一、一种时延受限的组播路由算法（论文文献综述）
朱晓攀[1]（2020）在《大规模低轨宽带卫星网络路由关键技术研究》文中研究指明大规模低轨（Low Earth Orbit,LEO）宽带卫星网络通过提高发射卫星数量来降低对于单颗卫星的能力要求。借助星间链路组网,能够突破地理位置的局限实现全球不间断信号覆盖,为全球用户提供大宽带、低延时、无缝连接的网络服务。大规模LEO宽带卫星网络与地面通信网络系统相兼容,是天地一体化网络的重要组成部分,迅速发展为世界各国争相研究的重点。路由作为网络通信的关键技术,影响着信息的传递效率和网络的服务质量。在具有成百上千个节点的大规模LEO宽带卫星网络中,卫星无时不刻的高速移动导致拓扑的频繁变化。同时,卫星载荷能力有限导致其无法进行大容量存储和大规模实时计算,使得大规模LEO宽带卫星网络在路由方面还存在一些亟待解决的问题。对此,本文针对大规模单层LEO极轨道宽带卫星网络路由集中开展了研究,包括多径单播路由,动态单播路由以及组播路由。本文的主要研究内容和贡献如下:1、提出了基于无关多径（Node Disjoint-based Multipath,NDM）的单播路由算法。针对空间环境复杂多样,传统静态路由无法应对因流量分布不均、网络拥塞和节点故障造成时延和丢包增大、甚至数据不可达的问题,为此本文开展了无关多径的单播路由算法研究。该算法借助卫星网络的规则性,通过分析源节点和目的节点在网络运行过程中跨越极区周期性变化,设计了最多三条无关路径,避免重新路由带来的时延,提升了系统鲁棒性。具体来说,本文结合备选多径和并行多径的综合优势,设定三条路径的优先级:将传播距离最短的路径作为主路径,剩余两条作为备份路径。这样主路径能够在无拥塞状态下进行高效快速的数据传输;在轻度拥塞时,系统自适应地启动一条备份路径与主路径并行传输;在重度拥塞时,系统中断主路径,启用所有备份路径进行数据传输以保证数据完整可靠。仿真结果表明,NDM算法同离散时间动态虚拟拓扑路由（Discrete-Time Dynamic Virtual Topology Routing,DT-DVTR）算法、显式负载均衡（Explicit Load Balancing,ELB）路由算法相比,在面临不同程度的网络拥塞时,NDM算法均取得更低的传输时延、丢包率和更高的吞吐量。这种优势在拥塞非常严重的情况下更加明显。因此,该算法有效改善了大规模单层LEO极轨道宽带卫星网络的传输效率、自适应调整能力和故障容错能力。2、提出了最小动态成本（Minimal Dynamic Cost,MDC）单播路由算法。该算法旨在解决因动态单播路由在大规模LEO宽带卫星网络路由计算和更新带来的大量资源占用以及链路拥塞或节点故障造成的高时延问题。该算法首先将数据从卫星源点到目的节点路径上所消耗的传播时延、排队时延、处理时延转化为路径成本、等待成本和处理成本,之后将总成本最低的路径作为主路径,以保证最快速的网络通信。为了尽可能避免数据丢包的发生,算法采用M/M/1/k模型来设定丢包预期,从而计算出单颗卫星数据缓存队列的最大阈值,并将超过阈值的路径排除在外,以确保路径更加可靠。在进行路径探测之前,算法通过判断源节点和目的节点的相对位置,设定最小跳数洪泛区域,从而缩短数据洪泛时间,节约有限的网络资源。仿真结果表明,以北京为源节点,在与香港、台湾的近程通信以及与柏林、华盛顿的远程通信场景中,MDC算法在时延方面都取得了优于地面网络进行数据通信的表现。在与动态源路由协议（Dynamic Source Rrouting,DSR）算法、辅助定位按需路由（Location-Assisted On-demand Routing,LAOR）算法进行比较时,MDC算法在无拥塞或不同程度拥塞状态下均取得了更低的时延和丢包率,满足用户对于低时延和数据完整的要求,最大程度实现数据的高效传输和更高质量的网络服务。3、提出了基于分簇的组播路由（Cluster-based Multicast routing,CMR）算法。针对大规模LEO宽带卫星网络拓扑时变带来的组播树代价高、以及现存路由算法链路共享性差、组播路径绕远引起网络资源浪费的问题,提出了基于分簇的组播路由算法。该算法将卫星网络转化为相对稳定的曼哈顿模型,通过对组成员位置的讨论将网络划分为两簇。每簇选取一颗卫星作为簇头,将其作为组播树的根节点,以缓解组播源点的压力。另外在组播树构建过程中,设定四种优先级,这样可以在保证总跳数尽可能低的情况下,增加共享节点的数量,减少不必要的路径绕远,提高组播树的共享率。仿真结果表明,CMR算法与核心群合并共享树（Core-cluster Combination-based Shared Tree,CCST）算法、快速迭代组播（Fast Iterative Multicast,FIM）算法、经典多播路由算法（Multicast Routing Algorithm,MRA）相比,该算法兼顾了组播树总跳数和中转节点数,从而取得较低的组播树生成开销,避免单点故障拥塞,大幅改善宽带利用率和传输效率,提高组播流畅度和网络稳定性,最终实现全球范围内组播源点到成员节点数据的实时传输。
崔莹[2]（2019）在《低压电力线通信组网方法及信道接入优化研究》文中研究表明能源互联网中存在大量分布式电源及储能设备,导致低压电力线通信（Power Line Communication,PLC）环境更加恶劣。因此,提高低压PLC网络性能具有重要的意义。目前,低压PLC多以对称信道为条件展开研究。事实上,低压PLC信道部分情况下是非对称的。针对这一实际情况,本文以PLC协议栈的数据链路层和网络层为研究对象,以提高网络性能为目的,在非对称信道环境下分别从低压PLC组网快速性、网络健壮性、网络单播及组播路由通信性能和网络整体饱和通信性能等方面展开研究工作:针对现阶段组网方法在非对称信道环境下对拓扑的动态变化反应相对滞后导致组网时间较长的问题,提出基于CSMA/CA+TDMA混合协议的低压PLC组网方法。通过与未知环境不断交互试错,关联注册节点信息,经周期性学习训练,优化以网关为根的最矮簇树,实现快速组网;在节点间距离较远或信道环境较为恶劣的条件下,探讨基于CSMA/CA+TDMA混合协议的多网络快速融合方法。该方法能智能识别区域内存在多个网络,自主选取媒体访问控制（Media Access Control,MAC）地址最小的网络为多网融合方向,解散MAC地址较大的网络,解决多网络不确定性融合问题。网络解散后节点经试错学习可实现注册入网,保证组网完整性与快速性。仿真验证所述方法的有效性与泛化能力。针对组网完成后节点的投入与切出导致对网络健壮性产生不良影响的问题,提出基于小世界模型的低压PLC网络维护与自愈方法。以带宽为约束,以环境自适应为学习目标,运用网络维护方法,动态感知网络状态信息,不断学习异动事件的发生规律。当故障发生时,自适应选择恢复路径,确保数据的实时传输,实现网络自愈。子节点运用小世界思想,智能选取网络连接度较高的代理,提高网络健壮性。在保障网络健壮性条件下,针对遗传算法在服务质量（Quality of Service,Qo S）参数约束下局部搜索能力差、难以得到按需路由最优解的问题,在非对称信道环境下提出基于改进遗传蚁群算法的路由方法。源节点和目的节点不参与交叉、变异操作,有效避免无效染色体的生成。采用最佳保留机制找到较优解,将较优解转换成蚁群算法的初始信息素,找到路由的全局最优解。节点采用改进算法可实现单播及组播通信。仿真验证改进算法相比原始算法的有效性。针对信道非对称性及噪声干扰严重影响网络整体饱和带宽利用率、接入时延等问题,提出一种适用于低压PLC节点规模受限的改进型自适应p-坚持CSMA博弈优化方法。节点采用隐马尔可夫模型对当前信道竞争的博弈节点进行动态估计;根据博弈结果自适应调整收发端的纳什均衡,控制节点发送数据包行为,降低数据包冲突概率,保证信道处于最佳传输状态,获取网络整体最佳饱和性能。
张阿鑫[3]（2019）在《基于蚁群算法的Ad Hoc组播能量优化研究》文中进行了进一步梳理为了保障移动Ad Hoc网络的服务质量（Quality of Service,QoS）需求,选择合适的QoS路由算法是需要研究的重要问题之一。但研究表明,多约束条件下的QoS组播路由问题属于多项式复杂程度的非确定性问题（Non-deterministic Polynomial Complete Problem,NPC）,利用传统算法很难求解,因此,用启发式算法解决QoS组播路由问题成为了新的研究方向。蚁群算法由于其分布式计算、单个智能体实现简单、支持多路径等特点,适合应用于QoS组播路由算法。目前,对移动Ad Hoc网络QoS组播路由的研究主要集中于延迟抑制最小代价组播路由问题、带宽抑制最小代价组播路由问题以及延迟抖动抑制的最小代价组播路由问题等,这些研究工作对能量消耗、组播生存期和网络生存期等问题的考虑较少。而移动Ad Hoc网络的能量是非常有限的,如不考虑对能量消耗的合理控制,很可能会影响网络的整体性能。因此,本文将研究的重点放在了移动Ad Hoc网络的组播路由能量优化问题上,以下为本文的主要研究内容及创新点:（1）本文首先研究了移动Ad Hoc网络的概念特点及网络结构,分析了QoS组播路由目前所面临的问题,对比研究了现有的QoS组播路由算法,并详细研读了移动Ad Hoc网络能量优化的思想。（2）本文接着研究了基本蚁群算法原理及其经典的改进方案,为了研究基于多约束问题的蚁群算法改进,本文在旅行商问题（Traveling Salesman Problem,TSP）中引入了城市拥堵值作为约束参量之一,并基于此多约束的TSP问题,提出了一种对蚁群算法的改进方案。该方案不再使用等值的初始信息素浓度,而是采用拥堵值参量的归一化值作为初始信息素浓度,这样做可以降低蚁群算法搜索初期的盲目性,使蚂蚁更倾向于选择拥堵值较小的路径。仿真表明,该算法能以较快的速度搜索到具有较小拥堵值的最小代价路径。（3）最后参考组播路由的能量优化思想,本文对基于蚁群算法的QoS的组播路由算法进行了改进。该改进方案以（2）中叙述的改进蚁群算法的思想为基础,在QoS的组播路由算法中引入链路能量水平作为QoS约束之一,并将其作为影响蚂蚁信息素更新的一个因子。这样做能引导算法在路径构建过程中选择能量充足的节点,进而达到促进网络能量均衡使用的目的。仿真表明,该方案能在保证组播路由算法的代价、时延等性能良好的前提下,实现优化组播网络能量的功能。
王慧[4]（2014）在《时延受限组播路由算法的研究》文中研究指明随着互联网技术的迅速发展，视频点播、远程会议、在线教育和网络游戏等实时多媒体服务运用的越来越广泛，人们对网络应用的服务质量（Quality ofServices，缩写QoS）要求也随之增高。为了满足实时多媒体服务的需要，组播技术得到广泛应用。组播技术将数据从一个或多个节点同时向多个目的节点发送，该技术在一定程度上解决了实时多媒体业务对网络通信中时延、代价、带宽等QoS服务质量要求造成的瓶颈问题。受限的组播路由问题是组播路由中一个关键问题，而时延受限组播路由问题又是受限组播路由问题中一个重要课题，时延受限组播路由问题就是在时延限制的前提下找到一个总代价最小的组播路由，该问题是NP-Complete问题，一般用启发式算法解决。针对单源的时延受限组播路由问题，提出了一种动态时延受限组播路由启发式算法。该算法分为静态和动态两部分，将时延受限组播路由算法中初始状态组播树的构建和节点动态变化后组播树更新两阶段综合考虑，减少了构建组播树的总时间。该算法不仅能解决静态时延受限组播路由问题，还能解决动态的时延受限组播路由问题。本文的主要工作包括：①组播的研究背景、国内外现状、原理、相关协议和算法分类的介绍；②介绍无约束组播路由问题中重要解决方法之一的Steiner树问题和对几种典型启发式算法分析比较；③介绍时延受限组播路由问题数学模型、常见定义，对常见静态时延受限组播路由算法和动态时延受限组播路由算法进行分析比较，阐述两类算法之间关系；④由静态时延受限组播路由算法和动态时延受限组播路由算法的关系，提出一种时延受限组播路由启发式算法KNDMR。该算法包括静态和动态两部分，静态部分实质上是一种新的静态时延受限组播路由算法，用于在初始阶段构建符合时延限制的组播树，该部分改进已有链路选择优化函数，并首次提出关键次数概念；动态部分在静态部分组播树基础上，处理组播成员动态变化时组播树更新问题，动态部分重点提出对组播树转发节点退出情况的处理，通过共用关键节点的关键次数减少构建组播树的时间。仿真实验结果显示该算法在组播树代价不增加的前提下，构建组播树所需时间比其它动态算法要少，适用于较大型的实际网络。
汪颜[5]（2012）在《量子进化组播路由算法研究》文中研究表明随着Internet的迅速发展,视频会议、网络游戏、在线交易等多媒体通信业务迅速增长,带宽消耗和网络拥塞问题日益显着。组播技术是将数据从一个源节点同时传输给大量的目的节点,从而有效的节省了网络带宽占用,减少网络拥塞。本文针对组播路由问题,主要讨论了求解最小代价的时延约束组播路由算法,主要研究内容如下：1.提出了量子进化组播路由算法（QEA）,将组播路由问题转化为网络中的边的组合优化问题,利用量子位对网络中的边进行编码来替代对网络备选路径的编码,并且改进了量子旋转门策略,加速算法的收敛速度。理论分析和计算机仿真实验结果都表明,算法复杂度大大降低,且结果稳定,算法收敛速度快,操作简单。2.对动态组播问题,结合量子进化组播路由算法的编码优势和组播树的构造过程,提出了量子进化动态组播路由算法。讨论了网络中组播组成员变化和网络拓扑结构变化两种情况的动态变化,本算法中引入种群更新算子和个体修复等算子对动态变化对组播树产生的影响进行修复和补偿。通过仿真测试,验证了算法对动态组播的有效性和可靠性。3.针对更大规模的网络组播问题,借鉴中小规模组播问题的解决方式,综合考虑代价最小和复杂度降低两个因素,提出了基于量子进化计算的大规模网络组播路由算法,该算法采用基于路径的编码方式,然后采用量子变异算子和量子旋转门策略对种群进行更新,仿真结果显示,该算法能在组播树性能和计算复杂度之间的取得折中的结果,且算法实现简单,控制灵活。
刘焕淋,李祯,谢芸徽[6]（2011）在《一种改进的时延受限低代价光组播路由算法》文中认为针对光网络时延受限光组播路由计算复杂度高的问题,提出一种基于改进的和声搜索求解时延受限光组播路由的算法。论文通过引入自适应的和声记忆保留率及微调概率提高和声算法搜寻到全局最优光组播树的能力;算法设计了一个能够保持备选光组播树多样性的动态适应度函数以扩大光组播路由的搜索范围;同时,算法在初始化和声库时采用精英保留策略简化和声迭代过程。仿真结果表明,提出的改进算法能够求得代价更低的光组播路由,且算法在较大光网络规模下具有较好的收敛稳定性。
房超[7]（2011）在《光传送网（OTN）若干关键技术的研究》文中提出随着数据业务的迅速发展,尤其是宽带、IPTV、视频等业务的出现,使得骨干传送网络不得不面对新的挑战。各个运营商的下一步发展方向是提供全业务支持能力,高效、可靠、灵活的大容量传送网将是推动未来电信技术发展的基础。因此,作为下一代传送网技术的OTN （Optical Transport Network）受到越来越多的关注。但是要具备承载多业务的能力,OTN中还有许多重要问题亟需解决,如OTN承载可变速率分组客户信号、OTN组播路由以及OTN共享网状网保护等就是其中的关键。这些关键问题的解决,将会提升OTN承载多业务的能力,大幅改善OTN的性能。因此,研究上述OTN的关键技术具有重要的现实意义。本文对上述OTN的关键技术进行了研究,论文的主要创新点和研究工作包括：1.为提高OTN承载速率可变分组客户信号的带宽利用率,提出了一种基于通用成帧规程（Generic Framing Procedure, GFP）的灵活光通道数据单元ODUflex （Optical channel Data Unit flexible）的带宽调整机制,仿真结果表明该机制能满足OTN承载速率可变分组客户信号的需要,并且能够显着地节约网络带宽。本文所设计的基于ODUflex（GFP）的带宽调整机制考虑了对未来应用的可扩展性以及实现的灵活性。经过仿真分析,当分组业务带宽变化幅度较大时,使用带宽调整机制的ODUflex连接比不使用时平均可以节约超过50%的带宽资源,而每条被ODUflex使用的高阶光通道数据单元（High Order Optical channel Data Unit, HO ODU）链路则可以平均节省14%以上的链路带宽。2.高效的OTN电层组播路由算法能有效地降低成本并提高带宽利用率,本文分别提出一种负载均衡链路共享最小代价启发式静态组播路由算法（Load-balancing Path Shared Minimum Cost Heuristic Algorithm, LPMH）和一种负载均衡时延约束最小代价启发式动态组播路由算法（Load-balancing Delay-constrained Minimum-cost Dynamic Heuristic Algorithm, LDMDH）。LPMH算法解决了经典的MPH （Minimum Path Heuristic Algorithm）算法未考虑链路共享和负载均衡的问题,适用于网络结构和组播组成员变化频率较小的准静态网络。仿真结果表明LPMH能够比MPH算法节省约5%的组播树代价,并且负载均衡度是MPH的6-8倍。LDMDH算法在满足时延约束下解决了负载均衡的问题,适用于网络结构和组播成员动态变化的网络。仿真结果表明在时延约束较低时LDMDH的组播树代价仅比MPH算法高约5%,而负载均衡度则是MPH的4倍以上。3.OTN中实现共享网状网保护能够节约网络带宽资源,论文提出了一种区分优先级负载均衡最小代价共享通道保护算法（Priority-differentiated Load-balancing Minimum Cost Shared Path Protection Algorithm, PLMC-SPP）和一种自动保护倒换（Automatic Protection Switching, APS）协议。用于OTN共享网状网保护的PLMC-SPP算法为优先级高的业务提供较短的工作和保护路由,在建立共享保护通道的同时提高了网络负载均衡。仿真结果显示PLMC-SPP在高业务强度时阻塞率比SPP算法（Shared Path Protection Algorithm, SPP）降低27%,保护资源共享度比SPP算法提高11%,网络负载均衡度是SPP的1.9倍。PLMC-SPP为高优先级业务所建工作和保护通道平均分别比低优先级的少约0.5跳和0.8跳。为推动OTN共享网状网保护机制的标准化,本文提出了OTN共享网状网保护的APS协议。通过仿真验证,OTN共享网状网保护APS协议能够在多种故障情况下完成保护倒换。
张雁楠[8]（2011）在《一种改进的具有时延约束的组播路由算法》文中研究指明21世纪以来,随着计算机网络技术的迅速发展,各种宽带应用层出不穷。而诸如远程教育、视频会议、IPTV、网络游戏等宽带应用都对当前网络的负载能力提出了挑战,使得组播成为了一种必要通信方式。同时,这些分布式的多媒体应用对带宽、时延、时延抖动、丢包率的要求各不相同,这就要求现有网络在传送实时多媒体信息时能够满足服务质量（quality of service, QoS）要求。因此,基于多约束QoS的组播路由算法的研究成为一个重要研究领域和热点问题。随着人们对QoS要求的提高,在求组播树的过程中加入了更多限制条件,这也使得这一问题成为一个NP完全问题。对于这类问题,我们只能设计出不同的算法在尽量短的时间内求出尽可能接近最优解的结果。时延约束的组播路由问题就是构建一棵满足给定时延约束的最小代价组播树。针对该问题,本文提出了一种新的时延约束组播路由算法,即NDBD（New Dijkstra Based on DCMA）算法,该算法对DDMC算法进行扩展,利用指示函数和链路选择函数,综合考虑了时延和代价这两个因素,有效地保证了组播树的性能,而且采用了New Dijkstra算法,时间复杂度低,可用于实际的应用系统中。
贺清[9]（2010）在《基于改进的遗传算法的QoS组播路由算法》文中认为近年来,信息化与网络化已经越来越明显地深入到人们日常的工作与生活之中,通常情况下服务器可以使用点对点传输的单播方式向每个客户机提供服务。然而在网络视频会议、网络电视直播、股票发行等网络多媒体及实时业务中,经常需要将相同的数据从网络中的一个结点同时发送给多个结点。如果采用单播技术进行数据传输,则会在网络中重复地传输相同的数据,会占用大量网络带宽资源。所以在实现上述多媒体业务时,必须利用组播技术来提高数据传输的效率。针对各种网络业务的不同需求,如费用、带宽、时延、时延抖动、丢包率等约束,需要提供不同的网络服务质量,即QoS （Quality of Service）。本文首先介绍了组播路由技术的相关原理,然后在总结了组播技术领域研究现状的前提下,对带宽、时延、时延抖动和包丢失率约束以及费用最小的QoS组播路由问题进行分析和研究,提出了一种基于遗传算法的QoS组播路由算法,并介绍了改进的遗传算法的基本思想和操作步骤。该算法具有以下特点：在描述网络结构时,使用了仅存储相邻结点信息的策略,每个结点只需存储与其直接相邻的路径编号,每条路径也只需存储其两端结点的编号信息,每个结点无需知道整个网络中其它结点、路径的信息,真实地模拟了现实网络的状态。种群初始化,使用了优先将与组播源点距离较远的组播终点进行启发式分组策略。变异操作,采用了结点所在分组的变异、两个或多个分组集合相交的合并点位置的变异,这两种方式相结合的变异策略。设计并实现了QoS组播路由算法仿真测试平台软件。并使用该平台对本文提出的QoS组播路由算法进行了仿真实验和性能分析,并且将本文算法与目前所提出的一些其它性能较优的算法进行了性能方面的比较,实验结果表明：本算法快速有效,并且在性能和效率方面均优于其它现存算法。
葛连升[10]（2010）在《基于蚁群优化的组播路由算法研究》文中进行了进一步梳理随着Internet的不断普及和多媒体通信技术的快速发展,特别是下一代互联网的建设、研究和试商用,以及IPTV、视频会议、视频点播、远程教学等多媒体应用迅速发展和普及,使得原来已经存在的、庞大的数据流量成倍增长,据Cisco估计,2007至2012年间Internet流量会每两年翻一番,这对Internet的健康发展带来了严峻的挑战。优化网络带宽可满足数据流量增长的需要,而IP组播通信技术是适用于一对多（或者多到多）的数据传输业务,已经成为研究实现优化带宽的一个重要手段。IP组播通信是由Steve Deering博士最初提出的一种网络体系结构,可以将源节点数据流的副本以多路复用的方式发送到一组接收者。利用组播通信技术,源节点只需产生并发送一份数据流,经过组播树中路由器的复制和转发,将数据流传送到一组目的节点。因此,与单播通信相比,组播通信可以极大地降低网络资源的消耗,同时能够减轻源节点的负担,因而IP组播通信是目前实现多媒体组通信的最佳方式。针对组播和组播路由算法的研究一直是学术界和工业界的研究热点,其中,为满足多媒体组通信对网络QoS的要求,寻找一种简单、高效、健壮的具有多约束条件的组播路由算法一直是网络界致力研究但未完全解决的问题。在数学上,带约束条件的组播路由问题被归结为带约束的Steiner树问题,该问题已经被证明是NP-Complete的,一般不能在多项式时间内找到可行解,解决这类问题一般使用近似算法、启发式算法等新型智能算法。随着中国下一代互联网示范工程CNGI的试商用,以及电信网、广播电视网和互联网三网融合工作的启动,这对IPTV、网络视频会议、网络远程教学等多媒体应用的推广部署及应用具有非常积极的政策意义和推动作用,从而对组播和网络服务质量（QOS）等产生了迫切需求,因此探索使用新型智能算法研究组播路由算法既有理论意义,也有现实意义。特别是随着下一代互联网为代表的新型、高性能网络的部署,高性能组播路由算法将成为研究的难点和热点问题,主要表现为动态、分层／聚合、分布式、高性能、低复杂度的多QoS约束的组播路由问题。另外,在实际的网络通信中,各个网络节点的组播能力是受到限制的,如何既减少节点复制信息的数量,缩短处理信息的时闻,有助于保证网络的传输速度,又平衡各个节点的负载,这就引入了度约束（degree constrained）问题。通过对网络节点给定度约束来管理节点的组播能力,并研究在有度约束情况下的组播路由问题,这在实际网络中具有重要意义。蚁群算法是一种基于种群的模拟进化算法,由意大利的Marco Dorigo于1991年在其博士论文中首先提出,并将其成功的应用于求解旅行商TSP问题。蚁群算法能够通过群体之中个体之间的相互作用解决优化问题,从而可以克服利用传统方法加以解决某些优化问题所经常遇到的无法求解或求解极其复杂等困难。其基本原理在于：蚂蚁在寻找食物过程中,虽然开始时单个蚂蚁的路径是杂乱无章的,但是蚂蚁通过相互交流信息,最后总能找到蚁巢与食物之间的最短路径。这种能力是靠其在所经过的路上留下一种信息素来实现的。蚂蚁在一条路上前进时会留下一定量的信息素,信息素的强度会随着时间的推移会逐渐挥发消失,后来的蚂蚁选择该路径的概率与当时这条路径上信息素强度成正比。对于一条路径,选择它的蚂蚁越多,则在该路径上蚂蚁所留下的信息素强度就越大,而更大的信息素强度则会吸引更多的蚂蚁,从而形成一种正反馈,通过这种正反馈,蚂蚁最终可以发现最短路径,以后大部分的蚂蚁都会走此路径。随着Internet上分布式多媒体应用对QoS的需求日益增长,QoS路由作为实现QoS需求的关键技术之一,也越来越得到研究人员的重视。将蚁群算法应用于研究受限组播路由,可以解决包括带宽、延时、包丢失率和最小花费等约束条件在内的QoS组播路由问题及度约束组播路由问题,是当前网络组播路由优化领域的一个研究热点。本论文就是使用蚁群优化这一启发式算法,研究提出了几种解决带约束条件的组播路由问题的新型蚁群算法,包括度约束环境下的组播路由算法和多QoS约束环境下的组播路由算法两个方面。论文的主要学术贡献可归纳如下：1)针对度约束组播路由问题,利用蚁群算法的正反馈机制设计了一种基于树的蚁群算法NAH。在NAH算法中,蚂蚁按照一定的概率选择一条链路加入组播子树,然后检查加入点的度约束情况,如果该点的度约束情况达到饱和,则蚂蚁以后不再选取与该点连接的链路。仿真实验表明,相比现有的AH算法,NAH算法能在更短的时间内找到最优解,而且显着地降低了空间复杂度,NAH算法的总空间复杂度为o（M×N）,而AH算法的总空间复杂度为o（M×N×n）,运算速度也明显加快。2)将交叉熵算法和蚁群算法相结合,设计了一个求解多QoS约束组播路由问题的新型蚁群算法。该算法将多QoS约束的组播路由问题表示成适用于交叉熵算法求解的数学模型,利用蚂蚁代理的概念,给出了基于交叉熵的蚁群算法求解多QoS约束组播路由问题时的执行步骤。通过将蚁群算法与具有完备数学基础的交叉熵算法相结合,交叉熵算法随机机制的优点保证了求解的规模和寻找解的范围足够大,从而可以显着提高最优解的质量,而且在运算速度、可扩展性等方面均优于传统蚁群算法。3)根据蚁群算法开始收敛速度慢的情况,针对多QoS约束的组播路由问题,设计了一个基于地理位置感知的蚁群优化算法。该算法将地理位置信息引入蚁群算法,蚂蚁在寻路时可以使用位置信息以获得更准确的路径选择。在此基础上,借鉴地理位置感知的思想,提出了“方向因子”的概念,并基于方向因子提出了一个改进的多QoS约束组播路由蚁群算法MACA。该算法采用了组成员节点驱动的方式构建组播树,并在概率转移函数中加入了方向因子,使蚂蚁在寻找路径时摆脱最初的盲目性,以更大的概率快速地向源节点移动,从而可以克服了传统蚁群算法中存在的收敛速度慢的缺陷。仿真实验表明,MACA算法较标准蚁群算法在收敛速度、运行时间等方面均有显着的改进。
二、一种时延受限的组播路由算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种时延受限的组播路由算法（论文提纲范文）
（1）大规模低轨宽带卫星网络路由关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外发展现状 |
| 1.2.1 LEO宽带卫星网络发展现状 |
| 1.2.2 LEO宽带卫星网络路由技术发展现状 |
| 1.2.2.1 单播路由技术 |
| 1.2.2.2 组播路由技术 |
| 1.3 主要研究内容 |
| 1.4 创新性工作 |
| 1.5 论文结构 |
| 第2章 大规模LEO卫星网络重要概念和相关工作研究 |
| 2.1 引言 |
| 2.2 卫星网络相关概念 |
| 2.2.1 卫星轨道 |
| 2.2.2 星间链路 |
| 2.2.3 星座分类 |
| 2.2.4 卫星网络构成与通信流程 |
| 2.3 大规模LEO宽带卫星网络架构 |
| 2.4 多径单播路由可行性分析 |
| 2.5 动态单播路由可行性分析 |
| 2.6 组播路由可行性分析 |
| 2.7 本章小结 |
| 第3章 基于无关多径的单播路由算法 |
| 3.1 引言 |
| 3.2 NDM算法 |
| 3.2.1 多径类型选择 |
| 3.2.2 多径判别机制 |
| 3.2.2.1 主路径选择 |
| 3.2.2.2 备份路径选择 |
| 3.2.3 拥塞判断机制 |
| 3.2.4 多径流量分配 |
| 3.2.5 多径通信流程 |
| 3.3 仿真评估 |
| 3.3.1 路由性能评价指标 |
| 3.3.2 仿真模型搭建 |
| 3.3.3 仿真场景设置 |
| 3.3.3.1 数据定向传播 |
| 3.3.3.2 数据洪泛传播 |
| 3.3.4 仿真结果分析 |
| 3.3.4.1 无拥塞状态下定向传播仿真结果分析 |
| 3.3.4.2 轻度拥塞状态下定向传播仿真结果分析 |
| 3.3.4.3 重度拥塞状态下定向传播仿真结果分析 |
| 3.3.4.4 洪泛传播仿真结果分析 |
| 3.4 本章小结 |
| 第4章 最小动态成本单播路由算法 |
| 4.1 引言 |
| 4.2 MDC算法 |
| 4.2.1 相关定义 |
| 4.2.2 成本计算 |
| 4.2.2.1 路径成本 |
| 4.2.2.2 等待成本 |
| 4.2.2.3 处理成本 |
| 4.2.3 算法描述 |
| 4.2.3.1 区域探测 |
| 4.2.3.2 方向增强 |
| 4.2.3.3 路径确立 |
| 4.2.3.4 维护与更新 |
| 4.2.3.5 动态路由流程 |
| 4.3 仿真评估 |
| 4.3.1 仿真场景设置 |
| 4.3.2 仿真结果分析 |
| 4.3.2.1 近程通信场景仿真结果分析 |
| 4.3.2.2 远程通信场景仿真结果分析 |
| 4.3.2.3 全网吞吐量仿真结果分析 |
| 4.4 本章小结 |
| 第5章 基于分簇的组播路由算法 |
| 5.1 引言 |
| 5.2 CMR算法 |
| 5.2.1 相关定义 |
| 5.2.2 簇的划分 |
| 5.2.3 簇头选举 |
| 5.2.4 组播树构建 |
| 5.2.5 组播树更新 |
| 5.3 仿真评估 |
| 5.3.1 总跳数和分支节点数 |
| 5.3.2 归一化树代价 |
| 5.3.3 归一化分支节点 |
| 5.4 本章小结 |
| 第6章 总结和展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者攻读博士学位期间发表的论文及专利 |
（2）低压电力线通信组网方法及信道接入优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 课题的国内外研究现状 |
| 1.2.1 电力线通信技术总体发展现状 |
| 1.2.2 低压PLC组网方法研究现状 |
| 1.2.3 低压PLC网络维护与自愈方法研究现状 |
| 1.2.4 低压PLC网络路由方法研究现状 |
| 1.2.5 低压PLC网络信道接入协议研究现状 |
| 1.3 国内外研究现状总结 |
| 1.4 本文主要研究内容 |
| 第2章 基于CSMA/CA+TDMA混合协议的低压PLC组网方法 |
| 2.1 引言 |
| 2.2 低压配电网拓扑结构分析 |
| 2.2.1 低压配电网物理拓扑 |
| 2.2.2 低压配电网PLC逻辑拓扑 |
| 2.3 基于CSMA/CA+TDMA协议的低压PLC单区域组网方法 |
| 2.3.1 低压PLC局域网组网问题 |
| 2.3.2 CSMA/CA+TDMA混合协议 |
| 2.3.3 基于CSMA/CA+TDMA混合协议的低压PLC组网工作机理 |
| 2.4 基于CSMA/CA+TDMA混合协议的多网络融合方法 |
| 2.5 典型组网场景及仿真 |
| 2.5.1 单区域组网场景及仿真 |
| 2.5.2 多区域网络融合及仿真 |
| 2.6 本章小结 |
| 第3章 基于小世界模型的低压PLC网络维护与自愈方法 |
| 3.1 引言 |
| 3.2 小世界网络模型 |
| 3.3 低压PLC网络的小世界性质 |
| 3.4 基于小世界模型的低压PLC网络维护与自愈工作机理 |
| 3.4.1 新节点入网的维护机理 |
| 3.4.2 网关退网的维护与自愈机理 |
| 3.4.3 代理退网的局部自愈机理 |
| 3.5 网络维护与自愈方法仿真 |
| 3.5.1 新节点入网维护仿真 |
| 3.5.2 网关退网的自愈维护仿真 |
| 3.5.3 代理退网的自愈维护仿真 |
| 3.6 本章小结 |
| 第4章 基于改进遗传蚁群算法的低压PLC网络路由方法 |
| 4.1 引言 |
| 4.2 低压PLC网络单播路由方法 |
| 4.2.1 基于路由学习的最短路径通信方法 |
| 4.2.2 基于改进遗传蚁群算法的路由热备份方法 |
| 4.2.3 单播路由老化机制 |
| 4.3 基于改进遗传蚁群算法的组播路由方法 |
| 4.3.1 组播路由模型 |
| 4.3.2 基于改进遗传蚁群算法的组播路由工作机理 |
| 4.4 低压PLC网络单播与组播路由方法仿真 |
| 4.4.1 低压PLC网络单播路由方法仿真 |
| 4.4.2 低压PLC网络组播路由方法仿真 |
| 4.5 本章小结 |
| 第5章 基于p-坚持CSMA协议的低压PLC网络性能优化 |
| 5.1 引言 |
| 5.2 低压PLC网络p-坚持CSMA协议分析 |
| 5.3 低压PLC网络饱和带宽利用率模型 |
| 5.3.1 饱和带宽利用率的p-坚持CSMA模型 |
| 5.3.2 饱和带宽利用率的优化方法 |
| 5.4 基于隐马尔科夫预测的低压PLC网络饱和性能博弈优化 |
| 5.4.1 网络饱和性能博弈优化的基本原理 |
| 5.4.2 基于改进p-CSMA的网络博弈性能模型 |
| 5.4.3 隐马尔科夫预测模型 |
| 5.5 低压PLC网络饱和性能的仿真 |
| 5.5.1 带宽利用率的仿真 |
| 5.5.2 基于隐马尔科夫预测的动态博弈仿真 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（3）基于蚁群算法的Ad Hoc组播能量优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及选题意义 |
| 1.1.1 研究背景 |
| 1.1.2 选题意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容及结构安排 |
| 第二章 蚁群算法与Ad Hoc网络QoS组播路由 |
| 2.1 蚁群算法及其经典改进方案 |
| 2.1.1 蚁群算法原理 |
| 2.1.2 用蚁群算法解决旅行商问题 |
| 2.1.3 蚁群算法的优缺点 |
| 2.1.4 几种经典的改进蚁群算法 |
| 2.2 移动Ad Hoc网络 |
| 2.2.1 移动Ad Hoc网络的体系结构 |
| 2.2.2 移动Ad Hoc网络的特点 |
| 2.2.3 移动Ad Hoc网络的能量优化思想 |
| 2.3 QoS组播路由算法及相关知识研究 |
| 2.3.1 组播的概念和特点 |
| 2.3.2 QoS组播路由概念 |
| 2.3.3 QoS组播路由算法分析 |
| 2.4 本章小结 |
| 第三章 基于多约束TSP问题的蚁群算法改进 |
| 3.1 一种基于多约束TSP问题的蚁群算法改进方案 |
| 3.1.1 多约束TSP问题 |
| 3.1.2 IACS算法设计 |
| 3.1.3 IACS算法的实现 |
| 3.2 IACS算法仿真及结果分析 |
| 3.2.1 仿真条件 |
| 3.2.2 仿真结果对比分析 |
| 3.2.3 仿真结论 |
| 3.3 本章小结 |
| 第四章 基于改进蚁群算法的QoS组播路由算法 |
| 4.1 链路能量水平及QoS约束建模 |
| 4.1.1 链路能量水平的定义 |
| 4.1.2 QoS约束模型 |
| 4.2 EBMRA算法模型分析 |
| 4.3 EBMRA算法设计 |
| 4.3.1 改进思路 |
| 4.3.2 算法中的数据结构 |
| 4.3.3 算法步骤 |
| 4.4 EBMRA算法仿真及结果分析 |
| 4.4.1 仿真环境设置 |
| 4.4.2 性能指标 |
| 4.4.3 仿真分析 |
| 4.4.4 不同网络规模下的仿真测试 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 本论文工作总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（4）时延受限组播路由算法的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题的研究目的及意义 |
| 1.2 国内外的研究现状和分析 |
| 1.3 本文的研究内容概述 |
| 1.4 本文的结构安排 |
| 2 组播路由技术 |
| 2.1 组播通信方式的介绍 |
| 2.2 组播的 IP 地址结构 |
| 2.3 组播路由相关技术 |
| 2.3.1 组播路由的实现方式 |
| 2.3.2 组播路由的相关协议 |
| 2.3.3 组播路由算法的分类 |
| 3 Steiner 树问题 |
| 3.1 Steiner 树问题介绍 |
| 3.2 Steiner 树问题的相关知识 |
| 3.2.1 最短路径算法 |
| 3.2.2 最小生成树算法 |
| 3.2.3 距离完全图 |
| 3.3 Steiner 树问题启发式算法 |
| 4 时延受限组播路由问题 |
| 4.1 时延受限组播路由问题的数学模型 |
| 4.2 时延受限组播路由问题的相关定义 |
| 4.3 典型的时延受限组播路由算法介绍 |
| 4.3.1 典型的静态时延受限组播路由算法介绍与比较 |
| 4.3.2 典型的动态时延受限组播路由算法介绍与比较 |
| 4.3.3 静态时延受限组播路由算法与动态时延受限组播路由算法联系 |
| 5 新的时延受限组播路由算法 |
| 5.1 新的时延受限组播路由算法的思想概述 |
| 5.2 新的时延受限组播路由算法的静态部分 |
| 5.2.1 静态部分的算法思想与具体描述 |
| 5.2.2 静态部分的正确性证明 |
| 5.2.3 静态部分的时间复杂度分析 |
| 5.2.4 静态部分的仿真实验和性能分析 |
| 5.3 新的时延受限组播路由算法的动态部分 |
| 5.3.1 动态部分的算法思想与具体描述 |
| 5.3.2 动态部分的正确性证明 |
| 5.3.3 动态部分的时间复杂度分析 |
| 5.3.4 动态部分的仿真实验和性能分析 |
| 5.4 新的时延受限组播路由算法的分析 |
| 5.5 新的时延受限组播路由算法的仿真实验与性能分析 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 本文总结 |
| 6.2 进一步研究的展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| A. 作者在攻读学位期间发表的论文目录 |
（5）量子进化组播路由算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文研究背景介绍 |
| 1.2 组播技术概述 |
| 1.3 组播路由算法的现状和发展 |
| 1.4 论文的主要内容及安排 |
| 第二章 组播路由算法理论基础及基本算法 |
| 2.1 Steiner树问题的定义 |
| 2.2 组播路由问题的相关算法 |
| 2.3 随机网络产生模型 |
| 第三章 量子进化组播路由算法 |
| 3.1 引言 |
| 3.2 量子进化算法 |
| 3.3 时延受限组播路由问题定义 |
| 3.4 量子进化组播路由算法 |
| 3.5 仿真实验及其结果分析 |
| 3.6 本章小结 |
| 第四章 量子进化动态组播路由算法 |
| 4.1 引言 |
| 4.2 动态组播问题的定义 |
| 4.3 量子进化动态组播路由算法 |
| 4.4 仿真实验及结果分析 |
| 4.5 本章小结 |
| 第五章 基于量子进化的大规模组播路由 |
| 5.1 引言 |
| 5.2 大规模组播路由问题描述 |
| 5.3 基于量子进化的大规模组播路由算法 |
| 5.4 仿真实验及其结果分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 致谢 |
| 参考文献 |
| 研究成果 |
（7）光传送网（OTN）若干关键技术的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 OTN的发展趋势 |
| 1.2 光传送网中的关键技术问题 |
| 1.2.1 OTN承载速率可变分组客户信号问题 |
| 1.2.2 OTN组播路由问题 |
| 1.2.3 OTN共享网状网保护问题 |
| 1.3 光传送网中关键技术的研究进展 |
| 1.3.1 OTN承载速率可变分组客户信号问题的研究进展 |
| 1.3.2 组播路由问题的研究进展 |
| 1.3.3 共享网状网保护的研究进展 |
| 1.4 论文的主要研究内容和组织结构 |
| 1.4.1 论文的主要研究内容 |
| 1.4.2 论文的组织结构 |
| 第二章 基于ODUFLEX(GFP)的带宽调整机制研究 |
| 2.1 引言 |
| 2.2 灵活的光通道数据单元ODUFLEX |
| 2.2.1 ITU-T G.709v3建议中定义的ODUFLEX |
| 2.2.1.1 用于承载CBR客户信号的ODUflex(CBR) |
| 2.2.1.2 用于承载分组客户信号的ODUflex(GFP) |
| 2.2.2 ODUFLEX与虚级联的比较 |
| 2.3 一种基于ODUFLEX(GFP)的带宽调整机制 |
| 2.3.1 调整机制概述 |
| 2.3.1.1 成功的ODUflex带宽调整 |
| 2.3.1.2 失败的ODUflex带宽调整 |
| 2.3.2 调整控制开销的定义 |
| 2.3.3 ODUFLEX调整控制信令的交互 |
| 2.3.3.1 增加带宽调整成功 |
| 2.3.3.2 增加带宽调整失败 |
| 2.3.3.3 减少带宽调整 |
| 2.3.4 ODUFLEX调整流程 |
| 2.3.4.1 带宽增加方式1的调整流程 |
| 2.3.4.2 带宽增加方式2的调整流程 |
| 2.3.4.3 带宽减少的调整流程 |
| 2.3.5 ODUFLEX带宽调整系统设计 |
| 2.3.5.1 ODUflex带宽调整系统组成 |
| 2.3.5.2 ODUflex带宽调整系统运行 |
| 2.3.6 仿真分析 |
| 2.3.6.1 单条ODUflex连接 |
| 2.3.6.2 多条ODUflex连接 |
| 2.4 本章小结 |
| 第三章 OTN电层组播路由算法的研究 |
| 3.1 引言 |
| 3.2 OTN电层组播路由问题研究 |
| 3.2.1 组播路由问题 |
| 3.2.1.1 网络模型和相关定义 |
| 3.2.1.2 组播路由问题 |
| 3.2.2 OTN电层组播的优势 |
| 3.3 一种负载均衡路径共享的最小代价静态组播路由算法 |
| 3.3.1 最小代价组播树问题及其相关算法 |
| 3.3.1.1 Steiner树问题的定义 |
| 3.3.1.2 Steiner树的相关算法 |
| 3.3.2 负载均衡路径共享的最小代价静态组播路由算法LPMH |
| 3.3.2.1 LPMH算法的基本思想 |
| 3.3.2.2 LPMH算法的实现步骤 |
| 3.3.3 LPMH算法的相关证明 |
| 3.3.4 LPMH算法的仿真分析 |
| 3.3.4.1 仿真模型 |
| 3.3.4.2 仿真结果分析 |
| 3.4 一种负载均衡时延受限的最小代价动态组播路由算法 |
| 3.4.1 动态组播树问题及其相关算法 |
| 3.4.1.1 动态Steiner树问题的定义 |
| 3.4.1.2 动态Steiner树的相关算法 |
| 3.4.2 负载均衡时延受限最小代价动态组播路由算法LDMDH |
| 3.4.2.1 LDMDH算法的基本思想 |
| 3.4.2.2 LDMDH算法的实现步骤 |
| 3.4.3 LDMDH算法的相关证明 |
| 3.4.4 LDMDH算法的仿真分析 |
| 3.4.4.1 仿真模型 |
| 3.4.4.2 仿真结果分析 |
| 3.5 本章小结 |
| 第四章 OTN共享网状网保护算法与协议的研究 |
| 4.1 引言 |
| 4.2 OTN共享网状网保护 |
| 4.2.1 网络的生存性策略 |
| 4.2.2 OTN共享网状网保护 |
| 4.3 一种用于OTN共享网状网保护的共享通道保护算法 |
| 4.3.1 网状网保护问题及其相关算法 |
| 4.3.1.1 网状网保护问题的定义 |
| 4.3.1.2 网状网保护的相关算法 |
| 4.3.2 一种区分优先级负载均衡的最小代价共享通道保护算法 |
| 4.3.2.1 OTN共享网状网保护问题的模型 |
| 4.3.2.2 PLMC-SPP保护算法的基本思想 |
| 4.3.2.3 PLMC-SPP保护算法的实现步骤 |
| 4.3.3 PLMC-SPP算法的仿真分析 |
| 4.3.3.1 仿真模型 |
| 4.3.3.2 仿真参数 |
| 4.3.3.3 仿真结果 |
| 4.4 OTN共享网状网保护协议 |
| 4.4.1 OTN共享网状网保护的结构 |
| 4.4.2 一种降低OTN中保护倒换时间的新型方法 |
| 4.4.3 OTN共享网状网保护APS协议 |
| 4.4.3.1 APS协议概述 |
| 4.4.3.2 节点中的保护信息 |
| 4.4.3.3 APS信令格式 |
| 4.4.3.4 状态机 |
| 4.4.3.5 APS协议 |
| 4.4.4 APS协议仿真验证 |
| 4.4.4.1 仿真模型 |
| 4.4.4.2 仿真结果 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文总结 |
| 5.2 未来研究工作展望 |
| 参考文献 |
| 附录 缩略词 |
| 致谢 |
| 攻读博士期间的学术成果 |
| 参与的主要科研项目 |
（8）一种改进的具有时延约束的组播路由算法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 1 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作和章节安排 |
| 1.4 本章小结 |
| 2 组播路由算法 |
| 2.1 相关定义 |
| 2.2 组播路由 |
| 2.3 算法分类 |
| 2.4 本章小结 |
| 3 服务质量组播路由算法 |
| 3.1 QOS路由 |
| 3.2 QOS组播路由问题的数学模型 |
| 3.3 实现步骤 |
| 3.4 经典QOS组播路由算法 |
| 3.5 算法评价指标 |
| 3.6 STEINER树问题的定义 |
| 3.7 STEINER树问题的启发式算法 |
| 3.8 本章小结 |
| 4 时延约束组播路由算法 |
| 4.1 问题定义 |
| 4.2 相关算法 |
| 4.3 NDBD算法 |
| 4.4 本章小结 |
| 5 总结和展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（9）基于改进的遗传算法的QoS组播路由算法（论文提纲范文）
| 摘要 |
| Abstract |
| 绪论 |
| 第一章 QoS组播路由技术 |
| 1.1 组播路由技术 |
| 1.1.1 组播的工作原理 |
| 1.1.2 组播技术的优点 |
| 1.1.3 组播技术的应用 |
| 1.1.4 组播路由算法分类 |
| 1.2 QoS参数 |
| 1.2.1 QoS概述 |
| 1.2.2 QoS主要参数 |
| 1.2.3 QoS组播路由问题 |
| 本章小结 |
| 第二章 遗传算法的研究 |
| 2.1 遗传算法的基本概念 |
| 2.2 遗传算法的基本思想 |
| 2.3 遗传算法的基本流程 |
| 2.4 遗传算法的设计步骤 |
| 2.5 遗传算法的原理和方法 |
| 2.5.1 编码 |
| 2.5.2 初始群体设定 |
| 2.5.3 适应度函数 |
| 2.6 遗传操作 |
| 2.6.1 选择算子 |
| 2.6.2 交叉算子 |
| 2.6.3 变异算子 |
| 2.7 遗传算法的特点 |
| 本章小结 |
| 第三章 相关算法及研究现状 |
| 3.1 不带时延约束的组播路由算法 |
| 3.2 带时延约束的组播路由算法 |
| 3.3 启发式算法分析 |
| 3.4 相关遗传算法 |
| 本章小结 |
| 第四章 改进的遗传算法的QoS组播路由算法 |
| 4.1 问题分析及算法思路 |
| 4.2 遗传操作 |
| 4.2.1 编码策略 |
| 4.2.2 前期处理 |
| 4.2.3 初始化种群 |
| 4.2.4 适应度函数 |
| 4.2.5 选择方法 |
| 4.2.6 交叉策略 |
| 4.2.7 变异规则 |
| 4.3 本文算法的特点 |
| 本章小结 |
| 第五章 算法仿真平台软件 |
| 5.1 仿真平台的设计目的 |
| 5.2 仿真平台的使用环境 |
| 5.3 系统功能模块设计 |
| 5.3.1 系统功能模块图 |
| 5.3.2 网络组建模块 |
| 5.3.3 算法求解模块 |
| 5.3.4 动画演示模块 |
| 5.3.5 网络保存模块 |
| 5.4 平台运行界面 |
| 5.4.1 系统启动界面 |
| 5.4.2 网络组建界面 |
| 5.4.3 动画演示界面 |
| 5.5 平台部分代码 |
| 本章小结 |
| 第六章 算法性能验证 |
| 6.1 算法收敛性分析 |
| 6.2 网络模型的随机产生 |
| 6.3 实验研究和结果对比 |
| 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
（10）基于蚁群优化的组播路由算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状与进展 |
| 1.2.1 组播和组播路由 |
| 1.2.2 组播路由算法 |
| 1.2.3 蚁群优化算法 |
| 1.2.4 问题的提出 |
| 1.3 论文研究内容和主要贡献 |
| 1.3.1 论文的主要研究内容 |
| 1.3.2 论文的主要贡献 |
| 1.3.3 论文的组织结构 |
| 1.4 本章小结 |
| 参考文献 |
| 第二章 组播路由算法 |
| 2.1 引言 |
| 2.2 网络模型和问题描述 |
| 2.2.1 网络模型 |
| 2.2.2 组播路由问题描述 |
| 2.3 组播路由算法分类 |
| 2.4 QoS组播路由算法 |
| 2.4.1 传统的QoS组播路由算法 |
| 2.4.2 基于智能算法的QoS组播路由算法 |
| 2.5 度约束组播路由算法 |
| 2.5.1 传统的度约束组播路由算法 |
| 2.5.2 基于智能算法的度约束组播路由算法 |
| 2.5.3 度约束QoS组播路由算法 |
| 2.6 组播路由算法的应用 |
| 2.6.1 下一代互联网中的组播路由算法 |
| 2.6.2 无线移动网络中的组播路由算法 |
| 2.6.3 应用层组播中的组播路由算法 |
| 2.7 本章小结与结论 |
| 参考文献 |
| 第三章 求解度约束组播路由的新型蚁群算法 |
| 3.1 引言 |
| 3.2 度约束组播路由问题的数学模型 |
| 3.3 经典蚁群算法 |
| 3.4 求解度约束组播路由问题的NAH算法 |
| 3.4.1 NAH算法构树的核心思想 |
| 3.4.2 NAH算法信息素存储策略 |
| 3.4.3 NAH算法步骤 |
| 3.5 仿真结果和数值分析 |
| 3.6 本章小结 |
| 参考文献 |
| 第四章 基于交叉熵的多约束QOS组播路由蚁群算法 |
| 4.1 引言 |
| 4.2 多约束QoS组播路由的数学模型 |
| 4.3 交叉墒算法 |
| 4.3.1 交叉熵算法简介 |
| 4.3.2 蚂蚁代理的概念 |
| 4.3.3 交叉熵算法 |
| 4.4 多约束QoS组播路由的交叉熵算法 |
| 4.4.1 多约束组播路由的搜索函数 |
| 4.4.2 成本(费用)函数 |
| 4.4.3 基于交叉熵的蚁群算法 |
| 4.4.4 路经合并与组播树生成算法 |
| 4.5 网络仿真结果与分析 |
| 4.6 本章小结 |
| 参考文献 |
| 第五章 基于地理位置感知的多约束QOS组播路由蚁群算法 |
| 5.1 引言 |
| 5.2 多QoS约束组播路由问题的数学模型 |
| 5.3 基于地理位置感知的蚁群算法 |
| 5.3.1 地理位置感知 |
| 5.3.2 基于地理位置感知的蚁群算法 |
| 5.4 基于地理位置感知的多QoS约束组播路由蚁群算法 |
| 5.4.1 方向因子的提出 |
| 5.4.2 改进蚁群算法的基本操作 |
| 5.4.3 改进蚁群算法步骤描述 |
| 5.5 仿真结果和数值分析 |
| 5.6 本章小结 |
| 参考文献 |
| 第六章 总结和展望 |
| 6.1 论文总结 |
| 6.2 工作展望 |
| 6.3 下一步工作 |
| 致谢 |
| 攻读博士学位期间参与科研项目、发表论文 |
| 学位论文评阅及答辩情况表 |
| 附录:以英文书写论文2篇 |
| NEW ANT HEURISTIC ALGORITHM FOR DEGREE-CONSTRAINED MULTICAST ROUTING |
| AN CROSS-ENTROPY ALGORITHM FOR MULTI-CONSTRAINTS QOS MULTICAST ROUTING |
| 学位论文评阅及答辩情况表 |
四、一种时延受限的组播路由算法（论文参考文献）
- [1]大规模低轨宽带卫星网络路由关键技术研究[D]. 朱晓攀. 中国科学院大学(中国科学院国家空间科学中心), 2020(04)
- [2]低压电力线通信组网方法及信道接入优化研究[D]. 崔莹. 哈尔滨工业大学, 2019
- [3]基于蚁群算法的Ad Hoc组播能量优化研究[D]. 张阿鑫. 西安电子科技大学, 2019(02)
- [4]时延受限组播路由算法的研究[D]. 王慧. 重庆大学, 2014(01)
- [5]量子进化组播路由算法研究[D]. 汪颜. 西安电子科技大学, 2012(05)
- [6]一种改进的时延受限低代价光组播路由算法[J]. 刘焕淋,李祯,谢芸徽. 半导体光电, 2011(05)
- [7]光传送网（OTN）若干关键技术的研究[D]. 房超. 北京邮电大学, 2011(07)
- [8]一种改进的具有时延约束的组播路由算法[D]. 张雁楠. 暨南大学, 2011(10)
- [9]基于改进的遗传算法的QoS组播路由算法[D]. 贺清. 大连交通大学, 2010(02)
- [10]基于蚁群优化的组播路由算法研究[D]. 葛连升. 山东大学, 2010(08)