基于遗传多蚁群算法的QoS组播路由算法研究

【摘要】： 蚁群算法是一种新兴的仿生群体智能算法,它通过模拟自然界中蚂蚁的群体行为,利用信息素的累积、挥发和更新使全局收敛于最优路径,具有很强的正反馈性、鲁棒性和全局寻优能力。随着宽带IP技术的发展,组播技术在各种实时性要求很强的多媒体业务中得到了广泛应用,QoS组播路由问题一直是组播技术的核心问题。蚁群算法已成功地应用于QoS组播路由问题中,但存在着前期信息素匮乏、容易早熟等缺点,融合多种进化仿生学的人工智能算法已成为改进现有蚁群算法的一个非常重要的途径。 本文在研究传统的蚁群算法的基础上,融入了遗传算法和多蚁群的思想,在充分发挥蚁群算法全局收敛性、正反馈性的优点基础上,利用遗传算法生成初期信息素分布,克服蚁群算法前期信息素匮乏的缺点,在算法停滞时引入多行为蚁群,增强蚁群随机搜索能力,使得算法的解跳出局部最优,最后将遗传多蚁群算法成功运用于解决QoS组播路由问题。 本文主要工作包括: ①对组播技术的研究背景、研究现状、工作原理、组播协议的分类、组播路由算法及特点、QoS组播路由原理以及当前在QoS组播路由方面存在的问题进行了分析。 ②对于蚁群算法和遗传算法的发展历程、基本概念、原理、算法流程和主要特点进行了研究。 ③在分析和研究基本蚁群算法的基础上,融入遗传算法和多行为蚁群思想,提出了遗传多蚁群融合算法。该算法利用了遗传算法的快速性和全局收敛性,结合提出的多行为蚁群的随机性,提高蚁群算法的收敛速度和全局寻优能力。仿真结果表明,该算法有效地提高了在解决TSP问题上的寻优能力。 ④在研究遗传多蚁群算法在TSP应用的基础上,将算法引入到QoS组播路由问题中。在QoS组播路由问题模型中,采用遗传算法来生成蚁群算法初期信息素分布,利用蚁群算法的正反馈性、全局收敛性对QoS组播路由的路径进行收敛,在算法陷入停滞时,利用多蚁群的随机性能克服当前解局部最优的情况,最终收敛于一个费用较低的组播树。 ⑤通过仿真实验生成随机网络并验证了该算法在QoS组播路由中的可行性和有效性。