文档介绍：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进展期，正向着ASON （Automatically Switched Optical Network自动互换光网络）为代表的新一代智能化光网络的方向进展。而智能化的 动态光路由和波长分派（Routing and Wavelength Assignment, RWA）算法那么是构建ASON、 实现对全光网的智能化操纵和治理的关键技术之一。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 （Traveling Salesman Problem 旅行家问题）［1］、JSP （Job-shop Scheduling Problem 生产排程问题）、QAP （Quadratic Assignment Problem 二次指派问题） 等组合优化问题。近来已有的大量研究说明，蚁群算法具有并行性、鲁棒性、可重构性、散 布性等特质。这些特性使得蚁群算法在解决动态RWA问题中表现出优良的性能。在网络带宽 的有效利用、波长资源的合理分派、和网络路由的重构与恢复，基于蚊群思想都能找到对应 的解决方式。相关研究工作如达到预期目标将处于国际先进水平，也必然会加速我国构建智 能光网络的步伐，因此具有良好的经济效益和社会效益.
国内外研究现状、水平和进展趋势
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派两个 子问题别离加以解决，如First-Fit （最先适用）算法、LLR （least-loaded routing最小负 载路由）算法、LI （Least Influence最小阻碍）算法［3］等，而且都为集中式算法，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 分派独立解决也致使这些算法难以取得全局最优解。而由于蚊群算法具有并行性、鲁棒性、 可重构性、散布性等特质，而且运用蚁群算法的思想结合分层图模型能够把路由和波长分派 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式不可比拟的优 势：同时考虑路由和波长分派易于取得全局最优解：能够并行执行、散布计算，在算法层面 上就能够够实现网络的智能恢复而不需要添加
K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、求解时刻太长、在特定条件下难以取得全局最优解等不足。要想 把蚁群算法真正运用于实际，那么必需进一步研究以克服原始蚁群算法的不足的地方。蚁群 算法在构建智能光网络中庞大的潜在价值已引发国内外普遍的注意，相关的研究开发大多处 于理论探讨时期。咱们的目标确实是进一步优化蚁群算法的性能,使其达到有效水平.
要紧参考文献：
.l]Marco Dorigo, Vittorio Maniezzo, Alberto colorni, “Ant System:Optimizaition by a Colony of Cooperating Agents "，IEEE Transctions on Systems, Man and Cybernetics-part, 1996.
[2] et al. uRou