWA_AOSNSGA-Ⅱ-SD算法与其他算法相比在减少计算开销的情况下能够获得更优的Pareto解集,从而达到在减少组播路由时延与网络资源使用费用的情况下提高信道的利用率。(本文来源于《湖南大学》期刊2018-05-09）
顾云丽,徐昕,张嫣娟[8]（2018）在《基于进化算法的无线传感器网络任播路由算法》一文中研究指出在无线传感器网络WSN(Wireless Sensor Networks)中存在无线链路容易失效的现象,但大多数学者在设计路由算法时较多地关注网络生存期问题,而忽略路由健壮性问题。提出一种基于进化算法的WSN任播路由算法。该算法以网络生存期和路由健壮性为优化目标,并通过多目标进化算法寻找到两者的最佳适应值。实验验证了该算法的有效性,实验数据表明:相比较基于单目标优化(网络生存期)的任播路由算法,所提算法的网络生存期及路由健壮性两个性能的综合优化值优于前者;相比较传统单路径任播路由算法,所提算法的网络生存期、路由健壮性和可扩展性优于前者。(本文来源于《传感技术学报》期刊2018年03期）
魏勇,赵开新,张松青,王东署,孙新领[9]（2017）在《改进蚁群算法在QoS组播路由中的应用研究》一文中研究指出基本蚁群算法直接应用在QoS组播路由时,容易产生局部最优路径,并且收敛速度较慢,本文对基本蚁群算法的状态转移规则和信息素的更新方式进行改进,并把改进的蚁群算法应用到QoS组播路由中,提出了基于改进蚁群算法的QoS组播路由方案,仿真实验表明,改进后蚁群算法的性能明显优于基本蚁群算法。(本文来源于《科技通报》期刊2017年12期）
孙美东,刘勤让,刘冬培,燕昺昊[10]（2018）在《面向非全互连3D NoC的自适应单播路由算法》一文中研究指出针对在非全互连叁维片上网络(3D No C)架构中的硅通孔(TSV)表只存储TSV地址信息,导致网络拥塞的问题,提出了记录表结构。该表不仅可以存储距离路由器最近的4个TSV地址,也可存储相应路由器输入缓存的占用和故障信息。在此基础上,又提出最短传输路径的自适应单播路由算法。首先,计算当前节点与目的节点的坐标确定数据包的传输方式;其次,检测传输路径是否故障,同时获取端口缓存占用信息;最后,确定最佳的传输端口,传输数据包到邻近路由器。两种网络规模下的实验结果表明,与Elevator-First算法相比,所提算法在平均延时和吞吐率性能指标上有明显的优势,且在网络故障率为50%时,Random和Shuffle流量模型下的丢包率分别为25.5%和29.5%。(本文来源于《计算机应用》期刊2018年05期）
单播路由算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在应用层组播系统中,负责数据转发的终端节点不具备线速转发能力,较重的转发负载会引起拥塞。以拥塞节点为根的整个子路由树将与源节点失联。为解决由拥塞导致应用层组播稳定性差的问题,将构造最优组播树的过程抽象为有度约束的最小代价Steiner树问题。提出了一种用于构造节点转发能力受限应用层组播树的遗传算法,算法以组播树上各节点的直接前驱对其进行遗传表达,便于节点出度的统计。为使遗传操作适用于直接前驱编码,引入了"基因池"的概念并以此为基础实现了交叉与变异。针对度约束导致产生非可行解的问题,提出将组播树对度约束的超出量作为一个新的优化目标,从而以多目标优化的方式得到Pareto前沿,并从Pareto前沿上截取满足度约束的解作为最终输出,避免了使用惩罚函数法的求得非可行解的风险。仿真实验表明,提出的遗传算法能够构造节点转发能力受限的应用层组播路由树,具有良好的求解可靠性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
单播路由算法论文参考文献
[1].符保龙.基于量子粒子群优化CS算法的QoS组播路由模型[J].柳州职业技术学院学报.2019
[2].刘庆,王洋,李星,李红叶.基因池操作遗传算法的应用层组播路由优化[J].计算机工程与应用.2019
[3].周志平.基于改进离散萤火虫算法的QoS组播路由优化[D].杭州电子科技大学.2019
[4].高江军.基于RPL组播路由算法的研究[D].安徽大学.2019
[5].高江军.WSN网络中分段组播路由算法的研究[J].信阳农林学院学报.2018
[6].浩庆波,徐岩.基于进化算法的下一代网络QoS组播路由算法[J].电子测试.2018
[7].周研.光网络组播路由多目标进化算法研究[D].湖南大学.2018
[8].顾云丽,徐昕,张嫣娟.基于进化算法的无线传感器网络任播路由算法[J].传感技术学报.2018
[9].魏勇,赵开新,张松青,王东署,孙新领.改进蚁群算法在QoS组播路由中的应用研究[J].科技通报.2017
[10].孙美东,刘勤让,刘冬培,燕昺昊.面向非全互连3DNoC的自适应单播路由算法[J].计算机应用.2018