文档介绍：java基于蚁群算法路由选择可视化动态模拟-开题报告开题报告课题:基于蚁群算法路由可视化动态模拟选题依据课题研究意义DWDM全光通信网在我国已进入了高速发展期,正向着ASON(work自动交换光网络)为代表的新一代智能化光网络的方向发展。而智能化的动态光路由和波长分配(RoutingandWavelengthAssignment,RWA)算法则是构建ASON、实现对全光网的智能化控制和管理的关键技术之一。蚁群算法是受真实蚁群觅食行为的启发而产生的一种模拟进化算法,是由有限个蚂蚁的个体行为组成的多agent系统[1、2],已被成功应用于解决TSP(TravelingSalesmanProblem旅行家问题)[1]、JSP(Job-shopSchedulingProblem生产排程问题)、QAP(QuadraticAssignmentProblem二次指派问题)等组合优化问题。近来已有的大量研究表明,蚁群算法具有并行性、鲁棒性、可重构性、分布性等特质。这些特性使得蚁群算法在解决动态RWA问题中表现出优异的性能。在网络带宽的有效利用、波长资源的合理分配、以及网络路由的重构与恢复,基于蚁群思想都能找到对应的解决方法。相关研究工作如达到预期目标将处于国际先进水平,也必然会加快我国构建智能光网络的步伐,、水平和发展趋势至今为止,国内外比较成熟的动态RWA算法都把RWA问题强行拆分成路由和波长分配两个子问题分别加以解决,如First-Fit(最先适用)算法、LLR(least-loadedrouting最小负载路由)算法、LI(LeastInfluence最小影响)算法[3]等,并且都为集中式算法,需要利用全网信息,没有考虑波长变换,无法完成在算法层面上的网络的自动恢复,路由和波长分配独立解决也导致这些算法难以得到全局最优解。而由于蚁群算法具有并行性、鲁棒性、可重构性、分布性等特质,并且运用蚁群算法的思想结合分层图模型可以把路由和波长分配联系起来同时解决。这使得基于蚁群算法的动态RWA解决方案具有传统方法不可比拟的优点:同时考虑路由和波长分配易于得到全局最优解;可以并行执行、分布计算,在算法层面上就可以实现网络的智能恢复而不需要添加其他设备。同时,原始的蚁群算法也存在算法收敛慢、容易早熟、停滞、求解时间过长、在特定条件下难以得到全局最优解等不足。要想把蚁群算法真正运用于实际,则必须进一步研究以克服原始蚁群算法的不足之处。蚁群算法在构建智能光网络中巨大的潜在价值已引起国内外广泛的注意,相关的研究开发大多处于理论探讨阶段。我们的目标就是进一步优化蚁群算法的性能,:[1]MarcoDorigo,VittorioManiezzo,Albertocolorni,“AntSystem:OptimizaitionbyaColonyofCooperatingAgents”,IEEETransctionsonSystems,ics-part,.[2].“workswith“smart”ant-likeagents”.municationApplications,