System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种适用于星地网络的大规模路由搜索算法制造技术_技高网
当前位置: 首页 > 专利查询>同济大学专利>正文

一种适用于星地网络的大规模路由搜索算法制造技术

技术编号:41381498 阅读:5 留言:0更新日期:2024-05-20 10:23
本发明专利技术涉及一种适用于星地网络的大规模路由搜索算法,包括以下步骤:预设最大迭代次数、学习率、路由进化比例以及种间学习概率;路由分解和编码;路由评价;路由优化;路由合作。本发明专利技术在迭代学习进化速度上所需次数减少,在运行时间上也大幅减少,在没有增加通信任务路由长度的同时总时延比传统算法都有所下降;在大量通信任务同时产生的时候能够快速的搜索出一条合适的通信路由,同时保证端到端时延减小和网络负载均衡。

【技术实现步骤摘要】

本专利技术涉及路由搜索算法领域,尤其是涉及一种适用于星地网络的大规模路由搜索算法


技术介绍

1、实际生活中,每一时刻都会产生大量的通信任务,这些来源于地面基站、手机终端、航班和远洋船舶的通信任务需要通过庞大的星地网络传输到指定的终端。通信任务在网络中传输需要路由,即从起点终端开始,经过一系列中继卫星,最后到达目标终端的一条可行的通信任务传输路径。星地网络的负载、通信链路的通断情况是实时变化的,在高动态性和频谱资源有限的星地网络中为每一个通信任务搜索一条合适的路由,使总的通信时延最短并使网络负载均衡一直是当前亟待解决的问题。

2、目前常用的路由搜索方法有a*、dijkstra及其改进方法和以蚁群算法、遗传算法为核心的群体智能优化算法。这些算法为了提高求解效率,在路由搜索中一次只考虑一个通信任务,由于事先没有考虑通信任务之间的相互影响,从而容易造成局部堵塞,并且这些算法局限于简单使用进化算法,没有根据问题的特点对进化算法加以改进,因此进化算法的求解效率远低于dijkstra算法、a*算法。


技术实现思路

1、有鉴于此,本专利技术提供一种适用于星地网络的大规模路由搜索算法,有效解决当大量通信任务同时产生时,在保证端到端时延最短和网络负载均衡的条件下快速为每一个通信任务搜索合适的通信路由。

2、为实现上述目的,本专利技术一种适用于星地网络的大规模路由搜索算法,其特征在于,使用基于协同进化框架的遗传算法进行求解,基于协同进化框架的所述遗传算法包括以下步骤:

<p>3、s1、预设最大迭代次数、学习率、路由进化比例以及种间学习概率;

4、s2、路由分解:将原始路由分组为多个新的路由,并对分好组的路由个体进行编码;

5、s3、路由评价:设置路由个体评价指标,评价路由的好坏;

6、s4、路由优化:设置种内交流生成子代和种间交流生成子代两种学习方式;

7、s5、路由合作:路由采用随机组合的方式形成完整的路由。

8、优选地,所述路由分解方法为:按照通信任务进行分组,每一个通信任务经过的路由分成一组;对分好组的路由个体进行编码的方式为:使用路由个体所经过的卫星节点的顺序连接表示。

9、优选地,所述路由评价通过以下公式得到:

10、f′=n*max(sxi)

11、其中,n表示跳数,xi表示路由个体中第i个节点,s表示卫星的负载情况,sxi表示路由经过卫星节点的最大负载。

12、优选地,所述路由优化方式为:

13、根据所述路由评价在分好组的路由个体中进行排序,所述分好组的路由个体中和同一路由个体产生子代,即种内交流生成子代学习方式;所述分好组的路由个体和不同的路由个体产生子代,即种间交流生成子代学习方式,两种生成子代的方式均为知识迁移。

14、优选地,所述路由合作方式为:从优化后的路由个体种随机选择路由个体组合组成完整的路由。

15、优选地,在迭代次数小于预设的最大迭代次数的情况下,根据预设的学习率、路由进化比例以及种间学习概率对分好组的路由个体进行迭代学习。

16、本专利技术的有益效果是:

17、(1)本专利技术将所有的通信任务路由搜索过程同时考虑,通过事先的规划平衡所有通信任务的路由以提升整体通信效果,减少总体时延并保证网络负载均衡。

18、(2)本专利技术将大规模优化问题转化为简单的低维优化问题,加快运算效率,降低算法的运行时间。

19、(3)本专利技术利用知识迁移的方法对路由优化,替换传统的随机交叉变异过程,在避免出现知识交流后得到不可行解的“负迁移”现象的同时达到快速优化的目的。

本文档来自技高网
...

【技术保护点】

1.一种适用于星地网络的大规模路由搜索算法,其特征在于,使用基于协同进化框架的遗传算法进行求解,基于协同进化框架的所述遗传算法包括以下步骤:

2.根据权利要求1所述的适用于星地网络的大规模路由搜索算法,其特征在于,所述路由分解方法为:按照通信任务进行分组,每一个通信任务经过的路由分成一组;对分好组的路由个体进行编码的方式为:使用路由个体所经过的卫星节点的顺序连接表示。

3.根据权利要求1所述的适用于星地网络的大规模路由搜索算法,其特征在于,所述路由评价通过以下公式得到:

4.根据权利要求1所述的适用于星地网络的大规模路由搜索算法,其特征在于,所述路由优化方式为:

5.根据权利要求1所述的适用于星地网络的大规模路由搜索算法,其特征在于,所述路由合作方式为:从优化后的路由个体种随机选择路由个体组合组成完整的路由。

6.根据权利要求1-5所述的适用于星地网络的大规模路由搜索算法,其特征在于,在迭代次数小于预设的最大迭代次数的情况下,根据预设的学习率、路由进化比例以及种间学习概率对分好组的路由个体进行迭代学习。

【技术特征摘要】

1.一种适用于星地网络的大规模路由搜索算法,其特征在于,使用基于协同进化框架的遗传算法进行求解,基于协同进化框架的所述遗传算法包括以下步骤:

2.根据权利要求1所述的适用于星地网络的大规模路由搜索算法,其特征在于,所述路由分解方法为:按照通信任务进行分组,每一个通信任务经过的路由分成一组;对分好组的路由个体进行编码的方式为:使用路由个体所经过的卫星节点的顺序连接表示。

3.根据权利要求1所述的适用于星地网络的大规模路由搜索算法,其特征在于,所述路由评价通过以下...

【专利技术属性】
技术研发人员:康琦赵师兵王晓玲邓麒吴思琪范峥
申请(专利权)人:同济大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1