基于蚁群算法优化的路由频率动态择径的研究

计算机与现代化 ›› 2020, Vol. 0 ›› Issue (12): 32-37.

基于蚁群算法优化的路由频率动态择径的研究

（1.唐山曹妃甸联城科技股份有限公司，河北唐山063200；2.华北理工大学，河北唐山063200；
3.唐山曹妃甸发展投资集团有限公司，河北唐山063200）

出版日期:2021-01-07 发布日期:2021-01-07
作者简介:高月仁（1975—），男，吉林敦化人，高级工程师，硕士，研究方向：互联网，大数据，E-mail: jifu674097474@163.com；吴涛（1979—），男，河北唐山人，副教授，硕士，研究方向：云计算，大数据；高峡（1972—），男，湖北武汉人，工程师，博士，研究方向：无线通讯，计算机网络，大数据。

Dynamic Routing of Routing Frequency Based on Ant Colony Algorithm Optimization

(1. Tangshan Caofeidian Liancheng Technology Co., Ltd., Tangshan 063200, China;
2. North China University of Science and Technology, Tangshan 063200, China;
3. Tangshan Caofeidian Development Investment Group Co., Ltd., Tangshan 063200, China)

Online:2021-01-07 Published:2021-01-07

摘要/Abstract

摘要： 常规的路由频率动态择径方法设置的避障规则存在缺失，导致得到的路由传输路径不是最优，择径时间较长。因此基于蚁群算法，优化设计路由频率动态择径方法。采用栅格模拟传输环境，设置关键信息选取规则；根据路由频率变化规律输入引导因子，实现对路由移动规则的设置；统筹全局，根据蚁群算法计算蚂蚁感知能力，在设置局部区域避障规则的基础上，设置全局避障规则；计算初始信息素与蚂蚁搜索过程中信息素之间的差异，通过补偿信息素浓度得出路由传输路径的最优解。实验结果表明，与常规的择径方法相比，所提择径方法兼顾全局，得到的路由路径优于常规方法且择径时间最短。由此可见，基于蚁群算法的择径方法实现了此次研究目的。

关键词: 蚁群算法, 路由动态频率, 最优路径

Abstract: In the conventional routing frequency dynamic path selection method, the set obstacle avoidance rules are missing, resulting in the route transmission path is not optimal, and the path selection time is long. Therefore, based on ant colony algorithm, the dynamic path selection method of routing frequency is optimized. The grid simulation transmission environment is adopted to set key information selection rules. According to the rule of route frequency change and input guiding factors, the setting of route movement rules is realized. The overall situation is taken as a whole, ant perception is calculated according to ant colony algorithm, and the global obstacle avoidance rules are set based on the local area obstacle avoidance rules. The initial pheromone and pheromone during ant search are calculated by compensating the pheromone concentration, the optimal solution of the route is obtained. The experimental results show that compared with the conventional path selection method, the proposed path selection method takes into account the overall situation, and the route obtained is superior to the conventional method, and the path selection time is the shortest. It can be seen that the path selection method based on ant colony algorithm has achieved the purpose of this study.

Key words: ant colony algorithm, routing dynamic frequency, optimal path

高月仁, 吴涛, 高峡. 基于蚁群算法优化的路由频率动态择径的研究[J]. 计算机与现代化, 2020, 0(12): 32-37.

GAO Yue-ren, WU Tao, GAO Xia. Dynamic Routing of Routing Frequency Based on Ant Colony Algorithm Optimization[J]. Computer and Modernization, 2020, 0(12): 32-37.

参考文献

［1］ VAN LANEN R J, GROENEWOUDT B J, SPEK J, et al. Route persistence. Modelling and quantifying historical route-network stability from the Roman period to early-modern times(AD 100-1600): A case study from the Netherlands［J］. Archaeological and Anthropological Sciences, 2018,10(5):1037-1052.
［2］ OWAIS M, OSMAN M K, MOUSSA G. Multi-objective transit route network design as set covering problem［J］. IEEE Transactions on Intelligent Transportation Systems, 2016,17(3):670-679.
［3］ WANG S J, LI Q Y, CAO X, et al. Optimization of air route network nodes to avoid “three areas” based on an adaptive ant colony algorithm［J］. Transactions of Nanjing University of Aeronautics and Astronautics, 2016,33(4):469-478.
［4］滕志军,张明儒,张力,等. 认知视角下能量感知的ZigBee网络树型路由优化算法［J］. 哈尔滨工业大学学报, 2016,48(11):109-115.
［5］李智楠,杨晓冬. 基于可靠路径稳定性估计的MANET路由发现算法研究［J］. 通信学报, 2016,37(8):119-128.
［6］郭慧,汪飞,张笠君,等. 基于能量路由器的能源互联网分层分区优化［J］. 中国电机工程学报, 2018,38(16):4726-4737.
［7］陈少华,樊晓光,禚真福,等. 基于优化信任评估的Ad Hoc安全路由协议［J］. 北京航空航天大学学报, 2016,42(11):2524-2531.
［8］石峰,陈旭,尹飞,等. 基于S3变换的TriBA-Net最短路径路由机制［J］. 中国科学:信息科学, 2018,48(1):100-114.
［9］孙振,王凯,王亚刚. 分簇路由算法中的多跳跳数及中继节点优化［J］. 小型微型计算机系统, 2019,40(6):1299-1305.
［10］唐宏,朱华虹,曹维华,等. 基于SDN的大型IP网络BGP路由优化方案［J］. 电信科学, 2016,32(3):14-19.
［11］余修武,刘琴,李向阳,等. 基于改进蚁群的BP神经网络WSN数据融合算法［J］. 北京邮电大学学报, 2018,41(4):91-96.
［12］宋绍剑,王尧,林小峰. 基于蚁群算法优化回声状态网络的研究［J］. 计算机工程与科学, 2017,39(12):2326-2332.

［13］涂春鸣,栾思平,肖凡,等. 三端口直流能量路由器在TCM调制下的优化控制策略［J］. 电网技术, 2018,42(8):2503-2511.

［14］MEDINA G, GMEZ-BAUELOS E, CALDERN-ARANDA E, et al. Myocardial function in primary antiphospholipid syndrome using speckle-tracking echocardiography［J］. Clinical Rheumatology, 2018,37(12):3351-3358.
［15］钟辉,周甜甜. 跨层多径AOMDV路由协议的研究［J］. 小型微型计算机系统, 2019,40(6):1306-1312.
［16］ALDABBAGH G, SHAH P A, HASBULLAH H B, et al. Fuzzy logic based enhanced AOMDV with link status classification for efficient multi-path routing in multi-hop wireless networks［J］. Journal of Computational & Theoretical Nanoscience, 2016,13(2):1-11.
［17］ZHANG X, ZHOU Z L, CHENG D. Efficient path routing strategy for flows with multiple priorities on scale-free networks［J］. Plos One, 2017,12(2):e0172035.
［18］SENTHILKUMAR C, MANICKAM J M L. PCM: A path-aware clustering mechanism for energy-efficient routing protocol in wireless sensor networks［J］. Journal of Computational and Theoretical Nanoscience, 2017,14(11):5478-5483.
［19］KANNAN S, RAJARAM A. Enhanced stable path routing approach for improving packet delivery in MANET［J］. Journal of Computational and Theoretical Nanoscience, 2017,14(9):4545-4552.
［20］王娟,季斌,孙力娟,等. 面向LEO/GEO卫星网络的多路径多业务路由策略［J］. 南京邮电大学学报(自然科学版), 2017,37(6):36-43.

[1]	李雨菲, 闫莉, 曾彦萍, 刘云横. 基于嵌套蚁群算法的机器人拣货作业联合优化#br# #br#[J]. 计算机与现代化, 2024, 0(06): 64-69.
[2]	张雄, 潘大志, . 融合邻域搜索策略蚁群算法求解带时间窗口的车辆路径问题[J]. 计算机与现代化, 2022, 0(03): 98-102.
[3]	曲建波, 孙剑伟. 基于蚁群算法的导航卫星功率增强任务规划[J]. 计算机与现代化, 2021, 0(02): 104-108.
[4]	肖玮, 张磊, 邱泽华, 钟勇, 张铁楠. 基于多目标点A*算法的停车场车位路径引导系统设计[J]. 计算机与现代化, 2020, 0(06): 40-.
[5]	李显良1,2，周庆平2，谭长庚3，谭焱良2，徐则阳2. 基于蚁群算法的城市体育设施优化选址[J]. 计算机与现代化, 2020, 0(03): 33-.
[6]	叶家琪1，符强1，2，贺亦甲1，叶浩1 . 基于聚类集成的蚁群算法求解大规模TSP问题[J]. 计算机与现代化, 2020, 0(02): 31-.
[7]	梁晶亮,黄军胜,白树军,王鹏,李睿. 基于蚁群算法的电力数据网络APT攻击预警模型[J]. 计算机与现代化, 2019, 0(01): 95-.
[8]	付永忠，潘云峰. 基于改进蚁群算法的垂直旋转式贴片机贴装顺序优化[J]. 计算机与现代化, 2017, 0(8): 17-.
[9]	凌云翔1,2,宋志远1,张世海1,马力2. 基于蚁群算法的高原地区车辆运输路径优化问题[J]. 计算机与现代化, 2016, 0(9): 77-82.
[10]	宋琪，敬超. 面向多核系统的蚁群最优化能耗调度算法[J]. 计算机与现代化, 2016, 0(6): 91-96.
[11]	蔡明，左勇安. 基于MapReduce的混合蚁群算法研究[J]. 计算机与现代化, 2016, 0(10): 6-.
[12]	李媛祯，杨群，段汐. 基于均衡更新蚁群算法的飞机排序调度[J]. 计算机与现代化, 2015, 0(2): 57-.
[13]	蔡文哲，王斌君. 一种QoS平面蚁群路由算法的设计与实现[J]. 计算机与现代化, 2015, 0(12): 15-.
[14]	陈曼青1，武子荣1，崔伟宁1，常婷婷2. 改进蚁群算法在装备保障路径选择中的应用[J]. 计算机与现代化, 2015, 0(11): 113-117.
[15]	朱卫宵，祝前旺，陈康. 基于改进蚁群算法的海上编队传感器资源分配模型[J]. 计算机与现代化, 2014, 0(12): 15-18+22.