一种基于遗传算法的无线认知网络端到端服务质量确保方法，采用无线认知网络技术，主要包括感知业务运行过程中的QoS指标、智能决策和网络重配置行动这三个部分。感知业务运行过程中的QoS指标用于评价当前业务的运行状况并为智能决策过程提供决策的依据；智能决策过程以网络协议栈中的可调参数为输入，采用能够解决多目标优化问题的遗传算法，在各个可调参数的取值空间内寻找出能够优化多个QoS指标的可调参数值；行动过程以智能决策的结果作为输入，按照求出的可调参数值对网络进行重配置，以确保业务端到端QoS、优化网络端到端性能。
【技术实现步骤摘要】
【技术保护点】
１．一种基于遗传算法的无线认知网络端到端服务质量确保方法，包括如下步骤：１）网络协议栈中的部分参数值是可以调整的，如无线节点的发射功率、数据的发送速率等，本专利技术把这类参数称为可调参数，根据每个可调参数的取值范围，将其编码到（０，１］区间内的一个实数，每个编码后的可调参数值作为遗传算法中的基因，所有基因组成在遗传算法中参与运算的染色体，可调参数的个数是染色体的长度；２）可以反映网络服务质量（ＱｏＳ）状况的参数，如业务的时延等，本专利技术把这类参数称为ＱｏＳ指标，这些ＱｏＳ指标经过处理后，作为遗传算法中的适应度函数，针对染色体ｉ，其适应度函数的定义为：Ｕｉ（ｕ１ｉ，ｕ２ｉ，．．．，ｕｍｉ）其中，Ｕｉ是染色体ｉ对应的适应度函数，由ｕ１ｉ，ｕ２ｉ，．．．，ｕｍｉ这ｍ个子目标组成，任一子目标ｕｊｉ是ＱｏＳ指标ｊ（１≤ｊ≤ｍ）的函数，ＱｏＳ指标由网络中的节点通过统计一段时间内业务运行的ＱｏＳ信息并向相应调整节点发送ＱｏＳ信息数据包的方法获取；３）设定最大遗传代数，为染色体随机赋上ｎ（ｎ为偶数）组值作为初始解，形成父代种群；４）计算父种群中每条染色体的适应度函数值，适应度函数的参数是ＱｏＳ指标；５）将父代群体中的染色体进行锦标赛选择、交叉和变异这三种传统遗传操作，生成新的子代染色体；６）计算新产生的子代种群中染色体的适应度函数值；７）将产生的子代染色体和父代染色体融合在一起；８）采用非支配排序的方法选择出前ｎ条适应度函数值较好的染色体，作为新的父代染色体；９）如果有些染色体的适应度函数值在非支配排序中处于相同的非支配等级，使得仅采用非支配排序法无法正好选择出ｎ条染色体，则采用密度计算的方法从非支配等级相同的染色体中选择出密度较大的作为较优的染色体；１０）当遗传次数没有达到设定的最大遗传代数时，重复执行步骤５）到９）；１１）当遗传次数达到设定的最大代数时，求出的ｎ条染色体在各个子目标中均为较优，最后在这ｎ条染色体中选择出综合评价值最高的一条染色体值，将其解码，便可得到所需的可调参数值，对染色体值进行综合评价的公式为：其中，ｂ１，ｂ２，．．．，ｂｎ是ｎ条染色体的综合评价值，ａ１，ａ２，．．．，ａｍ表示ｍ个子目标的权重，这些权重根据子目标的重要性进行分配，ｕｊｉ是染色体ｉ对应的第ｊ个子目标（ｊ＝１，２，．．．，ｍ；ｉ＝１，２，．．．，ｎ）；１２）按照遗传算法求解出的可调参数值对网络进行重构，网络的端到端ＱｏＳ即可得到保障。...
【技术特征摘要】
【专利技术属性】
技术研发人员：白跃彬，彭惠星，
申请(专利权)人：北京航空航天大学，
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。