群集智能算法在網(wǎng)絡(luò)策略中的研究及其應(yīng)用.pdf

1、在Internet中,由于多媒體通信和網(wǎng)絡(luò)視頻的增長,網(wǎng)絡(luò)資源和網(wǎng)絡(luò)需求之間的矛盾越來越突出,網(wǎng)絡(luò)路由和網(wǎng)絡(luò)流量的平衡成為制約網(wǎng)絡(luò)發(fā)展的瓶頸。抑制網(wǎng)絡(luò)擁塞,提高網(wǎng)絡(luò)的質(zhì)量,使網(wǎng)絡(luò)達(dá)到動(dòng)態(tài)均衡,已成為Internet相關(guān)技術(shù)的研究熱點(diǎn)。
　　 網(wǎng)絡(luò)單播、組播路由是檢驗(yàn)網(wǎng)絡(luò)性能指標(biāo)的重要要求,在網(wǎng)絡(luò)研究中越來越重要。特別是在多約束網(wǎng)絡(luò)中,采用QoS指標(biāo)討論網(wǎng)絡(luò)的質(zhì)量性能,使網(wǎng)絡(luò)達(dá)到動(dòng)態(tài)均衡;并對(duì)網(wǎng)絡(luò)的延時(shí)、延時(shí)抖動(dòng)、帶寬、丟包率、業(yè)

2、務(wù)代價(jià)等多個(gè)參數(shù)同時(shí)提出性能要求,這些參數(shù)相互獨(dú)立時(shí),選擇滿足多個(gè)參數(shù)限制的路由就成為NP完全問題。
　　 在研究網(wǎng)絡(luò)單播、組播路由的同時(shí),國內(nèi)外許多學(xué)者對(duì)網(wǎng)絡(luò)流量展開研究,主要集中在流量工程(Traffic Engineering,即TE),而流量工程的熱點(diǎn)問題又集中在多約束路由。在網(wǎng)絡(luò)滿足多約束的條件下,根據(jù)網(wǎng)絡(luò)流量與資源的狀態(tài),通過實(shí)施合理的控制,使流量均衡地分布在現(xiàn)有的網(wǎng)絡(luò)中,從而優(yōu)化網(wǎng)絡(luò)的運(yùn)行性能。
　　 本文

3、主要包含網(wǎng)絡(luò)單播路由、組播路由、網(wǎng)絡(luò)流量均衡等幾個(gè)方面的內(nèi)容,利用群集智能算法的特點(diǎn),對(duì)單播路由優(yōu)化、組播路由優(yōu)化、網(wǎng)絡(luò)流量控制等方面進(jìn)行系統(tǒng)的研究,同時(shí)對(duì)算法的收斂性和網(wǎng)絡(luò)安全等方面進(jìn)行較為系統(tǒng)分析。本文的主要研究成果包括:
　　 1.對(duì)Qos網(wǎng)絡(luò)的路由優(yōu)化改進(jìn)技術(shù)的深入研究,第一,提出了基于粒子融合的QoS蟻群優(yōu)化路由算法,使用粒子群算法生成初始解,避免了蟻群算法在局部最優(yōu)化,拓展了蟻群算法的求解范圍,提高了算法的自適應(yīng)能力

4、和優(yōu)化精度。第二,提出了基于混沌算子的蟻群優(yōu)化改進(jìn)多約束QoS路由算法,利用混沌“隨機(jī)性”、“遍歷性”及“規(guī)律性”,能夠快速獲得全局最優(yōu)解的優(yōu)點(diǎn),采用混沌因子改進(jìn)蟻群算法,提高了搜索性能,算法搜索到的結(jié)果總體要明顯好于基本ACO算法。仿真結(jié)果表明,兩種改進(jìn)算法具有較高的優(yōu)化性能。
　　 2.結(jié)合組播路由網(wǎng)絡(luò)的特點(diǎn),對(duì)多約束條件在組播網(wǎng)絡(luò)展開分析,在此基礎(chǔ)上提出了基于克隆粒子群融合的約束QoS組播樹算法。在提出新的播路由算法中,通

5、過粒子的速度和位置變化查找組播樹,并且利用免疫克隆算法混合搜索,從而減少了局部搜索和全局搜索的時(shí)間。通過克隆算子的引入,增加了克隆復(fù)制、克隆變異、克隆選擇等3個(gè)環(huán)節(jié),在克隆變異階段,利用變化后的個(gè)體以一定的概率具有更高的適應(yīng)性能,然后利用克隆選擇環(huán)節(jié),避免了種群易經(jīng)常出現(xiàn)的退化,而且提高了算法收斂速度和全局搜索能力。仿真結(jié)果表明,該算法具有更好的優(yōu)化性能。
　　 3.通過對(duì)網(wǎng)絡(luò)流量和網(wǎng)絡(luò)路由之間的關(guān)系進(jìn)行了深入分析,提出了基于帶

6、寬受限模糊權(quán)重的蟻群優(yōu)化控制算法(Fuzzy-ACO)。在基于帶寬受限的蟻群優(yōu)化控制算法中,利用模糊控制網(wǎng)絡(luò)流量權(quán)重,建立網(wǎng)絡(luò)流量的數(shù)學(xué)模型,降低了大量的探測分組帶來了網(wǎng)絡(luò)開銷;并通過采用時(shí)間順序輸入不同流量,可以動(dòng)態(tài)及時(shí)的反映網(wǎng)絡(luò)性能,對(duì)網(wǎng)絡(luò)性能進(jìn)行實(shí)時(shí)監(jiān)控,從而使網(wǎng)絡(luò)流量和網(wǎng)絡(luò)路徑達(dá)到動(dòng)態(tài)平衡。同時(shí)將系統(tǒng)流量權(quán)重融入信息素中,利用信息素動(dòng)態(tài)地控制在多條路徑中選擇最佳路徑,提高了蟻群算法全局搜索能力。仿真結(jié)果表明,算法優(yōu)化效果明顯,運(yùn)

7、行速度快,并顯著加快了傳統(tǒng)算法網(wǎng)絡(luò)流量的探索收斂速度。
　　 4.對(duì)于多約束條件的蟻群優(yōu)化算法,往往約束條件的取舍及函數(shù)的設(shè)計(jì)尤為重要,針對(duì)Qos條件下蟻群算法的收斂性展開討論,重新定義其信息素的選取,從理論上證明該算法的收斂性;并且還論證在帶QoS約束條件的蟻群算法中,信息素發(fā)生變化的時(shí)間點(diǎn),以及信息素的取值范圍,從而證明該類蟻群優(yōu)化算法收斂的可控制性,通過實(shí)驗(yàn)仿真說明該算法的實(shí)用性。對(duì)該算法局部和全局收斂性展開研究,提出了普

8、遍意義下的收斂條件,為這一類約束條件下的蟻群算法進(jìn)一步研究奠定了良好的基礎(chǔ)。
　　 5.通過對(duì)網(wǎng)絡(luò)安全的分析,借助生物聚類的機(jī)理,防范網(wǎng)絡(luò)入侵的危害,提出了一種基于交叉融合粒子群優(yōu)化算法的聚類分析,由粒子群算法形成初步的聚類中心,再由蟻群算法進(jìn)行二次優(yōu)化,仿真實(shí)驗(yàn)表明,該算法與基本聚類算法相比較,聚類組合方法能夠明顯改善聚類質(zhì)量。
　　 論文對(duì)網(wǎng)絡(luò)單播路由、組播路由、網(wǎng)絡(luò)流量均衡做了較為全面深入的分析和討論,提出了多種有