导读:本文包含了蚁群路由算法论文开题报告文献综述及选题提纲参考文献，主要关键词:蚁群,故障容错,可靠性,无线传感网络
蚁群路由算法论文文献综述
胡国伟[1]（2019）在《一种改进的基于蚁群算法的无线传感网络故障容错路由协议》一文中研究指出无线传感网络节点或链路故障会影响到网络的传输,降低网络的可靠性。针对蚁群智能路由协议在解决无线传感网络故障问题上的不足,提出一种改进的基于蚁群优化算法的能量高效故障容错路由协议(FTIEEABR)。当网络中的传输路径发生故障后,能够快速找到新的路径,保障数据的可靠传输。(本文来源于《柳州职业技术学院学报》期刊2019年05期）
李飞,刘敏,蒋昊[2]（2019）在《面向工业设备监测网络的量子蚁群多目标路由算法》一文中研究指出在面向MRO的工业现场设备管理中,监测数据通过无线传感器网络采集和传输,需同时满足网络寿命与数据传输质量的要求。传统的基本蚁群路由算法,不仅容易陷入局部最优和收敛速度慢,而且只有节点能耗或者传输距离的单一目标。提出基于量子蚁群优化的多目标路由算法:用量子比特表示信息素,并引入能耗、实时性和负载均衡多目标作为适应性函数,用量子比特旋转门反馈控制全局信息素更新。通过仿真分析和应用于一个实际现场的无线传感器网络,验证了这种算法能加快算法收敛速度和增加蚂蚁种群的多样性,从而跳出局部收敛,同时这种算法能兼顾网络寿命和数据传输质量。(本文来源于《传感技术学报》期刊2019年09期）
何建强,滕志军,张帆,刘皎[3]（2019）在《无线传感器网络中基于功率控制的蚁群路由算法》一文中研究指出为了进一步降低节点在发送分组时的能量消耗,论文在EEIABR的基础上,通过提取hello分组的RSSI值,推导出对邻节点的最优发射功率,提出一种基于功率控制的蚁群路由算法PCABR。该算法将最优发射功率存储在节点的邻居列表中,当节点概率选择下一跳节点时,会选择剩余能量较大,且发射功率较小的邻居节点,避免了功率的浪费。仿真表明,PCABR相较于EEIABR和EEABR算法的路径优化准确度更为明显,对能量使用效率和能量均衡性方面均有较大的提升。(本文来源于《舰船电子工程》期刊2019年09期）
邓磊,古发辉,王文祥[4]（2019）在《探究低压电力线通信的双种群遗传蚁群路由算法》一文中研究指出在智能电网技术高速发展过程中,低压电力载波通信载波技术作为较为关键的技术手段,其具有阻抗匹配、衰减强以及噪声干扰强等诸多问题,利用中继拖计算实现对衰减信号的再生以及发送则可以有效的提升载波通信运行的安全性以及可靠性。基于此,文章主要对低压电力线通信的双种群遗传蚁群路由算法进行了简单的分析研究。(本文来源于《数码世界》期刊2019年09期）
李俐,何元飞[5]（2019）在《基于蚁群优化算法的光纤通信网络路由机制研究》一文中研究指出光纤通信网络路由性能与许多因素密切相关,当前光纤通信网络路由机制存在数据丢包率高、数据传输错误大等缺陷,为了获得更加理想的光纤通信网络路由效果,设计了基于蚁群优化算法的光纤通信网络路由机制。首先对当前光纤通信网络路由机制研究现状进行分析,指出引起光纤通信网络路由效果差的原因,然后建立光纤通信网络路由的数学模型,引入蚁群优化算法找到光纤通信网络路由最优方案,最后与其它光纤通信网络路由机制进行仿真对比测试,本文方法的光纤通信网络路由效果更优,数据传输误差更小,提高了光纤通信网络数据传输的成功率,而且光纤通信网络数据传输效率得到了明显改善,实验结果验证了本文光纤通信网络路由机制的有效性和优越性。(本文来源于《激光杂志》期刊2019年07期）
胡国伟[6]（2019）在《一种改进跨层拥塞控制的无线传感网络蚁群路由算法》一文中研究指出针对无线传感器网络(WSNs)容易产生节点拥塞、造成网络丢包、降低网络性能问题,在能量高效蚁群路由(Improved Energy-Efficient Ant-Based Routing, IEEABR)算法的基础上,提出了一种改进跨层拥塞控制的无线传感网络蚁群路由算法(Congestion Control IEEABR, CCIEEABR)。该算法基于主动控制拥塞的设计思想,综合考虑各层之间的信息共享机制,实现流量的分散。仿真结果表明,该算法有效降低了数据的丢包率,最优平均端到端时延下降21%,具有较高的实用价值。(本文来源于《浙江工商职业技术学院学报》期刊2019年02期）
张诗尧,曾子维,程子为[7]（2019）在《无线传感器网络蚁群路由优化算法》一文中研究指出针对无线传感器网络拥堵和节点能耗不均衡问题,提出蚁群路由优化算法ACPOA。综合考虑节点剩余能量、网络使用周期以及节点间传输数据延迟,采用无线传感器收发数据信息的功耗控制模型,来优化蚁群算法启发式函数。仿真结果表明,与现有高效的数据采集无线传感器网络路由协议相比,本文提出的算法有效地降低了无线传感器网络负载,提高了无线传感器网络可用性。(本文来源于《辽宁科技大学学报》期刊2019年03期）
李勇,吴丽华[8]（2019）在《基于NS-2平台的蚁群优化路由算法的实验仿真》一文中研究指出针对日益复杂的网络规模、已有的路由选择算法不能很好地为分组转发选择最佳路径问题,提出基于蚁群优化的路由算法(ACO-RA).首先,在NS-2平台上设计虚拟网络环境,随机初始化设置每条链路之间的通信带宽和距离,并以链路带宽作为蚁群搜索路径上的信息素.然后根据蚁群优化算法的路径选择机制动态地为分组转发寻找最佳路径.最后,采用otcl语言编程进行实验仿真,以网络分组转发时的寻径收敛时间、最佳路径长度为性能指标,对比分析了使用ACO-RA,D-V,SPF算法进行网络分组路径选择的优劣,证明了ACO-RA算法的优势.(本文来源于《曲靖师范学院学报》期刊2019年03期）
高新成,刘德聚,王莉利,马树轩[9]（2019）在《基于蚁群算法的Qo S路由模型的设计与优化》一文中研究指出为了提升网络数据传输中路由性能,采用蚁群算法解决网络路由出现的问题。首先介绍了蚁群算法的原理与模型,然后根据实际应用的QoS路由具体问题,建立QoS路由模型,设计基于ACO的Qo S路由算法。通过仿真实验,对参数进行优化分析,验证了蚁群算法在网络路由中的应用效果,证明这种方法能够提高网络数据传输中路由的性能。(本文来源于《陕西理工大学学报(自然科学版)》期刊2019年02期）
凌春,孙文胜[10]（2019）在《基于改进蚁群算法的无线传感器网络路由》一文中研究指出为在无线传感器网络中寻找数据传输的最优路径,提出一种优化的蚁群算法。利用改进的伪随机比例规则优化状态转移函数,避免算法出现过早停滞的现象;利用角度因子和距离因子对启发信息函数进行优化,避免无关路径的选取,浪费节点能量;引入最优路径度量公式改进信息素更新策略,使蚂蚁能在网络能耗最少的情况下选择最优路径;通过限制蚂蚁的搜索方向,降低算法的复杂度,提高搜索速率。仿真结果表明,优化后的蚁群算法能够有效地均衡节点能耗,延长网络的生命周期。(本文来源于《计算机工程与设计》期刊2019年03期）
蚁群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：
在面向MRO的工业现场设备管理中,监测数据通过无线传感器网络采集和传输,需同时满足网络寿命与数据传输质量的要求。传统的基本蚁群路由算法,不仅容易陷入局部最优和收敛速度慢,而且只有节点能耗或者传输距离的单一目标。提出基于量子蚁群优化的多目标路由算法:用量子比特表示信息素,并引入能耗、实时性和负载均衡多目标作为适应性函数,用量子比特旋转门反馈控制全局信息素更新。通过仿真分析和应用于一个实际现场的无线传感器网络,验证了这种算法能加快算法收敛速度和增加蚂蚁种群的多样性,从而跳出局部收敛,同时这种算法能兼顾网络寿命和数据传输质量。
（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。
蚁群路由算法论文参考文献
[1].胡国伟.一种改进的基于蚁群算法的无线传感网络故障容错路由协议[J].柳州职业技术学院学报.2019
[2].李飞,刘敏,蒋昊.面向工业设备监测网络的量子蚁群多目标路由算法[J].传感技术学报.2019
[3].何建强,滕志军,张帆,刘皎.无线传感器网络中基于功率控制的蚁群路由算法[J].舰船电子工程.2019
[4].邓磊,古发辉,王文祥.探究低压电力线通信的双种群遗传蚁群路由算法[J].数码世界.2019
[5].李俐,何元飞.基于蚁群优化算法的光纤通信网络路由机制研究[J].激光杂志.2019
[6].胡国伟.一种改进跨层拥塞控制的无线传感网络蚁群路由算法[J].浙江工商职业技术学院学报.2019
[7].张诗尧,曾子维,程子为.无线传感器网络蚁群路由优化算法[J].辽宁科技大学学报.2019
[8].李勇,吴丽华.基于NS-2平台的蚁群优化路由算法的实验仿真[J].曲靖师范学院学报.2019
[9].高新成,刘德聚,王莉利,马树轩.基于蚁群算法的QoS路由模型的设计与优化[J].陕西理工大学学报(自然科学版).2019
[10].凌春,孙文胜.基于改进蚁群算法的无线传感器网络路由[J].计算机工程与设计.2019