本发明专利技术公开了通信技术领域中的一种基于改进克隆小生境算法的多播路由寻优方法。获取网络信息并生成其备选路径库；依据备选路径库随机产生第一抗体集合；确定记忆池中的抗体；计算第一抗体集合的亲和度，根据亲和度形成最终的ｎ组抗体群；对ｎ组抗体群进行克隆增殖，而后进行变异；选出每组抗体群中的帕累托解，放入第二抗体集合；对第二抗体集合进行处理并选出第二抗体集合帕累托解，放入记忆池中，进行相似性抑制，并进行梯度判决，判断记忆池中的抗体的局部拥挤距离是否小于或等于设定的上限阈值，如果大于，则操作局部拥挤机制；判断是否达到迭代次数，若是则结束。本发明专利技术在多播路由优化过程中，可以优化多个ＱｏＳ参数。
【技术实现步骤摘要】
本专利技术属于通信
，尤其涉及一种。
技术介绍
随着宽带多媒体网络的不断发展，各种宽带网络应用层出不穷。采用单播技 术构建的传统网络已无法满足新型宽带网络在带宽和网络服务质量(QoS， Quality of Service)方面的要求。为解决这一问题引入组播技术，实现组播技术的重要环节就是组播 传输路径的确立。与单播传输路径不同，组播数据的传输拓扑是一棵组播树，所以实现组播 技术等同于构建组播树。考虑到现在宽带多媒体网络应用要求有QoS保证，所以如何构建 一棵满足QoS要求的组播树成为组播研究领域的巨大挑战。 通过对满足QoS要求的多播路由技术进行研究可知，当路由选择的约束条件包含 两个或两个以上的加法型度量，如延迟、代价等，或者包含加法型度量和乘法型度量(如丢 失率)的组合时，则该路由选择问题是NP完全问题。 目前已提出多种算法应用于多播路由问题，这些算法的总体目标都是构造代价最 小多播树，利用加权方式将多个优化目标函数线性组合为单目标函数，进而求得该目标函 数的最优值。这类方法存在两个缺陷首先是加权和的结果对权重向量非常敏感，而且需要 用户对求解问题有一定的了解，如参数的优先级、参数对其他参数的影响情况等，这在一定 程度上限制了这类路由算法的实用性；其次，由于得到的优化结果为单一解，用户没有选择 的余地，而在实际中，用户关心的是能否得到一组可接受的最优非劣解，再从中根据业务形 式选择合适的实用解。
技术实现思路
本专利技术的目的在于提出一种，在满 足多约束条件的同时，能优化多个QoS参数。 本专利技术的技术方案是，一种，其特 征是所述方法包括下列步骤 步骤1 :获取网络结构信息，生成各个网络参数矩阵； 步骤2 :根据约束条件更新网络参数矩阵； 步骤3 :应用深度优先算法生成网络的备选路径库，计算每条备选路径的亲和度； 步骤4:依据备选路径库随机产生第一抗体集合，抗体个数设定为N，计算第一抗 体集合中抗体的亲和度； 步骤5 :运用反向选择机制，根据记忆池的否定域，将第一抗体集合与记忆池中的 抗体进行比对，去除落在所述否定域中的抗体，并在第一抗体集合中补充抗体数量至N，计 算补充的抗体的亲和度；再将补充的抗体与记忆池中的抗体进行比对，直到补充的抗体落 在否定域外或补充的抗体达到设定次数时进行下一步；4 步骤6 :将N个抗体按照每种亲和度分别排序，然后将排序后的N个抗体分解成n 组子抗体群，每组子抗体群的抗体数量与抗体亲和度成正态分布；而后，合并组号相同的子 抗体群，形成最终的n组抗体群； 步骤7 :根据设定的增殖倍数，对所述n组抗体群进行克隆增殖； 步骤8 :根据不同抗体群，设定不同的变异概率，对n组抗体群进行变异； 步骤9 :选出每组抗体群中的帕累托解，放入第二抗体集合； 步骤10 :对第二抗体集合进行相似性抑制，去除冗余抗体；然后求解第二抗体集 合帕累托解，将结果放入记忆池中，进行相似性抑制，并进行梯度判决，判断记忆池中所包 含的抗体数量是否小于或等于设定的上限阈值，如果是，执行步骤11 ;否则，执行步骤12。 步骤11 :不操作局部拥挤机制； 步骤12 :操作局部拥挤机制，选取记忆池中局部拥挤距离较大的抗体，留在记忆 池中； 数值。 所述抗体包括从起始节点分别到每个目的节点的任意一条路径的组合，还包括所 述路径的总时延和总代价。 所述总时延是指每条路径的各个节点之间的是延之和。 所述总代价是指每条路径的各个节点之间的代价之和。 所述补充抗体从对应目的节点的备选路径库中选取。 所述根据亲和度分别将N个抗体分解成n组子抗体群采用小生境算法。 所述变异是指将抗体中一条从起始节点到目的节点的路径随机变换为备选路径库中，从相同起始节点到相同目的节点的另一条路径。 所述记忆池中的抗体的局部拥挤距离计算公式是《步骤13 :判断是否达到迭代次数，若是则结束，否则转到步骤4，进行下一次迭代。 所述获取网络结构信息包括获取网络中各个节点之间的代价、时延和丢失率的参竭=<formula>formula see original document page 5</formula> 其中，x，;^,x,n e^,;c2,…,、丄na表示记忆池中的个体数，xim禾P又^分别表示仅按第i个目标函数对记忆池中的个体进行排序时，与x最接近的两个个体；若fi(x) = min fi(Xj)， j G {1，2，…，nj， j-i，令fi(Xin) =Mi， Mi设定为一个足够大的数，若fi(x)= max fi(Xj)， j G {1，2，…，na} ， j - i，则令^ (xim) = Mt设定为一个足够大的数。 本专利技术的效果在于，采用本专利技术提供的方法可以获得一组最终非劣解提供给用 户，用户就可根据实际使用的需要，选择适合的解。这样就克服了单目标优化算法只能求得 单个解的不足。附图说明 图1是本专利技术实施例提供的流程 图； 图2是本专利技术实施例提供的起始节点为1，目的节点为10的备选路径库示意 图3是本专利技术实施例提供的起始节点为1，目的节点为7的备选路径库示意图； 图4是本专利技术实施例第一抗体集合示意图； 图5是本专利技术实施例第一抗体集合按总代价由小到大排序示意图； 图6是本专利技术实施例第一抗体集合按总时延由小到大排序示意图； 图7是本专利技术实施例根据总代价划分的第一子抗体群示意图 图8是本专利技术实施例根据总代价划分的第二子抗体群示意图 图9是本专利技术实施例根据总代价划分的第三子抗体群示意图 图10是本专利技术实施例根据总时延划分的第一子抗体群示意图 图11是本专利技术实施例根据总时延划分的第二子抗体群示意图 图12是本专利技术实施例根据总时延划分的第三子抗体群示意图 图13是本专利技术实施例分别根据总代价和总时延划分的第一子抗体群合并后的第 一组抗体群示意图； 图14是本专利技术实施例分别根据总代价和总时延划分的第二子抗体群合并后的第 二组抗体群示意图； 图15是本专利技术实施例分别根据总代价和总时延划分的第三子抗体群合并后的第 三组抗体群示意图；图16图17图18图19图20图21图22图23图24图25图26图27图28到大排序示意图； 图29是本专利技术实施例的第二抗体集合一次迭代后记忆池中抗体按照总时延由小 到大排序示意图。 图30是本专利技术实施例的第二抗体集合记忆池中的抗体操作局部拥挤机制后的结 果示意图。具体实施例方式下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性 的，而不是为了限制本专利技术的范围及其应用。 本专利技术主要应用于实际的通信网络中。为了便于说明，本专利技术采用仿真生成的随6机网络作为实施例。 由于采用常用的Waxman提出的随机网络进行仿真，得到网络往往是一个不十分 均匀的网络，即有的节点度数会很大，而其它的节点很小，甚至会有孤立节点的情况。所 以针对这种情况，采用Salama和Reeves在Waxman网络的基础上提出的网络生成算法，通 过仿真生成随机网络，由于其具备仿真网络应具备的普遍、准确等特性，为此被研究组播路 由算法的几乎所有研究者所采用。仿真生成的随机网络应当满足网络的平均节点度数为 4，网络节点数从10到100中变化，目的节点数设本文档来自技高网...
【技术保护点】
一种基于改进克隆小生境算法的多播路由寻优方法，其特征是所述方法包括下列步骤： 步骤１：获取网络结构信息，生成各个网络参数矩阵； 步骤２：根据约束条件更新网络参数矩阵； 步骤３：应用深度优先算法生成网络的备选路径库，计算每条备选路径的亲和度； 步骤４：依据备选路径库随机产生第一抗体集合，抗体个数设定为Ｎ，计算第一抗体集合中抗体的亲和度； 步骤５：运用反向选择机制，根据记忆池的否定域，将第一抗体集合与记忆池中的抗体进行比对，去除落在所述否定域中的抗体，并在第一抗体集合中补充抗体数量至Ｎ，计算补充的抗体的亲和度；再将补充的抗体与记忆池中的抗体进行比对，直到补充的抗体落在否定域外或补充的抗体达到设定次数时进行下一步； 步骤６：将Ｎ个抗体按照每种亲和度分别排序，然后将排序后的Ｎ个抗体分解成ｎ组子抗体群，每组子抗体群的抗体数量与抗体亲和度成正态分布；而后，合并组号相同的子抗体群，形成最终的ｎ组抗体群； 步骤７：根据设定的增殖倍数，对所述ｎ组抗体群进行克隆增殖； 步骤８：根据不同抗体群，设定不同的变异概率，对ｎ组抗体群进行变异； 步骤９：选出每组抗体群中的帕累托解，放入第二抗体集合； 步骤１０：对第二抗体集合进行相似性抑制，去除冗余抗体；然后求解第二抗体集合帕累托解，将结果放入记忆池中，进行相似性抑制，并进行梯度判决，判断记忆池中所包含的抗体数量是否小于或等于设定的上限阈值，如果是，执行步骤１１；否则，执行步骤１２。 步骤１１：不操作局部拥挤机制； 步骤１２：操作局部拥挤机制，选取记忆池中局部拥挤距离较大的抗体，留在记忆池中； 步骤１３：判断是否达到迭代次数，若是则结束，否则转到步骤４，进行下一次迭代。...
【技术特征摘要】
一种基于改进克隆小生境算法的多播路由寻优方法，其特征是所述方法包括下列步骤步骤1获取网络结构信息，生成各个网络参数矩阵；步骤2根据约束条件更新网络参数矩阵；步骤3应用深度优先算法生成网络的备选路径库，计算每条备选路径的亲和度；步骤4依据备选路径库随机产生第一抗体集合，抗体个数设定为N，计算第一抗体集合中抗体的亲和度；步骤5运用反向选择机制，根据记忆池的否定域，将第一抗体集合与记忆池中的抗体进行比对，去除落在所述否定域中的抗体，并在第一抗体集合中补充抗体数量至N，计算补充的抗体的亲和度；再将补充的抗体与记忆池中的抗体进行比对，直到补充的抗体落在否定域外或补充的抗体达到设定次数时进行下一步；步骤6将N个抗体按照每种亲和度分别排序，然后将排序后的N个抗体分解成n组子抗体群，每组子抗体群的抗体数量与抗体亲和度成正态分布；而后，合并组号相同的子抗体群，形成最终的n组抗体群；步骤7根据设定的增殖倍数，对所述n组抗体群进行克隆增殖；步骤8根据不同抗体群，设定不同的变异概率，对n组抗体群进行变异；步骤9选出每组抗体群中的帕累托解，放入第二抗体集合；步骤10对第二抗体集合进行相似性抑制，去除冗余抗体；然后求解第二抗体集合帕累托解，将结果放入记忆池中，进行相似性抑制，并进行梯度判决，判断记忆池中所包含的抗体数量是否小于或等于设定的上限阈值，如果是，执行步骤11；否则，执行步骤12。步骤11不操作局部拥挤机制；步骤12操作局部拥挤机制，选取记忆池中局部拥挤距离较大的抗体，留在记忆池中；步骤13判断是否达到迭代次数，若是则结束，否则转到步骤4，进行下一次迭代。2. 根据权利要求1所述的一种基于改进克隆小生境算法的多播路由寻优方法，其特征 是所述随机网络结构信息包括获取网络中各个节点之间的代价、时延和丢失率的参数值。3. 根据权利要求1所述的一种基于...
【专利技术属性】
技术研发人员：高雪莲，田聪颖，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：11[]
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。