java基于蚁群算法路由选择可视化动态模拟_第1页
java基于蚁群算法路由选择可视化动态模拟_第2页
java基于蚁群算法路由选择可视化动态模拟_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本文格式为Word版，下载可任意编辑——java基于蚁群算法路由选择可视化动态模拟

开题报告

课题:基于蚁群算法路由可视化动态模拟

1.选题依据

（1）课题研究意义

DWDM全光通信网在我国已进入了高速发展期，正向着ASON（AutomaticallySwitchedOpticalNetwork自动交换光网络）为代表的新一代智能化光网络的方向发展。而智能化的动态光路由和波长分派（RoutingandWavelengthAssignment,RWA）算法则是构建ASON、实现对全光网的智能化控制和管理的关键技术之一。蚁群算法是受真实蚁群觅食行为的启发而产生的一种模拟进化算法，是由有限个蚂蚁的个体行为组成的多agent系统[1、2]，已被成功应用于解决TSP（TravelingSalesmanProblem旅行家问题）[1]、JSP（Job-shopSchedulingProblem生产排程问题）、QAP（QuadraticAssignmentProblem二次指派问题）等组合优化问题。近来已有的大量研究说明，蚁群算法具有并行性、鲁棒性、可重构性、分布性等特质。这些特性使得蚁群算法在解决动态RWA问题中表现出优异的性能。在网络带宽的有效利用、波长资源的合理分派、以及网络路由的重构与恢复，基于蚁群思想都能找到对应的解决方法。相关研究工作如达到预期目标将处于国际先进水平,也必然会加快我国构建智能光网络的步伐,因此具有良好的经济效益和社会效益.

（2）国内外研究现状、水平和发展趋势

至今为止，国内外比较成熟的动态RWA算法都把RWA问题强行拆分成路由和波长分派两个子问题分别加以解决,如First-Fit（最先适用）算法、LLR（least-loadedrouting最小负载路由）算法、LI（LeastInfluence最小影响）算法[3]等，并且都为集中式算法，需要利用全网信息，没有考虑波长变换，无法完成在算法层面上的网络的自动恢复，路由和波长分派独立解决也导致这些算法难以得到全局最优解。而由于蚁群算法具有并行性、鲁棒性、可重构性、分布性等特质，并且运用蚁群算法的思想结合分层图模型可以把路由和波长分派联系起来同时解决。这使得基于蚁群算法的动态RWA解决方案具有传统方法不可比较的优点：同时考虑路由和波长分派易于得到全局最优解；可以并行执行、分布计算，在算法层面上就可以实现网络的智能恢复而不需要添加其他设备。同时，原始的蚁群算法也存在算法收敛慢、简单早熟、中止、求解时间过长、在特定条件下难以得到全局最优解等不足。要想把蚁群算法真正运用于实际，则必需进一步研究以战胜原始蚁群算法的不足之处。蚁群算法在构建智能光网络中巨大的潜在价值已引起国

人人文库> 全部分类> 教育资料 > 中学教育

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论