☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

內容簡介

　　《生物啓發的智慧路由機製與協議》在歸納分析國內外關於智慧路由相關研究的基礎上，利用蟻群、蜂群、粒子群、絨泡菌等生物啓發方法研究智慧路由機製與協議，主要內容包括：在蟻群算法中引入感知技術，提齣感知蟻群的智慧路由模型：基於絨泡菌形體自我調節的特性，提齣絨泡菌啓發的智慧路由模型；利用蜂群的覓食行為，提齣蜂群智慧路由模型；結閤多種生物啓發方法，提齣多生物啓發的智慧模型；結閤網絡環境的多變性，提齣協議與網絡適配的路由機製：討論生物啓發路由在未來網絡中的應用。
　　《生物啓發的智慧路由機製與協議》可以作為計算機科學與技術、信息與通信工程專業碩士研究生、博士研究生的專業課教材，也可作為從事計算機網絡、無綫通信、物聯網等研究領域科技人員的參考書。

目錄

前言

第1章 緒論
1．1 生物信息學
1．2 係統生物學
1．3 生物啓發技術
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 自律計算的現狀
1．5 路由器技術發展趨勢
1．5．1 路由器技術體係演進
1．5．2 路由器發展的二元推動
1．5．3 設計理念的革命
1．5．4 路由器的發展趨勢
1．5．5 核心路由器、高端路由器和中低端路由器的發展趨勢
1．6 路由技術研究現狀
1．6．1 路由體係的研究現狀
1．6．2 無綫路由協議的研究現狀
1．7 本章小結
參考文獻

第2章 傳統生物啓發路由方法
2．1 蟻群算法路由方法
2．1．1 網絡模型及路由錶結構
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 改進後的蜂群算法
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 基於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 遺傳算法的優缺點
2．5 其他生物方法路由
2．6 本章小結
參考文獻

第3章 感知蟻群智慧路由模型
3．1 引言
3．1．1 問題的提齣
3．1．2 國內外研究現狀
3．2 基於感知螞蟻的路由發現算法
3．2．1 典型場景模型
3．2．2 基於感知螞蟻的全局路徑感知
3．2．3 基於感知螞蟻的路徑發現過程
3．3 Physarum啓發的路由決策模型
3．4 基於PACO和P-iRD的混閤路由協議
3．4．1 B．iHRP的數據結構
3．4．2 域內路由發現
3．4．3 域外路由發現
3．4．4 路由維護
3．4．5 路由優化
3．5 B-iHRP的平均時延分析
3．6 仿真實驗
3．7 本章小結
參考文獻

第4章 絨泡菌智慧路由模型
4．1 引言
4．1．1 問題的提齣
4．1．2 國內外研究現狀
4．2 PPFO模型
4．3 Phvsamm啓發的路由協議
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 拓撲環境和參數設置
4．5．2 性能分析
4．6 本章小結
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 無綫傳感網QOS組播路由評價模型
5．3．1 相關概念
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現機製
5．4．1 QOS蜂群算法簡述
5．4．2 係統模型
5．4．3 算法描述
5．5 本章小結
參考文獻

第6章 多生物啓發的路由模型
6．1 引言
6．1．1 問題的提齣
6．1．2 國內外研究現狀
6．1．3 典型場景模型
6．2 基於免疫原理的節點可信度評價算法
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 路由發現與路由選擇
6．3．1 路徑感知
6．3．2 路由發現
6．3．3 路由選擇
6．4 B-iTRP
6．4．1 B．iTRP的數據結構
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
參考文獻

第7章 協議與網絡適配的智慧路由機製
7．1 引言
7．2 協議與網絡的智慧適配模型
7．2．1 麵嚮協議與網絡適配的邏輯架構
7．2．2 網絡的分級決策與預測
7．2．3 協議與網絡的適配模型
7．3 閥絡特徵的協同感知
7．3．1 網絡特徵參數的選擇
7．3．2 感知特徵信息的采集
7．3．3 感知特徵參數的歸一化I
7．3．4 感知信息傳輸的同步
7．4 基於HMM的網絡預測
7．5 本章小結
參考文獻

第8章 生物啓發路由在傳統網絡中的應用
8．1 生物啓發路由與傳統網絡結閤需要解決的問題
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 基於遺傳算法的Qos組播路由問題
8．2．1 編碼方法
8．2．2 生産初始種群
8．2．3 評價函數設計
8．2．4 交叉
8．2．5 選擇復製
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
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
8．6 本章小結
參考文獻

第9章 生物啓發路由在未來網絡中的應用
9．1 引言
9．1．1 問題的提齣
9．1．2 國內外研究現狀
9．2 信息中心網絡
9．2．1 ICN的分類
9．2．2 ICN的特徵
9．2．3 ICN關鍵技術
9．2．4 ICN發展趨勢
9．3 智慧協同網絡
9．4 支持資源動態適配的可重構路由算法
9．4．1 基於PPFO模型的自適配模型
9．4．2 智慧協同網絡的自適配與可重構路由算法
9．5 協議分析
9．6 原型驗證
9．6．1 原型係統介紹
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 測試結果對比
9．7 本章小結
參考文獻

第10章 智慧路由的發展

精彩書摘

　　《生物啓發的智慧路由機製與協議》：
　　目前，對係統生物學的研究雖然取得瞭一定的進展，但仍麵臨著一些問題。
　　（1）係統生物學中的數據挖掘問題。係統生物學對生物係統中不同性質的數據進行整閤，從基因到細胞、組織、個體的各個層次。大量組分數據的收集來自實驗室（濕數據）和公共數據資源（乾數據）。但這些數據存在許多不利於處理分析的因素，如數據的類型差異，數據庫中存在大量數據冗餘以及數據錯誤；存儲信息的數據結構也存在很大的差異，包括文本文件、關係數據庫、麵嚮對象數據庫等；缺乏統一的數據描述標準，信息查詢方麵大相徑庭；許多數據信息是描述性的信息，而不是結構化的信息錶示。如何快速地從包含錯誤數據的海量數據中獲取係統生物學建模所需的正確數據模式和關係是數據挖掘的主要任務。
　　（2）係統生物學中數據的有效整閤。文獻提齣利用高通量技術係統研究各種分子網絡，強調以網絡、相互作用、動態行為等整體論觀點，並結閤數據與方法論的整閤性觀點，探索如何對復雜生命現象進行不同層麵的理解和詮釋，如基因芯片、酵母雙雜交係統、免疫共沉澱和染色體免疫沉澱芯片方法。通過實驗手段得到的數據提供瞭細胞或復雜生命係統的快照式輪廓，從而可用於推斷或重建蛋白質相互作用的網絡和基因調控網絡。此外，來源於不同角度的各種大通量數據中的信息，使獲得更為完整的分子網絡成為可能。通過對網絡整體性和動態性的深入研究，不僅可以幫助生物學傢理解復雜的生化現象，而且可以從係統的角度對細胞係統的根本機製或者本質規律進行詮釋。因此，這種係統生物學研究方法在短短幾年得到迅速發展，成為生物學研究領域的熱點。
　　……

前言/序言

生物啓發的智慧路由機製與協議 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

類似圖書 點擊查看全場最低價