開(kāi)題報(bào)告信息科學(xué)與工程學(xué)院

基于冰晶點(diǎn)群算法的絡(luò)規(guī)計(jì)算機(jī)科學(xué)與技術(shù) 規(guī)劃。本課題研究主要分為3部分：1)引入者模型與狼群捕食理論，將群搜索算法改進(jìn)為動(dòng)態(tài)六度離散群搜索算法；2)在冬季湖水結(jié)冰的自然現(xiàn)象啟發(fā)下，提出新的并行智能算法冰晶算法；3)結(jié)合改進(jìn)群搜索算法與冰晶算法的優(yōu)點(diǎn)，提出具有高度并：群搜索算法，冰晶算法，冰晶點(diǎn)群算法，AdHoc：Therisingpopularityofbiologicalsocialbehaviorsadvancesthedevelopmentofinligentcomputation,andhencethetechnologyandproductionsinlife,especiallytheoptimizationofcomplexnetworks.Inspiredbythenaturephenomenonandthebehaviorofanimalsocialgroups,anovelinligentandparallelalgorithm,theCrystalGroupOptimizeralgorithm(CGO),isproposedinthispaper.TheCGOalgorithmisthecombinationofimprovedGroupSearchOptimizerandtheCrystalAlgorithm,whichareimprovedbyintroducingtheSmallWorldtheoryandinspiredbythenaturephenomenonofcrystallizing,respectively.Consideringthehighlyparallelismandconvergenceofouralgorithm,theCGOisappliedtothedynamicprogrammingoflargescalecomplexwirelessnetworks.Anadvancedperformanceisexpected.Theefficiencyandeffectivenesswillbeyzedandprovedmathematicallyandexperimentally.：GroupSearchOptimizer,Crystalalgorithm,CrystalGroupOptimizer,AdHocNetwork,DynamicProgramming課題背 文獻(xiàn)綜 自然啟發(fā)算 研究現(xiàn) 現(xiàn)有算法的局限 者模 小世界理 AdHoc網(wǎng) 研究現(xiàn) 現(xiàn)有路由算法存在問(wèn) 研究目 研究?jī)?nèi) 主要研究方案、技術(shù)路線與可行性分 主要研究方 技術(shù)路 理論研究：改進(jìn)群搜索算 理論研究：提出冰晶算 理論研究：提出冰晶點(diǎn)群算 應(yīng)用研究：解決絡(luò)規(guī)劃問(wèn) 可行性分 預(yù)期研究成果和創(chuàng)新 預(yù)期研究成 創(chuàng)新 工作基礎(chǔ)和條 實(shí)驗(yàn)研究條 已開(kāi)展相關(guān)工 已提出算法、改進(jìn)及驗(yàn) 已取得研究成 存在不足與問(wèn) 研究進(jìn)度安 參考文 州大學(xué)LeonardM教授在《Science》上的中“自然（生物學(xué)和物理）和1-1。作為一種新型無(wú)線網(wǎng)絡(luò)，AdHoc絡(luò)在社會(huì)中有越來(lái)越廣泛重要的應(yīng)用[21]：(1)在軍事和醫(yī)用方面，AdHoc網(wǎng)絡(luò)以其特有的無(wú)需架設(shè)網(wǎng)絡(luò)設(shè)施、可快速展開(kāi)、高抗事行動(dòng)中，尤其是在敵，部署有的網(wǎng)絡(luò)是相當(dāng)?shù)?，極易被敵人摧毀、器的不能很大，利用AdHoc網(wǎng)絡(luò)可以實(shí)現(xiàn)傳感器之間和與控制中心之間的通的網(wǎng)絡(luò)設(shè)施進(jìn)行通信，AdHoc網(wǎng)絡(luò)的自組織單獨(dú)組網(wǎng)能力能夠快速布設(shè)網(wǎng)絡(luò)環(huán)境，為通信提供支持；(4)AdHocAdHoc網(wǎng)絡(luò)技術(shù)，可以實(shí)現(xiàn)PDA、掌上電腦等個(gè)人電子通信設(shè)備之間的通信，可以組建家庭無(wú)線網(wǎng)絡(luò)、移動(dòng)醫(yī)療監(jiān)護(hù)系統(tǒng)等商業(yè)操作。(5)AdHoc網(wǎng)絡(luò)的快速、簡(jiǎn)單組網(wǎng)能力能夠用于臨、雖然AdHoc網(wǎng)絡(luò)在現(xiàn)實(shí)中有如此廣泛的應(yīng)用，但是不同于普通的無(wú)線網(wǎng)絡(luò)，AdHoc1-1，與AdHoc網(wǎng)絡(luò)路由協(xié)議具有更高的要求，必須節(jié)點(diǎn)節(jié)點(diǎn)節(jié)點(diǎn)節(jié)點(diǎn)節(jié)點(diǎn)節(jié)點(diǎn)節(jié)點(diǎn)節(jié)點(diǎn)1-2AdHocAdHoc網(wǎng)絡(luò)路由算法多為通用型無(wú)線網(wǎng)絡(luò)路由或簡(jiǎn)單的改進(jìn)而得到的路由算AdHoc化算法，并應(yīng)用其解決大規(guī)模AdHoc絡(luò)規(guī)劃問(wèn)題。如圖1-3課題研究小世界理六度離大規(guī)并行實(shí)小世界理六度離大規(guī)并行實(shí)狼群捕食行動(dòng)自然結(jié)晶現(xiàn)決策因者模冰晶算改群搜索算群搜索算AdHoc動(dòng)態(tài)圖1-3研究算法時(shí)遵循的基本原則者模型和小世界理論作為Nature上的兩個(gè)重要研究成AdHoc自然啟發(fā)算全面學(xué)習(xí)策略[26]增加粒子者和者[27]等又如將線性代數(shù)技術(shù)引入遺傳算提出一些新受自然啟發(fā)的智能算法，如蚊子追蹤算法(MHSA)[6]、蜜蜂交配算法(HBMO)[7](PIA)[8]S.He等人受到動(dòng)物搜索行為的啟發(fā)而優(yōu)化算法[30]。面，仿生算法比其他自然演化算法(如仿物理算法)需要的參數(shù)。對(duì)于不同的問(wèn)題，F(xiàn)ranzJ.Weissing在研究了自然界大量群居動(dòng)物和人群體行為后提出了者模[31]，群居動(dòng)物中的一些為者，其它為追隨者，者關(guān)系可以自發(fā)的影這樣他們?cè)诩w行動(dòng)中獲益。Franz根據(jù)這一博弈理論，提出了者產(chǎn)生模型，并且適用于多于兩個(gè)人的群體。模型假設(shè)相同的會(huì)不斷的交互，在每次交互中，他們或者選擇自己的偏好，或者放棄自己的偏好，追隨其它的選擇。每一個(gè)有一個(gè)策略值λ，表示能夠堅(jiān)持自己的偏好的能力值。群體中，λ值高的為者；λ值低的為追隨者。經(jīng)反復(fù)實(shí)驗(yàn)觀察得出，一個(gè)群體的穩(wěn)定狀態(tài)為群體中λ值趨向兩極即一部分為λ=0.9的者一部分為λ=0.1的追隨者這樣的群體。的發(fā)展方向現(xiàn)已經(jīng)有很多智能算法將者模型引入算法或模型取得較好效果[32-35]將者行為模型引入我們的算法和網(wǎng)絡(luò)模型建模中，為網(wǎng)絡(luò)節(jié)點(diǎn)賦予決策因子，小世界小世界理論哈佛大學(xué)的社會(huì)心理學(xué)家米倫在1967年《PsychologyToday》上[36]，你和任何一個(gè)陌生人之間所間隔的人不會(huì)超過(guò)六個(gè)，也就是說(shuō)，如圖1-2所示，最多通過(guò)六個(gè)人你就能夠認(rèn)識(shí)任何一個(gè)陌生人。這一理論在科學(xué)研究、社會(huì)2-1Adhoc2-1Adhoc網(wǎng)絡(luò)中范圍，A不能直接傳遞信息到BAdHoc網(wǎng)AdHoc網(wǎng)絡(luò)的路由算法的研究，根據(jù)研究?jī)?nèi)容針對(duì)方向不同，主要有(1)根據(jù)地理信息，提出自適應(yīng)[41-43]或滿足約束路由[44]算法，可以有效避免不必要的控制開(kāi)銷，從而獲得較低的轉(zhuǎn)發(fā)開(kāi)銷和傳輸延遲；(2)針對(duì)自適應(yīng)性改進(jìn)路由算法[45-47]，如TermedProgressFace通過(guò)增加對(duì)周圍節(jié)點(diǎn)一次遍歷來(lái)確定轉(zhuǎn)發(fā)節(jié)點(diǎn)[48]；(3)增加網(wǎng)絡(luò)節(jié)點(diǎn)間的合作也是一種提高路由效率的有效方法[49-52]；(4)還有些路由算法將能量作為節(jié)模式實(shí)現(xiàn)節(jié)能和消除冗余數(shù)據(jù)接收；(5)部分路由算法針對(duì)QoS標(biāo)準(zhǔn)中的一條或幾條進(jìn)AdHoc網(wǎng)絡(luò)的路由算法，雖然在實(shí)時(shí)效率、負(fù)載能力、吞吐率、能量?jī)?yōu)化等AdHoc網(wǎng)絡(luò)與傳統(tǒng)無(wú)線AdHoc充分考慮AdHoc網(wǎng)絡(luò)的QoS需求，特別是傳遞消息的負(fù)載能力和范圍；(3)網(wǎng)絡(luò)節(jié)點(diǎn)隨機(jī)動(dòng)態(tài)移動(dòng)的有效應(yīng)對(duì)策略；(4)大規(guī)模網(wǎng)絡(luò)節(jié)點(diǎn)路由的高效組織部署。根據(jù)已有研究基礎(chǔ)，從理論研究、應(yīng)用研究和實(shí)驗(yàn)研究三個(gè)方面開(kāi)展工作為了克服算法的缺陷，我們提出有針對(duì)性的改進(jìn)方案：(1)引入小世界理論和0-1(2)通過(guò)模擬冰晶算法解決旅行商問(wèn)題，并對(duì)TSPLib進(jìn)試，相比其它同類算法在通過(guò)收斂性定理和Lyapunov散策略，對(duì)度問(wèn)題的高效解決能量；冰晶算法在能量函數(shù)作用下，全局搜索能力，模型，從而降低迭代過(guò)程點(diǎn)間的交互，提高算法的并行性。應(yīng)用研究：解決絡(luò)規(guī)劃問(wèn)通過(guò)第一、二章中對(duì)AdHoc絡(luò)結(jié)構(gòu)需求分析，對(duì)現(xiàn)有路由算法的研究，我模度問(wèn)題中取得的表現(xiàn)，我們應(yīng)用冰晶點(diǎn)群算法解決AdHoc絡(luò)問(wèn)題，旨在首先，對(duì)冰晶點(diǎn)群算法及絡(luò)規(guī)劃問(wèn)題的應(yīng)用C和MPI接口實(shí)現(xiàn)接著，提出理論研究和應(yīng)用涉及到的冰晶點(diǎn)群算法的并行實(shí)驗(yàn)方案主要研究方技術(shù)路群搜索算法(GroupSearchOptimizer,GSO)是S.He等人2009年在解決連續(xù)i在一個(gè)n維搜索空間內(nèi)，i在第k次搜索迭代中的當(dāng)前位置是xkRn，頂ik(k,...,

iDk(kdkdkRn，

i

可以通過(guò)k計(jì)算，k可以通過(guò)坐標(biāo)極轉(zhuǎn)換獲取 dk cos(k qdd i(j

))cos()(j2,...nq

dksin( i視覺(jué)的瀏覽范圍被簡(jiǎn)化為一個(gè)n，有最大捕食角 R1，最大捕食距 R1。頂角是捕食者的位置，第kX XXkrl 1

XXkrl Dk(kr

/ 1

2

(5-XXkrl Dk(kr

/ 1

2

(5-成的角度k1，如公式3-5所示，其中 R1是最大旋轉(zhuǎn)角度2k1kr2

如果捕食者在a度ka

aR1捕食者找到的資源中。在第k次迭代中，第i個(gè)追隨者的空間的行為可以被描述為Xk1Xk (XkXk

3rR1是(01)“”Hadamard乘積或者Schur3i個(gè)追隨者會(huì)繼續(xù)尋找其他加入的機(jī)會(huì)。我們通過(guò)轉(zhuǎn)動(dòng)第i個(gè)追隨者頭到一個(gè)新的隨機(jī)角度來(lái)模仿這個(gè)行為。游蕩者在第k次迭代中，它應(yīng)用公式(5-6)產(chǎn)生一個(gè)隨機(jī)的頂角i；然后它選擇一個(gè)lia iXk1XklDk( i

XxijX中第ij0-1模型來(lái)表示。同時(shí)，根據(jù)捕食者的搜索特點(diǎn)，用Sigmoid函數(shù)將rl Dk(k)轉(zhuǎn)換成01 Dk(k))

1 1

1 Dk(k1

10，表示該維粒子的位置。同理，追隨者和游蕩者將每輪迭代變化的部分用Sigmoid函數(shù)轉(zhuǎn)換為(0,1)直接的數(shù)，選擇下一輪位置。X， x1nXX

x nn但是，若離散空間過(guò)多，N*N矩陣X過(guò)多冗余數(shù)據(jù)進(jìn)行重復(fù)迭代，降低

圖5-1小世界離散群搜索表示與聯(lián)設(shè)初始目標(biāo)函數(shù)為nf1X1f2X2設(shè)fff2(X2)f1(X1

若f若f不為常數(shù)，即fXXiX的變化通常有兩種情況，即差值變化XX2將Xxix2ixi3-3為對(duì)X-Y平面變化分解到X軸和Y

XXX2/

xix2i/x1i，xiX相應(yīng)的調(diào)整。fXf(X值對(duì)極值搜索沒(méi)有影響，而和則會(huì)對(duì)函數(shù)X算法進(jìn)行相應(yīng)的調(diào)整，目標(biāo)函數(shù)動(dòng)態(tài)變化后，群將進(jìn)行重新搜索，對(duì)和bb-a-Rθ5-2量以及湖面風(fēng)吹動(dòng)等多方面因素都會(huì)對(duì)湖水冰凍現(xiàn)象帶來(lái)影響。受湖水冰凍現(xiàn)象啟發(fā)，QQQQCQQ5-3水能量?jī)?yōu)化算法的數(shù)學(xué)模型——湖水能量模型和風(fēng)動(dòng)模型等，并通過(guò)收斂性定理和Lyapunov穩(wěn)定性定理進(jìn)行理論證明，驗(yàn)證了算法的收斂性和解決旅行商問(wèn)題的有效性。最后，通過(guò)實(shí)驗(yàn)?zāi)M湖水能量?jī)?yōu)化算法解決TSPLIB中標(biāo)準(zhǔn)實(shí)例問(wèn)題，并將實(shí)驗(yàn)結(jié)果與NP難題時(shí)高效率、itEi(t)Ei0Qi

t時(shí)刻的總能量為： E(t)Ei(t)(Ei0Qi

根據(jù)主要湖水周圍環(huán)境主要影響湖面結(jié)冰的因素，定義能量變化函數(shù)Qi(t)如下Qi(t)1Pi(t)2Si(t)3Wi其中，Pi(t，Si(t和Wi(tSi(t)06-8。P(t)Qp(t)

Qp(t)

(5- ||PP

(5-i Qp(t)Qp0Qw

(5-其中P0為湖心位置，Dio為冰晶到湖心的得距離，Qp(t)為湖心在t時(shí)刻的能Qw(t)t為比例因子。t時(shí)刻吸收能量Si(t)Si(t)max[Sji

S(t)

Qs D i(j j(jQ

;Qs(t)Qs0Qw

其中，Sji(t為t時(shí)刻已經(jīng)冰凍冰晶j與其相鄰的冰晶(j+1)i的影響，Qw(tt時(shí)刻風(fēng)作用下湖心失去的能量，j和冰晶ij與冰晶(j+1)i到它j和它的鄰居節(jié)點(diǎn)(j+1)i的影響。tWiQw(t)

量的大小隨時(shí)間恒定為常量C湖面冰晶之間 總長(zhǎng)度可以用來(lái)評(píng)價(jià)冰凍過(guò)程的效率 函數(shù)定義為nnii

另外，決策因子1,2,3之間的比例對(duì)能量變化函數(shù)至關(guān)重要，它們決定不同因強(qiáng)強(qiáng)強(qiáng)高高高差強(qiáng)攪動(dòng)策略可防止算法應(yīng)用研究：解決絡(luò)規(guī)劃問(wèn)AdHoc網(wǎng)絡(luò)路由算法的研究與總結(jié)，造成現(xiàn)有路由算法的局限性主要因素為AdHoc網(wǎng)絡(luò)的動(dòng)態(tài)性、大規(guī)模復(fù)雜網(wǎng)絡(luò)、多播路由算法和QoS需求等，針對(duì)這AdHoc5-3所示，

5-3AdHoc

5-4在綜合考慮QoS需求和總花銷的情況下，如圖5-5，表示了無(wú)線網(wǎng)絡(luò)中常用幾種傳輸方AdHocAdHoc這樣不穩(wěn)定的網(wǎng)絡(luò)中，過(guò)多節(jié)點(diǎn)依附于同一節(jié)點(diǎn)路由，收和發(fā)送者，網(wǎng)絡(luò)點(diǎn)都可以作為路由實(shí)現(xiàn)轉(zhuǎn)發(fā)，那么能否進(jìn)一步優(yōu)化開(kāi)銷呢？5564123564123單 (2)廣5564123564123(3)多 (4)改進(jìn)多5-5AdHocQoS網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)表示為賦權(quán)圖，G=(V，E)V表示網(wǎng)絡(luò)節(jié)點(diǎn)的集合，E是節(jié)點(diǎn)eEevivjviVvjV,ijvivj對(duì)于任意鏈路eE(delay(e),bandwidth(ecost(e))表示QoS分別為實(shí)驗(yàn)函數(shù)，帶寬函數(shù)和開(kāi)銷函數(shù)。對(duì)網(wǎng)絡(luò)中任意節(jié)點(diǎn)nV，可以用四元組(delay(nbandwidth(ncost(n))QoS特征值，分別為實(shí)驗(yàn)函數(shù)，帶寬函數(shù)，時(shí)延抖p(sdsd的一條路徑，edelay(p(s,d))

ep(s,d

delay(e)

np(s,d

bandwidth(p(s,d))cost(p(s,d))

ep(s,d

cost(e)

np(s,d

QoSp(sd時(shí)延約束delay(P(s，d))≤D，D帶寬約束bandwidth(P(s，d))≥B，B包丟失率約束：packet_loss(P(s，d))≤L，L表示最大包丟失率在滿足約束條件下且使cost(P(s，d))最小的路徑。將改進(jìn)的群搜索算法、冰晶算法、冰晶點(diǎn)群算法及其在絡(luò)規(guī)劃問(wèn)題中的應(yīng)用，用C語(yǔ)言(MPI)5-6所示。5-6可行性NP難題實(shí)驗(yàn)中，取得了比現(xiàn)有經(jīng)典算法更好的實(shí)驗(yàn)效果，特別是在城市分析現(xiàn)有智能算法以及本文改進(jìn)群搜索算法與冰晶算法的局限性，明確在深入分析AdHoc絡(luò)特點(diǎn)和現(xiàn)有解決算法的局限性后建立網(wǎng)絡(luò)模型，應(yīng)用改進(jìn)后的群搜索算法解決絡(luò)規(guī)劃問(wèn)題，取得較好的實(shí)驗(yàn)結(jié)果預(yù)期研究成應(yīng)用新算法有效解決大規(guī)模絡(luò)規(guī)劃問(wèn)題總結(jié)研究成果，在國(guó)內(nèi)期及國(guó)外SCI索引期創(chuàng)新本文冰晶點(diǎn)群算法所算法與現(xiàn)存的自然演化方法、其他常用優(yōu)化用Lyapunov第二穩(wěn)定性定理、收斂性定理、Routh判據(jù)等理論多角度分析論證不同于傳統(tǒng)AdHoc網(wǎng)絡(luò)路由算法，本文對(duì)絡(luò)難道進(jìn)行全面分析并逐一解決，有針對(duì)性提出絡(luò)路由算法，彌補(bǔ)現(xiàn)有算法的缺陷，是目前為止最為詳盡有效的并行的AdHoc絡(luò)路由算法。實(shí)驗(yàn)研究條大規(guī)模并行計(jì)算機(jī)于2012年10月組建完成，主要為人工智能大規(guī)模并行計(jì)聯(lián)想深騰6800高性能服務(wù)（簡(jiǎn)稱深騰6800是專業(yè)面向高性能計(jì)算的機(jī)群系統(tǒng)。系統(tǒng)采用聯(lián)想深騰6800高性能服務(wù)器，主要由結(jié)點(diǎn)機(jī)、機(jī)群域網(wǎng)、系統(tǒng)三部分構(gòu)成。計(jì)算結(jié)點(diǎn)、前端機(jī)、I/O結(jié)點(diǎn)、登錄結(jié)點(diǎn)、系統(tǒng)域網(wǎng)、管理域網(wǎng)、域網(wǎng)、圖7-1高性能服務(wù)器結(jié)構(gòu)組成示意已開(kāi)展相關(guān)工完成課題基礎(chǔ)研究部分，并總結(jié)研究成果撰寫小。總結(jié)已經(jīng)完成的研究工作，現(xiàn)已撰寫中英文3篇，如表7.1所示，為課題的進(jìn)表7.1研究成果情投稿期TSP已DynamicNetworkProgrammingBasedGroupSearchComputerNetworks ligentDynamicNetworkGroupOptimizerforAdHocAdHoc&SensorWirelessNetworks存在不足與問(wèn)201206月~201208月：查閱自然演化算法、群體智能、分布并行計(jì)算、查閱并行計(jì)算相關(guān)文獻(xiàn)，對(duì)課題進(jìn)行理論知識(shí)的學(xué)習(xí)，分析中創(chuàng)新點(diǎn)研究分析絡(luò)，提出解決問(wèn)題，建立問(wèn)題模型201209月~201212201301月~201306應(yīng)用Lyapunov201307月~2013122014年01月~2014年04月：解決絡(luò)規(guī)劃問(wèn)對(duì)絡(luò)規(guī)劃模型進(jìn)行優(yōu)化建模應(yīng)用冰晶點(diǎn)群算法進(jìn)行絡(luò)規(guī)劃201405月~20148將冰晶點(diǎn)算法及其在絡(luò)中應(yīng)用，用C語(yǔ)言和MPI實(shí)現(xiàn)，并在高性能并行(6)20149月~201412月：完成總結(jié)研究成果，撰寫、修改并完善ShultzS,OpieC,AtkinsonQD.StepwiseevolutionofstablesocialityinprimatesNature,2011,479(7372):219-SilkJB.Evolutionarybiology:Thepathtosociality[J].Nature,2011,479(7372):EzenwaVO,GerardoNM,InouyeDW,etal.AnimalbehaviorandtheScience,2012,338(6104):198-Clumcaterpillars.Nature,2013,501(9):KillenSS,MarrasS,SteffensenJF,etal.Aerobiccapacityinfluencesthespatialpositionofindividualswithinfishschools[J].ProceedingsoftheRoyalSocietyB:BiologicalSciences,2012,279(1727):357-364.FengXiang,FrancisCML,GaoDaqi.ANewBio-inspiredApproachtotheTravelingSalesmanProblem[J].InformationSciences,2013,233(6):87-108YannisM,MagdaleneM,GeorgiosD.HoneybeesmatingoptimizationalgorithmfortheEuclideantravelingsalesmanproblem[J].InformationSciences,2011,181(10):ZhuZ,ZhouJ,JiZ,etal.DNAsequencecompressionusingadaptiveparticleswarmoptimization-basedmemeticalgorithm[J].EvolutionaryComputation,IEEETransactionson,2011,15(5):643-658.SantosCoelhoL,AlottoP.GaussianArtificialBeeColonyAlgorithmApproachAppliedtoLoney'sSolenoidBenarkProblem[J].Magnetics,IEEETransactionson,2011,47(5):1326-1329.KupfersidtK.ConcentratingonKindness[J].Science,2013,341(6152):1336-SandraKnapp.What,Where,andWhen?Science13September2013:1182-1184[12]PrimeranoR,WilkieD,RegliWC.Acasestudyinsystem-levelphysics-basedsimulationofabiomimeticrobot[J].AutomationScienceandEngineering,IEEETransactionson,2011,8(3):664-671.LeonardM.Molecularcomputationofsolutionstocombinatorialproblems.Science,1994,266:1021–1024.TeroA,TakagiS,SaigusaT,etal.Rulesforbiologicallyinspiredadaptivenetworkdesign[J].Science,2010,327(5964):439-442.WolfgangMarwan.Amoeba-InspiredNetworkDesign[J].Science2010,11(2):419-ZhangH,LlorcaJ,DavisCC,etal.Nature-inspiredself-organization,control,andoptimizationinheterogeneouswirelessnetworks[J].MobileComputing,IEEETransactionson,2012,11(7):1207-1222.LiXY,LiuY,LiS,etal.Multicastcapacityofwirelessadhocnetworksunderchannelmodel[J].Networking,IEEE/ACMTransactionson,2010,18(4):1145-XiangX,WangX,YangY.StaessmulticastinginmobileadhocComputers,IEEETransactionson,2010,59(8):1076-HaraT.fyingimpactofmobilityondataavailabilityinmobileadhocMobileComputing,IEEETransactionson,2010,9(2):241-HanzoL,TafazolliR.QoS-awareroutingandadmissioncontrolinshadow-fadingenvironmentsformulti-rateMANETs[J].MobileComputing,IEEETransactionson,2011,10(5):622-637.,.一種最大化網(wǎng)絡(luò)吞吐量的認(rèn)知無(wú)線AdHoc網(wǎng)絡(luò)跨層優(yōu)化算法[J].計(jì)算機(jī)學(xué)報(bào).2012,35(7)：1370-1389,,.移動(dòng)AdHoc網(wǎng)絡(luò)中基于鏈路穩(wěn)定性預(yù)測(cè)的組播路由協(xié)[J].計(jì)算機(jī)學(xué)報(bào)2013,36(5):926-BuiTN,DengX,ZrncicCM.Animprovedant-basedalgorithmforthedegree-constrainedminimumspanningtreeproblem[J].EvolutionaryComputation,IEEETransactionson,2012,16(2):266-278.ZhanZH,ZhangJ,LiY,etal.Anefficientantcolonysystembasedonrecedinghorizoncontrolfortheaircraftarrivalsequencingandschedulingproblem[J].InligentTransportationSystems,IEEETransactionson,2010,11(2):399-412.BlackwellT.AstudyofcollapseinbarebonesparticleswarmEvolutionaryComputation,IEEETransactionson,2012,16(3):354-GongYJ,ZhangJ,ChungH,etal.Anefficientresourceallocationschemeusingparticleswarmoptimization[J].EvolutionaryComputation,IEEETransactionson,2012,16(6):801-816.ChenWN,ZhangJ,LinY,etal.Particleswarmoptimizationwithanagingleaderandchallengers[J].EvolutionaryComputation,IEEETransactionson,2013.17(2):241–258OhS,MoonBR.Automaticreproductionofageniusalgorithm:Strassen'salgorithmrevisitedbygeneticsearch[J].EvolutionaryComputation,IEEETransactionson,2010,14(2):246-251.BaiR,BurkeEK,KendallG,etal.Ahybridevolutionaryapproachtothenurserosteringproblem[J].EvolutionaryComputation,IEEETransactionson,2010,14(4):580-590.[30]S.He,Q.H.Wu,andJ.R.Saunders.Groupsearchoptimizer--anoptimizationalgorithminspiredbyanimalsearchingbehavior.EvolutionaryComputation,2009,10(5):973–991FranzJ.Weissing.Animalbehaviour:Bornleaders[J].Nature,2011,6(5):Moreno-JiménezJM,AguarónJ,Carde?osaJ,etal.AcollaborativeplatformforcognitivedecisionmakingintheKnowledgeSociety[J].ComputersinHumanBehavior,2012,28(5):1921-1928.TakadaA,NoguchiS,IgarashiH.ANewAccelerationFactorDecisionMethodforICCGMethodBasedonConditionNumber[J].Magnetics,IEEETransactionson,2012,48(2):TanM,AlhajjR,PolatF.Automatedlarge-scalecontrolofgeneregulatorynetworks[J].Systems,Man,andCybernetics,PartB:Cybernetics,IEEETransactionson,2010,40(2):FrihaufP,KrsticM.Leader-enableddeploymentontoplanarcurves:APDE-basedapproach[J].AutomaticControl,IEEETransactionson,2011,56(8):1791-1806.Milgram,Stanley.TheSmallWorldProblem[J].PsychologyToday,1967,5(1):60–67[37]InaltekinH,ChiangM,PoorHV.Averagemessagedeliverytimeforsmall-worldnetworksinthecontinuumlimit[J].InformationTheory,IEEETransactionson,2010,56(9):4447-4470.IamnitchiA,RipeanuM,Santos-NetoE,etal.Thesmallworldoffilesharing[J].ParallelandDistributedSystems,IEEETransactionson,2011,22(7):1120-1134.AndrewM.Sugden.Small-WorldNetworks.Science29September2006:ManS,HongD,PalisMA,etal.Acomputationalmodelforsignalingpathwaysinboundedsmall-worldnetworkscorrespondingtobrainsize[J]. puting,2011,74(18):3793-3799.SunY,JiangQ,SinghalM.Anedge-constrainedlocalizeddelaunaygraphforgeographicroutinginmobileadhocandsensornetworks[J].MobileComputing,IEEETransactionson,2010,9(4):479-490.XiangX,WangX,YangY.Supportingefficientandscalablemulticastingovermobilehocnetworks[J].MobileComputing,IEEETransactionson,2011,10(4):544-HuangW,WangX.Capacityscalingofgeneralcognitivenetworks[J].IEEE/ACMTransactionsonNetworking(TON),2012,20(5):1501-1513.XiangX,WangX,ZhouZ.Self-AdaptiveOn-DemandGeographicRoutingforMobileAdHocNetworks[J].MobileComputing,IEEETransactionson,2012,11(9):1572-1586.[45]BhorkarAA,NaghshvarM,JavidiT,etal.Adaptiveopportunisticroutingforwirelesshocnetworks[J].IEEE/ACMTransactionsonNetworking,2012,20(1):243-ZhangX,ShinK.Delay-optimalbroadcastformulti-hopwirelessnetworksusingself-interferencecancellation[J].MobileComputing,IEEETransactionson,2013,12(1):SlavikM,MahgoubI.Spatialdistributionandchannelqualityadaptiveprotocolformulti-hopwirelessbroadcastroutinginvanet[J].MobileComputing,IEEETransactionson.2013.12(4):722-734LinCH,YuanSA,ChiuSW,etal.ProgressFace:AnalgorithmtoimproveroutingefficiencyofGPSR-likeroutingprotocolsinwirelessadhocnetworks[J].Computers,IEEETransactionson,2010,59(6):822-834.ShengZhong,ACollusion-ResistantRoutingSchemeforNoncooperativeWirelessAdHocNetworks[J].IEEE