当今世界,一切事物都在智能化,汽车也不例外,比如高速公路ETC缴费、自动驾驶模式以及寻找车位等,越来越多的车辆配备无线通信设备,这意味着车联网已经成为重点研究的必然对象,同时车载自组织网络(Vehicular Ad-hoc Networks,VANETs)在车联网中占据重要地位,也相应地成为亟需学者们研究的新颖课题。VANETs是一种特殊的移动自组织网络,拥有车辆不断移动、道路规则等特性,主要提供娱乐和安全应用。本文基于智能优化算法设计了车载自组织网络路由协议,对其性能进行了分析研究,在城市环境下分析道路模型,再利用智能优化算法对路由路径进行优化,达到提高通信性能的目的。因此本文的研究内容结构安排如下所示:首先,针对城市环境下的道路复杂多变,造成车载自组织网络中数据包的通信性能下降以及传输失败的问题,构思设计了一种基于蚁群算法的时延感知路由(Ant Colony Algorithm Based Delay Perception Routing Protocol,ACDR)协议,主要内容是介绍城市道路常见的三种不同路况,进行时延模型分析,然后为了避免重复探索路径,提出端点十字路口(EI)的概念,ACDR利用蚁群优化算法(ACO)探索最佳路线,主要步骤是前向蚂蚁通过判断当前所在路段的时延以及当前十字路口与目的十字路口之间的全局时延来选择路径;当蚂蚁到达目的地之后,立即按原路径返回并更新信息素,与此同时,在相邻两个十字路口之间的数据包采用贪婪算法进行转发传递,将ACDR协议与连通性感知路由(Connectivity Aware Routing,CAR)协议进行比较,仿真结果表明ACDR协议的数据包传输时延较小,丢包率低,通信性能好。其次,车载自组织网络中的车辆不断移动,可能会导致车辆之间的通信中断,导致数据包传输失败的问题,为了保证网络的服务质量(Qo S),提出了一种基于遗传算法的Qo S感知路由协议(Genetic Algorithm Based Qo S Perception Routing Protocol,GABR),通过基于十字路口的路由协议探索所有可用路径,应用遗传算法对可用路径进行全局优化,得到Qo S最佳的路径。仿真比较GABR协议、基于十字路口的路由协议(IBR)和连通性感知路由协议的性能,仿真结果表明所提的GABR协议的数据包传输时延较小,丢包率低,系统通信性能好。最后,综合分析蚁群优化算法和遗传算法对路由协议的性能影响发挥两种算法的优点,设计了一种融合蚁群优化算法和遗传算法的路由协议(Hybrid Genetic Algorithm and Ant Colony Algorithm Based Routing Protocol,HGAR),遗传算法虽能够随机全局搜索,但无法进行信息反馈,当搜索范围大到一定程度时,会造成大量的冗余迭代,继而导致求解效率降低;蚁群优化算法虽通过信息素更新和累积寻找最佳路径,全局搜索能力并行,但初期的信息素匮乏,因而求解速度较慢。所设计的路由协议前期利用遗传算法进行全局搜索,生成路径的初始化信息素;后期则利用蚁群算法进行优化,进行信息素的更新,实现两种算法优势互补,优化和提高路由协议综合性能。