第1章 绪论 1
1.1 生物信息学 3
1.2 系统生物学 5
1.3 生物启发技术 9
1.4 自律计算理论 10
1.4.1 自律计算的起源及概念 10
1.4.2 自律计算概念模型 13
1.4.3 自律计算的现状 14
1.5 路由器技术发展趋势 16
1.5.1 路由器技术体系演进 16
1.5.2 路由器发展的二元推动 18
1.5.3 设计理念的革命 19
1.5.4 路由器的发展趋势 20
1.5.5 核心路由器、高端路由器和中低端路由器的发展趋势 23
1.6 路由技术研究现状 24
1.6.1 路由体系的研究现状 24
1.6.2 无线路由协议的研究现状 26
1.7 本章小结 30
参考文献 30
第2章 传统生物启发路由方法 38
2.1 蚁群算法路由方法 38
2.1.1 网络模型及路由表结构 39
2.1.2 蚁群算法基本原理 40
2.1.3 基本蚁群算法分析 41
2.1.4 改进蚁群算法 44
2.2 蜂群算法路由方法 47
2.2.1 蜂群算法基本原理 47
2.2.2 蜂群算法描述 48
2.2.3 蜂群算法具体思想 49
2.2.4 改进后的蜂群算法 51
2.2.5 蜂群算法存在的问题及展望 52
2.3 粒子群算法路由方法 54
2.3.1 粒子群算法原理 55
2.3.2 基于粒子群算法的路由算法 57
2.3.3 粒子群算法的特点及其应用 58
2.3.4 粒子群算法的路由优化 58
2.4 遗传算法路由方法 59
2.4.1 遗传算法基本原理 60
2.4.2 遗传算法基本步骤 60
2.4.3 改进的遗传算法 61
2.4.4 遗传算法的优缺点 63
2.5 其他生物方法路由 64
2.6 本章小结 64
参考文献 65
第3章 感知蚁群智慧路由模型 69
3.1 引言 69
3.1.1 问题的提出 69
3.1.2 国内外研究现状 71
3.2 基于感知蚂蚁的路由发现算法 73
3.2.1 典型场景模型 73
3.2.2 基于感知蚂蚁的全局路径感知 74
3.2.3 基于感知蚂蚁的路径发现过程 78
3.3 Physarum启发的路由决策模型 78
3.4 基于PACO和P-iRD的混合路由协议 80
3.4.1 B-iHRP的数据结构 80
3.4.2 域内路由发现 81
3.4.3 域外路由发现 82
3.4.4 路由维护 84
3.4.5 路由优化 84
3.5 B-iHRP的平均时延分析 85
3.6 仿真实验 91
3.7 本章小结 98
参考文献 98
第4章 绒泡菌智慧路由模型 101
4.1 引言 101
4.1.1 问题的提出 101
4.1.2 国内外研究现状 103
4.2 PPFO模型 106
4.3 Physarum启发的路由协议 108
4.3.1 典型场景模型 108
4.3.2 P-iNHS模型 110
4.3.3 P-iRP 112
4.3.4 P-iRP算法 114
4.3.5 P-iRP算法复杂度 116
4.4 P-iNHS模型分析 117
4.5 仿真实验 120
4.5.1 拓扑环境和参数设置 120
4.5.2 性能分析 121
4.6 本章小结 127
参考文献 127
第5章 蜂群智慧路由模型 130
5.1 引言 130
5.2 蜂群算法研究背景 130
5.3 无线传感网QoS组播路由评价模型 131
5.3.1 相关概念 131
5.3.2 QoS路由评价模型及度量 134
5.4 多约束蜂群组播路由发现机制 136
5.4.1 QoS蜂群算法简述 136
5.4.2 系统模型 140
5.4.3 算法描述 145
5.5 本章小结 151
参考文献 151
第6章 多生物启发的路由模型 153
6.1 引言 153
6.1.1 问题的提出 153
6.1.2 国内外研究现状 154
6.1.3 典型场景模型 155
6.2 基于免疫原理的节点可信度评价算法 156
6.2.1 基本描述 156
6.2.2 抗原递呈 157
6.2.3 抗体的生灭过程 158
6.2.4 抗体进化 159
6.2.5 可信度评价 160
6.3 路由发现与路由选择 161
6.3.1 路径感知 161
6.3.2 路由发现 162
6.3.3 路由选择 163
6.4 B-iTRP 163
6.4.1 B-iTRP的数据结构 164
6.4.2 可信度评价 165
6.4.3 路由策略 166
6.4.4 B-iTRP讨论 167
6.5 仿真实验 168
6.6 本章小结 174
参考文献 175
第7章 协议与网络适配的智慧路由机制 178
7.1 引言 178
7.2 协议与网络的智慧适配模型 179
7.2.1 面向协议与网络适配的逻辑架构 179
7.2.2 网络的分级决策与预测 180
7.2.3 协议与网络的适配模型 181
7.3 网络特征的协同感知 182
7.3.1 网络特征参数的选择 182
7.3.2 感知特征信息的采集 183
7.3.3 感知特征参数的归一化 189
7.3.4 感知信息传输的同步 191
7.4 基于HMM的网络预测 192
7.5 本章小结 196
参考文献 196
第8章 生物启发路由在传统网络中的应用 199
8.1 生物启发路由与传统网络结合需要解决的问题 199
8.1.1 遗传算法 199
8.1.2 蚁群算法 200
8.1.3 粒子群算法 201
8.1.4 蜂群算法 201
8.2 基于遗传算法的QoS组播路由问题 202
8.2.1 编码方法 202
8.2.2 生产初始种群 202
8.2.3 评价函数设计 203
8.2.4 交叉 203
8.2.5 选择复制 204
8.2.6 变异 204
8.3 蚁群算法在QoS组播路由中的应用 204
8.4 粒子群算法在QoS组播路由中的应用 206
8.4.1 问题描述 206
8.4.2 算法实现 207
8.5 蜂群算法在QoS组播路由中的应用 208
8.5.1 算法思想 208
8.5.2 算法实现 208
8.6 本章小结 209
参考文献 209
第9章 生物启发路由在未来网络中的应用 211
9.1 引言 211
9.1.1 问题的提出 211
9.1.2 国内外研究现状 212
9.2 信息中心网络 213
9.2.1 ICN的分类 213
9.2.2 ICN的特征 214
9.2.3 ICN关键技术 215
9.2.4 ICN发展趋势 218
9.3 智慧协同网络 219
9.4 支持资源动态适配的可重构路由算法 221
9.4.1 基于PPFO模型的自适配模型 221
9.4.2 智慧协同网络的自适配与可重构路由算法 222
9.5 协议分析 224
9.6 原型验证 225
9.6.1 原型系统介绍 225
9.6.2 采用自适配路由效果 227
9.6.3 采用OSPF路由效果 230
9.6.4 测试结果对比 231
9.7 本章小结 233
参考文献 233
第10章 智慧路由的发展 236