随着网络技术的不断发展和网络设备的不断更新，多种异构网络并存成为信息网络的重要特征。在各种异构网络中，如何提高路由的效率成为网络研究需要解决的首要问题。智慧性是保障路由效率、可靠性、自适应等特性的关键问题。因此，智慧路由问题受到众多研究者的青睐。本文基于生物启发技术，研究网络路由的智慧性问题，范围涉及传统网络、传统无线网络、未来互联网络以及信息中心网络等，采用的方法包括蚁群、蜂群、绒泡菌、人工免疫等。旨在为智慧化路由问题研究提供有效的参考。
编辑推荐目录文摘
编辑推荐
《生物启发的智慧路由机制与协议》可以作为计算机科学与技术、信息与通信工程专业硕士研究生、博士研究生的专业课教材，也可作为从事计算机网络、无线通信、物联网等研究领域科技人员的参考书。
目录
前言
第1章绪论
1.1生物信息学
1.2系统生物学
1.3生物启发技术
1.4自律计算理论
1.4.1自律计算的起源及概念
1.4.2自律计算概念模型
1.4.3自律计算的现状
1.5路由器技术发展趋势
1.5.1路由器技术体系演进
1.5.2路由器发展的二元推动
1.5.3设计理念的革命
1.5.4路由器的发展趋势
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
1.6路由技术研究现状
1.6.1路由体系的研究现状
1.6.2无线路由协议的研究现状
1.7本章小结
参考文献
第2章传统生物启发路由方法
2.1蚁群算法路由方法
2.1.1网络模型及路由表结构
2.1.2蚁群算法基本原理
2.1.3基本蚁群算法分析
2.1.4改进蚁群算法
2.2蜂群算法路由方法
2.2.1蜂群算法基本原理
2.2.2蜂群算法描述
2.2.3蜂群算法具体思想
2.2.4改进后的蜂群算法
2.2.5蜂群算法存在的问题及展望
2.3粒子群算法路由方法
2.3.1粒子群算法原理
2.3.2基于粒子群算法的路由算法
2.3.3粒子群算法的特点及其应用
2.3.4粒子群算法的路由优化
2.4遗传算法路由方法
2.4.1遗传算法基本原理
2.4.2遗传算法基本步骤
2.4.3改进的遗传算法
2.4.4遗传算法的优缺点
2.5其他生物方法路由
2.6本章小结
参考文献
第3章感知蚁群智慧路由模型
3.1引言
3.1.1问题的提出
3.1.2国内外研究现状
3.2基于感知蚂蚁的路由发现算法
3.2.1典型场景模型
3.2.2基于感知蚂蚁的全局路径感知
3.2.3基于感知蚂蚁的路径发现过程
3.3Physarum启发的路由决策模型
3.4基于PACO和P—iRD的混合路由协议
3.4.1B—iHRP的数据结构
3.4.2域内路由发现
3.4.3域外路由发现
3.4.4路由维护
3.4.5路由优化
3.5B—iHRP的平均时延分析
3.6仿真实验
3.7本章小结
参考文献
第4章绒泡菌智慧路由模型
4.1引言
4.1.1问题的提出
4.1.2国内外研究现状
4.2PPFO模型
4.3Physarum启发的路由协议
4.3.1典型场景模型
4.3.2P—iNHS模型
4.3.3P—iRP
4.3.4P—iRP算法
4.3.5P—iRP算法复杂度
4.4P—iNHS模型分析
4.5仿真实验
4.5.1拓扑环境和参数设置
4.5.2性能分析
4.6本章小结
参考文献
第5章蜂群智慧路由模型
5.1引言
5.2蜂群算法研究背景
5.3无线传感网QoS组播路由评价模型
5.3.1相关概念
5.3.2QoS路由评价模型及度量
5.4多约束蜂群组播路由发现机制
5.4.1QoS蜂群算法简述
5.4.2系统模型
5.4.3算法描述
5.5本章小结
参考文献
第6章多生物启发的路由模型
6.1引言
6.1.1问题的提出
6.1.2国内外研究现状
6.1.3典型场景模型
6.2基于免疫原理的节点可信度评价算法
6.2.1基本描述
6.2.2抗原递呈
6.2.3抗体的生灭过程
6.2.4抗体进化
6.2.5可信度评价
6.3路由发现与路由选择
6.3.1路径感知
6.3.2路由发现
6.3.3路由选择
6.4B—iTRP
6.4.1B—iTRP的数据结构
6.4.2可信度评价
6.4.3路由策略
6.4.4B—iTRP讨论
6.5仿真实验
6.6本章小结
参考文献
第7章协议与网络适配的智慧路由机制
7.1引言
7.2协议与网络的智慧适配模型
7.2.1面向协议与网络适配的逻辑架构
7.2.2网络的分级决策与预测
7.2.3协议与网络的适配模型
7.3网络特征的协同感知
7.3.1网络特征参数的选择
7.3.2感知特征信息的采集
7.3.3感知特征参数的归一化
7.3.4感知信息传输的同步
7.4基于HMM的网络预测
7.5本章小结
参考文献
……
第8章生物启发路由在传统网络中的应用
第9章生物启发路由在未来网络中的应用
第10章智慧路由的发展
文摘
版权页：
目前，对系统生物学的研究虽然取得了一定的进展，但仍面临着一些问题。
（1）系统生物学中的数据挖掘问题。系统生物学对生物系统中不同性质的数据进行整合，从基因到细胞、组织、个体的各个层次。大量组分数据的收集来自实验室（湿数据）和公共数据资源（干数据）。但这些数据存在许多不利于处理分析的因素，如数据的类型差异，数据库中存在大量数据冗余以及数据错误；存储信息的数据结构也存在很大的差异，包括文本文件、关系数据库、面向对象数据库等；缺乏统一的数据描述标准，信息查询方面大相径庭；许多数据信息是描述性的信息，而不是结构化的信息表示。如何快速地从包含错误数据的海量数据中获取系统生物学建模所需的正确数据模式和关系是数据挖掘的主要任务。
（2）系统生物学中数据的有效整合。文献提出利用高通量技术系统研究各种分子网络，强调以网络、相互作用、动态行为等整体论观点，并结合数据与方法论的整合性观点，探索如何对复杂生命现象进行不同层面的理解和诠释，如基因芯片、酵母双杂交系统、免疫共沉淀和染色体免疫沉淀芯片方法。通过实验手段得到的数据提供了细胞或复杂生命系统的快照式轮廓，从而可用于推断或重建蛋白质相互作用的网络和基因调控网络。此外，来源于不同角度的各种大通量数据中的信息，使获得更为完整的分子网络成为可能。通过对网络整体性和动态性的深入研究，不仅可以帮助生物学家理解复杂的生化现象，而且可以从系统的角度对细胞系统的根本机制或者本质规律进行诠释。因此，这种系统生物学研究方法在短短几年得到迅速发展，成为生物学研究领域的热点。
| ISBN | 9787030447920 |
|---|---|
| 出版社 | 科学出版社 |
| 作者 | 张明川 |
| 尺寸 | 5 |