一、性能可调的启发式多约束路由算法（论文文献综述）
周峰[1]（2019）在《时变网络QoS保障路由算法及协议研究》文中研究指明时变网络（Time-varying Networks,TVN）是指网络拓扑、网络可用资源以及网络承载业务随时间变化的一类网络。随着现代通信技术的快速演进以及便携智能终端的出现,低轨卫星网络、深空探测网络、无人机网络以及车联网等新型网络应用场景不断涌现。此外,在网络中承载的业务变得更加多样化,网络用户对各类业务的服务质量（QoS）也有着更高的要求,例如带宽、时延、时延抖动、误码率等。QoS路由算法及协议是新型网络运行和支持QoS服务的关键组件。然而,现实世界中网络本质上是时变的,构建高效的时变网络QoS路由协议还面临许多挑战。首先,由于网络拓扑动态变化、链路断续连通,将导致网络中端到端传输路径难构建、用户业务QoS难保障;其次,现有QoS路由算法大多是基于静态网络理论而设计的,未考虑时变网络资源之间的关联关系,导致时变网络资源利用率难提升。针对这些挑战,本文以时变网络典型的应用场景低轨卫星网络为例,主要做了如下工作:本文首先研究了低轨卫星网络中基于网络快照的多业务QoS路由算法TCDR与MOR,详细分析其算法效能,以及其在时变卫星网络环境中的不适应性。针对上述算法存在的问题,本文根据卫星网络拓扑与资源动态变化的特性,构建了网络链路连通状态、链路容量、链路时延以及节点缓存的链路状态存储时间聚合图模型,精准表征网络的时变特性;基于此模型,综合考虑时变网络中网络拓扑、网络资源、业务需求等各个因素的变化情况,提出了面向多业务的QoS保障路由算法MS-MCOP,该算法充分利用网络节点缓存资源,能够高效地为时延敏感、时延容忍和尽力服务三类业务构建端到端传输可达路径,在保障了用户业务QoS需求的同时提升网络资源利用率。与此同时,本文考虑了网络中多业务传输时链路的负载问题,合理设置链路负载门限,避免网络发生拥塞,提高了网络性能。仿真结果验证了MS-MCOP算法在用户业务安排成功率和端到端投递率方面均优于MOR算法。最后,本文设计并实现了时变网络QoS保障路由协议仿真平台,该平台由网络拓扑控制、MS-MCOP协议实现、业务生成与传输和协议性能评估四个软件子系统组成。在仿真平台上结合本文所提的MS-MCOP路由算法,设计并实现了网络拓扑动态发现与维护机制和时变网络分组存储-转发机制,从而形成一套高效的时变网络QoS保障路由协议。在网络仿真测试场景下,平台完成了网络拓扑控制、业务传输等功能测试以及MS-MCOP路由协议的性能测试,验证了面向多业务的时变网络QoS路由协议的可行性和高效性。
胡霞[2]（2019）在《基于DAG的多约束路由算法的研究》文中指出随着网络应用和探索的日益多样化,网络正被迫满足各种流量需求,并具有明确且关键的服务质量（Quality of Service,QoS）要求。QoS是网络通信的前提,而服务质量路由是保障QoS的重要部分之一,其在很大程度上直接影响着网络的性能。服务质量路由问题作为一种典型的多约束路由问题,主要是在多约束条件下找出源节点和目的节点之间的一条最优路径,该问题的解决需要依靠一种切实可行的路由算法来支持。本文根据现有多约束路由算法中的传统路由算法和基于蚁群算法的路由算法现状,提出了两种新的路由算法DAGDMCOP和DAGIACS。针对现有传统路由算法存在时间复杂度高、成功率低等缺点,借鉴有向无环图（Directed Acyclic Graph,DAG）思想和指标赋权法理论,提出了一种新的基于DAG和Dijkstra的多约束优化路由算法DAGDMCOP。该算法分两部分:（1）剪枝策略。求出源节点到其余节点的满足多约束要求的全部路径,将网络拓扑图简化为DAG图。（2）搜索策略。引入链路综合代价函数,使用指标赋权法中的G1法和标准离差法以及拓扑图中的邻居节点集对多约束条件（带宽、时延、时延抖动、费用等QoS度量参数）进行自适应权重调整,然后利用Dijkstra算法在剪枝之后的DAG图上寻找满足多约束要求的最优路径。大量实验数据表明该算法能快速找到满足多约束要求的最优路径,有着较低的时间复杂度和较高的成功率。该算法简单易扩展,适用于较大规模的多约束路由网络,是一种解决多约束路由问题的高效的新算法。在上述算法的基础上,对DAGDMCOP算法中的搜索策略使用蚁群系统（Ant Colony System,ACS）进行研究。针对基于蚁群算法的路由算法以及ACS算法存在的收敛速度慢、易陷入局部最优等问题,对ACS算法进行改进:将不可到达目的节点的中间节点的相连链路全部剪枝,避免蚂蚁对无效链路再次访问,缩小全局搜索范围;利用全局最优路径、迭代最优路径以及迭代最差路径三者之间的关系动态调整全局信息素更新规则,加快算法的收敛速度;给网络拓扑图中的每条链路增加一个代表蚂蚁访问链路状况的参数,并使用该参数以及多种选择策略共同对状态转移规则进行调整,扩大局部搜索范围,改善局部最优问题。将DAGDMCOP算法的剪枝策略和改进ACS算法进行融合,提出了一种基于DAG和改进ACS的多约束优化路由算法DAGIACS。大量实验数据表明该算法能够缩小全局搜索范围同时扩大局部搜索范围,有着较好地收敛速度和寻优能力,并且成功率也更高一些。另外,该算法对网络规模以及约束条件也有一定的扩展性。
杨伟钧[3]（2017）在《面向物联网的QoS路由近似算法研究》文中指出随着物联网的高速发展,人们对其业务质量和组网技术提出了更高的服务质量（Quality of Service,QoS）要求。目前,面向物联网如何更好的保障QoS,成为物联网行业与产业继续发展壮大的关键,是当前国际家电、IT厂商等业界关注的焦点,同时也是学术界研究的热点问题。根据不同业务类型所提出的QoS要求和网络环境的资源配置,研究高效可行的QoS路由算法,是QoS路由机制有效运行的技术支撑,也是物联网保障QoS的切实可行方案之一。在智能算法、确定性算法和近似算法等QoS路由算法的热点研究中,近似算法以其高效、合理可行的特点,在物联网不同网络环境下的业务应用中表现出一定优势。本论文以“面向物联网的QoS路由算法”为主线,针对工程实践中业务应用的多约束QoS路由、多播保障QoS路由、多播多约束QoS路由和WMN（Wireless Mesh Network）网络保障QoS路由等几个关键问题展开研究。从近似的角度寻找当前性能最优的解,并探讨其在不同网络环境中应用的合理性。本文主要研究内容与贡献如下:（1）通过研究单播多约束QoS最优路由问题,根据不同网络环境分别提出了高效可行的路由算法。首先,针对稳定可靠的网络环境,结合目前最快的确定性算法,通过缩放和取整技术,从近似的角度逼近所有QoS约束,最后找到“最优”路径,相应提出了一种计算时间合理、近似率较高的路由算法;其次,针对时变、不可靠的网络环境,通过寻找每条边上最主要的度量,从近似角度找到“最优”路径并满足QoS约束,相应提出了一种快速计算且可行的路由算法。理论分析并证明了两种算法的时间复杂度和近似率,通过仿真对比现有算法验证了性能。它们分别是工程实践中稳定可靠网络和时变、容错能力差网络环境下的一种合理高效的求解方案。（2）通过研究网络中的多播生成树问题,考虑多播目的节点数量及分布状态,提出了两种高效可行的路由算法。首先,针对多播目的节点数量较多、分布集中情况,结合性能最好的多播生成树算法,基于多播路径共享的思想,让多播目的节点根据优先级顺序加入生成树,从而减少多播生成树总度量值,相应提出了一种高效可行的近似算法;其次,针对多播目的节点数量较少、分布分散情况,根据目的节点与当前生成树距离,调整多播目的节点优先级值,相应提出了一种改进的合理可行的近似算法。理论分析并证明了两种算法的时间复杂度和近似率,均与性能最好的多播生成树算法一致。通过仿真验证了两种算法在不同情况下的优势。多播路由业务中不同目的节点数量及分布状态下,它们是合理可行的求解方案。（3）通过研究多播多约束QoS最优路由问题,根据不同网络环境分别提出了高效可行的多播生成树算法。首先,针对稳定可靠的网络环境,参考性能最好的多播生成树算法,结合目前最快的确定性算法,通过缩放和取整技术,从近似的角度逼近所有QoS约束并找到“最优”多播生成树,相应提出了一种合理计算时间、近似率较高的路由算法;其次,针对时变、不可靠的网络环境,通过选取每条边上最主要的度量,从近似角度在最短时间内找到“最优”多播生成树并满足QoS约束,相应提出了一种快速计算可行的路由算法。理论分析并证明了两种算法的时间复杂度和近似率,通过仿真对比现有算法验证了性能。它们是分别针对工程实践中不同网络环境下的一种合理高效的求解方案。（4）通过研究WMN网络的Anypath路由问题,针对时变特性强、容错能力差的WMN网络,研究高效可行的Anypath路由算法。根据工程实践中的业务应用,提出了新的Anypath路由问题,建立了数学模型。根据Anypath路由的期望度量值,强制一个特定QoS约束下同时逼近其它QoS约束,从近似角度在最短时间内找到Anypath路由最优路径。提出一种时间复杂度与经典Dijkstra算法一致、且近似率合理的Anypath路由算法,该算法对现有热点研究的Anypath路由协议具有较好的兼容性。理论分析并证明了算法的时间复杂度和近似率,通过仿真对比验证了性能。它是工程实践中WMN网络环境下的一种合理高效的求解方案。
李新明[4]（2017）在《基于群智能优化算法的多约束QoS单播路由问题研究》文中研究说明随着计算机网络技术的发展,众多网络多媒体应用对网络的服务质量（Quality Of Service,QoS）要求愈来愈高,因此提供服务质量保证很重要。而网络的服务质量关键在于路由算法的性能,因此设计出良好的用于解决多约束QoS的路由问题的算法尤为重要。由于多约束QoS路由问题是NP完全问题,因此,若仅仅使用传统的路由算法不能在多项式时间内进行求解;而对于NP完全问题,使用近年来发展起来的群智能算法往往可以取得较好的效果。针对单播路由问题的网络模型进行简化并抽象出其数学模型,在简化模型中过滤了带宽约束条件,降低了算法的约束度量维度,使得问题得到了部分简化。研究了基本的遗传算法,为了将遗传算法应用于多约束QoS路由问题,对种群中的个体所对应的解采用了合适的编码方式,很大程度上降低了由编码向解进行转换的复杂程度;设计了合理的适应度函数,减少了算法的计算量,同时更加真实地反映了多约束QoS路由问题的特点;设计了合理的交叉算子,在交叉操作中通过“择优选择”的方式使得子代的适应度值尽可能大,加快了算法的收敛速度;在进行交叉操作之后,采用了合适的算法,去除了最大冗余环,消除了解中出现回路的现象。研究了基本的蚁群算法并将蚁群算法应用于多约束QoS路由问题;针对该问题的特殊性,采用了合适的算法,实现了蚂蚁群体中每只蚂蚁的初始化操作;使用了较为合理的信息素更新策略,通过对最优蚂蚁所经过的路径上的信息素进行二次更新,使得较优解所对应的路径上的信息素浓度得到提高,保障了蚁群算法的正反馈机制。融合了遗传算法与蚁群算法,得到遗传-蚁群混合算法,混合算法发挥了遗传算法与蚁群算法各自的优点。将遗传算法得到的局部最优解转换为蚁群算法中信息素的初始值,然后采用蚁群算法进行求解,使得蚁群算法中蚂蚁在初期就有比较好的路径选择导向性,使正反馈机制更快地起作用,加快了算法找到全局最优解的速度。针对具体的网络实例,基于Python的Matplotlib图形库进行了仿真与测试,并通过调整参数组合得到了相应的结果,分析并比较了各个算法的统计结果,验证了所实现算法的可行性与有效性。
吴曼[5]（2015）在《SDN在IP网络的流量调度应用研究》文中指出随着IP骨干网上用户和业务流量的急剧增加,各大运营商对骨干网的投资日益增大,但骨干网的资源利用率却一直低下。基于SDN（Software Defined Network）架构的流量工程可以在一定程度上解决该问题,从而促进了学术界和工业界对IP现网流量模型以及SDN架构下的IP骨干网流量调度算法的研究,其中Google通过将SDN技术应用到跨数据中心广域网,达到了接近100%的资源利用率。但是,网络规模不断扩大导致业务量矩阵的数量呈指数增长,在基于SDN架构的流量工程中处理海量的业务量矩阵将影响流量调度算法的性能以及网络稳定性,从而利用海量业务量矩阵进行网络应用分析是不现实的。针对IP骨干网资源利用率低以及基于SDN的流量工程处理海量业务量矩阵不现实的问题,本文首先参考Google跨数据中心广域网部署方案,并结合关键业务量矩阵的概念设计新的SDN应用架构;然后对该架构中关键业务量矩阵提取模块和路由计算模块的算法实现进行了详细研究;最后基于该架构,对关键业务量矩阵在流量工程中的具体应用进行了性能分析。本文具体研究内容如下:（1）本文设计了SDN下基于关键业务量矩阵的IP骨干网应用架构,其核心部分是关键业务量矩阵提取模块、路由计算模块以及流控代理模块。该架构在SDN技术的基础上通过引入关键业务量矩阵概念,在进行网络应用分析时仅对关键业务量矩阵进行分析,并保存分析结果,对于到达的业务量矩阵只需要调用其匹配的关键业务量矩阵的分析结果,从而达到提高流量调度算法的性能以及网络稳定性的目的;（2）针对SDN应用架构中关键业务量矩阵提取模块的实现,本文研究分析了基于关键性感知的聚类算法（CritAC）,针对该算法的局限性设计了不同的聚合代价函数（时间、路由策略、相似性）,并在分层聚类算法的基础上提出了基于这些不同代价函数的关键业务量矩阵提取算法:基于时间感知的关键业务量矩阵提取算法（CritTimeAC）,基于路由策略感知的业务量矩阵提取算法（RoutePolicyAC）以及基于相似性感知的业务流矩阵提取算法（SimilarAC）,并对各算法进行仿真以及性能对比分析;（3）针对SDN应用架构中路由计算模块的实现,本文重点研究了QoS多约束路由问题,将该问题建立混合整数规划,并基于A*思想提出了改进的随机化求解算法,以保证为接入业务找到满足QoS需求且较优的可行路径,与现存算法与优化模型相比,该算法是一种更快速、高效的QoS多约束路由求解方法;（4）为了验证（1）中所提应用架构的有效性,本文在此应用架构下首先提出了针对多业务量矩阵的路由优化方案和多路由切换方案,并进行了仿真分析,然后利用关键业务量矩阵代替原始业务量矩阵进行网络脆弱性分析的性能。
楼小明[6]（2009）在《基于蚁群算法的QoS组播路由研究》文中研究说明网络技术的飞速发展远远不能满足媒体业务发展的需求。网络传输的业务不仅包括文本数据信息,还包括语音、图形、图像、视频、动画这些类型的多媒体信息。QoS（Qualityof Service）的概念被用来描述服务提供者和用户应用程序之间的性能约定。QoS需求体现为一系列网络约束条件,如链路约束,路径约束或树约束。因此QoS路由问题可以归结为寻找路径或树在满足约束条件的同时,优化某种特定的代价函数。本文的主要工作和成果如下:1.针对QoS组播路由的选择与优化问题,提出了一种基于蚁群算法寻找最优组播树的策略,即通过使用最小生成树导向的蚁群算法求解到各个目的节点的单播QoS路由问题时,巧妙地利用多个蚂蚁的全部爬行线路创建备选路径集,利用基于备选路径集的编码方式建立组播路由问题的整数规划模型,然后利用蚁群算法求解出最优组播树,并通过仿真实验加以了证实。2.本文首先从QoS的概念出发,详细阐述了目前在QOS组播路由中存在的问题,研究了基于QoS的路由算法,提出了蚁群优化是一种用于求解复杂组合优化问题的启发式方法。本文对几种常见的蚁群优化算法进行了比较、分析和研究,对该几种算法进行了性能比较。而且总结了各蚁群优化算法中普遍存在的两个缺陷,即算法容易停滞和算法收敛速度较慢。基于现有蚁群算法提出了一种新的解决QoS组播路由问题的思路,新算法在寻找较优解和提高算法收敛速度两方面取得了较好的效果,仿真实验结果表明新算法的求解性能较优。3.本文所述算法尽管是在随机生成的网络上进行了的QOS组播路由的应用,仍然与实际相距甚远,在以后还有大量的工作需要完成,需要继续更深入的研究蚁群优化算法及其最新的发展,通过与其他算法法的组合,来更好地解决QOS组播路由的优化问题。
余建平[7]（2008）在《蚁群算法及其在数据获取技术中的应用研究》文中进行了进一步梳理蚁群优化算法作为群集智能领域应用最为广泛的算法之一,已受到越来越多研究者的关注。近年来,其理论研究正在不断充实,其应用领域亦在进一步拓展,在解决NP难题和网络路由等方面的优越性已被广泛证实。由于网络环境的动态性和网络应用的多样性,一些网络中的关键应用已不能适应传统的算法,需要提出新的针对具体网络应用的解决方案。蚁群优化为网络中数据资源的获取提供了一个好的解决思路。本文首先介绍了群集智能的主要理论研究及典型应用,概述了网络数据获取中的任播和查询两大关键技术,在此基础上对基于群集智能的蚁群优化算法及其在分布式网络环境下任播和查询两大关键数据获取技术中的应用进行了系统和深入的研究,所做主要工作归纳如下:（1）在缺乏全局网络信息的情况下,针对因特网多约束任播这一NP难题,提出了一种基于多蚁群优化的任播路由算法MACA。该算法仅需局部网络信息,通过蚂蚁释放信息素来改变网络环境,从而间接引导其它蚂蚁根据信息素强度动态调整自身的选路行为。仿真实验表明,具有正反馈效应的分布式MACA算法使得各蚂蚁能以较高的概率选择满足自身QoS约束的较优路径,有效降低路由时延,显着提高任播请求的接受率。（2）在节点位置信息未知的情况下,针对无线传感器网络多约束任播路由问题,结合蚁群路由和蚁群聚类思想,提出了一种基于蚁群优化的可靠任播路由算法ARMCA。该算法兼顾节点能量和路由时延双重约束,引入带正反馈特征的蚁群优化来为每个数据包寻找自源节点至相应Sink节点的较优路径,以降低路由传输时延,节省路由能耗。算法同时引入基于蚁群聚类思想的自恢复机制来应对网内簇头或Sink节点的失效,通过平滑过渡到新的稳定态来自动消除节点失效造成的负面影响。仿真实验表明,在相同QoS约束条件下,随着网络规模的增大,ARMCA算法在能耗和时延两方面的优越性更为显着。在遭遇节点失效时,ARMCA算法仅需相对较短的时间便可恢复至新的稳定状态,从而保证了网络数据的可靠传输。（3）在网络拓扑结构动态变化的情况下,针对移动自组网多约束任播,提出了一种基于蚁群优化的任播算法AMMCA。该算法充分考虑节点的移动性,引入信息素扩散模型以增大对较优路径周边的节点扩散信息素,从而降低因节点移动导致的路径断裂;同时,通过构建多路径路由以均衡网络负载,进一步减轻因节点移动造成数据传输中断带来的负面影响。仿真实验表明,在平均数据包接受率及端到端路由时延等方面,与其它移动自组网任播路由算法相比,AMMCA算法具有良好的性能优势。（4）对于能量等资源受限的规模较大的无线传感器网络,如何节能地处理多个查询节点发起的并行式复制数据查询是一个挑战性难题。本文提出了一种基于多蚁群优化的节能复制数据查询处理算法MACQP。该算法首先执行事件数据的随机复制,然后在查询节点发送前向蚂蚁搜索到达事件某一副本的较优路径,搜索过程具有一定的智能性。当找到目标数据后,产生后向蚂蚁原路返回并执行事件数据二次复制,使得后继查询蚂蚁能沿信息素强度较大的较优路径在更近的节点找到目标事件数据,缩短了搜索路径的长度,使得总搜索能耗显着降低,整体上降低了查询总能耗。理论分析和仿真实验表明,MACQP算法通过蚁群协作产生的智能搜索和动态复制,在节能性方面优势明显。（5）针对大规模无线传感器网络的实时应用,兼顾查询处理的节能性和实时性,提出了一种基于多蚁群优化的实时查询处理算法ARTQP。该算法采用一种优化的分簇方法和分环存储策略,使得查询能区分处理不同优先级的事件数据,实时性越高的事件具有更大的概率被前向蚂蚁所探知,搜索过程具有较好的智能性。当找到目标事件后,产生后向蚂蚁返回并执行事件动态二次复制,使得后继查询蚂蚁能沿较优路径在更近的存储节点找到目标事件数据,以显着缩短搜索路径的平均长度和平均查询时延,降低查询总能耗。理论分析和仿真实验表明,与已存查询处理算法相比,ARTQP算法在实时性和节能性方面性能增益明显,且网络规模越大,性能优势越显着,在QoS要求较严格的情况下,亦能取得良好的性能。
罗宏伟,吴斌,况中林,靳玉红,李芳,赵娟[8]（2008）在《快速启发式多约束优化路径算法研究》文中研究表明针对QoS路由算法中多约束算法的不足,提出了一种新的多约束算法:快速启发式多约束优化路径算法（FHMCOP）。与现有的路由算法相比,它有两个显着的不同:增加了一个λ快速计算机制,可以降低计算复杂度和加快计算速度,缩短算法响应时间;对MCOP算法进行了有效的改进,使计算结果达到优化。计算结果表明,FHMCOP能针对多约束优化路径问题的特点降低计算量和提高计算速度。
李敏,陆芸婷[9]（2008）在《多约束QoS路由算法综述》文中指出保证服务质量的QoS路由（Quality of Service Routing）是网络中解决QoS问题的一项关键技术。QoS路由的主要目标是为接入的业务选择满足服务质量要求的传输路径,同时保证整个网络资源的有效利用。度量参数选择问题、寻路问题和路由信息不准确问题是QoS路由中的几个主要研究内容。多约束QoS路由算法通常是NPC问题,本文先对QoS路由中的问题进行分类,再对当前研究的一些多约束QoS路由算法进行了归纳与分析。这些算法对于在Internet中实现QoS有着重要的指导意义。
甄成方[10]（2008）在《基于QoS约束的组播路由算法研究》文中指出近来Internet上有越来越多的QoS要求的组播应用的涌现,如视频会议、网络音频/视频广播、远程教育、软件更新等,这加速了网络对可扩展的有效的组播通信方式支持的需要。与单播通信方式比较起来,组播在点到多点的数据传输方面更有效,在传统的单播通信方式中,源需要向每个接收者单独传送一份数据的拷贝,一个数据流就有可能占用了不必要的很大一部分的带宽,如果接收者成千上万,网络拥塞发生的可能性就大大增高。而在组播通信方式中,主干链路上只有一个数据的拷贝,路由器只在分枝处进行数据包的复制,所以大大节省了带宽。实现组播重要的一环是组播路径的确立,与单播传输路径不同的是组播数据传输的拓扑是一棵组播树,而构建组播树是组播路由的任务,考虑到现在越来越多的多媒体应用要求有QoS保证,所以如何构建一棵组播树使其满足相应用户的QoS要求成为组播研究领域的一个很大的挑战。许多研究者正致力于QoS组播路由算法和协议的研究和设计,QoS组播路由已经成为近年来的一个热点研究领域。在QoS组播路由中,寻找多约束可行路径问题已经被证明是NP完全问题。CMST问题使服务路径领域受到越来越多的关注,但是针对多重附加约束的多点路由却没有得到太多的进展,尽管大量正在形成的应运软件对此提出了需求。在这篇论文中,我们提出了一种构建组播树的启发式算法,HMCMC来解决这个问题。HMCMC有着低时间复杂度,它的基本思路就是逐步建立一种多点路由,这需要建立在关于多约束组播路由最新研究的基础上。仿真结果表明,与以往算法相比,该算法在消息开销、连接成功率和连接建立时间等性能指标方面都有较好的改善。
二、性能可调的启发式多约束路由算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、性能可调的启发式多约束路由算法（论文提纲范文）
（1）时变网络QoS保障路由算法及协议研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作和创新点 |
| 1.4 本文结构安排 |
| 第二章 QoS路由算法分析及在时变网络中面临的挑战 |
| 2.1 QoS路由基础概述 |
| 2.1.1 QoS度量参数介绍 |
| 2.1.2 QoS度量参数的选取依据 |
| 2.1.3 QoS保障路由分类 |
| 2.2 QoS路由算法研究与分析 |
| 2.2.1 H_MCOP算法研究与分析 |
| 2.2.2 多业务路由算法研究与分析 |
| 2.3 时变网络面临的挑战 |
| 2.4 本章小结 |
| 第三章 面向多业务的时变网络QoS路由算法 |
| 3.1 时变网络场景概述 |
| 3.2 多业务QoS路由问题概述 |
| 3.2.1 多业务QoS路由问题描述 |
| 3.2.2 多业务QoS路由问题分析 |
| 3.3 面向多业务的时变网络QoS路由算法 |
| 3.3.1 链路状态存储时间聚合图模型 |
| 3.3.2 问题数学描述 |
| 3.3.3 算法详细步骤 |
| 3.3.4 算法性能分析 |
| 3.4 本章小结 |
| 第四章 时变网络QoS保障路由协议仿真平台设计与实现 |
| 4.1 时变网络QoS保障路由协议仿真平台总体设计方案 |
| 4.2 时变网络QoS保障路由协议仿真平台详细设计与实现方案 |
| 4.2.1 平台实现工具 |
| 4.2.2 时变网络拓扑控制模块设计 |
| 4.2.3 MS-MCOP路由协议模块设计 |
| 4.2.4 业务生成与传输模块设计 |
| 4.2.5 协议性能评估模块设计 |
| 4.3 时变网络QoS保障路由协议仿真平台测试场景搭建 |
| 4.3.1 仿真平台测试场景设置 |
| 4.3.2 仿真平台搭建 |
| 4.4 仿真平台测试与结果分析 |
| 4.4.1 网络拓扑控制功能测试 |
| 4.4.2 QoS路由功能测试 |
| 4.4.3 业务传输功能测试 |
| 4.4.4 路由性能测试 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 未来研究方向 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（2）基于DAG的多约束路由算法的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 课题来源以及本文的主要工作 |
| 1.3.1 课题来源 |
| 1.3.2 本文的主要工作 |
| 1.4 论文的组织结构 |
| 第二章 理论知识和技术介绍 |
| 2.1 QoS度量参数 |
| 2.2 网络模型以及数学描述 |
| 2.3 DAG |
| 2.4 权重的相关赋权方法 |
| 2.4.1 G1法 |
| 2.4.2 标准离差法 |
| 2.4.3 乘法集成法 |
| 2.5 蚁群算法 |
| 2.5.1 蚁群算法的基本原理 |
| 2.5.2 ACS算法 |
| 2.5.3 ACS算法的步骤以及流程图 |
| 2.5.4 ACS算法中的参数 |
| 2.6 本章小结 |
| 第三章 基于DAG和 Dijkstra的多约束优化路由算法DAG_DMCOP |
| 3.1 算法的设计思路 |
| 3.2 算法的具体执行步骤 |
| 3.3 算法的时间复杂度分析 |
| 3.4 仿真实验的设计与实现 |
| 3.4.1 仿真环境以及仿真数据的设置 |
| 3.4.2 实验过程 |
| 3.4.3 实验结果分析总结 |
| 3.5 本章小结 |
| 第四章 基于DAG和改进ACS的多约束优化路由算法DAG_IACS |
| 4.1 算法的设计思路 |
| 4.2 算法的具体执行步骤 |
| 4.3 算法的性能分析 |
| 4.4 仿真实验的设计与实现 |
| 4.4.1 仿真环境以及仿真数据的设置 |
| 4.4.2 实验过程 |
| 4.4.3 实验结果分析总结 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 研究工作总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（3）面向物联网的QoS路由近似算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 智能算法研究现状 |
| 1.2.2 近似算法研究现状 |
| 1.3 研究思路和技术路线 |
| 1.3.1 研究思路 |
| 1.3.2 技术路线 |
| 1.4 主要研究内容和研究目标 |
| 1.4.1 主要研究内容 |
| 1.4.2 研究目标 |
| 1.5 本文章节安排及结构 |
| 第二章 QoS路由算法与研究现状 |
| 2.1 引言 |
| 2.2 单播QoS路由近似算法与研究现状 |
| 2.3 多播QoS路由近似算法与研究现状 |
| 2.3.1 多播Steiner树问题 |
| 2.3.2 多播多约束QoS路由问题及研究现状 |
| 2.4 WMN网络QoS路由算法与研究现状 |
| 2.5 本章小结 |
| 第三章 单播多约束QoS路由近似算法研究 |
| 3.1 引言 |
| 3.2 问题描述及预备知识 |
| 3.2.1 问题描述 |
| 3.2.2 带辅助图的确定性算法 |
| 3.3 基于稳定网络的单播多约束QoS路由近似算法 |
| 3.3.1 FAA算法设计 |
| 3.3.2 FAA算法分析 |
| 3.3.3 仿真实验与性能评估 |
| 3.4 基于无线网络的单播多约束QoS路由近似算法 |
| 3.4.1 KAMCOP算法设计 |
| 3.4.2 KAMCOP算法分析 |
| 3.4.3 仿真实验与性能评估 |
| 3.5 本章小结 |
| 第四章 保障QoS的多播路由近似算法研究 |
| 4.1 引言 |
| 4.2 问题定义及背景描述 |
| 4.2.1 问题描述 |
| 4.2.2 多播路由算法 |
| 4.3 一种基于优先多播目的节点的近似算法 |
| 4.3.1 PNMPH算法设计 |
| 4.3.2 PNMPH算法分析 |
| 4.3.3 仿真实验与性能评估 |
| 4.4 一种改进的优先多播目的节点近似算法 |
| 4.4.1 IPNMPH算法设计 |
| 4.4.2 IPNMPH算法分析 |
| 4.4.3 仿真实验与性能评估 |
| 4.5 本章小结 |
| 第五章 多播多约束QoS路由近似算法研究 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 基于稳定网络的多播多约束QoS路由近似算法 |
| 5.3.1 NMHA算法设计 |
| 5.3.2 NMHA算法分析 |
| 5.3.3 仿真实验与性能评估 |
| 5.4 基于无线网络的多播多约束QoS路由近似算法 |
| 5.4.1 FMPH算法设计 |
| 5.4.2 FMPH算法分析 |
| 5.4.3 仿真实验与性能评估 |
| 5.5 本章小结 |
| 第六章 WMN网络保障QoS的路由近似算法研究 |
| 6.1 引言 |
| 6.2 问题描述与系统模型 |
| 6.2.1 Anypath路由描述 |
| 6.2.2 系统建模 |
| 6.2.3 问题描述 |
| 6.3 一种保障QoS的Anypath路由近似算法 |
| 6.3.1 HMAA算法设计 |
| 6.3.2 HMAA算法分析 |
| 6.3.3 仿真实验与性能评估 |
| 6.4 本章小结 |
| 总结 |
| 全文总结 |
| 研究展望 |
| 参考文献 |
| 攻读博士学位期间发表或完成的论文 |
| 攻读博士学位期间获得的奖励和参与的项目 |
| 致谢 |
（4）基于群智能优化算法的多约束QoS单播路由问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1.绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究工作 |
| 2.多约束QoS路由问题 |
| 2.1 问题简述 |
| 2.2 QoS度量参数 |
| 2.3 研究思路与方法 |
| 2.4 本章小结 |
| 3.应用于多约束QoS路由问题的改进遗传算法 |
| 3.1 基本遗传算法简介 |
| 3.2 求解多约束QoS路由问题的改进遗传算法 |
| 3.3 本章小结 |
| 4.应用于多约束QoS路由问题的改进蚁群算法 |
| 4.1 基本蚁群算法简介 |
| 4.2 求解多约束QoS路由问题的改进蚁群算法 |
| 4.3 本章小结 |
| 5.应用于多约束QoS路由问题的遗传-蚁群算法 |
| 5.1 遗传-蚁群算法思想与流程 |
| 5.2 关键模块 |
| 5.3 类的设计 |
| 5.4 仿真结果分析 |
| 5.5 本章小结 |
| 6.结束语 |
| 6.1 研究总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
（5）SDN在IP网络的流量调度应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究动态与发展现状 |
| 1.2.1 SDN下的流量工程 |
| 1.2.2 多业务量矩阵下TE算法 |
| 1.2.3 多约束QoS路由 |
| 1.3 主要工作及内容安排 |
| 第二章 SDN下IP骨干网总体应用架构 |
| 2.2 传统SDN架构介绍 |
| 2.2.1 中心流控模块 |
| 2.2.2 OpenFlow控制层 |
| 2.2.3 硬件交换设备 |
| 2.3 SDN下IP骨干网应用架构介绍 |
| 2.3.1 关键业务量矩阵提取模块 |
| 2.3.2 路由计算模块 |
| 2.3.2.1 IP骨干网单业务量矩阵路由计算 |
| 2.3.2.3 省网-城域网单业务量矩阵路由计算 |
| 2.3.3 流控代理模块 |
| 2.4 本章小结 |
| 第三章 关键业务量矩阵提取算法 |
| 3.1 研究背景 |
| 3.2 问题描述 |
| 3.3 多种提取关键业务量矩阵方案 |
| 3.3.1 CritMat问题数学表示 |
| 3.3.2 基于总容量的聚类方法 |
| 3.3.2.1 TopN算法 |
| 3.3.2.2 TopConsecN算法 |
| 3.3.3 直接聚类方法 |
| 3.3.3.1 CritAC算法 |
| 3.3.3.2 CritTimeAC算法 |
| 3.3.3.3 RoutPolicyAC算法 |
| 3.3.3.4 SimilarAC算法 |
| 3.4 仿真及结果分析 |
| 3.4.1 距离函数归一化处理 |
| 3.4.2 简单性能指标仿真结果及分析 |
| 3.4.3 其它性能指标仿真结果及分析 |
| 3.5 本章小结 |
| 第四章 多约束QoS路由 |
| 4.1 研究背景 |
| 4.2 多约束QoS路由模型 |
| 4.3 MIP模型 |
| 4.4 随机化求解算法 |
| 4.4.1 算法核心思想 |
| 4.4.2 算法描述 |
| 4.4.3 算法流程 |
| 4.4.4 算法小结 |
| 4.5 改进的随机化求解算法 |
| 4.5.1 算法核心思想 |
| 4.5.2 权重函数定义 |
| 4.5.3 算法描述 |
| 4.5.4 算法流程 |
| 4.5.5 算法小结 |
| 4.5.6 仿真及结果分析 |
| 4.6 本章小结 |
| 第五章 SDN下关键业务量矩阵在流量工程中的应用 |
| 5.1 研究背景 |
| 5.2 基于关键业务量矩阵的路由优化 |
| 5.2.1 传统流量工程概念 |
| 5.2.2 SDN下多业务量矩阵路由优化方案 |
| 5.2.3 多路由切换方案 |
| 5.2.3.1 路由切换基本思想 |
| 5.2.3.2 路由切换准则 |
| 5.2.4 仿真结果及分析 |
| 5.3 基于关键业务量矩阵的网络脆弱性分析 |
| 5.3.1 网络脆弱性概念 |
| 5.3.2 网络脆弱性分析 |
| 5.3.3 仿真结果及分析 |
| 5.4 本章小结 |
| 第六章 结束语 |
| 6.1 本文工作总结 |
| 6.2 未来研究工作展望 |
| 致谢 |
| 参考文献 |
| 攻取硕士学位期间的研究成果 |
（6）基于蚁群算法的QoS组播路由研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 服务质量(QoS)要求 |
| 1.2.1 服务质量(QoS)概念 |
| 1.2.2 QoS度量 |
| 1.3 QoS路由算法及分类 |
| 1.3.1 基于路由策略的分类 |
| 1.3.2 基于路由问题模型的分类 |
| 1.4 论文的组织结构 |
| 第2章 QoS组播路由问题 |
| 2.1 组播路由 |
| 2.1.1 组播简介 |
| 2.1.2 组播路由协议 |
| 2.2 基于 QoS的组播路由问题 |
| 2.2.1 路由问题的基本数学模型 |
| 2.2.2 组播路由算法中两种费用的数学模型 |
| 2.2.3 QoS路由网络模型 |
| 2.2.4 QoS路由基本问题 |
| 2.3 QoS组播路由算法研究进展 |
| 2.3.1 QoS组播路由网络模型 |
| 2.3.2 典型QoS组播路由算法综述 |
| 第3章 蚁群算法及其改进算法 |
| 3.1 基本的蚁群优化算法 |
| 3.1.1 蚂蚁系统 |
| 3.1.2 蚁群优化算法及其实现 |
| 3.1.3 蚁群优化算法的特点 |
| 3.2 几种改进的蚁群算法 |
| 3.2.1 蚂蚁系统不足 |
| 3.2.2 最优解保留策略蚂蚁系统 |
| 3.2.3 蚁群系统 |
| 3.2.4 最大最小蚂蚁系统 |
| 3.2.5 基于排序的蚂蚁系统 |
| 3.2.6 基于蚁群算法的分段求解算法 |
| 3.3 基于蚁群算法求解组播路由问题的综述 |
| 第4章 基于蚁群算法的 QoS组播路由问题求解 |
| 4.1 最小生成树导向的蚁群算法创建备选路径集 |
| 4.1.1 数学模型的建立 |
| 4.1.2 最小生成树导向蚁群算法求解备选路径集的流程 |
| 4.1.3 算法优越性的比较 |
| 4.1.4 创建备选路径集的算法仿真 |
| 4.2 基于备选路径集编码的整数规划及算法实现 |
| 4.2.1 常用的几种编码方式 |
| 4.2.2 基于备选路径集的整数规划模型 |
| 4.2.3 求解该整数规划模型的蚁群算法流程 |
| 4.2.4 算法仿真结果 |
| 4.3 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间参加的科研项目和成果 |
（7）蚁群算法及其在数据获取技术中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 群集智能模型及经典算法 |
| 1.2.1 群集智能模型概述 |
| 1.2.2 蚁群优化算法 |
| 1.2.3 粒子群优化算法 |
| 1.3 蚁群算法的发展与研究现状 |
| 1.3.1 蚁群算法的发展 |
| 1.3.2 国内外研究现状 |
| 1.4 网络数据获取及其关键技术 |
| 1.4.1 网络数据获取概述 |
| 1.4.2 网络任播路由技术 |
| 1.4.3 网络查询处理技术 |
| 1.5 论文主要工作及组织结构 |
| 1.5.1 论文主要工作 |
| 1.5.2 论文组织结构 |
| 第2章 相关研究综述 |
| 2.1 蚁群优化算法的理论研究 |
| 2.1.1 蚁群算法求解问题一般思路 |
| 2.1.2 蚁群算法收敛性探讨 |
| 2.2 蚁群优化算法典型应用研究 |
| 2.3 网络任播路由算法研究 |
| 2.3.1 因特网任播算法概述 |
| 2.3.2 传感器网络任播算法概述 |
| 2.3.3 移动自组网任播算法概述 |
| 2.4 网络查询处理相关研究 |
| 2.5 小结 |
| 第3章 基于蚁群优化的因特网多约束任播路由研究 |
| 3.1 引言 |
| 3.2 基于多蚁群算法的因特网任播路由 |
| 3.2.1 网络拓扑结构 |
| 3.2.2 服务请求的产生及管理机制 |
| 3.2.3 路径选择策略 |
| 3.2.4 信息素更新规则 |
| 3.2.5 算法具体步骤 |
| 3.3 仿真实验与分析 |
| 3.3.1 实验1：网络拓扑固定 |
| 3.3.2 实验2：目标节点分散 |
| 3.3.3 实验3：网络拓扑随机 |
| 3.4 小结 |
| 第4章 基于蚁群优化的传感器网络可靠任播路由研究 |
| 4.1 引言 |
| 4.2 蚁群路由及聚类模型 |
| 4.2.1 蚁群路由模型 |
| 4.2.2 蚁群聚类模型 |
| 4.3 网络环境与问题描述 |
| 4.3.1 WSN 网络模型 |
| 4.3.2 数据产生与聚合 |
| 4.3.3 问题描述 |
| 4.4 基于蚁群算法的传感器网络可靠任播路由 |
| 4.4.1 蚂蚁的定义及管理 |
| 4.4.2 算法初始化 |
| 4.4.3 路径构建策略 |
| 4.4.4 信息素更新规则 |
| 4.4.5 算法自修复方法 |
| 4.4.6 算法具体步骤 |
| 4.5 仿真实验与分析 |
| 4.5.1 实验环境与参数设置 |
| 4.5.2 实验结果与分析 |
| 4.6 小结 |
| 第5章 基于蚁群优化的移动自组网任播路由研究 |
| 5.1 引言 |
| 5.2 蚁群优化的信息素扩散模型 |
| 5.2.1 蚁群算法信息素扩散初始模型 |
| 5.2.2 移动自组网信息素扩散新模型 |
| 5.3 基于蚁群算法的移动自组网任播路由 |
| 5.3.1 移动模型分析 |
| 5.3.2 蚂蚁定义及管理 |
| 5.3.3 路径构建策略 |
| 5.3.4 信息素更新规则 |
| 5.3.5 算法具体步骤 |
| 5.4 仿真实验与分析 |
| 5.4.1 实验环境与参数设置 |
| 5.4.2 实验结果与分析 |
| 5.5 小结 |
| 第6章 传感器网络中基于蚁群优化的复制查询处理 |
| 6.1 引言 |
| 6.2 网络模型及问题描述 |
| 6.3 事件聚合及编码 |
| 6.3.1 事件数据聚合 |
| 6.3.2 事件数据编码 |
| 6.4 网内事件数据随机复制策略 |
| 6.5 基于多蚁群算法的传感器网络节能复制查询处理 |
| 6.5.1 传感器网络拓扑萃取 |
| 6.5.2 查询请求的管理 |
| 6.5.3 路径选择策略 |
| 6.5.4 信息素更新规则 |
| 6.5.5 动态二次复制策略 |
| 6.5.6 算法具体步骤 |
| 6.6 算法理论分析 |
| 6.6.1 复制能耗分析 |
| 6.6.2 搜索能耗分析 |
| 6.6.3 总能耗及性能对比分析 |
| 6.7 仿真实验 |
| 6.7.1 实验环境及设置 |
| 6.7.2 实验结果与分析 |
| 6.8 小结 |
| 第7章 传感器网络中基于蚁群优化的实时查询处理 |
| 7.1 引言 |
| 7.2 网络模型及问题描述 |
| 7.3 基于事件优先级的分环储存策略 |
| 7.4 基于多蚁群算法的传感器网络实时查询处理 |
| 7.4.1 实时查询处理网络环境 |
| 7.4.2 查询请求的管理 |
| 7.4.3 路径选择策略 |
| 7.4.4 信息素更新规则 |
| 7.4.5 动态二次复制策略 |
| 7.4.6 算法具体步骤 |
| 7.5 算法理论分析 |
| 7.5.1 复制能耗分析 |
| 7.5.2 搜索能耗分析 |
| 7.5.3 查询时延分析 |
| 7.6 仿真实验 |
| 7.6.1 实验环境及设置 |
| 7.6.2 查询能耗比较及分析 |
| 7.6.3 查询时延比较及分析 |
| 7.6.4 查询成功率比较及分析 |
| 7.7 小结 |
| 结论及展望 |
| 一、主要工作总结 |
| 二、未来工作展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读博士学位期间发表的学术论文 |
| 附录B 攻读博士学位期间参与的科研项目 |
（9）多约束QoS路由算法综述（论文提纲范文）
| 1 多约束Qo S路由模型 |
| 2 多约束Qo S路由算法 |
| 2.1 基本路由算法简介 |
| 2.1.1 Qo S单播路由算法 |
| 1) 最短路径算法 |
| 2) 多路路由算法 |
| 3) 启发式路由算法 |
| 4) 基于某种调度策略的路由算法 |
| 2.1.2 Qo S多播路由算法 |
| 2.2 多约束Qo S单播路由算法分类介绍 |
| 2.2.1 多项式非启发类 |
| 2.2.2 探测法 |
| 2.2.3 基于花费函数法 |
| 1) J.M.Jaffe算法[7] |
| 2) H-MCOP算法[8] |
| 3) TAMCRA/SAMCRA算法[9] |
| 2.2.4 随机化求解 |
| 2.2.5 Qo S度量简化算法 |
| 2.2.6 伪多项式算法 (受限最小约束法) |
| 1) Juttner基于拉格朗日松弛算法[13] |
| 2) A*剪除算法[14] |
| 2.2.7 仿生类算法 |
| 1) 遗传算法 |
| 2) 蚁群算法 |
| 3 结语 |
（10）基于QoS约束的组播路由算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.3 本文的内容及主要工作 |
| 第2章 组播路由原理及其协议算法 |
| 2.1 组播路由 |
| 2.2 组播工作原理 |
| 2.3 组播路由协议 |
| 2.3.1 密集模式协议(DM) |
| 2.3.2 稀疏模式路由协议(SM) |
| 2.4 组播路由算法 |
| 2.4.1 动态与静态组播路由算法 |
| 2.4.2 集中式与分布式组播路由算法 |
| 2.4.3 组播路由算法的设计原则 |
| 第3章 QOS组播路由算法的研究 |
| 3.1 服务质量(QOS)要求 |
| 3.1.1 服务质量(QoS)概念 |
| 3.1.2 QoS度量 |
| 3.1.3 QoS网络模型 |
| 3.1.4 服务质量路由(QoSR) |
| 3.2 QoS组播路由算法 |
| 3.2.1 Qos组播路由网络模型定义 |
| 3.2.2 QoS组播路由问题的分类 |
| 3.2.3 单QoS约束组播路由算法 |
| 3.2.4 多QoS约束组播路由算法 |
| 3.3 QOS组播路由算法的测评和评价 |
| 第4章 启发式多约束QOS组播路由算法HMCMC |
| 4.1 算法的几个前提 |
| 4.1.1 符号和问题定义 |
| 4.1.2 研究方法 |
| 4.2 算法的具体设计 |
| 4.2.1 启发式H_MCP |
| 4.2.2 启发式HMCMC |
| 第5章 网络仿真实验 |
| 5.1 网络仿真技术的概念和特点 |
| 5.2 通用模拟仿真平台介绍 |
| 5.2.1 NS-2 |
| 5.2.2 美国MIL3公司的OPNET |
| 5.3 仿真实验与性能分析 |
| 5.3.1 作为性能比较的一个简单的启发式方法 |
| 5.3.2 组播组大小对性能指标影响 |
| 5.3.3 边的权值的分布对性能指标的影响 |
| 5.3.4 约束条件个数对性能指标的影响 |
| 第6章 工作总结和未来展望 |
| 6.1 本文的主要工作 |
| 6.2 对未来的展望 |
| 参考文献 |
| 致谢 |
四、性能可调的启发式多约束路由算法（论文参考文献）
- [1]时变网络QoS保障路由算法及协议研究[D]. 周峰. 西安电子科技大学, 2019(03)
- [2]基于DAG的多约束路由算法的研究[D]. 胡霞. 西安电子科技大学, 2019
- [3]面向物联网的QoS路由近似算法研究[D]. 杨伟钧. 广东工业大学, 2017(02)
- [4]基于群智能优化算法的多约束QoS单播路由问题研究[D]. 李新明. 华中科技大学, 2017(03)
- [5]SDN在IP网络的流量调度应用研究[D]. 吴曼. 电子科技大学, 2015(03)
- [6]基于蚁群算法的QoS组播路由研究[D]. 楼小明. 浙江工业大学, 2009(S1)
- [7]蚁群算法及其在数据获取技术中的应用研究[D]. 余建平. 湖南大学, 2008(01)
- [8]快速启发式多约束优化路径算法研究[J]. 罗宏伟,吴斌,况中林,靳玉红,李芳,赵娟. 自动化与仪表, 2008(09)
- [9]多约束QoS路由算法综述[J]. 李敏,陆芸婷. 深圳信息职业技术学院学报, 2008(02)
- [10]基于QoS约束的组播路由算法研究[D]. 甄成方. 中北大学, 2008(11)