認知無線Mesh網(wǎng)絡(luò)頻譜分配和QoS組播路由算法研究.pdf

1、目前的無線網(wǎng)絡(luò)技術(shù)的高速發(fā)展可謂空前絕后，個人、企業(yè)、甚至國家政府對無線網(wǎng)絡(luò)便捷高效、實時互動的多元業(yè)務(wù)需求，隨著便攜無線設(shè)備終端的廣泛普及和現(xiàn)代化需求而擴張，網(wǎng)絡(luò)的性能也面臨著嚴峻的考驗，功能更加健全的新型網(wǎng)絡(luò)體系構(gòu)架、更新技術(shù)、跨領(lǐng)域理念不斷涌現(xiàn)。這其中，認知無線Mesh網(wǎng)絡(luò)的出現(xiàn)無疑為解決異構(gòu)網(wǎng)絡(luò)的兼容節(jié)省了成本，且其節(jié)點的認知功能為無線網(wǎng)絡(luò)的智能化提供了發(fā)展方向。此外，進一步完善認知無線 Mesh網(wǎng)絡(luò)相關(guān)技術(shù)是解決未來多網(wǎng)絡(luò)結(jié)構(gòu)

2、協(xié)調(diào)工作的重要研究內(nèi)容。
　　本文首先介紹了認知無線Mesh網(wǎng)絡(luò)的系統(tǒng)體系及網(wǎng)絡(luò)特性、關(guān)鍵技術(shù)及應(yīng)用領(lǐng)域、系統(tǒng)模型、研究現(xiàn)狀等。頻譜分配和QoS組播問題是無線網(wǎng)絡(luò)的關(guān)鍵技術(shù)。而通過智能算法來實現(xiàn)技術(shù)的革新成為一種趨勢。已有的研究成果中頻譜分配和QoS組播問題在所采用的智能算法通常為遺傳算法、粒子群算法等，本文就頻譜分配算法和QoS組播算法的改進策略的提出進行了深入的研究。
　　已有的對頻譜分配問題的算法研究往往關(guān)注于至多兩項

3、的指標效果，而往往忽視了改進的指標對其他指標的影響，傳統(tǒng)采用的算法有粒子群算法、遺傳算法等結(jié)構(gòu)相對繁復的算法，而雜草算法在無線網(wǎng)絡(luò)技術(shù)上的應(yīng)用具有卓越的收斂性和較小的算法開銷，因而本文在頻譜分配的優(yōu)化問題上采用雜草算法?，F(xiàn)有的研究中雜草算法的調(diào)和指數(shù)通常是固定值，對算法的全局搜索具有局限作用，提高了算法陷入局部最優(yōu)的發(fā)生概率。針對以上不足，本文對調(diào)和指數(shù)進行遞進式步長的微調(diào)，通過對參數(shù)的優(yōu)選并進行仿真實驗，結(jié)果表明，改進后的雜草算法在保

4、證網(wǎng)絡(luò)性能的同時，多樣性得到了有效改善，收斂速度也得到提升。
　　在QoS組播路由算法的研究上，通常采用的智能算法包括遺傳算法、蟻群算法等。其中參數(shù)指標實現(xiàn)效果較好的是蟻群算法，但現(xiàn)有的改進思路通常限定在QoS約束條件上，忽略了初始種群的優(yōu)劣程度對算法后期的尋優(yōu)效率、最優(yōu)解質(zhì)量等性能的影響。本文針對現(xiàn)有對于QoS組播優(yōu)化策略的不足，基本蟻群算法，在初始種群的初始化操作中引入軍事中針對消除威脅火力模式的理論研究，在此基礎(chǔ)上分別依概率