第5卷第6期 智能系统学报 Vol.5 No.6 2010年12月 CAAI Transactions on Intelligent Systems Dec.2010 doi:10.3969/i.i8sn.1673-4785.2010.06.006 一 种新的混沌蚁群算法 及其在QS组播路由优化问题中的应用 孔笋，陈增强 (南开大学信息技术科学学院，天津300071) 摘要：基于QS的组播路由问题是通过发现具有某种相关性能约束的最佳组播树，来更好地利用网络资源以支持 应用的QS需求，作为以Q5为中心的网络体系结构中不可缺少的组成部分，目前已成为网络研究领域的重要内容 和热点问题.针对多约束条件下的QS组播路由问题，提出一种新的混沌蚁群算法.该算法基于传统的蚁群算法所 存在的不足，利用混沌优化算法对蚁群算法的运行参数进行动态地优化选择，自适应地改进了全局搜索能力和收敛 性.仿真实验结果表明，混沌蚁群算法比该文提到的遗传算法及蚁群算法在解决多约束组播路由问题上具有更好的 性能. 关键词：QS;组播路由；混沌算法；蚁群算法；参数优化 中图分类号：1P183;TN949.291文献标志码：4文章编号：16734785(2010)06049807 A new chaotic ant colony optimization algorithm and its application in a Qos multicast routing problem KONG Sun,CHEN Zeng-qiang (College of Information Technical Science,Nankai University,Tianjin 300071,China) Abstract:QoS-based multicast routing can take advantage of network resources to support an application with QoS requirements by searching for the optimal multicast tree with some performance constraints.This problem,which is an indispensable part of QoS-centered network architecture,has become an important issue in network domain re- search.A new chaotic ant colony optimization algorithm was proposed for a multi-constrained QoS multicast routing problem.To overcome the deficiencies of traditional ant colony algorithms,this algorithm uses a chaotic optimiza- tion algorithm to dynamically select parameters of the ant colony algorithm and improves global searching and con- vergence abilities.Simulation results show that this chaotic ant colony optimization algorithm performs better than the genetic algorithm and ant colony optimization mentioned here for solving a QoS multicast routing problem with multiple constraints. Keywords:QoS;multicast routing;chaos optimization algorithm;ant colony optimization algorithm;parameter opti- mization QoS组播路由的目的是在网络中寻找同时满足 化的组播路由算法受到了广泛研究，应用较成熟的 多用户对线路的带宽、延迟、延迟抖动、费用要求的 算法有遗传算法、神经网络算法、蚁群算法等26] 路由，即向多用户提供端到端的服务质量保证.Z. 其中，蚁群算法(ant colony algorithm,ACA)在 Wang等学者已经证明了包含2个及以上的约束条 深入研究中显示出了在求解复杂优化问题方面的优 件的QoS网络路由是一个NP完全问题，许多文 越性，被广泛用于解决各种具有NP难的问题.蚁群 献提出了解决该问题的有效算法.目前基于智能优 算法中的运行参数的选取对算法的收敛速度、全局、 局部搜索能力有着至关重要的影响，目前对于蚁群 收稿日期：2009-1124 算法运行参数的选取通常都是针对具体问题通过大 基金项目：国家“863”计划资助项目(2009AA04Z132):国家自然科学 基金资助项目(60774088). 量的数字仿真实验确定，缺乏理论的支持，因此传统 通信作者：孔笋.E-mai:ksuser(@mail.nankai..edu.cm. 的蚁群算法很难取得较好的寻优性能.在组播路由