应用研究
群智能在网络路由中的研究及存在问题
叶梦雄1.2
(1.西安石油大学计算机学院陕西西安710065；2.西安航空职业技术学院陕西西安710089)
与皮
摘要：本文介绍了当前网络路由中常用的计算智能方法，针对当前研究的现状提出了在群智能算法融含中需要解决的实际问题进一步给出了群智能算法路在路由应用研究的方向，有助于算法早日规范，形成实际的路由协议。
关键调：路由群体智能双群算法粒子群算法
中图分类号：TP393
文献标识码：A
文章编号：1007-9416(2012)09-0074-01
网络规模的不断扩大和业务量的巨增，特别是网络多媒体业务种类扩展对网络性能提出了给高的要求。如：视频会议，视额点插和远程视频教学等系统以实时多媒体应用大量涌现，伴随着上述业务的应用，网络流量迅猛增加。这些业务具有下列的一些共性。需将信息从源节点安全且完整高效地传输到目的节点。部分业务同时需要数据按顺序到达。如在超文本传输协议（HTTP)在视频数据的传输、文件传输协议(FTP)等具体应用中，在此类信息传输的过程中队数据的完整性和高效性显得尤为重要。为满足诸如此类业务的要求，这类业务所传输的数据在传输过程中就必须满足一些特定的参数要求，这些参数关心信息传输的各种条件要求和数传输细节。此类约束条件即网络中的QoS(Qualityof service)约束问题。群智能算法是目前解决上述问题的重要解决思路，因此群智能算法在网
络路由中的应用成为当前的热点问间题 1、群智能算法目前的研究现状
随着技术的进步，工程实践问题变得越来越复杂，传统的计算方法面临着计算复杂度高、计算时间长等问题，特别是对一些NP难和完全间题，统算法的时间无法让人器学，电主面对的研究课题越来越复杂，传统方法解决问题的能力受到极大的限制，引导寻求新的方法和手段。计算机科学家们提出了形形色色具有启发式特征的计算方法，包括模仿“生物界的进化过程”、“生物生理结构”“身体行为”，“动物群体行为”、“模仿人类思维、语言"等等，希望通过模拟自然和人类的智慧实现间题的优化求解。这些算法就是智能优化算法，也叫计算智能。群智能是计算智能的重要分支。目前常用群集智能算法有粒子群算法，蚊群算法，人工鱼群算法，人工蜂群算法等。他们中的他不分应用的领域都涵盖了网络路由问题。因此研
究群智能算法在网络中的应用具有很高的现实意义， 2、路由中常用的生物启发式算法
2.1遗传算法（GA）
1975年美国Michigan大学的-心理学教授、电子工程学和计算机科学教授J.Holland首先提出的随机自适应全局搜索算法即遗传算法(GA)。遗传算法吸收了生命科学与工程学科的重要理论成果，用于解决复杂问题的求解。其中达尔文的自然进化论和孟德尔的遗产学为基础的现代遗传算法的提出具有重要的影响。GA是一种随机优化算法，这种算法和之前的算法相比已经不再是简单的随机比较搜索。GA通过模拟自然界中生物遗传过程，对优化问题进行搜索。遗传算法在求解问题时，维护了一个代表问愿潜在解得全体，对于群体的进化，算法引人了自然界进化中选择、交配及变异等算子，通过不断选择，交配(交叉)，变异等操最终收效到"最适应环境"的个体（全局最优解），从而找到问题的最优解或者满意解。
2.2神经网络
人们受生物神经系统的启发。提出了一种新型的非算法信息处理方法。神经网络(NeuralNetwork，NN)一般也称为人工神经网络（Artificial NeuralNetwork，ANN)。生物学对神经系统的研究成果是人工神经网络的基础。NN是科学家对生物神经元、神经系统等生理学研究和人脑结构、组成和基本工作单元的认识基础上，
借助数学和物理方法从信息处理的角度对人脑神经网络进行抽象后建立的简化模型。作为计算机智能算法的一个重要分支，已经成为目前十分热门的交叉学科，涉及了生物、电子、数学、计算机和物理等学科，它的应用前录非常广泛。
2.3免疫算法 IA(ImmuneAlgorithm
免疫系统(ImmuneSystem,IS)是脊椎动物和人类的防御系统，是机体执行免疫功能一一识别非自体物质，从而将其消灭、排除的器官、组织、细胞和分子的总称。把免疫系统的生物学原来应用于计算机科学中就有了免疫算法(1A)。IA利用求解问题中的一些特征信息或知识来抑制其优化过程中出现的退化现象。在标准遗传算
法的基础上引人“免疫算子"展开构造这是免疫算法的核心。 3、路由中常用的群智能算法
3.1粒子群算法
粒子群算法是Eberhart(电气工程师)和Kennedy(社会心理学家)在借鉴前人科学家对自然界生物群体活动的认识以及这些活动行为计算机可视化仿真的基础上，并与各自专业背录知识结合的产物。粒子群优化算法是仿生算法的一个著名代表也称粒子群算法(ParticleSwarmOptimization)，缩写为PSOPSO是模拟自然界生物活动及群体智能的随机搜索算法，因此粒子群算法据吸取了人工生命、乌群觅食、鱼群学习及群理论等思想，同时也具备进化算法算法的特点，和遗传算法、进化策略等算法有相似的搜索和优化能力。
3.2数群算法
蚂蚁算法(ant colonyoptimization，ACO)又称蚁群算法，它的灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法初步的研究表明是一种具有许多优良的性质模拟进化算法。ACO 通过模拟自然界蚂蚊社会寻找食物的方式而得出的一种仿生优化算法。蚊群算法最初只是随机地选择搜索路径并不需要任何先验知识，随着对解空间的”了解”，搜索变得有规律，通过这种逐渐通近直至最终达到全局最优解
4、群智能算法在路由应用研究中的几点思考
当前研究群智能算法在网络路由应用中主要采用算法融合的思想，不再采用原先单一群智能算法实现。有生物启发式算法与群智能算法的融合、群智能算法内部的融合。如：遗传蚁群算法、基于粒子群的数群融合算法，等，但目前未解决的问题有一下几点：（1照合算法先后次序问题。例如：PSO与ACO融合算法谁先谁后，邮种次序效果更优。(2)融合的数量间题。目前常用融合算法均为两种算法的融合。是否三种更好(3)不同网络规模中各种融合算法的表现,(4) 等效路径间题。当前算法只研究了在网络拓扑中怎样找到最好路径，但多数模拟研究中为考虑等效路径问题。(5)智能算法一般比较复杂在解决QoS中表现优良，怎样和传统的路由算法结合，适应网络的多样性。这样才能确保网络拓扑发生变化时及时的确定路由。
总之，群治能算法在网络中的应用会越来越广，特别是在QoS 路由问题，网络流量智能控制方面。群智能算法的收效性，可靠性还有待我们去证明。但目前的重点不是去理论证明而是解决我们的网络问题、交通问题等等，因此有待于对上述问题的回答。