多约束的QoS选路算法研究的综述报告.docx

多约束的QoS选路算法研究的综述报告
QoS（QualityofService）即服务质量，是指网络中传输数据的优先级以及保证数据传输时的可靠性、延时和带宽等方面的参数，是网络中的一个重要概念。在应用层面，QoS可以保障视频、语音、在线游戏等应用的正常运行。在路由选择中，QoS则是选路算法中必须考虑的一个因素。
多约束的QoS选路算法是指选择网络中合适的路径，同时满足多个服务质量约束条件的算法。这些约束条件包括：带宽、延时、损耗、抖动等。因为QoS选路算法需要满足多个约束条件，所以它们通常比经典的选路算法更复杂。针对多约束QoS选路算法已经有很多研究。以下是对这些研究的综述报告。
一、传统QoS选路算法
传统的基于距离向量的选路算法例如Dijkstra和Bellman-Ford算法都只考虑了一种参数（权值）来确定最短路径。在网络中，一个链路的质量由多个因素决定。因此，传统的距离向量算法通常只适用于单一的代价函数。
二、多约束QoS选路算法
1.基于约束最小花费路径
在多约束QoS选路算法中，一种常见的方法是使用约束最小花费路径。该算法使用一个数组保存当前路径上的最小花费和想要保持的最大/最小值。然后通过比较两条路径的代价，选择路径。例如，基于约束最小花费路径的最短路径算法c-MINMAX、Qdijk等都是基于这种思路设计的。
2.基于模糊逻辑的算法
另一种常见的多约束QoS选路算法是使用基于模糊逻辑的方法。模糊集理论可以用来处理传统的、精确的QoS信息，以及具有不确定性的QoS信息。模糊QoS选路算法中包括两个步骤：
第一步骤是将QoS条件转换为模糊集或模糊关系，包括带宽、延迟、损失等信息。这样就可以对这些信息中的不确定性和模糊性进行处理。
第二步骤是基于模糊推理进行路径选择，其中路径根据多个QoS约束进行评估。
3.基于遗传算法的算法
遗传算法是一种基于自然选择和遗传机制进行优化的算法。多约束QoS选路算法中的基于遗传算法的方法利用遗传算法进行路径选择，通过对候选路径进行遗传操作，如交叉、变异、个体选择等方式探索QoS空间，从而找到最优路径。
三、总结
多约束QoS选路算法考虑到了多个QoS约束因素，高度复杂。各种方法都有各自的优缺点。基于约束最小花费路径算法容易实现，但对于代价和路径的限制相对比较强。基于模糊逻辑的算法可以处理传统QoS信息的不确定性，但使用过程比较复杂。基于遗传算法的算法可以找到最优选择，但算法执行时间比其他算法长。在实际应用中，应选择更适合网络环境和多种QoS参数的算法。