一种基于改进蚁群算法的光资源最优路径的获取方法技术

本发明专利技术提供了一种基于改进蚁群算法的光资源最优路径的获取方法，具体包括以下步骤：S1：根据光资源网络搭建一个有权的无向图G＝(V，E)，V是无向图的节点的集合，所述节点包括与光资源网络对应的起点节点、目的点节点以及多个光交箱的拓补图节点，E是无向图的弧的集合，表示两个节点之间连接的光缆；S2：利用基于Metropolis准则改进蚁群算法在无向图G上搜索计算得到若干个当前蚁群最优路径和与其对应的目标适应度值，同时更新当前蚁群最优路径的信息素；S3：选择不同的半程交叉优化策略来优化当前蚁群最优路径，得到侧重不同的优化型最优路径和与其对应的最小目标适应度值，同时更新优化型最优路径的信息素。新优化型最优路径的信息素。新优化型最优路径的信息素。

【技术实现步骤摘要】
一种基于改进蚁群算法的光资源最优路径的获取方法


[0001]本专利技术涉及光路规划
，具体涉及一种基于改进蚁群算法的光资源最优路径的获取方法。

技术介绍

[0002]以往的光资源路径选择主要是采取随机和就近原则，从光交箱中将两条线路连接，而光交箱端口数量是有限的。在施工的过程中，经常会出现有的光交箱端口占用率极高，甚至达到100％，这时候再进行跳纤操作则需要加盘或新建光交箱，新接光缆，随着光缆的分线，也会导致入户的光信号出现光弱的情况，从而影响用户使用；而有的光交箱也可以实现两端互联，通过以往的规则忽视了或没有考虑到该光交箱，使得该光交箱端口占用率极低。这两种极不平衡的情况会致使占用率较高的光交箱附近新建更多的光交箱，占用率较少的光交箱却“无人问津”，一方面导致运营商消耗大量人力、物力却未能使得资源得到充分利用，另一方面对于用户来说，光弱的情况影响了用户使用体验。因此找到一种光路资源路线规划的智能方案来解决上述问题显得尤为重要。
[0003]目前针对光路规划问题，国内外的研究较少，主要采取类似于先或广度优先算法的规划方式，如程晓翀等人光路路径规划方法，从终点开始向外寻找相连接的节点，再从该节点继续向外寻找与之相连的节点，即基于广度优先算法。对于广度优先算法，该算法解决维度较小的路径寻优问题时效果较好，但问题维度逐渐增大时，该算法占用内存大、计算时长更长，有时候对于高维问题会出现栈溢出问题且因其没有搜索方向缺少智能性。

技术实现思路

[0004]本专利技术的目的是提供一种基于改进蚁群算法的光资源最优路径的获取方法，首先在蚁群算法中加入改进的Metropolis接受准则，即劣解不会被直接抛弃。接着，在每次搜索结束之后，在当前蚁群最优路径中选取中心节点计算该点前后的路径的适应度值，再选取其它路径中包含同样中心节点的路径，并计算该点前后的适应度值进行两两比较，若有更优的适应度值则替换当前路径的前半段或/和后半段，从而提升算法性能和寻优精度。然后针对光资源路径规划中路径长度短、跳纤次数少、平均占用率低、综合目标适应度值低这四个目标，来生成不同的半程交叉优化策略，实现资源的充分利用，该方法能根据使用者设定的不同目标侧重，生成多条符合设定侧重的路径，满足了不同光路连接需求，不仅便于施工人员的装维，而且提升了光交箱端口整体的合理利用率，从而实现资源的充分利用，减少运营商的消耗成本。
[0005]为解决上述技术问题，本专利技术采用了以下方案：
[0006]一种基于改进蚁群算法的光资源最优路径的获取方法，所述获取方法具体包括以下步骤：
[0007]S1：根据光资源网络搭建一个有权的无向图G＝(V，E)，V是无向图的节点的集合，所述节点包括与光资源网络对应的起点节点、目的点节点以及多个光交箱的拓补图节点，E
是无向图的弧的集合，表示两个节点之间连接的光缆，S(i,j)是弧S(i,j)的权值，表示实际光在光缆中所走过的路程；
[0008]S2：利用基于Metropolis准则改进蚁群算法在无向图G上搜索计算得到若干个当前蚁群最优路径和与其对应的目标适应度值，同时更新当前蚁群最优路径的信息素；
[0009]S3：根据不同的目标适应度值来选择对应的半程交叉优化策略对当前蚁群最优路径进行优化，得到侧重不同的优化型最优路径和与其对应的最小目标适应度值，同时更新优化型最优路径的信息素。
[0010]进一步的，所述S1中无向图的每个光交箱节点还包括有多个端口，所述端口用来连接两个不同的节点，K
i
表示节点V
i
的端口占用率，即空闲端口数与总端口数的比值，R
a,b
＝(V0＝V
a
,V1＝V
b
,
…
,V
n
＝V
z
)，表示集合V中由节点V
a
到节点V
z
的一条路径。
[0011]进一步的，所述S2中基于Metropolis准则改进的蚁群算法的相关公式如下：
[0012][0013]c＝iter
max
‑
t+ε
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3
‑
2)
[0014]df＝fitness(X
t
)
‑
fitness(X
t+1
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3
‑
3)
[0015]其中，Y(X
t
→
X
t+1
)为接受新路径的概率，t表示当前迭代次数，iter
max
为总的迭代次数，X
t
表示当前的一个解，X
t+1
为下一代的解，ε是最小的常数，值为1e
‑
10，避免的分母c值为零，fitness(X
t
)和fitness(X
t+1
)为目标适应度函数，所述公式(3
‑
2)中，当df>0时，表示新路径的长度小于旧路径的长度，即新路径优于旧路径，那么新路径替换旧路径的概率为1，即直接接收新路径；当df≤0时，则表示新路径的长度大于旧路径的长度，即新路径的适应度值差，但是并不是直接放弃新路径。
[0016]进一步的，所述目标适应度值分别为路径R
a,b
的实际总长度L，路径R
a,b
的跳纤次数T，即经过的光交箱次数，路径R
a,b
的平均端口占用率P，以及综合以上三种目标的综合目标适应度值C，其相关公式如下：
[0017][0018]T(R
a,b
)＝size(R
a,b
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4
‑
2)
[0019][0020]C＝L*T*P
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4
‑
4)
[0021]进一步的，所述选择第一种半程交叉优化策略具体包括以下步骤：
[0022]S31：利用基于Metropolis准则改进的蚁群算法计算搜索到的若干个当前蚁群最优路径的实际总长度L，并按照从小到大排序；
[0023]S32：选取排名前20％的当前蚁群最优路径作为待交叉路径来进行半程交叉优化，具体包括以下步骤：
[0024]S321：依次从待交叉路径中选取一条待优化路径，选取其中心节点将待优化路径
切分为前后两段，其前半段记为A段，后半段记为B段，分别计算A段和B段的实际总长度L；
[0025]S322：从排除待优化路径以外的路径中选取出包含待优化路径的中心节点的路径，并将其同样以该中心节点处切分为前后两段，所有被切分的路径的前半段都包含在集合N中，所有被切分的路径的后半段都包含在集合M中，分别计算集合N中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进蚁群算法的光资源最优路径的获取方法，其特征在于，所述获取方法具体包括以下步骤：S1：根据光资源网络搭建一个有权的无向图G＝(V，E)，V是无向图的节点的集合，所述节点包括与光资源网络对应的起点节点、目的点节点以及多个光交箱的拓补图节点，E是无向图的弧的集合，表示两个节点之间连接的光缆，S(i,j)是弧S(i,j)的权值，表示实际光在光缆中所走过的路程；S2：利用基于Metropolis准则改进蚁群算法在无向图G上搜索计算得到若干个当前蚁群最优路径和与其对应的目标适应度值，同时更新当前蚁群最优路径的信息素；S3：根据不同的目标适应度值来选择对应的半程交叉优化策略对当前蚁群最优路径进行优化，得到侧重不同的优化型最优路径和与其对应的最小目标适应度值，同时更新优化型最优路径的信息素。2.根据权利要求1所述的一种基于改进蚁群算法的光资源最优路径的获取方法，其特征在于，所述S1中无向图的每个光交箱节点还包括有多个端口，所述端口用来连接两个不同的节点，K
i
表示节点V
i
的端口占用率，即空闲端口数与总端口数的比值，R
a,b
＝(V0＝V
a
,V1＝V
b
,
…
,V
n
＝V
z
)，表示集合V中由节点V
a
到节点V
z
的一条路径。3.根据权利要求1所述的一种基于改进蚁群算法的光资源最优路径的获取方法，其特征在于，所述S2中基于Metropolis准则改进的蚁群算法的相关公式如下：c＝iter
max
‑
t+ε
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3
‑
2)df＝fitness(X
t
)
‑
fitness(X
t+1
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3
‑
3)其中，Y(X
t
→
X
t+1
)为接受新路径的概率，t表示当前迭代次数，iter
max
为总的迭代次数，X
t
表示当前的一个解，X
t+1
为下一代的解，ε是最小的常数，值为1e
‑
10，避免的分母c值为零，fitness(X
t
)和fitness(X
t+1
)为目标适应度函数，所述公式(3
‑
2)中，当df>0时，表示新路径的长度小于旧路径的长度，即新路径优于旧路径，那么新路径替换旧路径的概率为1，即直接接收新路径；当df≤0时，则表示新路径的长度大于旧路径的长度，即新路径的适应度值差，但是并不是直接放弃新路径。4.根据权利要求1所述的一种基于改进蚁群算法的光资源最优路径的获取方法，其特征在于，所述目标适应度值分别为路径R
a,b
的实际总长度L，路径R
a,b
的跳纤次数T，即经过的光交箱次数，路径R
a,b
的平均端口占用率P，以及综合以上三种目标的综合目标适应度值C，其相关公式如下：T(R
a,b
)＝size(R
a,b
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4
‑
2)
C＝L*T*P
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4
‑
4)5.根据权利要求1所述的一种基于改进蚁群算法的光资源最优路径的获取方法，其特征在于，所述选择第一种半程交叉优化策略具体包括以下步骤：S31：利用基于Metropolis准则改进的蚁群算法计算搜索到的若干个当前蚁群最优路径的实际总长度L，并按照从小到大排序；S32：选取排名前20％的当前蚁群最优路径作为待交叉路径来进行半程交叉优化，具体包括以下步骤：S321：依次从待交叉路径中选取一条待优化路径，选取其中心节点将待优化路径切分为前后两段，其前半段记为A段，后半段记为B段，分别计算A段和B段的实际总长度L；S322：从排除待优化路径以外的路径中选取出包含待优化路径的中心节点的路径，并将其同样以该中心节点处切分为前后两段，所有被切分的路径的前半段都包含在集合N中，所有被切分的...

【专利技术属性】
技术研发人员：徐鹏飞，罗维，崔波，
申请(专利权)人：重庆品胜科技有限公司，
类型：发明
国别省市：