亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        一種新的QoS組播路由算法

        2014-11-20 08:19:12常國鋒
        電視技術(shù) 2014年7期
        關(guān)鍵詞:權(quán)值時(shí)延路由

        常國鋒,王 滿

        (1.新鄉(xiāng)學(xué)院計(jì)算機(jī)與信息工程學(xué)院,河南新鄉(xiāng)453003;2.南陽理工學(xué)院數(shù)理學(xué)院,河南南陽473004)

        QoS組播路由是下一代Internet需要解決的一個(gè)難題[1-2]。而QoS組播路由算法是組播路由的核心技術(shù),要求在分布的網(wǎng)絡(luò)中尋找一條既滿足多個(gè)約束條件,同時(shí)又滿足具有最小代價(jià)的最優(yōu)路徑。

        BP神經(jīng)網(wǎng)絡(luò)通過學(xué)習(xí)和推理這兩個(gè)過程,能夠修正各個(gè)連接途徑的權(quán)值,無限地逼近樣本值,不斷修正結(jié)果,并且對(duì)相關(guān)信息實(shí)施處理[3-4]。BP神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)、分類和優(yōu)化上有優(yōu)勢(shì),有較強(qiáng)的局部搜索能力。蟻群算法(Ant Colony Algorithm,AC)是蟻群能夠找到一條從巢穴到食物的最短路徑的方法[5],蟻群算法的優(yōu)點(diǎn)是具有較強(qiáng)的魯棒性、分布式計(jì)算、易于融合其他算法,同時(shí)具有較強(qiáng)的全局搜索能力,但是收斂速度慢、易陷入局部最小點(diǎn)。

        本文結(jié)合BP神經(jīng)網(wǎng)絡(luò)和蟻群算法的優(yōu)點(diǎn),提出了一種新型的神經(jīng)網(wǎng)絡(luò)蟻群算法(Neural Network Ant Colony Algorithm,NNAC)。結(jié)合BP神經(jīng)網(wǎng)絡(luò)局部搜索的優(yōu)勢(shì)和蟻群算法全局搜索的優(yōu)勢(shì),同時(shí)BP神經(jīng)網(wǎng)絡(luò)還能彌補(bǔ)蟻群算法易陷入局部最小點(diǎn)的不足。

        1 QoS組播路由網(wǎng)絡(luò)模型

        在QoS組播路由網(wǎng)絡(luò)模型中,通常用加權(quán)圖G=(V,E)表示通信網(wǎng)絡(luò),V表示節(jié)點(diǎn)集,E表示鏈路集,節(jié)點(diǎn)數(shù)和鏈路數(shù)分別由表示[6-7]。同一對(duì)節(jié)點(diǎn)間的鏈路數(shù)≤1的網(wǎng)絡(luò)模型如圖1所示。

        圖1 網(wǎng)絡(luò)模型圖

        R+、R*分別表示正實(shí)數(shù)集和非負(fù)實(shí)數(shù)集。數(shù)據(jù)由源節(jié)點(diǎn)s∈V傳送到目的節(jié)點(diǎn)集D?V-{s},組播組M={s}∪D。定義組播樹T=(VT,ET),組播樹T由源節(jié)點(diǎn)傳送到目的節(jié)點(diǎn)的路徑為l(s,d),則對(duì)于任意鏈路e∈E可定義以下QoS參數(shù):

        時(shí)延函數(shù)

        帶寬函數(shù)

        時(shí)延抖動(dòng)函數(shù)

        包丟失率函數(shù)

        鏈路代價(jià)函數(shù)

        求解多約束QoS組播路由優(yōu)化問題是指尋找從源節(jié)點(diǎn)到目的節(jié)點(diǎn)的組播樹T,并且滿足QoS參數(shù)的約束條件

        式中:Dp,Bp,Jp,Lp分別為時(shí)延、帶寬、時(shí)延抖動(dòng)、包丟失率約束量。

        2 NNAC算法

        結(jié)合BP神經(jīng)網(wǎng)絡(luò)局部搜索的優(yōu)勢(shì)和蟻群算法全局搜索的優(yōu)勢(shì),進(jìn)行QoS組播路由算法的設(shè)計(jì),提出了一種新型的神經(jīng)網(wǎng)絡(luò)蟻群算法(NNAC)[8-10]。

        2.1 NNAC算法實(shí)現(xiàn)步驟

        NNAC算法步驟為:

        Step1:確定BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),給定BP神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值;對(duì)蟻群算法初始化設(shè)置,包括多路徑信息強(qiáng)度、螞蟻數(shù)量。

        Step2:計(jì)算各個(gè)路徑的適應(yīng)度。

        Step3:從源節(jié)點(diǎn)出發(fā),通過賭輪規(guī)則選擇合適的路徑,進(jìn)行分泌物強(qiáng)度調(diào)整。

        Step4:將收集的參數(shù)作為BP神經(jīng)網(wǎng)絡(luò)初始權(quán)值和閾值,并對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

        Step5:應(yīng)用BP神經(jīng)網(wǎng)絡(luò)在當(dāng)前路徑中找到更優(yōu)解,如果有更優(yōu)解則替代原有路徑。

        Step6:計(jì)算各組播樹的代價(jià),判斷大部分路徑是否收斂于同一組播樹,收斂則為最優(yōu)路徑,退出程序;否則,只保留最小代價(jià)的組播樹,轉(zhuǎn)到Step7。

        Step7:返回源節(jié)點(diǎn),轉(zhuǎn)到Step2。

        2.2 初始化

        初始化中需要設(shè)定BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值para={wi},wi為N個(gè)較小的隨機(jī)值,N個(gè)隨機(jī)值組成集合,i=1,2,…,N;j=1,2,…,N,設(shè)wi對(duì)應(yīng)的信息素為τij,初始時(shí)刻、信息素相等,上限為 τ0= τmax。

        2.3 路徑適應(yīng)度

        NNAC算法依據(jù)適應(yīng)度函數(shù)選取路徑[8],選用的適應(yīng)度函數(shù)為

        2.4 信息調(diào)整

        分泌物強(qiáng)度調(diào)整函數(shù)為

        式中:ω為常量參數(shù);l為鏈路代價(jià)。每當(dāng)蟻群走完一條路徑后,需要對(duì)所有路徑的分泌物揮發(fā)性進(jìn)行調(diào)整[9-10]

        式中:η為分泌物揮發(fā)度;α為各個(gè)路徑的初始信息強(qiáng)度。

        2.5 BP網(wǎng)絡(luò)訓(xùn)練和調(diào)整

        BP神經(jīng)網(wǎng)絡(luò)采用包括輸入層、隱含層、輸出層的網(wǎng)絡(luò)結(jié)構(gòu)[11-13]。在BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí),并不知道準(zhǔn)確的輸出結(jié)果,將Step3中分泌物強(qiáng)度phePj最大的路徑和其他路徑進(jìn)行比較,來指導(dǎo)BP神經(jīng)網(wǎng)絡(luò)。同時(shí),BP神經(jīng)網(wǎng)絡(luò)采用附加動(dòng)量法進(jìn)行訓(xùn)練,當(dāng)修正的權(quán)值對(duì)誤差的影響較大時(shí),應(yīng)放棄新權(quán)值,并停止動(dòng)量;當(dāng)新的誤差變化率超過設(shè)定的最大誤差變化率值后,應(yīng)放棄對(duì)權(quán)值的變化。最大誤差變化率一般設(shè)置為1.04。附加動(dòng)量法判斷公式為

        式中:mc為動(dòng)量因子,取0.95;k為訓(xùn)練次數(shù)。

        設(shè) BP 神經(jīng)網(wǎng)絡(luò)輸入向量為 X= [x1,x2,…,xn]T,輸出向量為 Y= [y1,y2,…,yl]T,期望輸出為 D= [d1,d2,…,dl]T。

        BP神經(jīng)網(wǎng)絡(luò)的目的就是求誤差能量E的最小值,應(yīng)用BP神經(jīng)網(wǎng)絡(luò)在當(dāng)前路徑中找到更優(yōu)解的方程為

        式中:cij表示鏈路代價(jià);dij表示時(shí)延;vij表示神經(jīng)元的輸出;λ→∞ ;能量函數(shù)u1項(xiàng)表示代價(jià)和時(shí)延的最小值;能量函數(shù)u2項(xiàng)表示每個(gè)節(jié)點(diǎn)的出、入邊數(shù)相等時(shí)的最小值,保證從源節(jié)點(diǎn)到目的節(jié)點(diǎn)為一完整路徑。

        3 算法仿真分析

        首先對(duì)NNAC算法全局最小值的尋找進(jìn)行仿真[14]。由于該算法采用附加動(dòng)量的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行了訓(xùn)練,所以在附加動(dòng)量的驅(qū)動(dòng)下,可以避免局部極小值的干擾,從而最終尋找到全局最小值,結(jié)果如圖2所示。

        圖2 NNAC算法全局最小值尋找結(jié)果

        對(duì)NNAC算法進(jìn)行仿真分析的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)采用8節(jié)點(diǎn)網(wǎng)絡(luò)結(jié)構(gòu),如圖3所示。拓?fù)浣Y(jié)構(gòu)圖中的源節(jié)點(diǎn)為s,目的節(jié)點(diǎn)為a,c,e,f,圖中各個(gè)邊上的數(shù)值代表延時(shí)和代價(jià),用 (Dp,CP)表示,(Dp,CP)的數(shù)值是隨機(jī)的,BP 神經(jīng)網(wǎng)絡(luò)誤差能量的公式中的u1=1 000,u2=200。

        圖3 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖

        利用MATLAB編寫NNAC算法程序,得到最優(yōu)組播樹如圖4所示。通過圖4可知,總延時(shí)為35,總代價(jià)費(fèi)用為21。

        圖4 NNAC算法最優(yōu)組播樹

        為了進(jìn)一步分析NNAC算法的性能,引入AC算法,通過兩種算法進(jìn)行最優(yōu)組播樹的尋找成功率進(jìn)行對(duì)比分析,通過實(shí)驗(yàn)可以得到如表1所示結(jié)果。

        表1 AC算法與NNAC算法成功率對(duì)比表 %

        通過表1可以看出,兩種算法在指定的網(wǎng)絡(luò)環(huán)境下,完成150個(gè)度約束組播路由路徑時(shí),NNAC算法在進(jìn)行最優(yōu)組播樹的尋找成功率上高于AC算法。因?yàn)镹NAC算法融合了BP神經(jīng)網(wǎng)絡(luò)局部搜索的優(yōu)勢(shì),克服了易陷入局部最小點(diǎn)的不足。

        4 結(jié)論

        本文結(jié)合BP神經(jīng)網(wǎng)絡(luò)和蟻群算法,提出了一種新型的NNAC算法。該算法結(jié)合了BP神經(jīng)網(wǎng)絡(luò)局部搜索和蟻群算法全局搜索的優(yōu)勢(shì),改善了QoS組播路由路徑尋找的方法。通過實(shí)驗(yàn)仿真分析,NNAC算法能夠有效地提高最優(yōu)組播樹的尋找成功率,同時(shí)該算法還克服了AC算法易陷入局部最小點(diǎn)的不足。

        [1]葛連升,江林,秦豐林.QoS組播路由算法研究綜述[J].山東大學(xué)學(xué)報(bào):理學(xué)版,2010(1):55-65.

        [2]黃小鳳.計(jì)算機(jī)網(wǎng)絡(luò)中的組播路由算法研究[D].長沙:湖南大學(xué),2010.

        [3]劉建國.基于卡爾曼濾波的BP神經(jīng)網(wǎng)絡(luò)模型在橋梁形變中的應(yīng)用[D].西安:長安大學(xué),2010.

        [4] YANG B.BP neural network optimization based on an improved genetic algorithm[C]//Proc.2002 International Conference on Machine Learning and Cybernetics.[S.l.]:IEEE Press,2002:64-68.

        [5] TSENG Shengyuan,LIN Changchun,HUANG Yuehmin.Ant colonybased algorithm for constructing broadcasting tree with degree and delay constraints[J].Expert Systems with Applications,2008,35(3):1473-1481.

        [6]陳杰,張洪偉.基于自適應(yīng)蟻群算法的QoS組播路由算法[J].計(jì)算機(jī)工程,2008,34(13):200-20.

        [7]丁國強(qiáng),孫澤宇,李傳鋒.改進(jìn)遺傳蟻群算法求解優(yōu)化問題的設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)測(cè)量與控制,2011,19(10):2558-2561.

        [8]王興偉,鄒榮珠,黃敏.基于螞蟻算法的ABC支持型QoS組播路由機(jī)制[J].東北大學(xué)學(xué)報(bào):自然科學(xué)版,2009,30(7):959-963.

        [9]孫力娟,王汝傳.基于蟻群算法和遺傳算法融合的QoS組播路由問題求解[J].電子學(xué)報(bào),2006,34(8):1391-1395.

        [10]葛連升,王華,王海洋.求解度約束組播路由的新型蟻群算法[J].電子學(xué)報(bào),2009,37(7):1447-1551.

        [11] LIUW,WANG L.Solving the delay constrainedmulticast routing problem using the transiently chaotic neural network[J].Advances in Neural Networks(ISNN):LNCS,2007(4492):57-62.

        [12] WANG L,LIUW,SHIH.Delay-constrained multicast routing using the noisy chaotic neural networs[J].IEEE Transa.Computers,2009,58(1):82-89.

        [13]陳陽舟,田秋芳,張利國.基于神經(jīng)網(wǎng)絡(luò)的城市快速路交通擁堵判別算法[J].計(jì)算機(jī)測(cè)量與控制,2011,19(1):167-169.

        [14]尚濤,謝龍漢,杜如虛.MATLAB工程計(jì)算及分析[M].北京:清華大學(xué)出版社,2011.

        猜你喜歡
        權(quán)值時(shí)延路由
        一種融合時(shí)間權(quán)值和用戶行為序列的電影推薦模型
        CONTENTS
        基于GCC-nearest時(shí)延估計(jì)的室內(nèi)聲源定位
        電子制作(2019年23期)2019-02-23 13:21:12
        基于改進(jìn)二次相關(guān)算法的TDOA時(shí)延估計(jì)
        探究路由與環(huán)路的問題
        基于權(quán)值動(dòng)量的RBM加速學(xué)習(xí)算法研究
        FRFT在水聲信道時(shí)延頻移聯(lián)合估計(jì)中的應(yīng)用
        基于分段CEEMD降噪的時(shí)延估計(jì)研究
        PRIME和G3-PLC路由機(jī)制對(duì)比
        WSN中基于等高度路由的源位置隱私保護(hù)
        a级毛片高清免费视频就| 人妻少妇一区二区三区| 亚洲国产一区久久yourpan| 国产色av一区二区三区| 国产做无码视频在线观看| 国产女女精品视频久热视频| 狠狠亚洲婷婷综合色香五月| 日韩一区二区av伦理| 亚洲av色欲色欲www| 亚洲av无码国产剧情| 国产高潮流白浆免费观看不卡| 中文字幕人妻一区二区二区| 午夜dy888国产精品影院| 男人边吃奶边做好爽免费视频| 国产亚洲精品不卡在线| 在线观看一区二区蜜桃| 专干老熟女视频在线观看 | 亚洲一区中文字幕在线电影网| 天堂岛国精品在线观看一区二区| 亚洲天堂一区二区偷拍| 99久久精品费精品国产一区二| 猫咪www免费人成网最新网站 | 国产a v无码专区亚洲av| 亚洲av永久无码精品水牛影视| 熟妇人妻精品一区二区视频| 欧美变态另类刺激| 无码中文字幕加勒比一本二本| 蜜桃网站在线免费观看视频| 亚洲国产一区二区三区| 亚洲av无码一区二区三区观看| 久久精品一品道久久精品9 | 国产福利97精品一区二区| 亚洲av激情一区二区| 东北老女人高潮大喊舒服死了| 有码精品一二区在线| 久久亚洲精品成人av观看| 成熟了的熟妇毛茸茸| 欧美日韩精品一区二区三区不卡| 亚洲无码啊啊啊免费体验| 亚洲国产精品天堂久久久| 99国产精品99久久久久久|