基于量子遗传算法的无线传感器网络QoS路由选择算法研究 第10页
加，使种群具有更好的多样性特征，以有效客服早熟收敛。
（3）适应度函数的选取：适应度函数是用来评估每个染色体的好坏，并且是非负的。最短路径问题主要目标是在求出一条路径p，使得路径的成本（C）最低。因此该问题的目标函数为：
在群体中，性能好(能量评价模型中 小)的个体适应度大，性能差(能量评价模型中 大)的个体适应度小。因此，适应度函数设为：
式中 为一正常数，仿真时取2。
（4）量子变异：考虑到程序实现的简单化，采用量子旋转门调整策略。
（5）终止条件：给定遗传操作代数G，当算法迭代次数达到G时终止。
3.4 仿真及结果分析
仿真实验是通过该量子遗传算法对已知路由网络求解最短路径路由，并与文献[23]中Chang Wook Ahn提出的经典遗传算法比较。已知路由网络的网络拓扑如图3.9所示：
图3.9 已知路由网络
图3.10比较了采用相同的种群大小时GA与QGA的收敛特性，很明显QGA能跟更好地收敛到最短路径路由（迭代次数为10）；图3.11说明了随着迭代次数的增加，GA与QGA收敛到最优路径的成功率均增加，同时QGA的成功率大于GA的成功率。
图3.10 GA与QGA的收敛特性比较
图3.11 GA与QGA的最优路径选择成功率比较
3.5 本章小结
本章主要研究了用量子遗传算法解决最短路径路由的优化问题，提出了一种量子比特编码与译码策略。实验表明，该算法收敛速度快，可靠性高。量子遗传算法由于其并行性和高效性，可以很方便地和现存路由协议结合起来。仿真实验显示基于QGA的最短路径路由选择算法收敛效果明显优于基于GA的最短路径路由选择算法，获取最短路径的成功率更高。
第四章 基于量子遗传算法的QoS路由选择算法研究
当今时代的网络发展迅速，计算机网络的通信容量迅速扩大，从早期的Mbps增长到现在的Gbps。网络的功能也日益强大，网络业务从简单的信息传送发展到远程教学、视频会议等多媒体业务。这些多媒体业务要求网络不但能传送“尽力而为”服务的业务流，同时能满足服务质量QoS(Quality of Service)要求，比如带宽、传输延迟和抖动及丢失率等。
4.1 QoS路由概念
服务质量[24](QoS)是网络在传输业务流时，业务流对网络服务的需求集合，其中业务流是指与特定QoS相关的从源到目的地的分组流。QoS的目标是获得更加确定的通信行为，以便能够更加安全可靠地保护网络承载的信息，更加高效的使用网络资源。具体的说就是，QoS是指网络为用户提供的一组可以测量的预定义的服务参数，包括延时、时延抖动、跳数、带宽和分组丢失率等，也可以看作是用户和网络达成的需要双方遵守的协定。
服务质量路由[24](QoS Routing，QoSR)是一种基于网络的可用资源和业务流的QoS要求来选择路径的路由机制或包含各种QoS参数的动态路由协议。简单的说，QoS路由用来查找满足QoS要求的路径。QoS路由要求达到两个目标：①要满足应用的QoS请求；②优化网络的资源利用率。QoS路由和资源预留是紧密相关的两个部分，在资源预留之前，满足要求的QoS路径已经被选定。QoS要求可以是一文参数的，也可以是多文参数的，相应的QoS路由被称为单文QoS路由或多文QoS路由。QoS路由还可以分为QoS单播路由和QoS多播路由，QoS单播路由又分为最优化问题和性能界约束问题，其中最优化问题是寻找对应于QoS参数的最优路径，它得到的是最优解；性能界约束问题是寻找大于对应QoS度量或小于对应QoS度量的一条路经，它得到的是次优解。QoS多播路由研究的是对路由树进行优化和约束的问题。QoS路由的搜索查找有多种方法，其中利用QoS参数是比较普遍的一种。具体如下：可以将QoS的参数体量化为传输延时、丢失率、带宽要求、时延抖动、吞吐量等QoS指标。按照其特性可以划分为3种：加性度量
上一页 [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] ... 下一页 >>
基于量子遗传算法的无线传感器网络QoS路由选择算法研究 第10页下载如图片无法显示或论文不完整，请联系qq752018766
