改进蚁群算法在RINA路由选择中的应用研究
发布时间：2022-01-08 06:07
当前互联网发展壮大,普惠众人,但随着科学与技术的发展,互联网面临着许多问题,如路由、移动和多宿主问题。为了改善这些问题,研究人员苦心钻研,取得了很多的成果,其中包括一些不同于传输控制协议/因特网互联协议（Transmission Control Protocol/Internet Protocol,TCP/IP）的体系架构,递归互联网络体系架构（The Recursive Inter Network Architecture,RINA）就是其中一个。RINA现在既支持基于距离矢量的路由算法又支持基于链路状态的路由算法,但是求解最优路径的算法较为单一。所以提出一种新的求解最优路径算法并将其应用在RINA中是十分必要的。首先,本文对RINA体系架构及其通信原理进行研究。RINA把通信回归到最本质的概念上:进程间通信。该体系架构有一个基本原则和两个主要设计原则。这个基本原则是RINA有且只有进程间通信,两个主要设计原则其一是递归,其二是机制和策略分离。在RINA中网络不是一系列不同功能层的集合,而是在不同范围内分布式进程间通信单层的重复,这个重复的单层被称为分布式进程间通信设施（Distri...
【文章来源】：重庆邮电大学重庆市
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
图5.12时延变化对比曲线图
重庆邮电大学硕士学位论文第5章P-ACS算法在RINA中的设计与实现46图5.12是从QoS服务质量的时延参数进行数据的对比仿真，对迭代前300次的效果进行分析，在开始阶段两种算法都出现了时延的不规则快速变化，且总体趋势都是下降，但是P-ACS算法前期通过粒子群算法得到次优解集合，所以会集中在最优解附近有较快的收敛。从图中知，在时延方面，改进蚁群算法P-ACS比ACS算法更早的稳定，收敛。而且，在两种算法的时延都趋于稳定后，P-ACS算法的时延都低于ACS算法。所以可以得出，P-ACS算法的时延更短。图5.13给出了改进的算法P-ACS和ACS算法在300次迭代中费用方面的对比。可以看出本文的算法初始路径开销值就明显较少，而且趋于稳定后，P-ACS算法总是比ACS算法开销值要小，从而可以得出P-ACS算法的代价较小这一结论。图5.13代价的变化曲线图从图5.14得出，在收敛情况上，P-ACS算法最早收敛，这是因为加入粒子群算法，搜索到的路径相对较优，避免了劣质解，在迭代不到50次就收敛于平均最优解，搜索效率显著提高。因此可以得出P-ACS算法的收敛性较快的结论。如图5.12、5.13和5.14可知，ACS算法的时延高于P-ACS算法的时延，ACS算法的代价大于P-ACS算法的代价，P-ACS能够更快地搜索到最优解。粒子群算法和蚁群算法相结合而成的P-ACS算法更有利于网络寻路，缓解网络陷入停滞和
重庆邮电大学硕士学位论文第5章P-ACS算法在RINA中的设计与实现47局部优化的问题中，同时也在一定程度上优化了算法的收敛速度。从而验证了本文的改进在应用的有效性。图5.14收敛的变化曲线图5.5本章小结本章首先介绍了OMNET++仿真平台，紧接着对RINASim框架进行了介绍，RINASim是一个不依赖于INET或任何其他外部库的独立的OMNeT++模型框架，用于模拟RINA的网络，里面有很多的文件和配置，在仿真的时候要根据自己的仿真需求，进行人为的设置。接着重点介绍了P-ACS算法在网络路由中的设计和实现。P-ACS算法在网络路由中的设计主要包括P-ACS路由算法的设计、路由表设计、IPCP内部逻辑结构的设计、DIF形成策略设计和进程间通信过程设计。最后通过仿真实验，实现P-ACS算法在RINASim中的部署，并对结果进行分析，仿真结果表明P-ACS算法应用于RINA网络中，在时延、费用和收敛速度方面，性能都有所提高。
本文编号：3576030
【文章来源】：重庆邮电大学重庆市
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
图5.12时延变化对比曲线图
重庆邮电大学硕士学位论文第5章P-ACS算法在RINA中的设计与实现46图5.12是从QoS服务质量的时延参数进行数据的对比仿真，对迭代前300次的效果进行分析，在开始阶段两种算法都出现了时延的不规则快速变化，且总体趋势都是下降，但是P-ACS算法前期通过粒子群算法得到次优解集合，所以会集中在最优解附近有较快的收敛。从图中知，在时延方面，改进蚁群算法P-ACS比ACS算法更早的稳定，收敛。而且，在两种算法的时延都趋于稳定后，P-ACS算法的时延都低于ACS算法。所以可以得出，P-ACS算法的时延更短。图5.13给出了改进的算法P-ACS和ACS算法在300次迭代中费用方面的对比。可以看出本文的算法初始路径开销值就明显较少，而且趋于稳定后，P-ACS算法总是比ACS算法开销值要小，从而可以得出P-ACS算法的代价较小这一结论。图5.13代价的变化曲线图从图5.14得出，在收敛情况上，P-ACS算法最早收敛，这是因为加入粒子群算法，搜索到的路径相对较优，避免了劣质解，在迭代不到50次就收敛于平均最优解，搜索效率显著提高。因此可以得出P-ACS算法的收敛性较快的结论。如图5.12、5.13和5.14可知，ACS算法的时延高于P-ACS算法的时延，ACS算法的代价大于P-ACS算法的代价，P-ACS能够更快地搜索到最优解。粒子群算法和蚁群算法相结合而成的P-ACS算法更有利于网络寻路，缓解网络陷入停滞和
重庆邮电大学硕士学位论文第5章P-ACS算法在RINA中的设计与实现47局部优化的问题中，同时也在一定程度上优化了算法的收敛速度。从而验证了本文的改进在应用的有效性。图5.14收敛的变化曲线图5.5本章小结本章首先介绍了OMNET++仿真平台，紧接着对RINASim框架进行了介绍，RINASim是一个不依赖于INET或任何其他外部库的独立的OMNeT++模型框架，用于模拟RINA的网络，里面有很多的文件和配置，在仿真的时候要根据自己的仿真需求，进行人为的设置。接着重点介绍了P-ACS算法在网络路由中的设计和实现。P-ACS算法在网络路由中的设计主要包括P-ACS路由算法的设计、路由表设计、IPCP内部逻辑结构的设计、DIF形成策略设计和进程间通信过程设计。最后通过仿真实验，实现P-ACS算法在RINASim中的部署，并对结果进行分析，仿真结果表明P-ACS算法应用于RINA网络中，在时延、费用和收敛速度方面，性能都有所提高。
本文编号：3576030
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/3576030.html
