Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Comparative Analysis of Swarm-Based Metaheuristic Algorithms on Benchmark Functions Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

A Multi-objective Differential Evolution for QoS Multicast Routing

verfasst von : Wenhong Wei, Zhaoquan Cai, Yong Qin, Ming Tao, Lan Li

Erschienen in: Advances in Swarm Intelligence

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This paper presents a new multi-objective differential evolution algorithm (MODEMR) to solve the QoS multicast routing problem, which is a well-known NP-hard problem in mobile Ad Hoc networks. In the MODEMR, the network lifetime, cost, delay, jitter and bandwidth are considered as five objectives. Furthermore, three QoS constraints which are maximum allowed delay, maximum allowed jitter, and minimum requested bandwidth are included. In addition, we modify the crossover and mutation operators to build the shortest-path multicast tree to maximize network lifetime and bandwidth, minimize cost, delay and jitter. In order to evaluate the performance and the effectiveness of MODEMR, the experiments are conducted and compared with other algorithms for these problems. The simulation results show that our proposed method is capable of achieving faster convergence and more preferable for multicast routing in mobile Ad Hoc networks.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Solving the Distributed Two Machine Flow-Shop Scheduling Problem Using Differential Evolution
Nächstes Kapitel Energy-Saving Variable Bias Current Optimization for Magnetic Bearing Using Adaptive Differential Evolution
Literatur
1.
Storn, R., Price, K.: Differential evolution–a simple and efficient heuristic for global optimization over continuous spaces. J. Glob. Optim. 11, 341–359 (1997)MathSciNetCrossRefMATH
2.
Wei, W., Wang, J., Tao, M.: Constrained differential evolution with multiobjective sorting mutation operators for constrained optimization. Appl. Soft Comput. 33, 207–222 (2015)CrossRef
3.
Zhou, X., Zhang, G., Hao, X., Yu, L.: A novel differential evolution algorithm using local abstract convex underestimate strategy for global optimization. Comput. Oper. Res. 75, 132–149 (2016)MathSciNetCrossRefMATH
4.
Rajesh, K., Bhuvanesh, A., Kannan, S., Thangaraj, C.: Least cost generation expansion planning with solar power plant using differential evolution algorithm. Renew. Energy 85, 677–686 (2016)CrossRef
5.
Malathy, P., Shunmugalatha, A., Marimuthu, T.: Application of differential evolution for maximizing the loadability limit of transmission system during contingency. In: Pant, M., Deep, K., Bansal, J.C., Nagar, A., Das, K. (eds.) Proceedings of Fifth International Conference on Soft Computing for Problem Solving. AISC, vol. 437, pp. 51–64. Springer, Singapore (2016). doi:10.​1007/​978-981-10-0451-3_​6 CrossRef
6.
Wei, W., Wang, J., Tao, M., Yuan, H.: Multi-objective constrained differential evolution using generalized opposition-based learning. Comput. Res. Dev. 53(6), 1410–1421 (2016)
7.
Cheng, J., Yen, G.G., Zhang, G.: A grid-based adaptive multi-objective differential evolution algorithm. Inf. Sci. 367–368, 890–908 (2016)CrossRef
8.
Liu, Y., Dong, M., Ota, K., Liu, A.: ActiveTrust: secure and trustable routing in wireless sensor networks. IEEE Trans. Inf. Forensics Secur. 11(9), 2013–2027 (2016)CrossRef
9.
Tao, M., Lu, D., Yang, J.: An adaptive energy-aware multi-path routing strategy with load balance for wireless sensor networks. Wirel. Pers. Commun. 63(4), 823–846 (2012)CrossRef
10.
Haghighat, A., Faez, K., Dehghan, M.: GA-based heuristic algorithms for QoS based multicast routing. Knowl. Based Syst. 16, 305–312 (2003)CrossRef
11.
Koyama, A., Nishie, T., Arai, J., Barolli, L.: A GA-based QoS multicast routing algorithm for large-scale networks. Int. J. High Perform. Comput. Netw. 5, 381–387 (2008)CrossRef
12.
Yen, Y., Chao, H., Chang, R., Vasilakos, A.: Flooding-limited and multi-constrained QoS multicast routing based on the genetic algorithm for MANETs. Math. Comput. Model. 53, 2238–2250 (2011)CrossRef
13.
Karthikeyan, P., Baskar, S.: Genetic algorithm with ensemble of immigrant strategies for multicast routing in ad hoc networks. Soft. Comput. 19, 489–498 (2015)CrossRef
14.
Sun, J., Fang, W., Wu, X., Xie, Z., Xu, W.: QoS multicast routing using a quantum-behaved particle swarm optimization algorithm. Eng. Appl. Artif. Intell. 24, 123–131 (2011)CrossRef
15.
Bitam, S., Mellouk, A.: Bee life-based multi constraints multicast routing optimization for vehicular ad hoc networks. J. Netw. Comput. Appl. 36, 981–991 (2013)CrossRef
Metadaten
Titel
A Multi-objective Differential Evolution for QoS Multicast Routing
verfasst von
Wenhong Wei
Zhaoquan Cai
Yong Qin
Ming Tao
Lan Li
Copyright-Jahr
2017
Buch
Advances in Swarm Intelligence

Print ISBN: 978-3-319-61823-4

Electronic ISBN: 978-3-319-61824-1

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-61824-1_50

Premium Partner

    Bildnachweise