基于量子遗传算法的无线传感器网络QoS路由选择算法研究 第12页
4.3 仿真及结果分析
在仿真实验中，随机生成包含三组节点不同的网络拓扑图（N = 8，20，40），并随机生成每条链路的可用带宽和时延大小。可用带宽最大不超过10MHZ，时延不超过500ms。业务要求带宽为W = 6MHZ，路径最小时延控制在500ms以内。分别采用该文提出的量子遗传算法和文献[31]提出的遗传算法来求解QoS路由选择问题。
 （1）当随机产生网络拓扑节点数为N = 20时，① 源节点 =1，目的节点 =20时，QGA与GA在求解QoS路由问题时的收敛特性，如图4.1；② 源节点 =2，目的节点 =19时，QGA与GA在求解QoS路由问题时的收敛特性，如图4.2。
 图4.1  =1， =20时，QGA与GA的收敛特性
图4.2  =2， =19时，QGA与GA的收敛特性
（2）当随机产生网络拓扑节点数为N = 40时，① 源节点 =1，目的节点 =40时，QGA与GA在求解QoS路由问题时的收敛特性，如图4.3；② 源节点 =1，目的节点 =38时，QGA与GA在求解QoS路由问题时的收敛特性，如图4.4。
 图4.3  =1， = 40时，QGA与GA的收敛特性
图4.4  =1， =38时，QGA与GA的收敛特性
（3）当随机产生网络拓扑节点数为N = 80时，① 源节点 =1，目的节点 =80时，QGA与GA在求解QoS路由问题时的收敛特性，如图4.5；② 源节点 =2，目的节点 =76时，QGA与GA在求解QoS路由问题时的收敛特性，如图4.6。
 图4.5  =1， =80时，QGA与GA的收敛特性
图4.6  =2， =76时，QGA与GA的收敛特性
由图可知，经过多次试验，无论节点数N、源节点和目的节点如何变化，QGA求得最优路径的目标值都会比GA求得目标值小。图4.7给出了当节点数N变化时， =1， =80，经过100次试验，QGA与GA找到最优路径的成功率比较。
 图4.7 节点数N变化时，获得最优路径成功率
 由图可知，随着节点数的增多，QGA与GA的成功率都会下降，但QGA的成功率明显优于GA。
表4.1和表4.2给出了当N=20时，选取不同的源节点和目的节点，QGA和GA所求得最优路径p以及目标函数F值和路径时延D(p)的值。
表4.1  =1， =20时，最优路径值
 最优路径p 路径时延D(p) 目标函数值（F）
QGA （1，3，8，14，20） 142 3533
GA （1，2，3，8，14，20） 187 5735
表4.2  =2， =19时，最优路径值
 最优路径p 路径时延D(p) 目标函数值（F）
QGA （2，7，9，15，19） 131 3250.4
GA （2，3，9，10，19） 315 6234
表4.3和表4.4给出了当N=40时，选取不同的源节点和目的节点，QGA和GA所得最优路径p以及目标函数F值和路径时延D(p)的值。
表4.3  =1， =40时，最优路径值
 最优路径p 路径时延D(p) 目标函数值（F）
QGA （1，3，28，34，40） 334 3533

 << 上一页  [11] [12] [13] [14] [15] [16] [17] [18] 下一页