《生物啟發(fā)的智慧路由機制與協(xié)議》在歸納分析國內(nèi)外關(guān)于智慧路由相關(guān)研究的基礎(chǔ)上，利用蟻群、蜂群、粒子群、絨泡菌等生物啟發(fā)方法研究智慧路由機制與協(xié)議，主要內(nèi)容包括:在蟻群算法中引入感知技術(shù)，提出感知蟻群的智慧路由模型；基于絨泡菌形體自我調(diào)節(jié)的特性，提出絨泡菌啟發(fā)的智慧路由模型；利用蜂群的覓食行為，提出蜂群智慧路由模型；結(jié)合多種生物啟發(fā)方法，提出多生物啟發(fā)的智慧模型；結(jié)合網(wǎng)絡(luò)環(huán)境的多變性，提出協(xié)議與網(wǎng)絡(luò)適配的路由機制；討論生物啟發(fā)路由在未來網(wǎng)絡(luò)中的應用。
《生物啟發(fā)的智慧路由機制與協(xié)議》可以作為計算機科學與技術(shù)信息與通信工程專業(yè)碩士研究生博士研究生的專業(yè)課教材，也可作為從事計算機網(wǎng)絡(luò)、無線通信、物聯(lián)網(wǎng)等研究領(lǐng)域科技人員的參考書。
前言
第1章 緒論
1.1 生物信息學
1.2 系統(tǒng)生物學
1.3 生物啟發(fā)技術(shù)
1.4 自律計算理論
1.4.1 自律計算的起源及概念
1.4.2 自律計算概念模型
1.4.3 自律計算的現(xiàn)狀
1.5 路由器技術(shù)發(fā)展趨勢
1.5.1 路由器技術(shù)體系演進
1.5.2 路由器發(fā)展的二元推動
1.5.3 設(shè)計理念的革命
1.5.4 路由器的發(fā)展趨勢
1.5.5 核心路由器、高端路由器和中低端路由器的發(fā)展趨勢
1.6 路由技術(shù)研究現(xiàn)狀
1.6.1 路由體系的研究現(xiàn)狀
1.6.2 無線路由協(xié)議的研究現(xiàn)狀
1.7 本章小結(jié)
參考文獻
第2章 傳統(tǒng)生物啟發(fā)路由方法
2.1 蟻群算法路由方法
2.1.1 網(wǎng)絡(luò)模型及路由表結(jié)構(gòu)
2.1.2 蟻群算法基本原理
2.1.3 基本蟻群算法分析
2.1.4 改進蟻群算法
2.2 蜂群算法路由方法
2.2.1 蜂群算法基本原理
2.2.2 蜂群算法描述
2.2.3 蜂群算法具體思想
2.2.4 改進后的蜂群算法
2.2.5 蜂群算法存在的問題及展望
2.3 粒子群算法路由方法
2.3.1 粒子群算法原理
2.3.2 基于粒子群算法的路由算法
2.3.3 粒子群算法的特點及其應用
2.3.4 粒子群算法的路由優(yōu)化
2.4 遺傳算法路由方法
2.4.1 遺傳算法基本原理
2.4.2 遺傳算法基本步驟
2.4.3 改進的遺傳算法
2.4.4 遺傳算法的優(yōu)缺點
2.5 其他生物方法路由
2.6 本章小結(jié)
參考文獻
第3章 感知蟻群智慧路由模型
3.1 引言
3.1.1 問題的提出
3.1.2 國內(nèi)外研究現(xiàn)狀
3.2 基于感知螞蟻的路由發(fā)現(xiàn)算法
3.2.1 典型場景模型
3.2.2 基于感知螞蟻的全局路徑感知
3.2.3 基于感知螞蟻的路徑發(fā)現(xiàn)過程
3.3 Physarum啟發(fā)的路由決策模型
3.4 基于PACO和P―iRD的混合路由協(xié)議
3.4.1 B.iHRP的數(shù)據(jù)結(jié)構(gòu)
3.4.2 域內(nèi)路由發(fā)現(xiàn)
3.4.3 域外路由發(fā)現(xiàn)
3.4.4 路由維護
3.4.5 路由優(yōu)化
3.5 B―iHRP的平均時延分析
3.6 仿真實驗
3.7 本章小結(jié)
參考文獻
第4章 絨泡菌智慧路由模型
4.1 引言
4.1.1 問題的提出
4.1.2 國內(nèi)外研究現(xiàn)狀
4.2 PPFO模型
4.3 Phvsamm啟發(fā)的路由協(xié)議
4.3.1 典型場景模型
4.3.2 P.iNHS模型
4.3.3 P.iRP
4.3.4 P.iRP算法
4.3.5 P.iRP算法復雜度
4.4 P.iNHS模型分析
4.5 仿真實驗
4.5.1 拓撲環(huán)境和參數(shù)設(shè)置
4.5.2 性能分析
4.6 本章小結(jié)
參考文獻
第5章 蜂群智慧路由模型
5.1 引言
5.2 蜂群算法研究背景
5.3 無線傳感網(wǎng)QOS組播路由評價模型
5.3.1 相關(guān)概念
5.3.2 OOS路由評價模型及度量
5.4 多約束蜂群組播路由發(fā)現(xiàn)機制
5.4.1 QOS蜂群算法簡述
5.4.2 系統(tǒng)模型
5.4.3 算法描述
5.5 本章小結(jié)
參考文獻
第6章 多生物啟發(fā)的路由模型
6.1 引言
6.1.1 問題的提出
6.1.2 國內(nèi)外研究現(xiàn)狀
6.1.3 典型場景模型
6.2 基于免疫原理的節(jié)點可信度評價算法
6.2.1 基本描述
6.2.2 抗原遞呈
6.2.3 抗體的生滅過程
6.2.4 抗體進化
6.2.5 可信度評價
6.3 路由發(fā)現(xiàn)與路由選擇
6.3.1 路徑感知
6.3.2 路由發(fā)現(xiàn)
6.3.3 路由選擇
6.4 B―iTRP
6.4.1 B.iTRP的數(shù)據(jù)結(jié)構(gòu)
6.4.2 可信度評價
6.4.3 路由策略
6.4.4 B.iTRP討論
6.5 仿真實驗
6.6 本章小結(jié)
參考文獻
第7章 協(xié)議與網(wǎng)絡(luò)適配的智慧路由機制
7.1 引言
7.2 協(xié)議與網(wǎng)絡(luò)的智慧適配模型
7.2.1 面向協(xié)議與網(wǎng)絡(luò)適配的邏輯架構(gòu)
7.2.2 網(wǎng)絡(luò)的分級決策與預測
7.2.3 協(xié)議與網(wǎng)絡(luò)的適配模型
7.3 閥絡(luò)特征的協(xié)同感知
7.3.1 網(wǎng)絡(luò)特征參數(shù)的選擇
7.3.2 感知特征信息的采集
7.3.3 感知特征參數(shù)的歸一化I
7.3.4 感知信息傳輸?shù)耐?br /> 7.4 基于HMM的網(wǎng)絡(luò)預測
7.5 本章小結(jié)
參考文獻
第8章 生物啟發(fā)路由在傳統(tǒng)網(wǎng)絡(luò)中的應用
8.1 生物啟發(fā)路由與傳統(tǒng)網(wǎng)絡(luò)結(jié)合需要解決的問題
8.1.1 遺傳算法
8.1.2 蟻群算法
8.1.3 粒子群算法
8.1.4 蜂群算法
8.2 基于遺傳算法的Qos組播路由問題
8.2.1 編碼方法
8.2.2 生產(chǎn)初始種群
8.2.3 評價函數(shù)設(shè)計
8.2.4 交叉
8.2.5 選擇復制
8.2.6 變異
8.3 蟻群算法在QOS組播路由中的應用
8.4 粒子群算法在QOS組播路由中的應用
8.4.1 問題描述
8.4.2 算法實現(xiàn)
8.5 蜂群算法在QOS組播路由中的應用
8.5.1 算法思想
8.5.2 算法實現(xiàn)
8.6 本章小結(jié)
參考文獻
第9章 生物啟發(fā)路由在未來網(wǎng)絡(luò)中的應用
9.1 引言
9.1.1 問題的提出
9.1.2 國內(nèi)外研究現(xiàn)狀
9.2 信息中心網(wǎng)絡(luò)
9.2.1 ICN的分類
9.2.2 ICN的特征
9.2.3 ICN關(guān)鍵技術(shù)
9.2.4 ICN發(fā)展趨勢
9.3 智慧協(xié)同網(wǎng)絡(luò)
9.4 支持資源動態(tài)適配的可重構(gòu)路由算法
9.4.1 基于PPFO模型的自適配模型
9.4.2 智慧協(xié)同網(wǎng)絡(luò)的自適配與可重構(gòu)路由算法
9.5 協(xié)議分析
9.6 原型驗證
9.6.1 原型系統(tǒng)介紹
9.6.2 采用自適配路由效果
9.6.3 采用OSPF路由效果
9.6.4 測試結(jié)果對比
9.7 本章小結(jié)
參考文獻
第10章 智慧路由的發(fā)展
新書資訊