引入梯度下降的蚁群算法求解多约束服务质量路由

摘要 针对目前多数改进蚁群算法求解多约束服务质量路由（QoSR）存在收敛速度慢、易陷入局部最优从而效率不高的问题，提出一种引入梯度下降的蚁群算法（ACAGD）。该算法将梯度下降法引入到蚁群的局部搜索中，结合残余信息素，综合决定蚂蚁的下一跳选择策略。蚁群不仅以一定概率按照信息素浓度搜索下一跳，还将以一定概率按照梯度下降法搜索下一跳，从而降低传统蚁群算法容易陷入局部最优的可能性。利用Waxman网络模型随机生成不同路由节点数量的网络拓扑进行仿真实验。实验结果表明，ACAGD相比其他改进蚁群算法，能够在收敛速度不受影响的情况下，取得综合代价相对较低的路由，且算法的稳定性较好