1、 拯壹堡王太堂璺盟麴堡庭丕统生：论文起止时间：旦二垒曼呈长春理工大学硕士学位论文原创性声明本学位论文作者及指导教师完全了解“长春理工大学硕士、博士学位 论文版权使用规定”，同意长春理工大学保留并向中国科学信息研究所、中国优秀博硕士学位论文全文数据库和系列数据库及其它国家有关部门或机构送交学位论文的复印件和电子版，允许论文被查阅和借阅。本人授权长春理工大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编学位论文。 作者签名：兰壁由问题。 甌 目第二章酚衫砺刍 攀觥诼酚晒婺姆掷唷诼酚刹呗缘姆掷唷第一章绪论研究的目的与意义我们所说的，指的是各种网络
2、组件保障业务和服务需求的研究现状分析等提出，其原理是模拟现实中的蚂蚁在觅食过程中的一种寻径行为的启发式搜索算法【】，引起了许多国内外学者的兴趣，从而众多学者纷纷对其开展相关的研究。国外对蚁群算法的研究起步较早，针对不同的问题，出现了多种改进的蚁群算法，比如：最大最小蚁群算法、自适应蚁群算法、基于变异特征的蚁群算法、基于连续优化的蚁群算法等。相比而言，国内对蚁群算法的研究工作起步较晚，直到年才出现少量的对蚁群算法研究成果的报道，其研究论文主要工作和组织结构开了分析与研究，组织结构如下：同时也给出了本课题研究的目的与意义以及本课题的主要工作，给出了本文的组织结第四章：本章主要讨论了对基本蚁群算法的
3、改进策略，接着给出了改进算法的具由问题中的有效性。量务流，而是面向将若干业务聚合起来的聚合流。甀模型酆戏衲甋汀靠梢月愣嘀諵要求，是一种综合性的服务模型。该模型丢包率是指在源节点到目标节点间进行数据传输过程中所丢失的数据包数量与从源节点发送的数据包总数量的比值。通常，杉有訯度量参数凸性攘坎问侵敢惶跬缏肪吨凶艿腝度量参数值等于该条路径中所法的研究中的重点。图单播路由原理图于其自身的特殊性，可以划分为链路约束问题、链路优化问题、路径约束问题以及路点湍勘杲诘鉨以及攘坎问蟂，在遍历源节点湍勘杲诘鉨等所有节在路由协议交互的过程中，各个网络节点都会对网络状态信息进行收集，而路由策略正是一种研究如何根据这些收
4、集到的网络状态信息实现路由而采取的方法。当前路由的分类方式也可以基于路由策略进行分类，即以网络状态信息的维护方式或者网络路径的搜索方式进行分类，可以划分为集中式路由、分布式路由和层次化路由三类。分布式路由拉在进行路由选择的过程中，采用分布式的处理方式，网络中的每个节点并不含有整个网络状态信息，而是只含有附近节点的局部状态信息。在路由计算的过程中，并不是在源节点时就将整个网络路径计算出来，而是每到达一个网络节点时只对要到达的目标节点的下一跳节点进行计算。分布式路由算法在各个中间节点中进行计算，大大降低了计算的复杂性，提高了路由计算的效率。与集中式路由算法相比，分布式路由算法具有更好的可扩展性、更
5、短的响应时间，并且可以对多条路径进行同时计算，提高了算法的成功率。但是分布式路由算法的处理过程比较复杂，而络状态的影响。目前主要的酚啥际锹鉗要求的尽力而为的路由，当要介入本章小结图食物源与蚂蚁巢穴示意图我们以图为例来说明蚂蚁在觅食的过程中是如何选择路径选择的。如图所示，假设蚂蚁从巢穴龇绞澄镌碆去寻找食物，在巢穴胧澄镌碆之间存在两条可行路径：巢穴狟狤一食物源统惭狣 皇澄镌碏。在图中，假设珺。从巢穴隼吹牡谝恢宦煲献叩紹处时碰到障碍物，因为此前并没有蚂蚁走过，所以和这两条可选的路径上信息素的起始浓度为零。这样一来，按照统计学中涉及到的有关原理，蚂蚁会以同样的概率对和中的一条路径进行随机的选择，此时并
6、不能够确定蚂蚁一定会选择定的数量后，路径虰上的信息素都积累到能够影响蚂蚁路径选择的程度，蚁群算法的模型琣，则表示笨淘诔鞘薪诘慵螦中任意点一定要满足喇，这样做的目的是防止被访问过的城市节点被重复访萄露 代表第宦煲显诒敬窝分性诔鞘薪趇之间的路上残留的信丁盯鳎在甉椭校鞫。值的求解公式如公式所示：在公式中，代表两个相邻城市节点之间的距离。，否则在本章的第二节中，对蚁群算法的算法模型进行了阐述，在该算法模型中涉及到的性能产生重要的影响，本节的主要工作是分析上述几种参数对算法的影响，并且确定其取值范。优能力和稳定性。息反馈量的基础上，使得算法在正反馈机制下能够更快地求得最优解。下面分别根据文献的描述对竞蚿
7、进行仿真实验，通过实验确定这两个参数图信息素启发因子与路径长度关系图图期望启发因子与迭代次数关系图麟篡黧竺絮鑫习芠畂椭很强。的关眦首先蚁群算法是否具有全局主免蚁群算法发生陷入局部最优解或出现停滞现象等情况。蚁群算法如何进行参数最优配置要按照以下几个步骤进行确定：蚁群算法的优缺点蚁群算法的优点主要包括以下几个方面：从蚁群的这种搜索机制可以看出蚁群算法具有本质的并行性，而当前的网络主要是分径，直到蚁群搜索过程结束，蚂蚁也没有找到最优的路径，只是找到了一条局部最优路径。如果想要实现全局最优路径上的信息素浓度高于其他路径，就需要经过很长一段时间进行信息素的积累。要解决的问题规模越大，搜索的时间也就越长
8、，要想在短时间内寻找到一条全局最优路径边会很难。本章小结本文的改进策略在基本蚁群算法中，蚂蚁个体根据信息素的浓度进行路径的选择，这是一种信息正反馈的机制，这种机制的目的是吸引蚂蚁个体有更大的几率选择信息素浓度最大的那条路径，但是这种机制也会引起算法在收敛速度与全局搜索能力之间产生矛盾。而在这种基本算法中，采用的都是静态的参数，那么在算法进行搜索的过程中，相同的静态参数决定了相同的信息素更新策略以及蚂蚁个体的路径选择概率，这样做的缺点就是忽视了解的分布情况。因此需要采用动态的参数设置来改善算法的性能，解决上述的矛盾。若輕砌在上式中，饧拥纳瓒梢杂行姆乐褂捎趐值过小造成算法的收敛速度慢。与此同时，还要在每次循环结束之后对求出的最优解进行保存，这样做是为了提高蚁群算法的搜索速度和全局搜索能力。改进算法伪代码如下所示：在第三章中，我们对算法的一些常用参数进行了研究。从研究中发现信息素启发因子竞推谕舴蜃覤的取值将直接影响着蚂蚁进行路径选择的概率。在基本蚁群算法中，这两个参数的值在整个算法执行过程中都是一个固定值，但是在真实的蚁群系统中，随着时间的流逝，蚂蚁个体会逐渐对周围环境中的信息素浓度带来的刺激失去敏感性。为了避免竞虳的值过大或者过小造成算法性能的降低，我们引入了一种
