CN104486811A - 基于蚁群算法的深空光网络路由方法 - Google Patents
基于蚁群算法的深空光网络路由方法 Download PDFInfo
- Publication number
- CN104486811A CN104486811A CN201410748767.2A CN201410748767A CN104486811A CN 104486811 A CN104486811 A CN 104486811A CN 201410748767 A CN201410748767 A CN 201410748767A CN 104486811 A CN104486811 A CN 104486811A
- Authority
- CN
- China
- Prior art keywords
- router
- path
- ant
- deep space
- space optical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
- H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0005—Switch and router aspects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明一种基于蚁群算法的深空光网络路由方法,属于通信网络技术领域;该方法首先初始化网络,随机设定深空光网络中一个路由器为源路由器,另一个路由器为目的路由器,根据设定的源路由器和目的路由器,设置深空光网络中的网络约束条件,然后根据网络约束条件,保留满足条件的路径和路由器,最后利用蚁群算法获取深空光网络的最优路径,本发明中的深空光网络路由方法充分利用单向路径资源,提高了网络资源的利用率,同时考虑节点路由器的剩余电量,控制路由器能耗速度,提高了网络的生存时间,此外,本发明保留路径信息素,加快了算法的收敛速度,计算更加方便。
Description
技术领域
本发明属于通信网络技术领域,特别涉及一种基于蚁群算法的深空光网络路由方法。
背景技术
深空通信(Deep-space Communication)是进行深空探测的基础和支撑,是空、天、地信息交互的唯一手段,也是深空探测器正常运行和发挥其效能的重要保证,在深空探测工程中具有举足轻重的地位;激光通信相对于传统微波通信具有大容量、保密性强、轻便、小型化等优点,光通信已被公认为深空通信系统极具前景的传输技术之一。随着空间激光通信技术的不断成熟,以及深空探测器技术的发展,深空光网络有望成为未来深空通信的重要基础设施和必然发展趋势。
深空光通信网是实现深空高速信息通道的一项战略性基础设施,以深空光通信网为基础,在全球甚至太空范围内实现无缝覆盖的战略互联系统将为对地探测、导航定位、深空探测及遥感遥测等任务的有效实施提供强有力的技术支撑;因此,有效整合现有人造卫星、航天器、空间站、行星探测器等深空基础设施,进而实现空天地一体化宽带互联将成为未来深空探测任务的必然发展趋势;图1为深空光网结构示意图,a为月球,b为拉格朗日点,c为火星,d为同步轨道卫星,e为中轨道卫星,f为低轨道卫星,g为光地面站,h为地球,i为大气层;它包括了火星、月球、地球以及处于行星稳定拉格朗日点的中继卫星之间通信的基本设施;从图中可以看出,地球与绕地同步卫星,卫星之间以及卫星与其它行星之间均存在通信链路;并且地球作为一个网关,可以连接深空光网络以外的其他网络,如因特网;通过深空光网络,深空航天设备之间以及深空航天设备与地球站之间可以通过中继、多跳的方式进行链路数据传输,避免深空中遮挡物对激光通信视距传输干扰,同时减小远距离传输导致的损耗。
然而,激光通信视距传输和长距离传输的特性以及深空探测器供电有限的特点为深空光网络的连通性和路由选择提出更高挑战;为尽量减少额外开销、寻找最优传输路径,可行的深空光网络(Deep-Space Optical Network,DSON)路由算法设计对于提高网络性能至关重要;现有深空光通信研究大多集中在点对点信号传输技术方面;基于深空光通信的组网技术,即深空光通信网的研究仍处于起步阶段,深空光网络设计、单向链路问题及节点能耗是影响深空光网络连通性和网络寿命的重要因素,也是制约网络可扩展能力的关键条件,在基于蚁群算法的深空光网络路由方法中具有重要的研究意义;现有深空光设计网络路由方法主要采用传统蚁群算法(TACA),传统的蚁群算法中对于链路中出现的单向链路,是直接将此链路屏蔽,会造成网络资源的浪费,深空探测器有限的电量供应影响网络节点路由器寿命,传统的蚁群算法并未考虑电量问题,容易造成网络过早死亡,并且,传统蚁群算法收敛速度慢,计算不方便。
发明内容
针对现有技术的不足,本发明提出一种基于蚁群算法的深空光网络路由方法,以达到实现深空光网络中的单向路径数据传输、减少节点路由器能耗问题和提高计算收敛速度的目的。
本发明技术方案如下:
基于蚁群算法的深空光网络路由方法,包括以下步骤:
步骤1、初始化网络,随机设定深空光网络中一个路由器为源路由器,另一个路由器为目的路由器,根据设定的源路由器和目的路由器,设置深空光网络中的网络约束条件;所述的约束条件包括:
带宽约束:源路由器到目的路由器任一路径的带宽大于等于设定值;
延时约束:源路由器到目的路由器任一路径的时延小于等于设定值;
延时抖动约束:源路由器到目的路由器任一路径的时延抖动小于等于设定值;
丢包率约束:每个路由器传输数据的丢包率小于等于设定值;
路由器剩余电量约束:在当前路由器的下一跳可选路由器集中,选择剩余电量最大的路由器为下一跳路由器;
步骤2、在深空光网络中,根据网络约束条件,保留满足条件的路径和路由器;
步骤3、根据蚁群算法获取深空光网络的最优路径,具体步骤如下:
步骤3.1、设定信息素增量为0,当前循环迭代次数为0,设定蚁群规模数和最大循环迭代次数;
步骤3.2、在源路由器中构建设定规模数的前向蚂蚁,获得每只前向蚂蚁由当前路由器到达下一跳可选路由器集中每一条路径的转移概率,并选择转移概率最大的路径作为前向蚂蚁的移动路径;
步骤3.3、当前向蚂蚁到达下一跳路由器时,更新该路径上的信息素和转移概率,并判断从源路由器到当前路由器是否存在多条路径,若是,则保留所有路径中延时最小的路径作为当前最优路径,并继续寻找下一跳路由器,直到到达目的路由器,否则,直接寻找当前路由器的下一跳路由器,直到到达目的路由器;
步骤3.4、在目的路由器中构建与前向蚂蚁相同规模数的后向蚂蚁,获得每只后向蚂蚁由当前路由器到达下一跳可选路由器集中每一条路径的转移概率,并选择转移概率最大的路径作为后向蚂蚁的移动路径;
步骤3.5、当后向蚂蚁到达下一跳路由器时,更新该路径上的信息素和转移概率,并判断深空光网络中是否存在单向路径,根据判断结果选择移动路径,直到返回源路由器;
步骤3.6、判断循环迭代次数是否达到设定的最大循环迭代次数,若是,则执行步骤3.7,否则,返回执行步骤3.2;
步骤3.7、判断每一次迭代中最终目的路由器是否都找到,若是,则保存源路由器到达目的路由器的路径上的信息素,并且其他路径信息素清零,执行步骤3.8;否则,返回执行步骤3.1,更换其他路由器作为源路由器,直到每次循环迭代中,均找到目的路由器;
步骤3.8、当时延值保持不变时,则当前所寻找到的时延最小的路径为最终最优路径。
所述的步骤3.5、判断深空光网络中是否存在单向路径,包括以下步骤:
步骤3.5.1、判断当前路由器与下一跳路由器之间路径的信息素是否为0,若是,则该路径为单向路径,并执行步骤3.5.2,否则,执行步骤3.5.3;
步骤3.5.2、根据与当前路由器相邻的路由器数量生成相同数量的广播后向蚂蚁,每只广播后向蚂蚁向对应的相邻路由器广播此路径为单向路径,同时获得每只后向蚂蚁由当前路由器到达下一跳可选路由器集中每一条路径的转移概率,并选择转移概率最大的路径作为后向蚂蚁的移动路径;
步骤3.5.3、后向蚂蚁沿该路径移动,到达下一跳路由器时,返回执行步骤3.5.1。
所述的步骤3.2和步骤3.4中,转移概率根据以下公式确定:
其中,α为信息启发因子,即轨迹的相对重要性,β为期望启发因子,即能见度的相对重要性,表示第k只蚂蚁由路由器i转移到路由器j的转移概率,τij(t)α表示t时刻在路由器i与路由器j之间路径上积累的信息素强度,ηij(t)β表示路由器i与路由器j之间路径的能见度,取值范围为[0,1],τiu(t)α表示t时刻从路由器i到下一跳可选路由器u的信息素,ηiu(t)β表示路由器i到路由器u之间路径的能见度,取值范围为[0,1],allowedk表示第k只蚂蚁下一跳允许选择路由器的集合。
所述的步骤3.3和步骤3.5中,更新信息素的方法根据以下公式确定:
τij(t+n)=(1-ρ)×τij(t)+Δτij (2)
其中,τij(t+n)表示从t时刻开始,经过n时刻路由器i移动到路由器j路径上积累的信息素强度,ρ表示信息素蒸发系数,取值范围为[0,1],τij(t)表示t时刻路由器i和路由器j路径上积累的信息素强度,Δτij表示信息素增量;
公式(2)中的Δτij由以下公式确定:
其中,表示第k只蚂蚁从路由器i到路由器j的信息素增量,k表示经过该路径的第k只蚂蚁,m表示在路径上走过的蚂蚁总数;
公式(3)中的由以下公式确定:
其中,Q表示信息素增加强度系数,Lk表示路由器i到路由器j的路径长度,P(j)表示j路由器目前剩余电量。
本发明的有益效果:
本发明对于深空光网络结构的设计,采用基于扁平的无线Mesh网络结构,不仅支持多跳的、无中心的、自组织无线网络(Ad hoc)方式网络互连、支持多种接入方式,也具有无线多跳、覆盖率高、可靠性高、扩展性好等优点;本发明一方面以寻找最优路径为目标,当网络中单向路径的性能优于双向路径时,将充分利用单向路径资源,在寻找最优路径的同时,可有效的节约网络资源;另一方面,以提高网络寿命为目标,考虑节点路由器电量有限,路由寻路时,将节点路由器剩余电量作为选路的一个因素,可有效控制节点路由器能耗速度,改善网络性能,从而提高深空网络的生存时间,此外还可以有效提高方法的收敛速度,在蚁群路由寻路的过程中,保留路径信息素为后续寻路使用,可有效加快算法的收敛速度。
附图说明
图1为典型深空光网络结构示意图;
图2为本发明一种实施例的抽象深空光网络仿真拓扑图;
图3为本发明一种实施例的基于蚁群算法的深空光网络路由方法流程图;
图4为本发明一种实施例的根据蚁群算法获取深空光网络的最优路径方法流程图;
图5为本发明一种实施例的判断深空光网络中是否存在单向路径方法流程图;
图6为本发明一种实施例的时延收敛速度示意图;
图7为本发明一种实施例的时延抖动收敛速度示意图;
图8为本发明一种实施例的最优路径时延示意图;
图9为本发明一种实施例的最优路径上路由剩余电量示意图。
具体实施方式
下面结合附图对本发明具体实施方式加以详细的说明。
本发明实施例根据图1深空光网络结构,抽象出深空光网络的仿真拓扑图如图2所示,1为地球地轨卫星路由器,2为地球中轨卫星路由器,3为拉格朗日点路由器,4为月球卫星路由器,5为地球同步卫星路由器,6为火星卫星第一路由器,7为火星卫星第二路由器,8为火星卫星第三路由器,线条“————”为双向路径,线条“”为单向路径。
在本发明实施例中,假设在地球地轨卫星路由器1和拉格朗日点路由器3之间存在单向路径,路由器采用输出功率可达10kW的IPG公司的光纤激光器,利用matlab软件实现转移概率、信息素更新的计算,路径选择及绘制仿真曲线图。
在本发明实施例中,基于蚁群算法,把蚂蚁看作移动代理,即控制报文,分为三类:前向蚂蚁(Fants,Forward ants)、后向蚂蚁(Bants,Backward ants)和广播后向蚂蚁(BBants,Broadcast Backward ants),通过蚂蚁代理间的交互信息来确定路由。
基于蚁群算法的深空光网络路由方法,如图3所示,包括以下步骤:
步骤1、初始化网络,设定深空光网络中源路由器为地球地轨卫星路由器1,目的路由器为火星卫星第一路由器6,根据设定的源路由器和目的路由器,设置深空光网络中的网络约束条件;
本发明实施例中,网络中任一路径传输带宽在[70,120]之间随机设置,设定源路由器到目的路由器任一路径的时延小于等于50s、时延抖动小于等于12s、每个路由器传输数据的丢包率小于等于0.001;
步骤2、在深空光网络中,根据网络约束条件,保留满足条件的路径和路由器;
步骤3、根据蚁群算法获取深空光网络的最优路径,具体步骤流程图如图4所示;
步骤3.1、设定信息素增量为0,当前循环迭代次数为0,设定蚁群规模数为10,最大循环迭代次数K=20;
步骤3.2、在源路由器中构建10只前向蚂蚁,获得每只前向蚂蚁由当前路由器到达下一跳可选路由器集中每一条路径的转移概率,并选择转移概率最大的路径作为前向蚂蚁的移动路径,转移概率由以下公式确定:
其中,α为信息启发因子,即轨迹的相对重要性,β为期望启发因子,即能见度的相对重要性,表示第k只蚂蚁由路由器i转移到路由器j的转移概率,τij(t)α表示t时刻在路由器i与路由器j之间路径上积累的信息素强度,ηij(t)β表示路由器i与路由器j之间路径的能见度,取值范围为[0,1],τiu(t)α表示t时刻从路由器i到下一跳可选路由器u的信息素,ηiu(t)β表示路由器i到路由器u之间路径的能见度,取值范围为[0,1],allowedk表示第k只蚂蚁下一跳允许选择路由器的集合;
本发明实施例中,信息启发因子α=1,期望启发因子β=1;
步骤3.3、当前向蚂蚁到达下一跳路由器时,更新该路径上的信息素和转移概率,并判断从源路由器到当前路由器是否存在多条路径,若是,则保留所有路径中延时最小的路径作为当前最优路径,并继续寻找下一跳路由器,直到到达目的路由器,否则,直接寻找当前路由器的下一跳路由器,直到到达目的路由器,更新信息素由以下公式确定:
τij(t+n)=(1-ρ)×τij(t)+Δτij (2)
其中,τij(t+n)表示从t时刻开始,经过n时刻路由器i移动到路由器j路径上积累的信息素强度,ρ表示信息素蒸发系数,取值范围为[0,1],τij(t)表示t时刻路由器i和路由器j路径上积累的信息素强度,Δτij表示信息素增量;
本发明实施例中,信息素蒸发系数ρ=0.5;
公式(2)中的Δτij由以下公式确定:
其中,表示第k只蚂蚁从路由器i到路由器j的信息素增量,k表示经过该路径的第k只蚂蚁,m表示在路径上走过的蚂蚁总数;
公式(3)中的由以下公式确定:
其中,Q表示信息素增加强度系数,Lk表示路由器i到路由器j的路径长度,P(j)表示j路由器目前剩余电量;
本发明实施例中,信息素增加强度系数Q=100;
步骤3.4、在目的路由器中构建10只后向蚂蚁,获得每只后向蚂蚁由当前路由器到达下一跳可选路由器集中每一条路径的转移概率,并选择转移概率最大的路径作为后向蚂蚁的移动路径,转移概率由公式(1)确定;
步骤3.5、当后向蚂蚁到达下一跳路由器时,更新该路径上的信息素和转移概率,并判断深空光网络中是否存在单向路径,具体步骤流程图如图5所示,根据判断结果选择移动路径,直到返回源路由器,更新信息素由公式(2)(3)(4)确定;
步骤3.5.1、判断当前路由器与下一跳路由器之间路径的信息素是否为0,若是,则该路径为单向路径,并执行步骤3.5.2,否则,执行步骤3.5.3;
步骤3.5.2、根据与当前路由器相邻的路由器数量生成相同数量的广播后向蚂蚁,每只广播后向蚂蚁向对应的相邻路由器广播此路径为单向路径,同时获得每只后向蚂蚁由当前路由器到达下一跳可选路由器集中每一条路径的转移概率,并选择转移概率最大的路径作为后向蚂蚁的移动路径;
步骤3.5.3、后向蚂蚁沿该路径移动,到达下一跳路由器时,返回执行步骤3.5.1;
步骤3.6、判断循环迭代次数是否达到20次,若是,则执行步骤3.7,否则,返回执行步骤3.2;
步骤3.7、判断每一次迭代中最终目的路由器是否都找到,若是,则保存源路由器到达目的路由器的路径上的信息素,并且其他路径信息素清零,执行步骤3.8;否则,返回执行步骤3.1,更换其他路由器作为源路由器,直到每次循环迭代中,均找到目的路由器;
步骤3.8、在绘制出的时延仿真曲线图中,当时延值保持不变时,则当前所寻找到的时延最小的路径为最终最优路径;
本发明实施例中,确定从地球地轨卫星路由器1至地球同步卫星路由器5至火星卫星第一路由器6为最优路径。
本发明实施例中,图6为时延收敛速度示意图,—■—曲线为本发明实施例中保留路径信息素时的时延收敛速度,—●—曲线为未保留路径信息素时的时延收敛速度,图7为时延抖动收敛速度示意图,—■—曲线为本发明实施例中保留路径信息素时的时延抖动收敛速度,—●—曲线为未保留路径信息素时的时延收敛速度,从图6和图7中可以看出,未保留路径信息素时,迭代4次开始收敛,保留路径信息素时,迭代2次即开始收敛,收敛速度提高了50%;图8为最优路径时延示意图,—■—曲线为本发明实施例中利用单向路径的最优路径时延,—●—曲线为传统蚁群算法未考虑单向路径的最优路径时延,从图中可以看出,本发明实施例时延明显优于传统蚁群算法;图9为最优路径上路由剩余电量示意图,—■—曲线为本发明实施例中最优路径上路由器剩余电量,—●—曲线为传统蚁群算法最优路径上路由器剩余电量,从图中可以看出,本发明实施例最优路径上总电量比传统蚁群算法多大约5kW。
综上所述,本发明实施例提出的方法与传统蚁群算法比较,收敛速度更快,算法更方便,不仅考虑路由器电量问题,使网络中负载均衡,并且对于网络中存在的单向路径资源加以充分利用,从而节省了网络资源,提高了整个深空光网络的生存时间。
Claims (4)
1.一种基于蚁群算法的深空光网络路由方法,其特征在于:包括以下步骤:
步骤1、初始化网络,随机设定深空光网络中一个路由器为源路由器,另一个路由器为目的路由器,根据设定的源路由器和目的路由器,设置深空光网络中的网络约束条件;所述的约束条件包括:
带宽约束:源路由器到目的路由器任一路径的带宽大于等于设定值;
延时约束:源路由器到目的路由器任一路径的时延小于等于设定值;
延时抖动约束:源路由器到目的路由器任一路径的时延抖动小于等于设定值;
丢包率约束:每个路由器传输数据的丢包率小于等于设定值;
路由器剩余电量约束:在当前路由器的下一跳可选路由器集中,选择剩余电量最大的路由器为下一跳路由器;
步骤2、在深空光网络中,根据网络约束条件,保留满足条件的路径和路由器;
步骤3、根据蚁群算法获取深空光网络的最优路径;
步骤3.1、设定信息素增量为0,当前循环迭代次数为0,设定蚁群规模数和最大循环迭代次数;
步骤3.2、在源路由器中构建设定规模数的前向蚂蚁,获得每只前向蚂蚁由当前路由器到达下一跳可选路由器集中每一条路径的转移概率,并选择转移概率最大的路径作为前向蚂蚁的移动路径;
步骤3.3、当前向蚂蚁到达下一跳路由器时,更新该路径上的信息素和转移概率,并判断从源路由器到当前路由器是否存在多条路径,若是,则保留所有路径中延时最小的路径作为当前最优路径,并继续寻找下一跳路由器,直到到达目的路由器,否则,直接寻找当前路由器的下一跳路由器,直到到达目的路由器;
步骤3.4、在目的路由器中构建与前向蚂蚁相同规模数的后向蚂蚁,获得每只后向蚂蚁由当前路由器到达下一跳可选路由器集中每一条路径的转移概率,并选择转移概率最大的路径作为后向蚂蚁的移动路径;
步骤3.5、当后向蚂蚁到达下一跳路由器时,更新该路径上的信息素和转移概率,并判断深空光网络中是否存在单向路径,根据判断结果选择移动路径,直到返回源路由器;
步骤3.6、判断循环迭代次数是否达到设定的最大循环迭代次数,若是,则执行步骤3.7,否则,返回执行步骤3.2;
步骤3.7、判断每一次迭代中最终目的路由器是否都找到,若是,则保存源路由器到达目的路由器的路径上的信息素,并且其他路径信息素清零,执行步骤3.8;否则,返回执行步骤3.1,更换其他路由器作为源路由器,直到每次循环迭代中,均找到目的路由器;
步骤3.8、当时延值保持不变时,则当前所寻找到的时延最小的路径为最终最优路径。
2.根据权利要求1所述的基于蚁群算法的深空光网络路由方法,其特征在于:步骤3.5中所述的判断深空光网络中是否存在单向路径,包括以下步骤:
步骤3.5.1、判断当前路由器与下一跳路由器之间路径的信息素是否为0,若是,则该路径为单向路径,并执行步骤3.5.2,否则,执行步骤3.5.3;
步骤3.5.2、根据与当前路由器相邻的路由器数量生成相同数量的广播后向蚂蚁,每只广播后向蚂蚁向对应的相邻路由器广播此路径为单向路径,同时获得每只后向蚂蚁由当前路由器到达下一跳可选路由器集中每一条路径的转移概率,并选择转移概率最大的路径作为后向蚂蚁的移动路径;
步骤3.5.3、后向蚂蚁沿该路径移动,到达下一跳路由器时,返回执行步骤3.5.1。
3.根据权利要求1所述的基于蚁群算法的深空光网络路由方法,其特征在于:步骤3.2和步骤3.4中所述的转移概率根据以下公式确定:
其中,α为信息启发因子,即轨迹的相对重要性,β为期望启发因子,即能见度的相对重要性,表示第k只蚂蚁由路由器i转移到路由器j的转移概率,τij(t)α表示t时刻在路由器i与路由器j之间路径上积累的信息素强度,ηij(t)β表示路由器i与路由器j之间路径的能见度,取值范围为[0,1],τiu(t)α表示t时刻从路由器i到下一跳可选路由器u的信息素,ηiu(t)β表示路由器i到路由器u之间路径的能见度,取值范围为[0,1],allowedk表示第k只蚂蚁下一跳允许选择路由器的集合。
4.根据权利要求1所述的基于蚁群算法的深空光网络路由方法,其特征在于:步骤3.3和步骤3.5中所述的更新信息素的方法根据以下公式确定:
τij(t+n)=(1-ρ)×τij(t)+Δτij (2)
其中,τij(t+n)表示从t时刻开始,经过n时刻路由器i移动到路由器j路径上积累的信息素强度,ρ表示信息素蒸发系数,取值范围为[0,1],τij(t)表示t时刻路由器i和路由器j路径上积累的信息素强度,Δτij表示信息素增量;
公式(2)中的Δτij由以下公式确定:
其中,表示第k只蚂蚁从路由器i到路由器j的信息素增量,k表示经过该路径的第k只蚂蚁,m表示在路径上走过的蚂蚁总数;
公式(3)中的由以下公式确定:
其中,Q表示信息素增加强度系数,Lk表示路由器i到路由器j的路径长度,P(j)表示j路由器目前剩余电量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410748767.2A CN104486811A (zh) | 2014-12-09 | 2014-12-09 | 基于蚁群算法的深空光网络路由方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410748767.2A CN104486811A (zh) | 2014-12-09 | 2014-12-09 | 基于蚁群算法的深空光网络路由方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104486811A true CN104486811A (zh) | 2015-04-01 |
Family
ID=52761300
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410748767.2A Pending CN104486811A (zh) | 2014-12-09 | 2014-12-09 | 基于蚁群算法的深空光网络路由方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104486811A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106941447A (zh) * | 2017-05-03 | 2017-07-11 | 西安电子科技大学 | 基于蚁群模型的自由空间光网络路由方法 |
CN108776483A (zh) * | 2018-08-16 | 2018-11-09 | 圆通速递有限公司 | 基于蚁群算法和多智能体q学习的agv路径规划方法和系统 |
CN108812207A (zh) * | 2018-07-04 | 2018-11-16 | 深圳森阳环保材料科技有限公司 | 一种基于农田水分监测的自动灌溉系统 |
CN111786881A (zh) * | 2020-06-29 | 2020-10-16 | 东方红卫星移动通信有限公司 | 一种用于动态网络的数据传输路径搭建方法及网络系统 |
CN112822747A (zh) * | 2021-03-02 | 2021-05-18 | 吉林大学 | 一种无线传感网中基于遗传算法和蚁群算法的路由选择策略 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101478803A (zh) * | 2009-01-21 | 2009-07-08 | 东北大学 | 一种基于蚂蚁算法的自组织QoS路由方法 |
CN102523162A (zh) * | 2011-12-15 | 2012-06-27 | 西安理工大学 | 紫外无线Mesh网络中基于蚁群的QoS优化路由方法 |
EP2159974B1 (en) * | 2008-08-27 | 2013-01-16 | Alcatel Lucent | Multi-domain routing using an ant colony algorithm |
CN103648140A (zh) * | 2013-12-12 | 2014-03-19 | 东北大学 | 基于mimo和pnc融合的无线多跳路由网络传输方法 |
CN103888976A (zh) * | 2014-01-03 | 2014-06-25 | 东北大学 | 一种联合网络调度和路由的链路选择方法 |
-
2014
- 2014-12-09 CN CN201410748767.2A patent/CN104486811A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2159974B1 (en) * | 2008-08-27 | 2013-01-16 | Alcatel Lucent | Multi-domain routing using an ant colony algorithm |
CN101478803A (zh) * | 2009-01-21 | 2009-07-08 | 东北大学 | 一种基于蚂蚁算法的自组织QoS路由方法 |
CN102523162A (zh) * | 2011-12-15 | 2012-06-27 | 西安理工大学 | 紫外无线Mesh网络中基于蚁群的QoS优化路由方法 |
CN103648140A (zh) * | 2013-12-12 | 2014-03-19 | 东北大学 | 基于mimo和pnc融合的无线多跳路由网络传输方法 |
CN103888976A (zh) * | 2014-01-03 | 2014-06-25 | 东北大学 | 一种联合网络调度和路由的链路选择方法 |
Non-Patent Citations (1)
Title |
---|
赵太飞等: "无线网络中基于蚁群算法的QoS组播路由算法", 《西安理工大学学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106941447A (zh) * | 2017-05-03 | 2017-07-11 | 西安电子科技大学 | 基于蚁群模型的自由空间光网络路由方法 |
CN108812207A (zh) * | 2018-07-04 | 2018-11-16 | 深圳森阳环保材料科技有限公司 | 一种基于农田水分监测的自动灌溉系统 |
CN108812207B (zh) * | 2018-07-04 | 2021-04-30 | 江苏智达达物联有限公司 | 一种基于农田水分监测的自动灌溉系统 |
CN108776483A (zh) * | 2018-08-16 | 2018-11-09 | 圆通速递有限公司 | 基于蚁群算法和多智能体q学习的agv路径规划方法和系统 |
CN108776483B (zh) * | 2018-08-16 | 2021-06-29 | 圆通速递有限公司 | 基于蚁群算法和多智能体q学习的agv路径规划方法和系统 |
CN111786881A (zh) * | 2020-06-29 | 2020-10-16 | 东方红卫星移动通信有限公司 | 一种用于动态网络的数据传输路径搭建方法及网络系统 |
CN112822747A (zh) * | 2021-03-02 | 2021-05-18 | 吉林大学 | 一种无线传感网中基于遗传算法和蚁群算法的路由选择策略 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Trajectory optimization and power allocation for multi-hop UAV relaying communications | |
Li et al. | Adaptive quality-of-service-based routing for vehicular ad hoc networks with ant colony optimization | |
CN104486811A (zh) | 基于蚁群算法的深空光网络路由方法 | |
CN102523162B (zh) | 紫外无线Mesh网络中基于蚁群的QoS优化路由方法 | |
CN103634842B (zh) | 一种分布式卫星网络群间路由方法 | |
CN103685025A (zh) | 一种基于leo卫星网络的跨层动态自适应路由方法 | |
Maham et al. | Asymptotic performance analysis of amplify-and-forward cooperative networks in a Nakagami-m fading environment | |
CN106304164A (zh) | 一种基于能量采集协作通信系统的联合资源分配方法 | |
Wang et al. | Link design for wireless optical communication network based on ant colony algorithm | |
CN105471730A (zh) | 电力通信分层路由路径确定方法 | |
Korkmaz et al. | Characterizing link and path reliability in large-scale wireless sensor networks | |
Du et al. | Trajectory design of laser-powered multi-drone enabled data collection system for smart cities | |
Singh et al. | Design constraint in single-hop and multi-hop wireless sensor network using different network model architecture | |
Song et al. | Outage analysis for simultaneous wireless information and power transfer in dual-hop relaying networks | |
Wang et al. | Joint link adaption and resource allocation for satellite networks with network coding | |
Hsu et al. | A deep reinforcement learning based routing scheme for LEO satellite networks in 6G | |
Kolios et al. | Ultra low energy store-carry and forward relaying within the cell | |
Zhou et al. | Toward high throughput contact plan design in resource-limited small satellite networks | |
Nacef et al. | A combined relay-selection and routing protocol for cooperative wireless sensor networks | |
Tang et al. | Outage probability of multihop free space optical communications over Nakagami fading channels | |
Dhara et al. | MFR—a max-flow-based routing for future interplanetary networks | |
Wang et al. | Service continuity based data delivery optimization in satellite-terrestrial networks | |
Jiang et al. | A novel cross-layer model based communication network for satellite constellations | |
Wang et al. | Joint Optimization of Full-Duplex Relay Placement and Transmit Power for Multi-Hop Ultraviolet Communications | |
Bonafini et al. | Study on Relay Networks based on Lagrangian Points for Optical-based Mars-to-Earth Communications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150401 |
|
RJ01 | Rejection of invention patent application after publication |