论文部分内容阅读
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。