导读:本文包含了组播聚合论文开题报告文献综述及选题提纲参考文献，主要关键词:聚合组播,蚁群优化,分布式,最小集合覆盖
组播聚合论文文献综述
刘凤娇,蒋永志[1]（2015）在《用于聚合组播的蚁群优化算法》一文中研究指出IP组播将数据传输至组成员时常遇到路由器为每棵组播树保存转发状态的扩展问题,聚合组播技术使得多个组播组共享一棵分布式树,可有效减少需要保存的组播转发状态。提出算法,为每棵组播树都赋予一个代价值,当最优解中聚合组播树数目相同时,可优先选择较小代价值。由于相关算法限定带宽浪费率范围,即限定可增加的节点数目,所以算法可在多项式时间内完成。使用最小集合覆盖思想,设计求解聚合组播问题蚁群优化算法,实验表明,此算法能取得较好优化效果。(本文来源于《软件导刊》期刊2015年09期）
刘凤娇[2]（2015）在《求解聚合组播问题的多种群蚁群优化算法》一文中研究指出传统的IP组播技术使用树状结构传递组播分组,要求树上的路由器为每个组保存一个转发状态,这样当网络上并发的组播组过多时会面临着组播状态扩展性问题。最近提出的聚合组播技术强迫多个组播组使用一棵共享的组播树来解决这个问题,这是一个NPC问题。提出一种基于多种群的蚁群优化算法来求解聚合组播问题。每个种群根据使用模型的不同使用不同的适应度函数、不同的启发式信息和不同的解构建过程,也就产生了不同的搜索轨迹和特点。算法设计了种群之间的交换整个信息素表和交换最优迭代解的两种信息交换方式。仿真结果显示,两种方法都能够取得比任何一种单独算法更好的优化效果,提高了算法的收敛时间。(本文来源于《甘肃科技》期刊2015年14期）
徐剑,倪宏,邓浩江,刘磊[3]（2013）在《改进的聚合组播算法》一文中研究指出针对组播状态可扩展性问题进行研究,提出了一种改进的聚合组播算法。该算法在动态在线聚合组播算法的基础上,确定匹配时可行的聚合树范围,以减少匹配和计算次数,降低时间复杂度;改进最优匹配聚合树的选择算法,并对网络中聚合树进行定期调整,以优化聚合树结构,去掉不必要的中间节点,提高聚合度,降低节点转发状态。仿真实验表明,与同类算法相比,该算法能够以较低的时间复杂度,取得较高的聚合度和转发状态降低率,在并发组播组数目较高和组密度较高时效果更加明显。(本文来源于《计算机应用研究》期刊2013年10期）
汪学舜,余少华,戴锦友[4]（2013）在《双邻域查找组播聚合算法》一文中研究指出光传输网络中聚合组播问题是一个完全NP难问题,提出了一种解决聚合组播问题的双邻域查找算法.该算法使得生成的聚合树数量在满足波长约束的前提下,带宽浪费比率尽可能地小.基于贪婪策略定义了一种优先聚合规则以生成初始解;定义了两种邻域结构,使邻域查找具有效率;提出了跳坑策略以跳出局部最优解并且将查找引向有希望的方向.模拟实验结果表明:该算法可以有效地进行组播树的聚合,当轻载时,组播组阻塞比率始终为0;当重载时,与其他算法相比,平均带宽浪费比率降低25%以上.因此,对不同的网络状况都能获得较好的性能.(本文来源于《软件学报》期刊2013年02期）
许秀云[5]（2012）在《MPLS VPN网络聚合组播算法研究与仿真》一文中研究指出随着MPLS技术和MP-BGP的出现，BGP/MPLS VPN技术逐步发展并成为企业网中越来越普及的一种VPN架构。同时，部门内部的视频会议、数据共享等组播应用需求，使得在MPLS VPN网络内实施组播越来越迫切。研究表明随着VPN、VPN中组播组以及组播成员的增加，P和PE路由器需消耗非常大的存储空间以及CPU时间来维护VPN组播状态，可扩展性问题是在MPLS VPN网络中支持组播技术的难题，本文正是针对该可扩展性进行研究。聚合组播方案通过消耗一定的带宽浪费，强制拥有相似原始树的组播组共享同一棵聚合树。这种聚合方式能减少网络中的组播树，进而减少需要维持的转发状态数，提高可扩展性。本文从MPLS VPN实现机制以及聚合组播原理入手，采用组播路由协议构建组播树，并将研究重点放在静态/动态模式下聚合组播树构建算法上。本文研究分析了已有的两种聚合算法，并结合MPLS VPN实施聚合组播的特点，进行了以下工作：1．分析了贪婪算法和遗传算法各自的局限性，在现有的遗传算法基础上，结合免疫特性提出了免疫遗传优化的聚合组播算法，仿真结果表明，该算法能进一步提高聚合度，保证聚合效果，并且算法收敛更快，并且能预防早熟。2．在动态模式下基于两棵树之间的相似性，提出了动态迭加聚合算法，该算法打破了基于扩展解空间求解聚合树的思路，对动态模式以及大规模组播下的聚合有很好的参考价值。3．对MPLS VPN组播面临的可扩展性问题进行研究。基于聚合组播思想，针对组播路由的“最优化”和“可扩展”提出了不同的解决方案。仿真结果表明，对MPLS VPN网络实施聚合能减少P网络组播转发信息的维护量，解决组播可扩展性问题。但是需要合理的规划才能做到最大程度聚合和带宽利用率之间的平衡。(本文来源于《电子科技大学》期刊2012-04-01）
朱方金[6]（2011）在《聚合组播优化模型与算法研究》一文中研究指出近年来Internet发展迅速,网络上需要组通信支持的各种分布式应用不断增多。作为支持组通信的主要技术,传统的IP (Internet protocol)组播技术要求网络为每一个组播组(甚至组播组的每一个源)建立和维护一棵组播转发树,树上的每台路由器都需要保存这个组播组(源)的转发状态。当网络上并发的组播组不断增加时,路由器上为这些组播组维护的组播转发状态也会不断增加。不断增长的组播转发状态一方面需要路由器更多的内存来存储,另一方面转发组播分组时查表的时间更长。同时,一个组播组的转发状态需要组播组的树上路由器之间周期性的交换信息来建立和维护。当并发的组播组增加时,用于建立和维护这些转发状态的控制信息也会不断增加,这会消耗网络更多的带宽。转发状态和控制信息的增多会减慢网络的转发速度,导致整个网络的性能不断下降。当网络上组播组的数量增加到一定程度,整个网络就会由于性能下降的厉害而变得不可用。这就是传统IP组播技术面临的组播状态扩展性问题。尤其是,这个问题当组播支持服务质量(Quality of Service, QoS)时变得更加严重,这时不仅需要额外的内存来存储各种服务质量的参数,同时,由于组播组成员服务质量的要求不同,可能一个组播组需要几棵组播树才能够完成满足不同服务质量要求的数据的传递。所以,真正大规模部署IP组播时,面临着组播状态扩展性问题的挑战,只有解决了这个问题,大规模的组播的部署才会变得可能。由于Internet网络是一个层次网络,多个用户网络连接到一个区域网络,多个区域网络连接到一个骨干网络。多个用户网络之间的数据传输都需要经过共同的骨干网络,传统IP组播技术中骨干网络需要为每个经过它的组播组维护组播状态,组播状态扩展性问题在骨干网络中尤为突出。所以,研究组播状态扩展性问题,尤其是骨干网络上的组播状态扩展性问题,具有重要的理论和现实意义。聚合组播作为近年提出的一种非常有前途的解决骨干网络中组播状态扩展性问题的思想,使多个组播组共享一棵组播树(聚合树)。组播树数量的减少,不但减少了整个网络中组播状态,同时也减少了网络建立和维护树的控制开销。共享的组播树一定要能够完全覆盖其所服务的组播组才能够完成数据的正确传输,由于共享组播树的组播组不一定有共同的成员集合,通常情况下聚合树的叶子节点要多于每个组播组的成员。这就会带来额外的带宽浪费。因此,聚合组播是组播树数量减少和额外带宽浪费的一种折中。这是一个多目标优化问题,对应着两个优化方向：给定带宽浪费率,最小化组播树数量的聚合树优化问题(带宽浪费率受限的聚合组播问题)；和给定聚合树数量,最小化带宽浪费率的带宽优化问题(聚合树数目受限的聚合组播问题)。能否有效的解决这两个优化问题,得到相应优化问题较好的解,关系到聚合组播在网络中实际的部署效果。同时,这两个问题又都是NPC问题。为这两个问题设计有效的解决算法,提高算法的优化能力,是本文研究的重点。首先,论文给出了聚合树优化问题(ATOP, Aggregated Tree Optimization Problem)的最小分组描述和最小分组模型。最小分组问题是一类问题的统称,许多具体的问题,如装箱问题、图分色问题和最小团覆盖问题等,都属于最小分组问题。使用启发式算法解决这些问题时,通常由于陷入局部最优而不能得到满足需求的比较优化的解。为了得到更高质量的解,近年来提出许多种类的元启发式算法。由于蚁群优化(Ant Colony Optimization, ACO)算法在解决许多最小分组问题的具体问题时能够取得一流的或有竞争力的解,所以重点是设计高效的聚合树优化问题的蚁群优化算法。在设计具体的蚁群优化算法时,使用了分层的设计思路：首先根据问题的最小分组特征,尤其是在一次迭代过程结束时,经常有多个迭代最优解的情况,为了有效的从这些解中得到有利于寻找最优解的知识,提出了两个组播组之间的适应度函数的设计原则,并在此之上,设计了新的多级信息素的分配原则。同时,根据算法的随机特性,提出了算法的新的终止条件。然后,在这些原则的基础上分别使用装箱模型和最小团覆盖模型来解析聚合树优化问题中的聚合条件,提出了基于装箱模型和基于最小团覆盖模型的启发式信息,以及具体的组播组之间的适应度函数的定义和信息素的更新规则。这两个模型分别从不同的角度刻画和描述了聚合树优化问题,反应了聚合树优化问题的不同的特征。仿真结果显示,本文提出的组播组之间的适应度函数定义原则和与之关联的多级信息素分配原则能够显着的提高算法的寻优能力。与已有算法比较,不再需要事先计算候选树集合,更加适用于带宽浪费率比较大或网络规模比较大的场景。其次,论文使用分组模型定义了带宽优化问题,并提出了基于组播树的相似性的蚁群优化算法。通过分析带宽优化问题的特征,将带宽优化问题分解为初始树选择和树聚合两个阶段。定义了组播树(组播组)的相似性,分析了相似性的不对称特征,提出使用相似度和相似性排名的组合来确定初始树选择阶段和树聚合阶段的启发式信息。同时,在这两个阶段中,根据信息素的含义,在不同的阶段使用信息素的两种形式(信息素本身和它的反)和相似性的两种形式。根据问题的特征设计了新的信息素的更新规则。仿真结果表明,本文提出的算法取得了比启发式算法更加优化的解,与普通的蚁群优化算法相比,本文提出的算法能够更快的收敛到同样优化的解,验证了所提启发式信息的有效性。论文的最后给出了以后研究的展望,提出了解决聚合组播问题的动态算法、带有服务质量的聚合组播算法等研究方向。(本文来源于《山东大学》期刊2011-10-20）
唐俊[7]（2011）在《基于聚合和模糊信息的QoS组播路由算法》一文中研究指出QoS(Quality of Service)即服务质量,它是计算机网络的一种服务保障机制,是关于链路的延迟、带宽、丢包、抖动属性的一组参数。QoS组播路由算法是在路由网络中给定了一个源节点s和一个组播目标节点集D,在满足链路的QoS约束条件下,寻找从组播源节点s和目标节点集D中所有节点的最优路径的算法。自从1995年,Internet国际工程任务组(Internet Engineering Task Force,简称IETF)提出多种服务模型和机制来满足对QoS的需求,QoS路由算法得到了很大的发展。但目前,QoS参数的度量不同,QoS路由组播算法大多基于单个QoS参数进行探讨。因此,本文提出一种“聚合QoS参数的组播路由算法”实现QoS参数的聚合算法,该算法将链路的4个不同度量的QoS参数进行归一化处理,统一度量。然后使用加权平方算子把链路上归一化后的QoS参数聚合为一个综合QoS参数,称为“开销”。根据链路的开销,使用Kruskal算法寻找组播的最小生成树。另一方面,目前的路由组播算法中,设定的QoS参数(带宽,丢包,延迟,抖动)大多是精确值。但随着语音、视频等网络应用技术的发展,把QoS参数设定为精确、恒定的数值,已不能完全反应网络的动态特性,QoS参数会在一定的区间范围内变化。为了反映QoS的模糊性,本文提出一种“基于模糊优化的QoS路由组播算法”,利用叁角型模糊隶属函数刻画链路上的QoS参数(带宽,丢包率,延迟,抖动),建立含有模糊数的规划模型,通过模糊优化,把模糊规划转换为精确数值的整数规划,并给出一种理想点算法,求解该整数规划。通过仿真实例证明算法的可行,有效。(本文来源于《西华大学》期刊2011-05-01）
刘凤娇[8]（2011）在《基于蚁群优化及MPLS协议的聚合组播的研究》一文中研究指出随着网络规模的不断扩大以及人们对网络交易的需求,涌现出了大量的大规模多用户组播的应用。在传统的组播技术中,组播组的用户之间相互传递信息是通过一棵可以覆盖该组的转发树来进行实施的。并且要求转发树上的所有树节点均维持每一个组播组的转发状态。在转发信息时,数据包在树的每一个结点处复制,并在每条分支链路上转发且仅转发一次。这种组播机制的优点是可以使整个网络范围内组播分组数据的复制量控制在一个很小的范围内,从而可以提高组播数据的转发效率,降低带宽浪费并缓解网络堵塞。但是,随着网络中组播组的个数的迅速增加,需要保存的转发状态也逐渐增多并呈现线性增长。如果路由器上需要保存的转发状态数目很大,尤其是在并发进行的组播组会话很多的骨干网中,会使得路由器的内存需要同样变得很庞大。并且,需要进行的对每个分组的转发地址的查找过程以及分组数据的转发过程都会因此变得相当慢。由此可见,当网络中存在大规模的组播数据转发时,对于组播组的管理会消耗大量的资源(例如保持组播组状态信息的内存)以及控制开销(例如建立和维护组播树的开销)。因此,组播转发状态问题已严重影响了网络性能,抑制了组播组的再扩展性,成为制约组播技术发展的重要瓶颈。为了解决上述问题,本文针对传统组播的弱点提出了两种解决聚合组播问题的方法。分别是基于蚁群优化算法的聚合组播算法和基于MPLS的聚合组播协议。下面分别对这两种算法进行介绍。1.基于蚁群优化算法的聚合组播算法。此算法是针对传统的聚合组播算法难以获得全局最优解而提出的解决方案。该方案对树的选择问题进行了适当地转换,并基于蚁群优化算法的自组织、分布式协作产生的集体的正反馈效果,使所求解不断向全局最优解靠拢。实验结果表明,与其他算法相比,此算法能够在较短时间内得到更优的解。2.基于MPLS的聚合组播协议。在这个部分重点讲述的仍是聚合组播中树的选择算法,文中对树的选择算法进行了详细描述,除此之外还给出了候选树的生成以及组树匹配方法。最后,对协议中树的管理方法等作了补充说明。此协议中的聚合组播算法是利用关键节点的特殊性来构造聚合树的,从而大大减少了网络资源的消耗,提高了数据转发效率。(本文来源于《山东大学》期刊2011-04-20）
冯杰[9]（2011）在《蚁群算法在聚合组播优化中的应用研究》一文中研究指出伴随着互联网的蓬勃发展,IPV6和物联网的实施已经将网络节点扩展到生活的各个角落,而网络的多点通信应用离不开组播技术的支持。在传统的组播中,为每个组播组建立一棵组播树来分发数据包,同时为这棵组播树分配一个组播地址,组播树上的每个路由器需要维护组播的转发状态。当网络中存在大量的并发组播组的时候,相应的组播树也会随之急剧的增加,这些组播树不仅降低了组播地址的查询速度,而且维护着数量庞大的组播状态转发表,需要消耗大量的内存和CPU资源。在网络中,组播组是动态变化的,有组成员加入和离开时,组播树会进行更新,因此对于组播树的控制和管理是一个开销非常大的事情。所有这些后果都来自于组播状态的可扩展问题,它使得网络的性能急剧下降,成为组播应用大规模部署的重要瓶颈。针对组播状态的可扩展性问题,UCLA大学网络实验室提出了聚合组播的解决方案,该方案强迫具有相近形状原始组播树的若干个组播组共享同一棵大型组播树,这样能够有效减少网络中组播树的数目,减少转发的组播状态数量,降低资源的消耗和维护和管理组播树的开销。聚合组播的主要思想是在给定的带宽浪费阈值的约束下建立能够覆盖所有组播组的数目最少的聚合组播树。已有的聚合组播优化算法有Greedy算法和Genetic算法,为聚合组播理论的发展做出了重要的贡献。本文在对已有的聚合组播优化算法的研究基础上,提出了一种基于扰动因子的蚁群算法来减少组播树的数目,而且为了加快蚁群的算法的收敛速度,还提出了一种蚁群算法的并行计算模式。1.基于扰动因子的蚁群算法是对蚁群系统和最大-最小蚁群两种算法的改进。在该算法中,每次循环完成之后,不仅对最优聚合组播树的集合进行信息素的更新,而且也对随机产生的次优的聚合组播树的集合进行更新。通过引入随机的次优解这个干扰因子,可以增加解的多样性,防止过早陷入局部最优的泥淖中。仿真实验表明,蚁群算法的性能超过了贪心算法。贪心算法的启发式信息过于简单,搜索的解的空间范围狭窄,而蚁群算法使用信息素来标记最优解,多付出了时间上的尝试,取得结果自然要好。2.针对串行蚁群算法求解的时候收敛速度慢的缺点,将其改造为并行的蚁群算法,其核心思想是将能够并行处理的计算任务平均分配到多个处理节点上,经过控制节点和从节点的协同计算,最后取得了满意的效果。仿真实验表明,随着组播组数目的增加,计算时间的代价会逐渐的提高,但是并行计算减少了很多串行算法所用的时间,而且并行效率也会提高,这样的并行算法对大规模的聚合组播的优化是显而易见的。(本文来源于《山东大学》期刊2011-04-20）
于超英,王华,伊善文[10]（2011）在《负载均衡的聚合组播技术研究》一文中研究指出聚合组播技术是近年来针对组播状态可扩展性问题提出的热点方案,但现有的聚合组播算法和协议缺乏网络流量的负载均衡机制,使网络整体利用效率下降,并容易因聚合产生拥塞。为此,提出一种基于负载均衡的聚合组播协议AMPLB,仿真结果表明其在保证聚合性能的同时使网络流量分布更加均衡,降低出现拥塞的风险,可较好地改善大规模组播网络的性能。(本文来源于《计算机工程》期刊2011年03期）
组播聚合论文开题报告
（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：
传统的IP组播技术使用树状结构传递组播分组,要求树上的路由器为每个组保存一个转发状态,这样当网络上并发的组播组过多时会面临着组播状态扩展性问题。最近提出的聚合组播技术强迫多个组播组使用一棵共享的组播树来解决这个问题,这是一个NPC问题。提出一种基于多种群的蚁群优化算法来求解聚合组播问题。每个种群根据使用模型的不同使用不同的适应度函数、不同的启发式信息和不同的解构建过程,也就产生了不同的搜索轨迹和特点。算法设计了种群之间的交换整个信息素表和交换最优迭代解的两种信息交换方式。仿真结果显示,两种方法都能够取得比任何一种单独算法更好的优化效果,提高了算法的收敛时间。
（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。
组播聚合论文参考文献
[1].刘凤娇,蒋永志.用于聚合组播的蚁群优化算法[J].软件导刊.2015
[2].刘凤娇.求解聚合组播问题的多种群蚁群优化算法[J].甘肃科技.2015
[3].徐剑,倪宏,邓浩江,刘磊.改进的聚合组播算法[J].计算机应用研究.2013
[4].汪学舜,余少华,戴锦友.双邻域查找组播聚合算法[J].软件学报.2013
[5].许秀云.MPLSVPN网络聚合组播算法研究与仿真[D].电子科技大学.2012
[6].朱方金.聚合组播优化模型与算法研究[D].山东大学.2011
[7].唐俊.基于聚合和模糊信息的QoS组播路由算法[D].西华大学.2011
[8].刘凤娇.基于蚁群优化及MPLS协议的聚合组播的研究[D].山东大学.2011
[9].冯杰.蚁群算法在聚合组播优化中的应用研究[D].山东大学.2011
[10].于超英,王华,伊善文.负载均衡的聚合组播技术研究[J].计算机工程.2011