一种新颖的ad hoc网络地址自动分配体系

《一种新颖的ad hoc网络地址自动分配体系》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、一种新颖的ADHOC网络地址自动分配体系-->1概述随着ADHOC网络在商业应用的进展，ADHOC网络对QOS的支持显得越来越重要[1]。但是，ADHOC网络中存在有大量的背景噪声和冲击噪声，主机可以自由移动，无线信道的质量很差，它所能提供的网络带宽非常有限[2]。同时，移动主机通常依靠电池供电，并且容易遭受敌方的有意破坏和干扰。ADHOC网络资源的匮乏很容易导致网络发生拥塞，同时无线信道质量较差会造成分组的出错概率大大增加，虽然采用冗余编码、增大信号强度和更换路由等方法可以提高无线信道的质量，但是将会进一步减少网络的可用资源[3]。在众多的难题中，ADHOC网络的路由问题尤其关键。现有AD

2、HOC网络地址自动配置的几种方案如下。(1)类似无状态地址配置技术[4]，该技术为新加入网络的节点生成两个IP临时地址和试探地址。其中：临时地址是一个短暂使用的地址，它只在进行冲突地址检测(DuplicateAddressDetection，DAD)期间使用，而试探地址在通过DAD后，将被确定为节点的地址。该冲突检测分配机制需要在全网进行洪泛，开销大、时延长。(2)弱重复地址检测分配机制[5]。该机制要求每个节点维护一个二元组，address是IP地址，而key是可以唯一标记节点的标识，如果网络中存在两个节点address相同，那么通过key标识，仍然可以唯一地区分它们。在这种机制下，为了应

3、用二元组作为节点标识,需要对路由协议进行改造。(3)MAConf配置机制[6]。通过网络中每个节点都维护一个全网所有已使用的IP地址表来保证新加入的节点不会发生冲突。该机制通过节点定期广播自己的地址消息来更新各节点维护的地址列表。该机制为了使每个节点都维护一张有效的全网已使用的IP地址表，这就意味着网络越大，开销越大。在ADHOC网络环境下，由于节点的随机移动性、网络的临时性、缺乏中央管理控制、节点能源有限等因素的影响，实现节点的自动配置要比在固定网络环境下更加困难，固定网络环境下的自动配置方法也难直接应用在ADHOC网络中,因此必须研究适合ADHOC环境的专用地址配置机制[7]。目前，大多

4、数关于ADHOC网络的文献，都假设节点IP地址是静态配置的，且在节点加入到网络前已配置完成。作为一种具有高度灵活性的自组织网络，ADHOC应具备自动配置的能力。2蚁群算法蚁群优化(AntColonyOptimization，ACO)算法是模拟现实世界中的蚁群觅食行为而提出的一种解决组合优化问题的新算法。基本蚁群优化算法由意大利学者Dorigo首先提出[8]，并用于求解旅行商问题(TravelingSalesmanProblem，TSP)、二次分配问题(QuadraticAssignmentProblem，QAP)和作业车间调度问题(JobShopSchedulingProblem，JSSP)

5、等组合优化问题[9]。蚁群优化算法不需要提供任何关于环境的先验信息，而是通过蚁群的群体学习能力及正反馈效应而达到全局寻优的目的。蚁群优化算法特别适合于在离散优化问题的方案(解)空间上进行多点非确定性搜索，其研究及应用领域越来越广泛和深入。例如：文献[10]对基本蚁群优化算法进行了拓展，并将其应用于连续参数优化；文献[11]则将蚁群优化算法运用于数据挖掘。蚁群优化算法已成为相关领域的热门研究方向，新模型、新方法、新应用层出不穷[12-13]。蚁群优化算法通过蚁群的群体学习能力及正反馈效应而达到全局寻优的目的；具有本质并行性、协同工作机制、鲁棒性和易于与其它启发式算法结合等特点。从蚁群算法的原理

6、不难看出，这种个体间通过改变环境、感知环境的变化来彼此间接通讯的方式机制被称为协同机制。在蚁群的觅食行为中，另一个重要的方面是自催化机制和解的隐式评估。自催化机制实际上是一种正反馈机制，解的隐式评估指蚁群将先走完较短的路径。自催化机制和解的隐式评估相结合，极大地提高了问题的求解效率。即对于越短的路径，蚂蚁将越早走完，从而使使更多的蚂蚁将会选择该路径。自催化机制对基于群体的算法非常有效，如在遗传算法中，通过选择和复制机制来实现。因为它奖励好的个体，可以指导搜索方向。当然在使用自催化机制时，要努力避免早熟现象。在蚁群算法中，使用外激素蒸发和随机状态转移来弥补自催化机制的缺陷。从大量的实验结果和分

7、析来看，蚁群算法具有如下几个特点：①鲁棒性，使用概率规则而不是确定性规则指导搜索，不必知道其他辅助信息，有极好的鲁棒性和广泛的适应性。②分布式计算，蚁群算法是一种基于种群的演化计算的算法，具有本质上的分布行和并行性，易于分布和并行实现。③多解性。由于蚁群算法采用种群的方式进行演化计算，当种群完成一次求解后，都能提供多个近似解，这对多目标搜索或需要多个近似解作为参照的情形非常有用。④易于与其它方法结合。蚁群算法