基于蚁群优化算法的网络编码资源优化问题研究

发布时间：2017-04-06 18:06

  本文关键词：基于蚁群优化算法的网络编码资源优化问题研究，由笔耕文化传播整理发布。

【摘要】：随着网络技术的高速发展,多媒体业务需求量急剧增长,而组播作为一种点到多点的基础技术,能够很好地支撑多媒体业务,因此受到了广泛关注。传统组播采用“存储-转发(Store-and-Forward)"方式进行数据转发,无法保证获得理论上的最大组播速率。2000年网络编码被提出,该技术根据“编码-转发(Coding-and-Forward)"方式转发数据,弥补了传统技术的缺陷,使组播可以更好地支持带宽需求量不断增加的多媒体业务。早期的网络编码组播的研究工作中,大部分都假设网络中所有具有编码功能的节点都进行编码操作,然而编码操作需要额外的计算和存储资源,带来额外的计算消耗和时延。因此网络编码资源优化问题被提出,即保证组播最大速率的同时尽可能地减少编码操作。蚁群优化算法已成功地应用于很多组合优化问题中,但应用于本问题还未见报道,本文拟研究采用蚁群优化算法解决网络编码资源优化问题。本文提出了一种新的蚁群优化算法来优化网络编码资源优化问题(NRCM-ACO)。该算法包含了几个适应问题的特殊机制：(1)一个多维信息素维护机制,来解决信息素覆盖问题；(2)一个基于问题的启发素,来增强局部搜索能力；(3)一个基于禁忌表的路径构造方法,来得到从源节点到接收节点的无公共边的解集；(4)一项信息素局部更新机制,来指导蚂蚁选择更为合适的路径；(5)一个方案重构方法,以避免早熟收敛,提高算法的搜索能力。结合这些优秀的机制,NCRM-ACO算法在构建解的阶段能充分结合全局和局部信息,从而构建出全局最优解。仿真实验表明,在不同的基准场景下,我们提出的算法在效果和效率上都优于现有的所有算法。
【关键词】：蚁群优化算法 网络编码 组合优化问题
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP393.02;TP18
【目录】：

• 摘要6-7
• Abstract7-11
• 第1章 绪论11-18
• 1.1 研究背景与意义11-13
• 1.2 国内外研究现状13-16
• 1.2.1 网络编码资源优化问题13-15
• 1.2.2 蚁群优化算法15-16
• 1.3 本论文研究内容及章节安排16-18
• 1.3.1 本论文研究内容16-17
• 1.3.2 本论文章节安排17-18
• 第2章 相关理论分析18-23
• 2.1 蚁群优化算法18-19
• 2.2 图分解算法19-21
• 2.3 本章小结21-23
• 第3章 问题定义与建模23-28
• 3.1 现有问题建模方式23-25
• 3.2 问题定义与建模25-27
• 3.3 本章小结27-28
• 第4章 基于适配网络编码资源优化问题的蚁群优化算法28-38
• 4.1 算法整体流程28-30
• 4.2 多维信息素维护机制30-31
• 4.3 基于问题的启发素的设计31-32
• 4.4 基于禁忌表的路径构建方法32-34
• 4.5 信息素局部更新规则34-35
• 4.6 方案重构方法35-36
• 4.7 信息素全局更新机制36-37
• 4.8 本章小结37-38
• 第5章 实验与分析38-58
• 5.1 测试实例介绍38-42
• 5.2 实验测试指标42
• 5.3 实验参数设定42-44
• 5.4 所提机制的有效性验证44-47
• 5.5 算法总体性能评估47-57
• 5.6 本章小结57-58
• 结论与展望58-60
• 结论58
• 下一步工作58-60
• 致谢60-61
• 参考文献61-66
• 攻读硕士学位期间发表的论文及科研成果66

【参考文献】

中国期刊全文数据库 前2条

1 邵星;王汝传;黄海平;孙力娟;;基于模拟退火遗传算法的网络编码优化研究[J];南京邮电大学学报(自然科学版);2013年02期

2 邓亮;赵进;王新;;基于遗传算法的网络编码优化[J];软件学报;2009年08期

  本文关键词：基于蚁群优化算法的网络编码资源优化问题研究，，由笔耕文化传播整理发布。

本文编号：289365