Details
Title | Экспериментальная оценка возможности использования алгоритма муравьиной колонии AntHocNet для решения задачи маршрутизации в FANET // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Сер.: Информатика. Телекоммуникации. Управление: научное издание. – 2017. – |
---|---|
Creators | Леонов Алексей Викторович |
Imprint | Санкт-Петербург: Изд-во Политехн. ун-та, 2017 |
Collection | Общая коллекция |
Subjects | Вычислительная техника; Имитационное компьютерное моделирование; беспроводные сети; самоорганизующиеся сети; беспилотные летательные аппараты; интеллектуальная маршрутизация; FANET; муравьиные колонии (программирование); AntHocNet; алгоритм муравьиных колоний (программирование); wireless networks; self-organizing network; unmanned aerial vehicles; intelligent routing; ant colony (programming); ant colony algorithm (programming) |
UDC | 004.94 |
LBC | 32.973-018.2 |
Document type | Article, report |
File type | |
Language | Russian |
DOI | 10.18721/JCSTCS.10101 |
Rights | Свободный доступ из сети Интернет (чтение, печать, копирование) |
Record key | RU\SPSTU\edoc\40151 |
Record create date | 8/11/2017 |
Рассмотрены различные методы организации маршрутизации в FANET. Представлен обзор методов организации интеллектуальной маршрутизации, основанных на муравьином алгоритме. В отличие от существующих исследований впервые экспериментально подтверждена возможность эффективного использования протоколов на базе алгоритма муравьиной колонии AntHocNet для решения задачи маршрутизации в сетях FANET.
The article gives a short overview of the existing FANET algorithms, as well as of the algorithms based on the swarm intelligence algorithms such as ant colony optimization. The experimental analysis was conducted, that proved the possibility of efficient application of ant colony optimization algorithm. The analysis was performed with the AntHocNet protocol simulating the behavior of ants in wildlife to solve the routing problems in FANETs.
Access count: 1464
Last 30 days: 8