低压电力线载波通信的双种群遗传蚁群路由算法制造技术

本发明专利技术提供的低压电力载波通信的双种群遗传蚁群路由算法，该算法利用双种群的快速适应性和独立并行搜索能力，在动态范围内寻找最优解，采用定期交换彼此种群的优良解的方法，扩大全局解搜索空间，降低算法容易陷入局部最优的可能性，最终找出全局最优。该算法能快速适应动态变化的低压电力线网络，提高全局收敛性与鲁棒性。

Double population genetic ant colony routing algorithm for low voltage power line carrier communication

The invention provides a low voltage power line carrier communication of the dual population genetic ant colony routing algorithm, this algorithm uses double population fast adaptability and independent ability of parallel search, to find the optimal solution in the dynamic range, with excellent solutions to the population each other regularly exchange, expand the global searching space, reduce the possibility of the algorithm is easy to fall into local optimum. Finally find out the global optimal. The algorithm can quickly adapt to dynamic change of low voltage power line network and improve global convergence and robustness.

【技术实现步骤摘要】
低压电力线载波通信的双种群遗传蚁群路由算法
本专利技术涉及通信领域，具体为低压电力线载波通信系统中的路由算法。
技术介绍
近些年世界各国开始围绕着智能化电网建设进行研究和发展，其中，低压电力线载波通信(PowerLineCommunication,PLC)技术作为其中关键的信息通信方式受到了非常广泛的关注。选择利用世界上覆盖面积最大的传输媒介—电力线，通过电信号进行数据的传输已然成为各国研究的一个共识。然而，由于电力线上节点规模的不断增加，电力线路建设年代的跨度太大，并且多数地区电力线路的智能化程度较低，都导致利用电力线载波进行数据通信的可靠性并不理想。在过去几年中，大多数学者对PLC技术的可靠性研究和改进均是在物理层和数据链路层进行，但这方面的改进对PLC技术的可靠性提升效果并不明显，从而一些学者开始逐渐着眼于对网络层的研究。通过对低压电力线的信道进行模型建立与信道估计等方法，在分析出信道的三大特性的基础上，认为只有利用中继技术才能够有效提高PLC的可靠性，通过合适的中继路由算法可以提高电力线载波通信技术的可靠性和应用领域。通过对现有的蚁群算法(ACA)和遗传优化蚁群算法(GOACA)进行深入分析，发现两种算法虽然都能够满足低压电力线载波通信网络组网的要求，但算法中均使用单一种群进行搜索，种群中个体的多样性会随搜索的进行而变少，使算法有可能出现过早收敛到局部最优，造成算法性能并不理想，这样就降低了电力线载波通信的可靠性。
技术实现思路
本专利技术提供一种低压电力线载波通信系统中的路由算法，以解决现有技术存在的问题。本专利技术采用以下技术方案：低压电力载波通信的双种群遗传蚁群路由算法，STP1：设置起始节点和目标节点；并在起始节点处设置两个蚁群种群；STP2：针对每个蚁群种群，根据蚁群算法，计算蚁群中的蚂蚁全部从起始节点到达目标节点后的所有解，记录此次迭代中的最可靠解；STP3：将最可靠解作为父代种群，通过遗传算法找到种群中的最强个体，获取该最强个体通过的路径；STP4：将最强个体通过的路径和作为父代种群的最可靠解进行对比，获取两者当中更好的路径；STP5：对获取的更好的路径，通过全局信息素浓度更新方法进行全局信息素浓度的更新；STP6：判断两个种群的迭代次数是否达到设定的条件，未达到，则继续重复STP2～STP5的过程，达到，则交换两个种群获取的STP2中的最可靠解的信息素信息；STP7：针对交换过信息素信息的两个种群，如果未达到最大迭代次数，则重复STP2～STP6的迭代过程；达到，则输出最可靠解。所述STP2中，通过蚁群算法获取最可靠解时，假设种群中蚂蚁数量是k(k＝1,2，……，m)，t时刻，第i只蚂蚁选择j节点作为下一跳节点的概率P为：其中，j表示蚂蚁i下一步选择的节点，信噪比最高的节点，allowed表示蚂蚁i下一步可以选择的所有节点的集合；q为随机数，q∈[0,1]，q0为[0,1]区间内的一个定值，当q＞q0时，按照下式计算城市j作为下一条节点的概率：其中，τij(t)表示t时刻ij路径上的信息素浓度，在初始时刻，各路径上的信息素是相同的，ηij(t)表示t时刻的启发因子，ηij(t)＝1/d(i,j)，d(i,j)表示节点i到节点j的电气距离，表明其它节点对当前节点处蚂蚁的引导能力，α为信息启发式因子，β为期望启发式因子，用于设定信息素的浓度，以及启发因子对蚂蚁下一跳的影响权重；其中，allowedk表示第k只蚂蚁目前未访问的节点集合，s表示第i只蚂蚁选择s作为下一个节点；所述STP2中，通过蚁群算法获取最可靠解时，当第i只蚂蚁跳到下一个节点j后，对路径ij进行局部信息素更新，局部更新的更新规则表示为：τij(t+1)＝(1-ρl)τij(t)+ρlτ0(3)其中ρl∈(0,1)表示局部信息素浓度的挥发系数，τ0为路径(i,j)上的起始阶段信息素浓度的分布量。所述STP5中进行全局信息素更新的方法为利用ACS中全局信息素浓度的更新规则进行更新τij(t+Δt)＝(1-ρg)τij(t)+ρgΔτij(t)(4)其中，ρg∈(0,1)表示全局信息素浓度挥发系数，Δτij(t)表示本次循环的路径(i,j)上的信息素浓度增量，可以用来强化找出的最优路径；而信息素浓度增量更新规则为其中Qg是一个常量，L(s,d)min是该轮迭代中最优路径对应的目标函数的最小值。所述STP4中将最强个体通过的路径和作为父代种群的最可靠解进行对比，获取两者当中更好的路径的对比方法为：获取最可靠解与遗传算法获取的最强个体通过的路径中，路径的信噪比最优的对象，作为更好的路径。所述STP7中的最可靠解是指：达到最大迭代次数后，交换过信息素信息的两个种群分别获取一个最终的最可靠解，选取两个最可靠解中信噪比最优的解作为最终输出的最可靠解。本专利技术的有益效果：利用不同种群独立进行全局解空间搜索，不同种群间按照各自的状态转移概率进行搜索，同时要求不同种群彼此间定期交换各自种群中的优良解信息，通过定期的信息交换，打破单一种群随搜索进行出现种群多样性减少的现象，有利于扩大算法的全局搜索空间，带来更好的解。通过MATLAB仿真软件对该算法进行仿真实验，结果显示提出的双种群遗传蚁群算法，能够适用于低压电力线载波通信网络的组网，当网络环境动态变化后，仍具有较强的寻优能力，且从收敛性、传输时延和丢包率三方面对三种算法进行比较，该算法性能上有所提升，使用该算法进行中继组网有利于提高电力线载波通信的可靠性。附图说明图1为本专利技术工作场景图。图2为本专利技术流程图。图3为本专利技术对50个节点静态环境组网结果与迭代过程曲线示意图，A表示节点组网图，B表示最优路径和平均路径的仿真图。图4为本专利技术与蚁群算法和遗传优化蚁群算法在动态变化的环境中，三种算法重构组网过程示意图，A表示动态节点撤出情况下的最优路径对比仿真图，B表示动态节点撤出情况下的平均路径仿真图，C表示动态节点假如情况下的最优路径对比仿真图，D表示动态节点加入情况下的平均路径仿真图。图5为三种算法的传输时延仿真对比图，A表示动态节点加入情况下的传输时延仿真，B表示动态节点撤出情况下的传输时延仿真。图6为三种算法的数据丢包率仿真对比图，A表示动态节点加入情况下的数据丢包率仿真对比图，B表示动态节点撤出情况下的数据丢包率仿真对比图。具体实施方式下面结合附图和具体实施方式对本专利技术作进一步详细说明。本专利技术首先设定以下前提条件：(1)在集中器中存储包括自己在内的所有节点的逻辑地址ID；本专利技术的目的是寻找从输入节点到目标节点的最短路径。(2)在网络中，所有的通信节点至少能与相邻节点进行通信，网络中不会存在孤立的通信节点；(3)在路由组网的过程中，低压配电网的通信环境至少保持相当一段时间的稳定，而不会存在短时间内的剧烈变化，影响网络的组网；(4)根据现有的方法计算信号在电力线信道上的传输时延、中继节点处的传输时延、网络通信的数据丢包率；(5)在电力载线载波通信网络中的所有节点都具备简单的转发处理能力，转发处理的数据包括位置信息、传输距离、链路状态信息。以上前提下，对本专利技术的技术方案进行详细描述，并且通过仿真实验结果对本专利技术的优点进行说明。本专利技术的两个种群都在起始节点处放置一定数量的蚂蚁，这些蚂蚁根据各自种群设定的本文档来自技高网...

【技术保护点】
低压电力载波通信的双种群遗传蚁群路由算法，其特征在于：STP1：设置起始节点和目标节点；并在起始节点处设置两个蚁群种群；STP2：针对每个蚁群种群，根据蚁群算法，计算蚁群中的蚂蚁全部从起始节点到达目标节点后的所有解，记录此次迭代中的最可靠解；STP3：将最可靠解作为父代种群，通过遗传算法找到种群中的最强个体，获取该最强个体通过的路径；STP4：将最强个体通过的路径和作为父代种群的最可靠解进行对比，获取两者当中更好的路径；STP5：对获取的更好的路径，通过全局信息素浓度更新方法进行全局信息素浓度的更新；STP6：判断两个种群的迭代次数是否达到设定的条件，未达到，则继续重复STP2～STP5的过程，达到，则交换两个种群获取的STP2中的最可靠解的信息素信息；STP7：针对交换过信息素信息的两个种群，如果未达到最大迭代次数，则重复STP2～STP6的迭代过程；达到，则输出最可靠解。

【技术特征摘要】
1.低压电力载波通信的双种群遗传蚁群路由算法，其特征在于：STP1：设置起始节点和目标节点；并在起始节点处设置两个蚁群种群；STP2：针对每个蚁群种群，根据蚁群算法，计算蚁群中的蚂蚁全部从起始节点到达目标节点后的所有解，记录此次迭代中的最可靠解；STP3：将最可靠解作为父代种群，通过遗传算法找到种群中的最强个体，获取该最强个体通过的路径；STP4：将最强个体通过的路径和作为父代种群的最可靠解进行对比，获取两者当中更好的路径；STP5：对获取的更好的路径，通过全局信息素浓度更新方法进行全局信息素浓度的更新；STP6：判断两个种群的迭代次数是否达到设定的条件，未达到，则继续重复STP2～STP5的过程，达到，则交换两个种群获取的STP2中的最可靠解的信息素信息；STP7：针对交换过信息素信息的两个种群，如果未达到最大迭代次数，则重复STP2～STP6的迭代过程；达到，则输出最可靠解。2.根据权利要求1所述的低压电力载波通信的双种群遗传蚁群路由算法，其特征在于：所述STP2中，通过蚁群算法获取最可靠解时，假设种群中蚂蚁数量是k(k＝1,2，……，m)，t时刻，第i只蚂蚁选择j节点作为下一跳节点的概率P为：其中，j表示蚂蚁i下一步选择的节点，allowed表示蚂蚁i下一步可以选择的所有节点的集合；q为随机数，q∈[0,1]，q0为[0,1]区间内的一个定值，当q＞q0时，按照下式计算城市j作为下一条节点的概率：其中，τij(t)表示t时刻ij路径上的信息素浓度，在初始时刻，各路径上的信息素是相同的，ηij(t)表示t时刻的启发因子，ηij(t)＝1/d(i,j)，d(i,j)表示节点i到节点j的电气距离，表明其它节点对当前节点处蚂蚁的引导能力，α为信息启发式因子，β为期望启发式因子，用于设...

【专利技术属性】
技术研发人员：王建安，段文辉，黄梦兰，王发义，李岳，路福庆，张歆艳，韩红峰，张志峰，
申请(专利权)人：国网河南省电力公司信阳供电公司，国网河南省电力公司安阳供电公司，
类型：发明
国别省市：河南,41