基于遗传粒群路径优化的网络拥塞控制方法

《基于遗传粒群路径优化的网络拥塞控制方法》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、基于遗传粒群路径优化的网络拥塞控制方法摘要近年来，随着网络规模和网络流量的飞速增长，网络上越来越多的是具有QoS要求的多媒体业务。但是，传统的路由算法往往约束单一又不能充分利用现有的网络资源，经常导致有些链路被过度使用，有些链路却空闲不用的负载不均衡局面，从而致使网络拥塞，业务的服务质量无法得到保证。网络拥塞已成为制约网络发展和应用的瓶颈。在这种情况下，如何在满足QoS要求的前提下，通过路径优化来实现网络拥塞控制是一个崭新的课题。本文对基于遗传粒群路径优化的网络拥塞控制方法进行了研究，其主要工作和内容如下：(1)在对网络拥塞、拥塞控制、拥塞预防及网络路由对拥塞的影响

2、进行分析的基础上，给出了利用网络路径优化解决网络拥塞控制问题的思想。对网络仿真软件NS2进行功能扩展，并将其应用于网络仿真中，取得了较好的效果。(2)对OoS及QoS路由进行了详细分析，在对网络拥塞分析的基础上，对网络拥塞路径优化进行了深入地探讨，为实现网络拥塞提供了条件。(3)将粒群(PSo)和遗传算法(G舢相结合，给出了遗传粒群优化算法。算法初期经过了前端的PSO优化处理，在初始种群里就有很大的概率包含最优解。随着进化代数的不断增加，该算法能够快速找到最优解，而在算法后期采用遗传算法引入新的个体，可以避免算法过早陷入局部最优解。从而使算法在速度和精度上同时得到提

3、高。将其用于解决多峰值函数优化问题中，仿真表明了该优化算法的有效性和可靠性。(4)提出了基于遗传粒群路径优化的网络拥塞控制方法，该方法在满足带宽、延迟、费用多项QoS指标的条件下对负载进行路径优化，以负载均衡分布函数和资源消耗函数作为优化目标，旨在消耗尽可能少的网络资源的同时，也使网络负载的分布尽量均衡，从而避免拥塞。给出了算法实现及其仿真分析，仿真结果表明该算法的有效性和可靠性。关键词：遗传算法，粒群算法，QoS路由，路径优化，网络拥塞控制郑州大学工学硕士论文AbstractInrecentyears,withtherapidgrowthofthenetworks

4、caleandtraffic，therearemoreandmoremultimediaapplications．Theyrequirethenetworktoprovidequalityofservice(QoS)guarantees．Buttraditionalmutingalgorithms，withsingteconstraincondition，cannotmakefullresourceutilization，whichalwaysleadtotheunbalancedtrafficdistribution,somelinksgeningover-uti

5、lized,whileothersremainingunder-utilized．ItresultsinCOngestionandthequalityofservicesnotguaranteed．Networkcongestionhasbecomeabottleneckwhichrestrictsthegrowthandapplicationofthenetwork．Inthiscase，onthebasisofsatisfyingQoSrequests，howtorealizenetworkcongestioncontrolbyoptinlizingnetwor

6、kpathisabrand—newresearchsnbject．ThisthesismainlyfocusesontheresearchofnetworkcongestioncontrolmethodbasedonGAPSOPathOptimizationAlgorithm．Themaincontentsareasfollows：(1)Basedontheanalysisofnetworkcongestioncontrol，networkroutingandqualityofservice．anideaisproposedtosolvethenetworkcong

7、estioncontrolproblembyusingnetworkpathoptimization．ToextendthefunctionofNS2andapplyitintonetworksimulationcangetabetterresult．(2)QoSandQoSroutingisanalyzedindetail．Onbasisofanalysisofnetworkcongestioncontrol，adiscussionismadeinthepapertoachievenetworkcongestion．(3)AGAPSOalgorithmispr