基于遗传和蚁群算法的QoS组播路由研究

来源 :江苏科技大学 | 被引量 : 0次 | 上传用户:zhulimin520
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着网络技术的不断发展和进步,许多实时多媒体业务也获得了快速的发展.这就使得目前互联网所提供的“尽力而为”服务难以满足用户的业务要求.正如当前互联网的迅速发展,其网络节点以指数方式不断的增长.新一代互联网是一个面向大容量,高速,高可靠性的大型网络.在这种网络环境下,无疑对许多实时多媒体应用带来了发展空间,这些实时多媒体应用通常传输的数据类型不再是单一的数据,而是一种混合的数据类型,像视频点播,它所传送的数据格式就包括图像,声音和文本等多种数据类型.类似这种的实时多媒体应用还有网络会议, IP电话.多人网络游戏等.这些实时多媒体应用几乎都有一个共同的特征那就是它们的数据都是从一个源节点向多个目的节点发送数据.为更好的支持这种实时多媒体应用,就需要构建一个最小花费的组播树来进行从源节点向目的节点的数据传输.如何使用组播技术来向这些实时多媒体应用提供服务保证.是当前互联网研究的一大热点.本文提出一种使用遗传和蚁群算法来求解受带宽和时延约束的QoS组播路由问题的算法.通过对近期的研究证明用蚁群算法是求解QoS组播路由问题的一个很好的启发式算法.本文针对新一代互联网多媒体应用业务的网络通信设计了一种使用遗传算法和蚁群算法相结合的方法来求解受带宽和时延约束的QoS组播路由问题,我们所设计的方法包括两部分,首先我们设计了一种使用遗传算法来求解从源节点到多个目的节点的k最短路径算法,这个k最短路径是以从源节点到目的节点之间链接的带宽为约束获得的.然后借助这些k最短路径,我们设计了一种使用蚁群算法构造一棵包含源节点和所有目的节点的花费最小的组播树.通过实验证明我们的算法可以很快的发现最优解并且具有很好的可测量性和高效性.
其他文献
由于云计算广为接受,越来越多的传统应用转移到云环境中。云服务系统是部署在云中,按照云计算软件即服务的思想对外提供业务服务的大规模在线应用,如阿里巴巴交易网站淘宝网
在过去的几十年间,人脸识别作为人工智能领域中的重要研究课题,得到了广泛的关注和研究。本文研究单样本人脸识别问题,从“构造虚拟样本”入手,针对姿态、光照和表情等可变因素而
信息安全在当前的社会生活中成为人们越来越关心问题,而保证信息安全的核心——加解密技术无疑是当前信息安全领域的研究热点。如何高效快速地实现当前广泛应用的RSA加解密算
生物识别技术能够通过人类身体本身具有的一些生理特性验证身份,具有更好的安全性和便捷性。基于手指的生物特征(例如手指静脉识别、指背纹理识别、指节纹识别等)已受到越来
随着计算机技术的不断发展,出现了大量的海量数据。为了降低处理海量数据所消耗的时间和存储海量数据需要的空间,对海量数据进行数据分析前,需要先对其进行数据约简。数据约简效
随着互联网技术的发展,互联网与我们的日常生活联系的越来越密切。特别是在以音视频为主的多媒体应用中,由于该应用包含的数据量较大,因此在通过网络传输时就需要较大的网络带宽
自因特网流行以来,网络数据数量以前所未有的速度增长着,传统的存储模式已经无法跟上数据增长的脚步。而基于网络存储的云存储(Cloud Storage)是解决数据存储问题的主力军。其
随着片上多核CMP(Chip Multi Processor)成为主流微处理器技术,微处理器已经进入多核时代。通过多核技术提高处理能力、降低消耗已成为微处理器的必然选择。该技术面临的另一挑
随着现代工业的不断发展,企业间的竞争越来越多的体现在产品支撑服务方面,随着产品工艺越来越现代化,第三利润源泉越来越受到企业的重视。历史经验告诉我们,企业活动是竞争与
信息的价值随着时间的流逝而降低,及时捕获关键信息并做出响应才能先发制人。实时监控是一个非常有挑战性的课题。实时监控应用要求系统在最短的时间做出响应,能处理海量数据