基于遗传算法和主观逻辑的多指标网络应用系统部署方法及系统技术方案

本发明专利技术属于多指标网络应用系统部署技术领域，具体涉及一种基于遗传算法和主观逻辑的多指标网络应用系统部署方法及系统，采用二进制编码的方式描述应用系统的部署方案，每一种编码对应一种部署方案，初始情况下，采用随机的方法生成若干编码方式，即初始个体，这些个体组成初始种群；当然，初始种群往往并不包含最优解，需要通过交叉和变异生成新的个体。为了客观准确评价每个个体，本发明专利技术基于主观逻辑的方法来量化多主体对多个指标的评价意见，以及基于多个指标评价结果的综合得分，经过反复迭代最终获取最优个体。由于借助主观逻辑实施不确定性推理，使得人为主观因素产生的不确定性问题导致的误差得到降低，从而个体适应度更贴近实际和客观。

【技术实现步骤摘要】
基于遗传算法和主观逻辑的多指标网络应用系统部署方法及系统
本专利技术属于多指标网络应用系统部署
，具体涉及一种基于遗传算法和主观逻辑的多指标网络应用系统部署方法及系统。
技术介绍
遗传算法是一类借鉴生物界自然选择和遗传的机制的一种随机搜索和优化算法。它能在搜索过程中获取和积累搜索空间的相关知识，并自适应控制探索过程，以求得最优解。遗传操作使用“适者生存”原则，在样本群体中逐次产生一个近似最优的方案。在遗传算法的子代中，根据个体在的适应度值和从遗传学中借鉴来的再造方法进行个体选择，得到一个新近似解。通过遗传算子对新个体进行遗传操作，产生子代，重复这个过程，直到满足收敛条件时停止，从而实现“优胜劣汰”，逐步得出问题的最优解。主观逻辑是由A.在1997年提出的。A.认为：人们对客观世界的认识具有不确定性的特点，往往难以有完全把握判断某个论断是对或错。为此，A.创建了主观逻辑，定义了事实空间和观念空间，把实体发生的事件集合归在事实空间中，观念空间则是事实空间的映射值，结合经典概率理论，将不确定性引入主观逻辑，给出了一个由观察到肯定事件数和否定事件数来确定概率确定性密度函数，并以此为基础计算节点之间产生的每个事件的概率可信度，提供了一套主观逻辑运算子，使其能够刻画人们对事件的认识以及信任关系，用来推导和计算相关领域的可信度。在遗传算法中，适应度函数构造的好坏，直接影响到遗传算法的收敛速度以及是否能够找到问题的最优解。如果适应度函数构造不适当，就会出现欺骗问题。对于一般形式的求解有约束遗传算法优化问题时，现有的求解技术通常是通过在约束条件和目标函数合并时，引入罚函数将两者转化成一个无约束的目标函数，但这种方法对适应度函数的构造的适用范围非常小。对于多指标的离散问题，在运用遗传算法进行优化时，难以利用常规的适应度函数构造方法。一般的解决方案往往都依赖人员设置，然而由于人为主观因素的不确定性问题，使得构造的适应度函数往往并不合理，造成适应度函数的收敛速度不能达到预期或使优化结果收敛到一个局部最优的结果。随着网络的不断进步发展，网络中的设备类型也越来越多，网络应用系统的优化部署成为一个日益复杂的问题。遗传算法通过模拟自然进化过程来搜索最优解的启发，可以利用遗传算法来解决网络应用系统部署中的优化问题。但是，网络应用系统部署是一个多指标的问题，如网络应用系统中的带宽、连通性、吞吐量、安全性、设备冗余及传输延时等影响着整个网络应用系统的部署质量。在利用遗传算法优化网络应用系统部署时，由于多指标的离散优化问题，导致遗传算法中适应度函数的构造成为了难点。
技术实现思路
本专利技术以多指标网络应用系统部署为应用背景，为解决遗传算法构造适应度函数的困难，特别是多指标离散问题的适应度评价问题，本专利技术提出了一种基于遗传算法和主观逻辑的多指标网络应用系统部署方法及系统，使个体适应度值更为客观和准确，提高了遗传算法的搜索效率。为解决上述技术问题，本专利技术采用以下的技术方案：本专利技术提出了一种基于遗传算法和主观逻辑的多指标网络应用系统部署方法，其特征在于，包含以下步骤：步骤1，设置进化代数计数器t＝0、最大进化代数T和适应度函数阈值S；步骤2，采用二进制的方法对种群中所有个体的节点部署方案进行编码，随机形成初始种群P0；步骤3，针对不同的离散指标，利用主观逻辑对种群个体进行适应度函数值计算，判断适应度函数值是否满足适应度函数阈值S或者进化代数是否满足最大进化代数T，若满足条件则输出最优的个体，否则进行下一步；步骤4，从本种群中随机的选择M个个体形成交配池；步骤5，在形成的交配池中两两随机配对，进行种群个体交叉，经编码合法性检测后形成新的种群；步骤6，对交叉后的种群进行种群变异，对变异后的种群经编码合法性检测后形成新的种群；步骤7，对产生的新种群Pt的部署方案迭代到步骤3中，执行t＝t+1，并重复步骤3～7。进一步地，步骤2采用二进制的方法对种群中所有个体的节点部署方案进行编码，则在第t代第i个个体的部署方案用向量表示为：其中，n为种群中个体的节点数，表示第t代第i个个体中第n个节点的部署方案，网络中任一节点使用向量表示为Mn为基因座的长度。进一步地，步骤3针对不同的离散指标，利用主观逻辑对种群个体进行适应度函数值计算，包括：单指标适应度函数计算：在指标意见初始化中，通过各节点部署方案的实际情况，计算每个节点单个指标的初始主观意见，然后通过增量合意算子计算出所有节点对单个指标的综合合意结果；多指标适应度值融合：在计算出所有单指标适应度值的基础上，利用增量权重合意算子计算出在不同指标的权重下，对不同指标的适应度值进行综合合意的结果，得到每个个体的多指标适应度值；适应度期望值计算：根据多指标评价意见的融合结果，得出个体的适应度结果，利用适应度期望值计算公式，计算出种群中个体整体部署方案的适应度期望值。进一步地，计算每个节点单个指标的初始主观意见，包括：在对部署方案进行指标意见初始化评价时，通过多位专家分别对部署方案中的设备的单个指标进行评价，然后利用主观逻辑中的增量合意算子进行合意综合形成每个节点单个指标主观评价意见。进一步地，步骤5种群个体交叉流程如下：在t代种群时，从筛选过的优秀个体中进行双亲单点交叉，形成双亲单点交叉种群个体；对于双亲单点交叉后的种群进行基因补充交叉，形成t+1代种群；对基因补充交叉后产生的新种群进行基因多样性检测，通过编码合法性检测t+1代中有效编码种群个体的节点编码交叉多样性阈值是否达到设定的基因多样性阈值，如果达到基因多样性阈值，则将生成有效编码种群作为t+1代输出，否则对有效编码形成的种群继续进行基因补充交叉。进一步地，步骤6种群变异流程如下：在t代种群时，对种群中每个个体进行个体多点变异，形成t+1代种群个体；变异后进行编码检测，统计t+1代中有效编码种群基因0和基因1的数量，如果两者数量大致相等且变异多样性阈值达到设定的阈值，则种群作为t+1代输出；否则进行下一步；对变异后的有效编码种群进行基因补充变异，形成的种群再次进行编码合法性检测。本专利技术还提出了一种基于遗传算法和主观逻辑的多指标网络应用系统部署系统，包括：参数设置模块，用于设置进化代数计数器t＝0、最大进化代数T和适应度函数阈值S；部署方案编码模块，用于采用二进制的方法对种群中所有个体的节点部署方案进行编码，随机形成初始种群P0；适应度函数计算模块，用于针对不同的离散指标，利用主观逻辑对种群个体进行适应度函数值计算，判断适应度函数值是否满足适应度函数阈值S或者进化代数是否满足最大进化代数T，若满足条件则输出最优的个体，否则进行下一步；交配池构建模块，用于从本种群中随机的选择M个个体形成交配池；种群交叉模块，用于在形成的交配池中两两随机配对，进行种群个体交叉，经编码合法性检测后形成新的种群；种群变异模块本文档来自技高网...

【技术保护点】
1.一种基于遗传算法和主观逻辑的多指标网络应用系统部署方法，其特征在于，包含以下步骤：/n步骤1，设置进化代数计数器t＝0、最大进化代数T和适应度函数阈值S；/n步骤2，采用二进制的方法对种群中所有个体的节点部署方案进行编码，随机形成初始种群P

【技术特征摘要】
1.一种基于遗传算法和主观逻辑的多指标网络应用系统部署方法，其特征在于，包含以下步骤：
步骤1，设置进化代数计数器t＝0、最大进化代数T和适应度函数阈值S；
步骤2，采用二进制的方法对种群中所有个体的节点部署方案进行编码，随机形成初始种群P0；
步骤3，针对不同的离散指标，利用主观逻辑对种群个体进行适应度函数值计算，判断适应度函数值是否满足适应度函数阈值S或者进化代数是否满足最大进化代数T，若满足条件则输出最优的个体，否则进行下一步；
步骤4，从本种群中随机的选择M个个体形成交配池；
步骤5，在形成的交配池中两两随机配对，进行种群个体交叉，经编码合法性检测后形成新的种群；
步骤6，对交叉后的种群进行种群变异，对变异后的种群经编码合法性检测后形成新的种群；
步骤7，对产生的新种群Pt的部署方案迭代到步骤3中，执行t＝t+1，并重复步骤3～7。


2.根据权利要求1所述的基于遗传算法和主观逻辑的多指标网络应用系统部署方法，其特征在于，步骤2采用二进制的方法对种群中所有个体的节点部署方案进行编码，则在第t代第i个个体的部署方案用向量表示为：



其中，n为种群中个体的节点数，表示第t代第i个个体中第n个节点的部署方案，网络中任一节点使用向量表示为Mn为基因座的长度。


3.根据权利要求1所述的基于遗传算法和主观逻辑的多指标网络应用系统部署方法，其特征在于，步骤3针对不同的离散指标，利用主观逻辑对种群个体进行适应度函数值计算，包括：
单指标适应度函数计算：在指标意见初始化中，通过各节点部署方案的实际情况，计算每个节点单个指标的初始主观意见，然后通过增量合意算子计算出所有节点对单个指标的综合合意结果；
多指标适应度值融合：在计算出所有单指标适应度值的基础上，利用增量权重合意算子计算出在不同指标的权重下，对不同指标的适应度值进行综合合意的结果，得到每个个体的多指标适应度值；
适应度期望值计算：根据多指标评价意见的融合结果，得出个体的适应度结果，利用适应度期望值计算公式，计算出种群中个体整体部署方案的适应度期望值。


4.根据权利要求3所述的基于遗传算法和主观逻辑的多指标网络应用系统部署方法，其特征在于，计算每个节点单个指标的初始主观意见，包括：
在对部署方案进行指标意见初始...

【专利技术属性】
技术研发人员：周洪伟，王正伟，张玉臣，汪永伟，胡浩，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：河南;41