Resumen

El algoritmo de enrutamiento tradicional de IPv6 tiene problemas como la congestión de la red, el consumo excesivo de energía de los nodos y el acortamiento del ciclo de vida de la red. En respuesta a este fenómeno, propusimos un algoritmo de optimización del enrutamiento basado en la colonia de hormigas genéticas en el entorno IPv6. El algoritmo analiza y estudia sistemáticamente el algoritmo genético y el algoritmo de colonia de hormigas. Utilizamos una red neuronal para construir el modelo inicial y combinamos las restricciones del enrutamiento QoS. Integramos eficazmente el algoritmo genético y el algoritmo de la colonia de hormigas que maximizan sus respectivas ventajas y los aplicamos a la red IPv6. Al mismo tiempo, para evitar la acumulación de muchas feromonas por parte del algoritmo de colonia de hormigas en la fase posterior de la red, hemos introducido un mecanismo de recompensa y castigo anticongestión. Comparando la ruta de búsqueda con la ruta óptima, las recompensas y los castigos se basan en si la ruta de la red es suave o no. Finalmente, se juzga si el resultado cumple la condición, y la solución óptima obtenida se pasa a la red neuronal BP para su entrenamiento; en caso contrario, se requieren iteraciones hasta que se satisfaga la solución óptima. Los resultados experimentales muestran que el algoritmo puede adaptarse eficazmente a los requisitos de enrutamiento de IPv6 y puede resolver eficazmente las necesidades del usuario en cuanto a calidad de servicio de la red, rendimiento de la red y otros aspectos.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:algoritmo de colonia de hormigas, soluciones óptimas, red neuronal, algoritmo genético, calidad de los servicios de red, colonia de hormigas genética, consumo excesivo de energía, mucha feromona, algoritmo, consumo de nodos
• Keywords:ant colony algorithm, optimal solutions, neural network, genetic algorithm, network services quality, genetic ant colony, excessive energy consumption, lot of pheromone, algorithm, consumption of node