CN102253978A - 基于混合蚁群算法的公交车载多媒体文件更新方法 - Google Patents

Abstract

一种基于混合蚁群算法的公交车载多媒体文件更新方法，利用混合蚁群算法获得m₀条更新序列控制m₀个子任务，m₀个子任务并行完成整个更新任务。在进行整个更新任务前，有一台多媒体系统已完成多媒体文件的更新，称为种子服务器，种子服务器的WIFI模块设定为Soft AP模式，剩余其他多媒体系统的WIFI模块处于CLIENT模式，每一个子任务中，根据对应的更新序列，当前完成更新的车辆将自身WIFI模块切换到Soft AP模式，提供更新服务给准备开始更新任务的车辆，完成更新任务后，提供更新的多媒体系统关闭，完成更新的车辆切换到Soft AP模式以提供下一个更新服务，车辆以此依次完成更新任务。本发明能提升工作效率、有效适应大规模更新。

Description

基于混合蚁群算法的公交车载多媒体文件更新方法

技术领域

本发明涉及一种公交车载多媒体文件更新方法。

背景技术

随着车载多媒体技术的不断更新与发展，车载多媒体系统越来越广泛的被装配到公交车辆中。总体来讲，车载多媒体系统有两种实现方式。一种方式通过数字电视广播网技术直接接收数字信号，本地设备进行电视直播。另一种就是将视频文件保存在多媒体系统中，通过读取本地文件，进行节目播放。相比于第一种电视直播的方法，第二种方法具有成本投入小，实现方式简单的优点，被广泛的应用在二三线城市的公交车载多媒体系统的构建中。

在目前的应用中，采用本地文件播放的车载多媒体系统会遇到更新视频文件繁琐困难的问题。传统上往往采用将多媒体系统中的存储介质取出，进行手工更新文件的方法，这种方法耗费大量的人力物力，同时，当需要更新视频文件的公交车到达一定数量时，此方法是不可取的。然而目前国内尚无相关的专利或文献对此提出解决方法。

发明内容

为了克服已有公交车载多媒体文件更新方法的人工更新、工作效率低、无法适应大规模更新的不足，本发明提供一种提升工作效率、有效适应大规模更新的基于混合蚁群算法的公交车载多媒体文件更新方法。

本发明解决其技术问题所采用的技术方案是：

一种基于混合蚁群算法的公交车载多媒体文件更新方法，采用以下方法对文件进行更新：文件更新在公交停车场内通过无线网络由安装在公交车内的多媒体系统完成，整个更新任务要求公交停车场内所有车辆全部完成多媒体文件更新，在进行整个更新任务前，有一台多媒体系统已完成多媒体文件的更新，称为种子服务器，种子服务器的WIFI模块设定为Soft AP模式，剩余其他多媒体系统的WIFI模块处于CLIENT模式，将整个更新任务分解为m₀个子任务，每个子任务分别完成一部分多媒体系统的更新，利用混合蚁群算法获得m₀条更新序列控制m₀个子任务，每个子任务通过以下流程运行，m₀个子任务并行完成整个更新任务：

A、k＝1，更新序列中第k个车辆序号所表示的多媒体系统连接种子服务器，完成更新任务，然后将自身的WIFI模块转化为Soft AP模式；

B、将更新序列中第k+1个序号所表示的多媒体系统连接第k个序号所表示的多媒体系统(处于Soft AP模式)，完成更新后，第k个序号表示的多媒体系统关闭，第k+1个将自身的WIFI模块转化为Soft AP模式；

C、假如子任务中所有车辆的多媒体系统完成更新，将第k+1个序号表示的多媒体系统关闭，循环结束，否则，赋值k＝k+1，转到步骤B；

进一步，采用混合蚁群算法获得公交多媒体文件更新需要的m₀条更新序列，包括以下步骤：

1)读取多媒体系统两两之间无线传输的速度，需更新文件的大小信息；

2)将公交多媒体文件的更新问题转化到蚁群算法的路径选择上，为公交多媒体文件的更新问题建立数学模型，确定约束条件，决策变量和目标函数；

3)初始化蚁群算法相关的参数，给定信息素初始值，初始化信息素控制参数；

蚁群算法的控制参数定义如下：m＝30～80，α＝1～5，β＝1，ε＝0.1～0.5，ρ＝0.1～0.5，信息素初始值设定为τ₀＝1/(n×z^greedy)，z^greedy指的是采用贪心算法求解得到目标函数的值，设置算法循环次数为M_NC＝100-500；

4)通过蚁群算法得到每只蚂蚁的有效路径序列；

5)利用蚂蚁得到的有效路径序列求可行解，如没有可行解，返回步骤4)；

6)通过之前建立的数学模型得到当前所有可行解的目标函数值，并保存当次循环的最优可行解；

7)对最优可行解进行局部优化；

8)根据全局信息素更新方法，为某些节点进行信息素更新；

9)循环次数加1，如果当前循环次数大于设定的最大循环次数，结束整个算法流程并输出历史最优解，否则更新历史最优解，然后返回步骤4)。

再进一步，所述步骤2)中，假设公交车场内总共有N辆公交车，每辆车中均装有车载多媒体系统，称为0至N-1号公交车，0号公交车作为种子服务器；c表示的是每台多媒体系统需更新的文件的大小，w_ij表示车辆j从车辆i中完成更新花费时间的参数，定义为车辆j从车辆i中更新数据传输速度s_ij的倒数；系统的目标是求得m₀组车辆更新序列，此m₀条更新序列并行的完成整个更新任务；

所述数学模型的函数表达式下所示：

$\mathrm{Minz}=\underset{j=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}{w}_{\mathrm{ij}}---\left(1\right)$

$\underset{j=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}=N-1---\left(2\right)$

$c\&times;\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{x}_{\mathrm{ij}}{w}_{\mathrm{ij}}<=\max \_\mathrm{time},j=\mathrm{1,2},...,N-1---\left(3\right)$

其中：

w_ij＝1/s_ij    (4)

式(1)为目标函数，要求当车辆按当前m₀组车辆更新序列进行更新时，N辆公交车的多媒体系统工作的总时间最小，(2)和(3)是问题的约束条件，其中，(2)保证了所有的多媒体系统都完成了更新任务，(3)限制任何一台车载多媒体系统工作时间不会超过设定阈值。

所述步骤4)中，所述有效路径转移规则如下：

$P_{\mathrm{ij}}^k=\left\{\begin{array}{cc}\frac{{{\mathrm{\&tau;}}_{\mathrm{ij}}}^{\mathrm{\&alpha;}}{{\mathrm{\&eta;}}_{\mathrm{ij}}}^{\mathrm{\&beta;}}}{\underset{l\&Element;N_i^k}{\mathrm{\&Sigma;}}{{\mathrm{\&tau;}}_{\mathrm{il}}}^{\mathrm{\&alpha;}}{{\mathrm{\&eta;}}_{\mathrm{il}}}^{\mathrm{\&beta;}}},& \mathrm{if\; j}\&Element;N_i^k\\ 0,& \mathrm{else}\end{array}\right.---\left(6\right)$

路径转移规则(6)是随机性选择的公式，P_ij ^k指的是第k只蚂蚁从j点移动到i点的概率，蚂蚁依此概率公式完成路径转移；τ_ij是路径i到j的信息素量，这里指的是第j号公交车从第i号公交车中完成更新任务的信息素强度；η_ij指的是可见度参数，定义为η_ij＝w_ij；N_i ^k指的是当第k只蚂蚁在第i辆车中，作为下次转移目的地的车辆序号集合；共有m只蚂蚁并行完成整个路径转移行为，也就是每一个循环内，蚂蚁只能依次完成一步转移，然后重新开始循环；每只蚂蚁通过路径转移规则形成一条有效序列，有如下步骤：

(4.1)将蚂蚁随机放置在1～N辆公交车中的某辆车中；

(4.2)根据路径转移规则在车辆中进行一次移动；

(4.3)更新局部信息素，局部信息素更新规则设计如下：

τ_ij＝(1-ε)τ_ij+ετ₀，通过局部信息素更新减小其他蚂蚁通过当前蚂蚁经过路径的概率，增加搜索的广度；

(4.4)判断是否第二次经过种子服务器所在的0号车，如不是，回到步骤(4.2)；

(4.5)顺序记录所经过的车辆序号为蚂蚁的路径序列；

(4.6)保留路径序列中两个1号车之间的车辆序号为有效路径序列。

所述步骤5)中，当完成一次迭代过程后，所有m只蚂蚁形成了m条有效序列，记为：tabu_k，k＝1，2，..，m；

当从这m条有效序列中任取m₀条有效序列组成集合，且此集合能够表述成如下形式时：

$S=\left\{{\mathrm{tabu}}_r\right|r=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,m_0,\&ForAll;{\mathrm{tabu}}_{r_1}I\&ForAll;{\mathrm{tabu}}_{r_2}$

$=\mathrm{\&phi;},r_1\&NotEqual;r_2,{\mathrm{tabu}}_1{\mathrm{Utabu}}_{2}U...{\mathrm{Utabu}}_r---\left(7\right)$

$=\{\mathrm{1,2},...,N-1\}\}$

该集合被称为可行解，表示任何两条不相同的有效序列不包含相同的车辆序号，同时全部m₀条有效序列包含所有N-1个车辆序号，可行解中的m₀条有效序列可作为更新序列，并行完成整个更新任务。

所述步骤7)中，对最优可行解进行局部优化，局部优化采用遗传算法中的交换变异算子，当得到当前最优解之后，随机产生一个整数r，0＜r＜N/4，对最优解进行r次的交换变异，交换变异指的是取可行解集合中的m₀条有效序列中的任2个车辆序号，将这两个车辆序号交换位置，形成新的有效序列构成解集合；具体流程如下：

(7.1)对最优可行解进行一次交换变异，得到一个新可行解；

(7.2)求新可行解的目标函数值，将它与最优解的目标函数值进行比较，如果优于最优解，则将新可行解设定为当前最优解；

(7.3)是否完成r次交换变异，如没有，回到步骤(7.1)。

所述步骤8)中，采用全局信息素更新方法进行信息素更新，利用如下公式：

${\mathrm{\&tau;}}_{\mathrm{ij}}=(1-\mathrm{\&rho;}){\mathrm{\&tau;}}_{\mathrm{ij}}+\mathrm{\&rho;}{\mathrm{\&Delta;\&tau;}}_{\mathrm{ij}}^{\mathrm{bs}},$ $\&ForAll;(i,j)\&Element;T^{\mathrm{bs}},$ ${\mathrm{\&Delta;\&tau;}}_{\mathrm{ij}}^{\mathrm{bs}}=1/z^{\mathrm{best}},$ 利用迄今为止所有迭代最优解的目标函数值z^best更新对应路径的信息素。

本发明的有益效果主要表现在：将整个公交多媒体文件的更新任务分解成m₀个更新子任务，由m₀条更新序列控制这m₀个子任务，并行完成整个更新任务。然后将混合蚁群算法应用到公交多媒体文件的更新方法中，用于m₀条更新序列的获取。

通过公交多媒体文件中的WIFI设备完成整个公交车场内公交多媒体系统的更新任务，不需要架设AP和基站服务器。

将混合蚁群算法应用到公交多媒体文件的更新调度中，通过混合蚁群算法形成的更新序列，整个更新任务可以在更少的总工作时间内完成。

附图说明

图1为本发明的一种基于混合蚁群算法的公交多媒体文件更新方法的流程图。

图2为蚂蚁构建有效路径序列的流程图。

具体实施方式

下面结合附图对本发明作进一步描述。

参照图1和图2，一种基于混合蚁群算法的公交多媒体文件更新方法，采用以下方法对文件进行更新：文件更新在公交停车场内通过无线网络由安装在公交车内的多媒体系统完成，整个更新任务要求公交停车场内所有车辆全部完成多媒体文件更新，在进行整个更新任务前，有一台多媒体系统已完成多媒体文件的更新，称为种子服务器，种子服务器的WIFI模块设定为Soft AP模式，剩余其他多媒体系统的WIFI模块处于CLIENT模式，将整个更新任务分解为m₀个子任务，每个子任务分别完成一部分多媒体系统的更新，利用混合蚁群算法获得m₀条更新序列控制m₀个子任务，每个子任务通过以下流程运行，m₀个子任务并行完成整个更新任务。

A、k＝1，更新序列中第k个车辆序号所表示的多媒体系统连接种子服务器，完成更新任务，然后将自身的WIFI模块转化为Soft AP模式。

B、将更新序列中第k+1个序号所表示的多媒体系统连接第k个序号所表示的多媒体系统(处于Soft AP模式)，完成更新后，第k个序号表示的多媒体系统关闭，第k+1个将自身的WIFI模块转化为Soft AP模式。

C、假如子任务中所有车辆的多媒体系统完成更新，将第k+1个车辆序号表示的多媒体系统关闭，循环结束，否则，赋值k＝k+1，转到步骤B。

采用混合蚁群算法获得公交多媒体文件更新需要的m₀条更新序列，包括以下步骤：

1)读取多媒体系统两两之间无线传输的速度，需更新文件的大小信息。

2)将公交多媒体文件的更新问题转化到蚁群算法的路径选择上，为公交多媒体文件的更新问题建立数学模型，确定约束条件，决策变量和目标函数。

假设公交车场内总共有N辆公交车，每辆车中均装有车载多媒体系统，称为0至N-1号公交车，0号公交车作为种子服务器。c表示的是每台多媒体系统需更新的文件的大小，w_ij表示车辆j从车辆i中完成更新花费时间的参数，定义为车辆j从车辆i中更新数据传输速度s_ij的倒数。系统的目标是求得m₀组车辆更新序列，此m₀条更新序列并行的完成整个更新任务。多媒体文件更新方法问题的相关函数表达式下所示：

$\mathrm{Minz}=\underset{j=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{x}_{\mathrm{ij}}{w}_{\mathrm{ij}}---\left(1\right)$

$\underset{j=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{x}_{\mathrm{ij}}=N-1---\left(2\right)$

$c\&times;\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{x}_{\mathrm{ij}}{w}_{\mathrm{ij}}<=\max \_\mathrm{time},j=\mathrm{1,2},...,N-1---\left(3\right)$

其中：

w_ij＝1/s_ij    (4)

上述模型中：式(1)为目标函数，要求当车辆按当前m₀组车辆更新序列进行更新时，N辆公交车的多媒体系统工作的总时间最小。(2)和(3)是问题的约束条件，(2)保证了所有的多媒体系统都完成了更新任务，(3)限制任何一台车载多媒体系统工作时间不会超过某个阈值，造成电池电量耗尽。

3)初始化算法相关的参数，给定信息素初始值，初始化信息素控制参数。

算法的控制参数(具体将在下文中提及)定义如下：m＝30～80，α＝1～5，β＝1，ε＝0.1～0.5，ρ＝0.1～0.5，信息素初始值设定为τ₀＝1/(n×z^greedy)，z^greedy指的是采用贪心算法求解得到目标函数的值，设置算法循环次数为M_NC＝100～500。

4)通过蚁群算法得到每只蚂蚁的有效路径序列。

算法的路径转移规则如下：

$P_{\mathrm{ij}}^k=\left\{\begin{array}{cc}\frac{{{\mathrm{\&tau;}}_{\mathrm{ij}}}^{\mathrm{\&alpha;}}{{\mathrm{\&eta;}}_{\mathrm{ij}}}^{\mathrm{\&beta;}}}{\underset{l\&Element;N_i^k}{\mathrm{\&Sigma;}}{{\mathrm{\&tau;}}_{\mathrm{il}}}^{\mathrm{\&alpha;}}{{\mathrm{\&eta;}}_{\mathrm{il}}}^{\mathrm{\&beta;}}},& \mathrm{if\; j}\&Element;N_i^k\\ 0,& \mathrm{else}\end{array}\right.---\left(6\right)$

路径转移规则(6)是随机性选择的公式，P_ij ^k指的是第k只蚂蚁从j点移动到i点的概率，蚂蚁依此概率公式完成路径转移。τ_ij是路径i到j的信息素量，这里指的是第j号公交车从第i号公交车中完成更新任务的信息素强度。η_ij指的是可见度参数，在本专利中η_ij＝w_ij。N_i ^k指的是当第k只蚂蚁在第i辆车中，可作为下次转移目的地的车辆序号集合。共有m只蚂蚁并行完成整个路径转移行为，也就是每一个循环内，蚂蚁只能依次完成一步转移，然后重新开始循环。每只蚂蚁通过路径转移规则都可以形成一条有效序列，有如下步骤：

(4.1)将蚂蚁随机放置在1～N辆公交车中的某辆车中。

(4.2)根据路径转移规则在车辆中进行一次移动。

(4.3)更新局部信息素，局部信息素更新规则设计如下：

τ_ij＝(1-ε)τ_ij+ετ₀，通过局部信息素更新减小其他蚂蚁通过当前蚂蚁经过路径的概率，增加搜索的广度。

(4.4)判断是否第二次经过种子服务器所在的0号车，如不是，回到第2步。

(4.5)顺序记录所经过的车辆序号为蚂蚁的路径序列。

(4.6)保留路径序列中两个1号车之间的车辆序号为有效序列。

5)利用当次循环蚂蚁得到的有效路径序列求可行解，如没有可行解，返回步骤4)。

通过之前步骤，当算法完成一次迭代过程后，所有m只蚂蚁形成了m条有效序列，记为：tabu_k，k＝1，2，...，m。

当从这m条有效序列中任取m₀条有效序列组成集合，且此集合能够表述成如下形式时：

$S=\left\{{\mathrm{tabu}}_r\right|r=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,m_0,\&ForAll;{\mathrm{tabu}}_{r_1}I\&ForAll;{\mathrm{tabu}}_{r_2}$

$=\mathrm{\&phi;},r_1\&NotEqual;r_2,{\mathrm{tabu}}_1{\mathrm{Utabu}}_{2}U...{\mathrm{Utabu}}_r---\left(7\right)$

$=\{\mathrm{1,2},...,N-1\}\}$

该集合被称为可行解，表示任何两条不相同的有效序列不包含相同的车辆序号，同时全部m₀条有效序列包含所有N-1个车辆序号(0号系统作为种子服务器之前就完成文件的更新)。可行解中的m₀条有效序列可作为更新序列，并行完成整个更新任务。

6)通过之前建立的数学模型得到当前所有可行解的目标函数值，并保存当次循环的最优可行解。

7)对最优可行解进行局部优化。局部优化采用遗传算法中的交换变异算子，当得到当前最优解之后，随机产生一个整数r(0＜r＜N/4)，对本次的最优解进行r次的交换变异。这里交换变异指的是取可行解集合中的m₀条有效序列中的任2个车辆序号，将这两个车辆序号交换位置，形成新的有效序列构成解集合。整个流程如下：

(7.1)对最优可行解进行一次交换变异，得到一个新可行解。

(7.2)求新可行解的目标函数值，将它与最优解的目标函数值进行比较，如果优于最优解，则将新可行解设定为当前最优解。

(7.3)是否完成r次交换变异，如没有，回到步骤(7.1)。

8)根据全局信息素更新方法，为某些节点进行信息素更新。

利用如下公式

${\mathrm{\&tau;}}_{\mathrm{ij}}=(1-\mathrm{\&rho;}){\mathrm{\&tau;}}_{\mathrm{ij}}+\mathrm{\&rho;}{\mathrm{\&Delta;\&tau;}}_{\mathrm{ij}}^{\mathrm{bs}},$ $\&ForAll;(i,j)\&Element;T^{\mathrm{bs}},$ ${\mathrm{\&Delta;\&tau;}}_{\mathrm{ij}}^{\mathrm{bs}}=1/z^{\mathrm{best}},$ 利用迄今为止所有迭代最优解的目标函数值z^best更新对应路径的信息素。

9)循环次数加1，如果当前循环次数大于设定的最大循环次数，结束整个算法流程并输出历史最优解，否则更新历史最优解，然后返回步骤4)。

Claims (6)

1.一种基于混合蚁群算法的公交车载多媒体文件更新方法，其特征在于，采用以下方法对文件进行更新：文件更新在公交停车场内通过无线网络由安装在公交车内的多媒体系统完成，整个更新任务要求公交停车场内所有车辆全部完成多媒体文件更新，在进行整个更新任务前，有一台多媒体系统已完成多媒体文件的更新，称为种子服务器，种子服务器的WIFI模块设定为Soft AP模式，剩余其他多媒体系统的WIFI模块处于CLIENT模式，将整个更新任务分解为m₀个子任务，每个子任务分别完成一部分多媒体系统的更新，利用混合蚁群算法获得m₀条更新序列控制m₀个子任务，每个子任务通过以下流程运行，m₀个子任务并行完成整个更新任务：

A、k＝1，更新序列中第k个车辆序号所表示的多媒体系统连接种子服务器，完成更新任务，然后将自身的WIFI模块转化为Soft AP模式；

B、将更新序列中第k+1个序号所表示的多媒体系统连接第k个序号所表示的多媒体系统，完成更新后，第k个序号表示的多媒体系统关闭，第k+1个将自身的WIFI模块转化为Soft AP模式；

C、假如子任务中所有车辆的多媒体系统完成更新，将第k+1个序号表示的多媒体系统关闭，循环结束，否则，赋值k＝k+1，转到步骤B。

2.如权利要求1所述的一种基于混合蚁群算法的公交车载多媒体文件更新方法，其特征在于：采用混合蚁群算法获得公交多媒体文件更新需要的m₀条更新序列，包括以下步骤：

1)读取多媒体系统两两之间无线传输的速度，需更新文件的大小信息；

2)将公交多媒体文件的更新问题转化到蚁群算法的路径选择上，为公交多媒体文件的更新问题建立数学模型，确定约束条件，决策变量和目标函数；

3)初始化蚁群算法相关的参数，给定信息素初始值，初始化信息素控制参数；

蚁群算法的控制参数定义如下：m＝30～80，α＝1～5，β＝1，ε＝0.1～0.5，ρ＝0.1～0.5，信息素初始值设定为τ₀＝1/(n×z^greedy)，z^greedy指的是采用贪心算法求解得到目标函数的值，设置算法循环次数为M_NC＝100-500；

4)通过蚁群算法得到每只蚂蚁的有效路径序列；

5)利用蚂蚁得到的有效路径序列求可行解，如没有可行解，返回步骤4)；

6)通过之前建立的数学模型得到当前所有可行解的目标函数值，并保存当次循环的最优可行解；

7)对最优可行解进行局部优化；

8)根据全局信息素更新方法，为某些节点进行信息素更新；

9)循环次数加1，如果当前循环次数大于设定的最大循环次数，结束整个算法流程并输出历史最优解，否则更新历史最优解，然后返回步骤4)。

3.如权利要求2所述的一种基于混合蚁群算法的公交车载多媒体文件更新方法，其特征在于：所述步骤2)中，假设公交车场内总共有N辆公交车，每辆车中均装有车载多媒体系统，称为0至N-1号公交车，0号公交车作为种子服务器；c表示的是每台多媒体系统需更新的文件的大小，w_ij表示车辆j从车辆i中完成更新花费时间的参数，定义为车辆j从车辆i中更新数据传输速度s_ij的倒数；系统的目标是求得m₀组车辆更新序列，此m₀条更新序列并行的完成整个更新任务；

所述数学模型的函数表达式下所示：

$\mathrm{Minz}=\underset{j=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{x}_{\mathrm{ij}}{w}_{\mathrm{ij}}---\left(1\right)$

$\underset{j=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{x}_{\mathrm{ij}}=N-1---\left(2\right)$

$c\&times;\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{x}_{\mathrm{ij}}{w}_{\mathrm{ij}}<=\max \_\mathrm{time},j=\mathrm{1,2},...,N-1---\left(3\right)$

其中：

w_ij＝1/s_ij    (4)

式(1)为目标函数，要求当车辆按当前m₀组车辆更新序列进行更新时，N辆公交车的多媒体系统工作的总时间最小，(2)和(3)是问题的约束条件，其中，(2)保证了所有的多媒体系统都完成了更新任务，(3)限制任何一台车载多媒体系统工作时间不会超过设定阈值。

4.如权利要求2或3所述的一种基于混合蚁群算法的公交车载多媒体文件更新方法，其特征在于：所述步骤4)中，所述有效路径转移规则如下：

$P_{\mathrm{ij}}^k=\left\{\begin{array}{cc}\frac{{{\mathrm{\&tau;}}_{\mathrm{ij}}}^{\mathrm{\&alpha;}}{{\mathrm{\&eta;}}_{\mathrm{ij}}}^{\mathrm{\&beta;}}}{\underset{l\&Element;N_i^k}{\mathrm{\&Sigma;}}{{\mathrm{\&tau;}}_{\mathrm{il}}}^{\mathrm{\&alpha;}}{{\mathrm{\&eta;}}_{\mathrm{il}}}^{\mathrm{\&beta;}}},& \mathrm{if\; j}\&Element;N_i^k\\ 0,& \mathrm{else}\end{array}\right.---\left(6\right)$

路径转移规则(6)是随机性选择的公式，P_ij ^k指的是第k只蚂蚁从j点移动到i点的概率，蚂蚁依此概率公式完成路径转移；τ_ij是路径i到j的信息素量，这里指的是第j号公交车从第i号公交车中完成更新任务的信息素强度；η_ij指的是可见度参数，定义为η_ij＝w_ij；N_i ^k指的是当第k只蚂蚁在第i辆车中，作为下次转移目的地的车辆序号集合；共有m只蚂蚁并行完成整个路径转移行为，也就是每一个循环内，蚂蚁只能依次完成一步转移，然后重新开始循环；每只蚂蚁通过路径转移规则形成一条有效序列，有如下步骤：

(4.1)将蚂蚁随机放置在1～N辆公交车中的某辆车中；

(4.2)根据路径转移规则在车辆中进行一次移动；

(4.3)更新局部信息素，局部信息素更新规则设计如下：

τ_ij＝(1-ε)τ_ij+ετ₀，通过局部信息素更新减小其他蚂蚁通过当前蚂蚁经过路径的概率，增加搜索的广度；

(4.4)判断是否第二次经过种子服务器所在的0号车，如不是，回到步骤(4.2)；

(4.5)顺序记录所经过的车辆序号为蚂蚁的路径序列；

(4.6)保留路径序列中两个1号车之间的车辆序号为有效路径序列。

4、如权利要求2或3所述的一种基于混合蚁群算法的公交车载多媒体文件更新方法，其特征在于：所述步骤5)中，当完成一次迭代过程后，所有m只蚂蚁形成了m条有效序列，记为：tabu_k，k＝1，2，...，m；

当从这m条有效序列中任取m₀条有效序列组成集合，且此集合能够表述成如下形式时：

$S=\left\{{\mathrm{tabu}}_r\right|r=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,m_0,\&ForAll;{\mathrm{tabu}}_{r_1}I\&ForAll;{\mathrm{tabu}}_{r_2}$

$=\mathrm{\&phi;},r_1\&NotEqual;r_2,{\mathrm{tabu}}_1{\mathrm{Utabu}}_{2}U...{\mathrm{Utabu}}_r---\left(7\right)$

$=\{\mathrm{1,2},...,N-1\}\}$

该集合被称为可行解，表示任何两条不相同的有效序列不包含相同的车辆序号，同时全部m₀条有效序列包含所有N-1个车辆序号，可行解中的m₀条有效序列可作为更新序列，并行完成整个更新任务。

5.如权利要求4所述的一种基于混合蚁群算法的公交车载多媒体文件更新方法，其特征在于：所述步骤7)中，对最优可行解进行局部优化，局部优化采用遗传算法中的交换变异算子，当得到当前最优解之后，随机产生一个整数r，0＜r＜N/4，对最优解进行r次的交换变异，交换变异指的是取可行解集合中的m₀条有效序列中的任2个车辆序号，将这两个车辆序号交换位置，形成新的有效序列构成解集合；具体流程如下：

(7.1)对最优可行解进行一次交换变异，得到一个新可行解；

(7.2)求新可行解的目标函数值，将它与最优解的目标函数值进行比较，如果优于最优解，则将新可行解设定为当前最优解；

(7.3)是否完成r次交换变异，如没有，回到步骤(7.1)。

6.如权利要求2或3所述的一种基于混合蚁群算法的公交车载多媒体文件更新方法，其特征在于：所述步骤8)中，采用全局信息素更新方法进行信息素更新，利用如下公式：

${\mathrm{\&tau;}}_{\mathrm{ij}}=(1-\mathrm{\&rho;}){\mathrm{\&tau;}}_{\mathrm{ij}}+\mathrm{\&rho;}{\mathrm{\&Delta;\&tau;}}_{\mathrm{ij}}^{\mathrm{bs}},$ $\&ForAll;(i,j)\&Element;T^{\mathrm{bs}},$ ${\mathrm{\&Delta;\&tau;}}_{\mathrm{ij}}^{\mathrm{bs}}=1/z^{\mathrm{best}},$

利用所有迭代最优解的目标函数值z^best更新对应路径的信息素。

Images