蚁群算法行为属性的
改进解决QoS组播路由优化问题
曾字恒宋留静白嘉豪
(郑州大学信息工程学院河南郑州450001)
算法分析
摘要：利用双群算法解决约束QaS组据路由方面存在一定局限。本文阐述了双群算法的不足,考感QoS实用性的基础上,浅析增加奴群属性并结合 QPSO思想的多行为数群算法,探讨信息素适量更新与变异奴群算法的可行性。仿真结果显示出,改进算法在QaS的多种路由中的有效性。
关键词奴群算法多的来QoSQPSO算法融入
中图分类号：TP393 1引言
文献标识码：A
近年来，网络多媒体的快速发展让网络应用普及化，互联网的作用也变得更多元化，定义了各类服务质量(QOS)。为保证服务质量，QOS路由优化变得至关重要，找到满足QOS指标约束的路由成为间题关键。
目前，解决该间题算法存在一些缺陷。本文尝试用蚁群算法，对 QoS组播路进行优化。同时针对该算法的缺陷可采用以下方法改善其性能。(1)偿试将QPSO思想融人群算法，同时初始化信息浓度。(2)引人有效的信息素公式，降低了最差路径在下一次被选中概率，
使收敛性增加。 2算法原理
2.1基本双群算法
敦群期法是一个关于信息索的正反馈过程。蚂蚁在走过的路径上释放信息素，走过的路径越短，信息素更新越快，信息素的浓度就越高，高的信息素浓度就不断地吸引更多的蚂蚁，最终所有蚂蚊就选择了最短路径。
2.2状态转移规则及基本信息更新规则
设m表示蚂蚁的个数；d，表示两城市和之间的距离，n~01/ d，是启发式信息，产（)t表示边上过边上残留的信息素量，P（t)是 t时刻位于城市的第k只蚂蚁选择城市的概率，则：
ZkoF-hoF j allowed, p;(t)=
0,否则
(1)
在所有蚂蚊都完成一次循环后，各条边上的信息素量按照下面的公式进行调整：
,(t+n) =(1p)*t,(t)+△tr,(t)
小
A0
Ar()=
台
500 400
+本文算法文期5满法
3 6 9 12 1518 212427 30
月的售大小
200 100
本文第达文5家法
18 20 22 24 26 28 30 32 34 36
娠时的
(2)(3)
图1网络费用与目的集大小的关系图2费用与延时约束的关系
文章编号：1007-9416(2015)07-0141-02
[,若第人只竭数在本次循环中经过(,)
,(0)=
L
0,否则
(4)
其中，0 2.3QOS组播约束条件
QoS组播间题款是要找到一棵组播树T(s，M)满足：
延迟约束delay(T(s，M)≤D，带宽约束bandwidth(T(s，M)> B，延迟抖动约束delay_j(T(s,M) 2.4QoS组播露由算法(QPSO算法思想引入)
QPSO算法中每个微粒代表n维空间中的一个位置，朝着两个方向调整微粒的位置：
(1)至今发现的每个微粒的最优的位置；(2)微粒群的最优位置
在QPSO中，微粒群按照以下的三个公式移动：
1小-
.
mbest
CPu) M台
PP, =β*P, +(1)+P,
x,=pp,±[mbest,x,n() =rando
mbest是微粒群pbesr的中间位置，PP，为P。和P之间的随机点，Y为QPSO的收缩扩张系数，一般可取
=(1.00.5)+(MAXITERT)/MAXITER+0.5 3蚊群算法存在的主要缺点及改进设计
3.1算法缺点
(1)初期信息索匮乏，蚂数较盲目，慢收敛：(2)算法易停滞，陷人局部优化，(3)较多的蚂蚁协同优化，导致大量广播通信的能量消耗。
营
102030
图3改进算法的统计图
708090100
代
图4使用基本蚊群算法统计图
收稿日期：201506-25
作者简介：曾宇恒(1993一),男，河南洛阳人,本科在读，研究方向：无线移动通信，算法，物联网；宋留静(1993一),女，河南郑州人,本科在读，研究
方向：算法，计算机网络，数据结构：白嘉豪(1994一),男，河南落阳人本科在读，研究方向：计算机网露，数字信号处理，物联网。
4
万方数据