CN106600049A - 路径生成的方法及装置 - Google Patents
路径生成的方法及装置 Download PDFInfo
- Publication number
- CN106600049A CN106600049A CN201611132745.9A CN201611132745A CN106600049A CN 106600049 A CN106600049 A CN 106600049A CN 201611132745 A CN201611132745 A CN 201611132745A CN 106600049 A CN106600049 A CN 106600049A
- Authority
- CN
- China
- Prior art keywords
- formica fusca
- path
- link
- node
- information element
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Biomedical Technology (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种路径生成的方法及装置。其中,该装置包括:获取电力通信网络的拓扑图,其中,拓扑图包括多个节点和链路,其中,一条链路至少用于连接两个节点;获取多个待处理业务的路径起点和路径终点,并配置各个待处理业务的蚂蚁集群;控制多个蚂蚁集群中的所有蚂蚁从对应的待处理业务的路径起点移动至待处理业务的路径终点,并记录所有蚂蚁在移动过程中的移动信息,以得到拓扑图中各个链路的节点信息素;基于各个链路的节点信息素确定各个待处理业务的路径。本发明解决了无法准确确定电力通信业务的路径的技术问题。
Description
技术领域
本发明涉及信息处理领域,具体而言,涉及一种路径生成的方法及装置。
背景技术
随着智能电网的快速发展,电力系统呈现众多子系统间协同通信日益频繁的特点,大量业务需要部署到网络中,这些业务的承载主体就是电力通信网。与传统电信业务不同,电力通信业务与电力系统生产、调度和控制密切相关,电力通信安全风险有着严格的等级划分,规定了每个风险等级对应的业务种类、数量及受影响程度,减少高级别的电力通信安全风险是电力通信部门的重要目标。
在本申请中我们着重关注的是链路中断场景中多业务的同时部署。当电力通信网中某些链路出现故障,其上承载的所有业务都需要进行路由重配置以保证其自身的正常运行,但是在选路时如果对业务一条条进行顺序部署,并同时利用简单的最短路径算法,那么势必造成换路业务在某些链路上集中,导致链路出现高压状态并提升现网风险等级,不利于电力通信网及电力骨干网的安全稳定运行。
现有技术中有如下解决方案:
在一种方案中,提供了一种基于蚁群方法的最优路径寻找方法,该方法首先通过蚁群方法对其进行初始的全局计算;其次,在所有的节点中找到一些特殊的节点;然后,以特殊节点为起点或终点,同一类的非特殊节点形成局部子空间,在所得到的局部子空间范围内,选择精确计算中的动态规划方法,找到两个特殊节点间的最短路径;最后,将所有局部子空间的最短路径都求出后相连接,即可得到全局的最短路径。但是,该方案将蚁群算法应用于最优路径规划上并提出了通过局部最优求出全局最优的分块动态规划改进方案,但难以避免业务向少数路径聚集而导致网络运行风险增大的问题。同时在对多业务同时路由配置时,该方案只能为多个业务逐一配置路由,不能得到最优解。
在另一种方案中,提供了一种基于蚁群算法的电力通信网线路优化方法,该申请通过将蚂蚁随机分布在各个站点上,并保证每个站点上至少有一个蚂蚁,且每个蚂蚁基于转移概率移动到相邻站点,形成一个通信网图。之后判断通信网图是否满足连通性及成环率要求,满足则继续进行并更新线路信息素浓度,通过信息素的不断更新达到最终收敛于最优路径上。但是,该方案将蚁群算法应用于电力通信网线路规划上,但是这也将降低算法的最优路径搜索准确能力,在该方案的应用环境中,同样也会因为只能对业务逐一配置路由而得不到最优解。
在再一种方案中,提供一种基于多蚁群的组合交通疏散优化方法;首先将不同蚁群的蚂蚁初始化至待疏散地区的网络节点上;之后将所述蚂蚁构建从初始的网络节点至出口节点的疏散路径并更新信息素,其中,所述出口节点包含于所述疏散网络节点中;重复蚁群部署至自上一次蚁群间信息素交互的时间间隔达到此次交互时间间隔,并将所述蚁群根据信息素交互规则交互并更新所述信息素,直至生成最优疏散路径。但是,该方案设计了多蚁群的负载均衡算法,其信息素的交互规则设计可以有效疏散地区的组合交通;但是该多蚁群算法仅仅针对一条疏散路径部署多个蚁群,不能有效利用多蚁群算法的优势,不能有效确定出网络中的各个路径,未能体现出多蚁群算法应对复杂场景以及复杂问题的能力。
针对上述的无法准确确定电力通信业务的路径的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种路径生成的方法及装置,以至少解决无法准确确定电力通信业务的路径的技术问题。
根据本发明实施例的一个方面,提供了一种路径生成的方法,包括:获取电力通信网络的拓扑图,其中,所述拓扑图包括多个节点和链路,其中,一条链路至少用于连接两个节点;获取多个待处理业务的路径起点和路径终点,并配置各个待处理业务的蚂蚁集群;控制所述多个蚂蚁集群中的所有蚂蚁从对应的待处理业务的路径起点移动至所述待处理业务的路径终点,并记录所有蚂蚁在移动过程中的移动信息,以得到所述拓扑图中各个链路的节点信息素;基于所述各个链路的节点信息素确定各个待处理业务的路径。
进一步地,控制所述多个蚂蚁集群中的所有蚂蚁从对应的待处理业务的路径起点移动至所述待处理业务的路径终点包括:控制每个所述蚂蚁集群中的每一个蚂蚁从对应的待处理业务的路径起点移动至所述待处理业务的路径终点,其中,控制每个所述蚂蚁集群中的每一个蚂蚁从对应的待处理业务的路径起点移动至所述待处理业务的路径终点包括:将所述蚂蚁集群中的蚂蚁放置在对应的待处理业务的路径起点,将所述路径起点作为当前节点,对所述蚂蚁执行下述操作,直至所述蚂蚁移动至所述路径终点,更新所述蚂蚁在移动过程中所经过的各个链路的节点信息素,所述操作包括:确定所述当前节点的相邻链路,其中,在所述拓扑图上所述相邻链路用于连接所述当前节点与其他节点;基于所述相邻链路的节点信息素,确定所述蚂蚁的移动方向;控制所述蚂蚁按照移动方向移动至下一个节点,将所述下一个节点作为当前节点。
进一步地,基于所述相邻链路的节点信息素,确定所述蚂蚁的移动方向包括:利用转移概率公式确定所述蚂蚁的移动方向,其中,所述转移概率公式为,
其中,表示循环代数t时蚂蚁k从vi节点移动到vj节点的转移概率,vi节点与vj节点之间的链路被记录为链路eij,vj与vs属于所有vi节点可连通节点集合Vi allowed;表示链路eij在循环代数t时的蚁群Ask的节点信息素,表示链路eij的期望值;α表示信息素浓度的重要程度,β代表期望值的重要程度,循环代数t表示所述蚂蚁从对应的待处理业务的路径起点移动至所述待处理业务的路径终点的当前循环执行所述操作的次数。
进一步地,更新所述蚂蚁在移动过程中所经过的各个节点的节点信息素包括:若更新后的节点信息素超过预定范围,则按照预定比例调整更新后的节点信息素,以使该更新后的节点信息素在所述预定范围内。
进一步地,基于所述各个链路的节点信息素确定各个待处理业务的路径包括:从所述待处理业务对应的多个链路中,选取节点信息素值最高的链路,作为所述待处理业务的路径。
进一步地,所述节点信息素用通道压力来表示。
根据本发明实施例的另一方面,还提供了一种路径生成的装置,包括:第一获取单元,用于获取电力通信网络的拓扑图,其中,所述拓扑图包括多个节点和链路,其中,一条链路至少用于连接两个节点;第二获取单元,用于获取多个待处理业务的路径起点和路径终点,并配置各个待处理业务的蚂蚁集群;控制单元,用于控制所述多个蚂蚁集群中的所有蚂蚁从对应的待处理业务的路径起点移动至所述待处理业务的路径终点,并记录所有蚂蚁在移动过程中的移动信息,以得到所述拓扑图中各个链路的节点信息素;确定单元,用于基于所述各个链路的节点信息素确定各个待处理业务的路径。
进一步地,控制单元包括:第一控制模块,用于控制每个所述蚂蚁集群中的每一个蚂蚁从对应的待处理业务的路径起点移动至所述待处理业务的路径终点,其中,第一控制模块包括:放置模块,用于将所述蚂蚁集群中的蚂蚁放置在对应的待处理业务的路径起点,将所述路径起点作为当前节点,通过第一确定模块、第二确定模块以及第二控制模块对所述蚂蚁执行操作,直至所述蚂蚁移动至所述路径终点,更新所述蚂蚁在移动过程中所经过的各个链路的节点信息素,其中,所述第一确定模块,用于确定所述当前节点的相邻链路,其中,在所述拓扑图上所述相邻链路用于连接所述当前节点与其他节点;所述第二确定模块,用于基于所述相邻链路的节点信息素,确定所述蚂蚁的移动方向;所述第二控制模块,用于控制所述蚂蚁按照移动方向移动至下一个节点,将所述下一个节点作为当前节点。
进一步地,第二确定模块包括:第一确定子模块,用于利用转移概率公式确定所述蚂蚁的移动方向,其中,所述转移概率公式为,
其中,表示循环代数t时蚂蚁k从vi节点移动到vj节点的转移概率,vi节点与vj节点之间的链路被记录为链路eij,vj与vs属于所有vi节点可连通节点集合Vi allowed;表示链路eij在循环代数t时的蚁群Ask的节点信息素,表示链路eij的期望值;α表示信息素浓度的重要程度,β代表期望值的重要程度,循环代数t表示所述蚂蚁从对应的待处理业务的路径起点移动至所述待处理业务的路径终点的当前循环执行所述操作的次数。
进一步地,放置模块还包括:调整模块,用于若更新后的节点信息素超过预定范围,则按照预定比例调整更新后的节点信息素,以使该更新后的节点信息素在所述预定范围内。
在本发明实施例中,可以获取电力通信网络的拓扑图,同时可以获取多个待处理业务的路径起点和路径终点,并配置出各个待处理业务的蚂蚁集群,其中,拓扑图包括多个节点和链路,其中,一条链路至少用于连接两个节点;然后,可以控制多个蚂蚁集群中的所有蚂蚁从对应的待处理业务的路径起点移动至待处理业务的路径终点,并记录所有蚂蚁在移动过程中的移动信息,从而可以得到拓扑图中各个链路的节点信息素,最后,可以根据得到的各个链路的节点信息素确定各个待处理业务的路径。通过上述实施例,可以根据获取到的电力通信网络的拓扑图和待处理业务的路径起点和路径终点,通过蚂蚁的移动轨迹得到各个链路的节点信息素,从而确定出各个待处理业务的路径。根据本发明实施例,在多业务中,可以有效的确定出通信业务的路径,从而使得各个路径的配置合理,解决无法准确确定电力通信业务的路径的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的路径生成的方法的流程图;
图2是根据本发明实施例的另一种可选的路径生成方法的流程图;
图3是根据本发明实施例的一种可选的站点拓扑的示意图;
图4是根据本发明实施例的一种可选的仿真结果的示意图;以及
图5是根据本发明实施例的另一种可选的路径生成装置的结构图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例,提供了一种路径生成的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
下面对本发明实施例的术语做出解释:
蚁群算法:蚁群算法(ant colony optimization,ACO),又称蚂蚁算法,是一种用来在图中寻找优化路径的机率型算法。各个蚂蚁在没有事先告诉他们食物在什么地方的前提下开始寻找食物。当一只找到食物以后,它会向环境释放一种挥发性分泌物pheromone(称为信息素,该物质随着时间的推移会逐渐挥发消失,信息素浓度的大小表征路径的远近)来实现的,吸引其他的蚂蚁过来,这样越来越多的蚂蚁会找到食物。有些蚂蚁并没有像其它蚂蚁一样总重复同样的路,他们会另辟蹊径,如果另开辟的道路比原来的其他道路更短,那么,渐渐地,更多的蚂蚁被吸引到这条较短的路上来。最后,经过一段时间运行,可能会出现一条最短的路径被大多数蚂蚁重复着。
Dijkstra算法:是从一个顶点到其余各顶点的最短路径算法,解决的是有向图中最短路径问题。主要特点是以起始点为中心向外层层扩展,直到扩展到终点为止。
图1是根据本发明实施例的路径生成的方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取电力通信网络的拓扑图,其中,拓扑图包括多个节点和链路,其中,一条链路至少用于连接两个节点;
步骤S104,获取多个待处理业务的路径起点和路径终点,并配置各个待处理业务的蚂蚁集群;
步骤S106,控制多个蚂蚁集群中的所有蚂蚁从对应的待处理业务的路径起点移动至待处理业务的路径终点,并记录所有蚂蚁在移动过程中的移动信息,以得到拓扑图中各个链路的节点信息素;
步骤S108,基于各个链路的节点信息素确定各个待处理业务的路径。
通过上述实施例,可以获取电力通信网络的拓扑图,同时可以获取多个待处理业务的路径起点和路径终点,并配置出各个待处理业务的蚂蚁集群,其中,拓扑图包括多个节点和链路,其中,一条链路至少用于连接两个节点;然后,可以控制多个蚂蚁集群中的所有蚂蚁从对应的待处理业务的路径起点移动至待处理业务的路径终点,并记录所有蚂蚁在移动过程中的移动信息,从而可以得到拓扑图中各个链路的节点信息素,最后,可以根据得到的各个链路的节点信息素确定各个待处理业务的路径。通过上述实施例,可以根据获取到的电力通信网络的拓扑图和待处理业务的路径起点和路径终点,通过蚂蚁的移动轨迹得到各个链路的节点信息素,从而确定出各个待处理业务的路径。根据本发明实施例,在多业务中,可以有效的确定出通信业务的路径,从而使得各个路径的配置合理,解决无法准确确定电力通信业务的路径的技术问题。
其中,对于电力通信网络的拓扑图,可以是将各个地区的电力供应区域在存储设备中一一对应,并显示出来的,其中,拓扑图包括多个节点和链路,每条链路可以连接一个或多个地点,每两个地点之间可以包括一个链路。
可选的,上述实施例可以应用于各个电力处理业务中。
另一种可选的实施方式,在步骤S104提供的技术方案中,可以获取多个待处理业务的路径起点和路径终点,并配置各个待处理业务的蚂蚁集群。其中,待处理业务可以分别有一个路径起点和路径终点,在蚂蚁寻找路径的过程中,可以从路径起点行进到路径终点,各个蚂蚁集群(也可以是蚂蚁蚁群)可以包括多个蚂蚁,即每一个蚂蚁集群中有多个待处理业务需要找到合适的路径,利用蚁群算法中的各个蚂蚁从各个路径的起点走到路径的终点,从而寻找该业务对应的路径。
可选的,在步骤S106提供的技术方案中,控制多个蚂蚁集群中的所有蚂蚁从对应的待处理业务的路径起点移动至待处理业务的路径终点,并记录所有蚂蚁在移动过程中的移动信息,以得到拓扑图中各个链路的节点信息素。其中,蚂蚁在行走的过程中,可以从一个节点走到另一个节点,在节点之间行进的过程中,可以记录各个路径节点之间的基本信息,例如,记录行走时间段、行走的距离等。在该实施方式中,可以将行走时的基本信息记录在节点信息素中,节点信息素可以记录各个节点走过的蚂蚁数量。可选的,可以通过汇集各个路径的节点信息素中的参数信息得到各个路径的路径行走时间或者路径行走距离,从而可以确定出待处理业务的行走路径。
可选的,在步骤S108提供的技术方案中,基于各个链路的节点信息素确定各个待处理业务的路径。在确定各个链路的节点信息素后,可以根据汇集的节点信息素得到蚂蚁行进的过程中走过的路径,可以将链路中记录最多的节点信息素的路径作为待处理业务的路径。
可选的,控制多个蚂蚁集群中的所有蚂蚁从对应的待处理业务的路径起点移动至待处理业务的路径终点包括:控制每个蚂蚁集群中的每一个蚂蚁从对应的待处理业务的路径起点移动至待处理业务的路径终点,其中,控制每个蚂蚁集群中的每一个蚂蚁从对应的待处理业务的路径起点移动至待处理业务的路径终点包括:将蚂蚁集群中的蚂蚁放置在对应的待处理业务的路径起点,将路径起点作为当前节点,对蚂蚁执行下述操作,直至蚂蚁移动至路径终点,更新蚂蚁在移动过程中所经过的各个链路的节点信息素,操作包括:确定当前节点的相邻链路,其中,在拓扑图上相邻链路用于连接当前节点与其他节点;基于相邻链路的节点信息素,确定蚂蚁的移动方向;控制蚂蚁按照移动方向移动至下一个节点,将下一个节点作为当前节点。
在该实施方式中,可以利用蚂蚁的移动路径确定出路径的基本情况,每个蚂蚁集群中可以包括多个蚂蚁,在处理多个待处理业务时,可以确定出多个蚂蚁集群,从而根据各个蚂蚁集群中的各个蚂蚁得到待处理业务的路径。
另一种可选的实施方式,基于相邻链路的节点信息素,确定蚂蚁的移动方向包括:利用转移概率公式确定蚂蚁的移动方向,其中,转移概率公式为,
其中,表示循环代数t时蚂蚁k从vi节点移动到vj节点的转移概率,vi节点与vj节点之间的链路被记录为链路eij,vj与vs属于所有vi节点可连通节点集合Vi allowed;表示链路eij在循环代数t时的蚁群Ask的节点信息素,表示链路eij的期望值;α表示信息素浓度的重要程度,β代表期望值的重要程度,循环代数t表示蚂蚁从对应的待处理业务的路径起点移动至待处理业务的路径终点的当前循环执行操作的次数。
可选的,更新蚂蚁在移动过程中所经过的各个节点的节点信息素包括:若更新后的节点信息素超过预定范围,则按照预定比例调整更新后的节点信息素,以使该更新后的节点信息素在预定范围内。
可选的,若更新后的节点信息素没有超出预定范围,可以不用调整节点信息素。其中,预定范围可以为提前设置的节点信息素的范围,该范围的设置可以根据是用户根据实际情况确定的,用户在快速确定出待处理业务的路径时,可以将该范围设置较小,若想准确的确定出各个待处理业务的路径时,可以将该范围设置的较大。
对于上述实施例,基于各个链路的节点信息素确定各个待处理业务的路径包括:从待处理业务对应的多个链路中,选取节点信息素值最高的链路,作为待处理业务的路径。
可选的,节点信息素可以用通道压力来表示。其中,通道压力可以是各个路径的待处理业务的数量,例如,在路径A上有2个待处理业务,在路径B上有5个待处理业务,则可以确定出路径B的通道压力大于路径A。
下面是根据本发明的一种可选的实施例。
在该实施例中,路径生成的方法应用于电力通信网业务中,可以对一条业务配有主路由、备选路由以及迂回路由三条路由。本申请针对电力通信网的运行以及路由配置模式,提出三条路由的配置参数需求,其中主路由参数要求时延最小,备选路由要求通道压力值最优化,迂回路由要求在应急场景中保证时延最优,同时三条路由不能有重复的节点与链路。首先对通道压力进行定义,对于链路上承载的不同业务,根据业务的种类可以赋予不同的量化重要度,例如线路保护业务重要度为10,电视电话业务为1;之后计算链路上所有业务重要度之和就可以得到一个表示链路上业务负载大小的量化指标,即为通道压力值。综上所述,本申请提出多蚁群优化算法,算法将普通蚁群算法中的单一蚁群扩大为多个蚁群对应不同业务,利用场景参数初始化信息素以及多个蚁群的互斥部署,完成多业务的备选路由部署,使全局通道压力值最小化。
在本发明实施方式中,可以定义网络拓扑图G(V,E),其中V={v0,v1,…,vn}代表节点的集合,E={e01,e02,…,enn}代表节点间链路的集合,其下标代表链路两端的节点编号;同时有业务集合S={sk}。其中业务sk具有重要度参数dk,是业务中断所造成影响的量化指标,根据业务分类设定的权值。对于网络中的任意节点组合,可以设置为p(i,j)=(vi,vi+1,…,vj),其起点和终点分别为vi和vj。如果满足vn∈p,有vm≠vn,即路径上不存在环,同时路径上所有相邻两节点vm和vm+1和之间均至少存在一条边,则称p(i,j)为节点vi和vj之间的一条路径,节点vi和vj之间的路径构成的集合为P(i,j)。
可选的,可以获取与业务一一对应的业务路径p'(vstart sk,vend sk)∈P(i,j),其中sk下标代表所对应的业务,start以及end下标分别代表该节点是业务的起始与终止节点。对于任意两节点vi,vj间的链路eij,可通过业务路径得知其上承载了业务种类和业务具体内容,同时可以通过业务重要度计算该链路的通道压力值Pr(eij)。通道压力值是链路承载的所有业务的重要度总和,即Pr(eij)=∑dk(eij∈p'(vstart sk,vend sk)),利用它可以有效区分高压与低压链路。
利用蚁群算法,可以对单个业务sk,设定其路经集合为p(vstart sk,vend sk)。则对于业务集合S,我们有业务路径集合P={p(vstart sk,vend sk),sk∈S},同时这也是蚁群算法的解空间。
另一种可选的实施方式,可以利用单只蚂蚁在拓扑图G上不断移动,从而做出探测路径的动作,同时蚂蚁可以存储移动过程中经过的节点与路径。在本申请中定义蚂蚁为aksk,以及蚁群Ask,这里Ask={a1sk,a2sk...ak sk}。对于蚂蚁ak sk中,上标k代表蚂蚁在蚁群中的序列,下标sk代表蚂蚁对应的业务。Ask中,sk代表蚁群所对应的业务。对于单一蚂蚁,它具有对应业务的起始节点vstart sk与终止节点vend sk信息,在算法过程中,我们首先将一只蚂蚁ak sk部署于它的对应业务起始点vstart sk,之后使其根据算法设计在拓扑图中搜索终止节点vend sk并记录所经过的节点与路径。当一只蚂蚁最终成功找到终止节点,那么它应当记录了一组业务路径paisk(vstart sk,vend sk)。在得到业务路径后,可以查看该业务路径的时延等参数,如果该路径各参数符合业务要求,那么认为它是一条有效路径,则认为该蚂蚁进行了一次有效搜索。
在算法执行过程中,蚂蚁需要对相邻链路的信息素浓度进行判断,利用转移概率公式决定移动方向。蚂蚁转移概率公式如下:
为循环代数t时蚂蚁k从vi节点到vj节点的转移概率,vj与vs属于所有vi节点可连通节点集合Vi allowed,即对任意属于Vi allowed的节点vj,均存链路eij使vi与vj相连;为链路eij在循环代数t时的蚁群Ask的信息素浓度,为链路eij的期望值,本申请的算法中设计为通道压力的倒数;α和β为优化参数,分别代表信息素浓度以及期望值的重要程度。
对于同一节点上的多个蚁群的信息素,为了能够有效疏散路径选择,减小通道压力,本申请设计不同种群的信息素浓度在概率转移计算中相互不影响,蚂蚁仅通过自己种群的信息素浓度来判断行进方向。但同时,为了实现通道压力的优化以及多业务的同时路由配置,设定不同种群信息素浓度共享信息素浓度上下限,即:
信息素浓度是仿照现实蚂蚁设定的重要参数,蚂蚁通过信息素浓度大小判断行进路线并最终找到食物,算法中则通过调整节点上的信息素浓度,收敛出一条符合期望值优化目标的路径,这条路径可以实现期望值最大化,在本申请中即为通道压力值最小。同时在算法开始时,首先需要设定信息素浓度的上下限,防止算法收敛到局部最优结果,之后进行蚂蚁的部署。
当一只蚂蚁到达其对应的业务终点时,认为该蚂蚁成功进行了一次寻路,这时,可以更新信息素,更新方法如下:
τij(t+1)=ρ·τij(t)+Δτij (3)
其中τij(t+1)为节点更新后的信息素浓度,ρ为衰减因子,τij(t)为节点在t循环时的信息素浓度,Δτij为有效路径上的信息素增加值,且有:
信息素增加值为种群m只蚂蚁平均信息素浓度的总和,又有:
其中,平均信息素浓度为蚂蚁携带信息素量Q除以路径通道压力值总数,其中上标k代表该蚂蚁在种群中的序列号。蚂蚁携带信息素量Q为设定定值,它决定了一次有效寻路之后全局信息素浓度增加量的总值。Lk为k蚂蚁的移动总距离。
同时,对于同一节点上不同蚁群,其信息素共享上下限,当某次更新后信息素超过上下限(即预先设置的数值,例如,20)时,则按比例调整节点信息素总值为上下限。
在该实施方式执行过程中,当蚂蚁移动路径的时延总和超过关键业务要求的预定门限(如5分钟)时,需要强制终止该蚂蚁的移动,并且直接使下一个蚂蚁进入网络拓扑执行算法。被强制终止的蚂蚁不会更新信息素,保证无效数据不会污染信息素分布。有如下公式:
其中Tk为蚂蚁k移动经过的链路与节点的总时延,γ为光纤芯区折射率,c为真空中的光速。t(v)代表节点时延,其中v表示蚂蚁这次移动所经过的所有节点。Tthresholds为时延门限值。
在足够的循环代数之后,拓扑图全局的信息素浓度将趋于稳定,同时不同种群的蚂蚁的行进路线将逐渐趋于某条固定的路径,这时,可以查看最后一次循环中各个蚂蚁种群的各个蚂蚁的行进路径,其中,出现次数最高的路径可以设置为该蚂蚁种群的收敛结果,即蚂蚁种群的优化行走路径,也是种群对应的业务的路由配置结果。
图2是根据本发明实施例的另一种可选的路径生成方法的流程图,该方法应用于上述实施例中,如图2所示,该方法包括如下步骤:
步骤S201:获取待处理业务,并初始化网络拓扑。
初始化电力通信网的网络拓扑,根据当前复用段通道压力值设置信息素初值以及信息素上下限,并初始化蚁群算法相关参数。同时,可以获取线路保护业务S,以此获取其中业务sk的起点与终点,并设业务路径集合Pk为空。
步骤S203:依照业务数量初始化相同数量的蚁群。
初始化与业务一一对应的蚂蚁种群。
步骤S205:依次选取下一种群的序数相同的蚂蚁为当前蚂蚁,若同序数蚂蚁均已处理,则从第一个种群中选取下一序数的蚂蚁为当前蚂蚁。
步骤S207:将当前蚂蚁放置于所属种群对应业务的起点。
步骤S209:获取与当前蚂蚁节点相连的节点信息素参数,并根据公式判断蚂蚁前进方向。
获取与当前蚂蚁节点相连的节点信息素参数,并根据公式(如,转移概率公式)判断蚂蚁前进方向,并更新下一节点为当前节点。
步骤S211:判断当前蚂蚁的行进路径总时延是否超过时延门限。
若是,则回到步骤S209,若否,则执行步骤S213;
步骤S213:判断当前蚂蚁节点是否为业务的终点。
若是,则执行步骤S215,若否,则执行步骤S209。
步骤S215:更新节点信息素。
步骤S217:判断当前蚂蚁集群内的全部蚂蚁是否处理完毕。
若是,执行步骤S219,若否,回到步骤S205。
若当前节点为蚂蚁所属蚁群对应业务的终点,且一次循环完成,即所有种群的全部蚂蚁均已执行过上述实施方式,则可以更新全局信息素。
步骤S219:判断当前蚂蚁节点循环代数是否到达阈值。
若是,执行步骤S221,若否,回到步骤S203。
其中,循环代数可以为在各个蚂蚁集群内的各个蚂蚁行走路径的次数,阈值可以为预先设定的次数范围值,例如,100次。可以在循环代数达到阈值时,不在让蚂蚁寻找路径,以当前寻找到的路径为最终路径。
步骤S221:输出业务路径。
将最新一次循环中信息素浓度最高的一条路径作为各种群的收敛结果,并输出各种群路径收敛结果为对应业务的路径。
通过上述实施例,可以对多个关键业务同时配置路由,并可以极大地优化整体网络通道压力表现。在本发明实施例中,可以依据通道压力值优化配置多条业务的路由,避免逐条配置导致的个别复用段出现高压情况,在该实施方式中,有多个蚂蚁集群信息素的交互规则,赋予多条业务路由配置算法通道压力感知的能力。
图3是根据本发明实施例的一种可选的站点拓扑的示意图,如图3所示,针对各个待处理业务,可以随机设定10个业务。可以将各个地方的电力通信业务形成一个电力拓扑图,如图3所示,在图中,表示了各个地方(例如,图3中的曹妃甸、天文台、昌平等)的电力通信网,同时根据实际数据通道压力分布情况,在一定范围内随机设定网络通道压力值。并对这个10个线路保护业务执行本申请提出的算法。在实验仿真中,节点信息素浓度上下限分别为60和10,单只蚂蚁信息素携带量Q为1000,衰减因子设为0.7,α以及β均设置为1。每个蚁群中有30只蚂蚁,循环代数为30代。
在执行本申请实施例的同时,也可以使用路径算法(如Dijkstra算法)对业务进行路由配置,这样可以获得两组路径集合,分别按两种部署策略配置路由并计算配置后的通道压力值,如图4所示,得到现有技术(如Dijkstra算法)与本发明实施例的通道压力值的对比结果,其中横坐标为仿真次数序号,纵坐标为通道压力值。
可以发现,本发明实施例中的算法相比于现有技术(如Dijkstra算法)能够降低通道压力值30%左右,有效提升了整体网络的通道压力表现,降低了设备、线路出现高压状态的可能性。
图5是根据本发明实施例的另一种可选的路径生成的装置的结构图,如图5所示,该装置包括:第一获取单元51,用于获取电力通信网络的拓扑图,其中,拓扑图包括多个节点和链路,其中,一条链路至少用于连接两个节点;第二获取单元53,用于获取多个待处理业务的路径起点和路径终点,并配置各个待处理业务的蚂蚁集群;控制单元55,用于控制多个蚂蚁集群中的所有蚂蚁从对应的待处理业务的路径起点移动至待处理业务的路径终点,并记录所有蚂蚁在移动过程中的移动信息,以得到拓扑图中各个链路的节点信息素;确定单元57,用于基于各个链路的节点信息素确定各个待处理业务的路径。
通过上述实施例,可以通过第一获取单元51获取电力通信网络的拓扑图,同时可以通过第二获取单元53获取多个待处理业务的路径起点和路径终点,并配置出各个待处理业务的蚂蚁集群,其中,拓扑图包括多个节点和链路,其中,一条链路至少用于连接两个节点;然后,可以通过控制单元55控制多个蚂蚁集群中的所有蚂蚁从对应的待处理业务的路径起点移动至待处理业务的路径终点,并记录所有蚂蚁在移动过程中的移动信息,从而可以得到拓扑图中各个链路的节点信息素,最后,可以通过确定单元57根据得到的各个链路的节点信息素确定各个待处理业务的路径。通过上述实施例,可以根据获取到的电力通信网络的拓扑图和待处理业务的路径起点和路径终点,通过蚂蚁的移动轨迹得到各个链路的节点信息素,从而确定出各个待处理业务的路径。解决无法准确确定电力通信业务的路径的技术问题。
可选的,控制单元包括:第一控制模块,用于控制每个蚂蚁集群中的每一个蚂蚁从对应的待处理业务的路径起点移动至待处理业务的路径终点,其中,第一控制模块包括:放置模块,用于将蚂蚁集群中的蚂蚁放置在对应的待处理业务的路径起点,将路径起点作为当前节点,通过第一确定模块、第二确定模块以及第二控制模块对蚂蚁执行操作,直至蚂蚁移动至路径终点,更新蚂蚁在移动过程中所经过的各个链路的节点信息素,其中,第一确定模块,用于确定当前节点的相邻链路,其中,在拓扑图上相邻链路用于连接当前节点与其他节点;第二确定模块,用于基于相邻链路的节点信息素,确定蚂蚁的移动方向;第二控制模块,用于控制蚂蚁按照移动方向移动至下一个节点,将下一个节点作为当前节点。
另一种可选的实施方式,第二确定模块包括:第一确定子模块,用于基于所述相邻链路的节点信息素,确定所述蚂蚁的移动方向包括:利用转移概率公式确定所述蚂蚁的移动方向,其中,所述转移概率公式为,
其中,表示循环代数t时蚂蚁k从vi节点移动到vj节点的转移概率,vi节点与vj节点之间的链路被记录为链路eij,vj与vs属于所有vi节点可连通节点集合Vi allowed;表示链路eij在循环代数t时的蚁群Ask的节点信息素,表示链路eij的期望值;α表示信息素浓度的重要程度,β代表期望值的重要程度,循环代数t表示所述蚂蚁从对应的待处理业务的路径起点移动至所述待处理业务的路径终点的当前循环执行所述操作的次数。
其中,放置模块还包括:调整模块,用于若更新后的节点信息素超过预定范围,则按照预定比例调整更新后的节点信息素,以使该更新后的节点信息素在预定范围内。
可选的,确定单元包括:选取模块,用于从待处理业务对应的多个链路中,选取节点信息素值最高的链路,作为待处理业务的路径。
优选的,上述实施例的节点信息素可以用通道压力来表示。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种路径生成的方法,其特征在于,包括:
获取电力通信网络的拓扑图,其中,所述拓扑图包括多个节点和链路,其中,一条链路至少用于连接两个节点;
获取多个待处理业务的路径起点和路径终点,并配置各个待处理业务的蚂蚁集群;
控制所述多个蚂蚁集群中的所有蚂蚁从对应的待处理业务的路径起点移动至所述待处理业务的路径终点,并记录所有蚂蚁在移动过程中的移动信息,以得到所述拓扑图中各个链路的节点信息素;
基于所述各个链路的节点信息素确定各个待处理业务的路径。
2.根据权利要求1所述的方法,其特征在于,控制所述多个蚂蚁集群中的所有蚂蚁从对应的待处理业务的路径起点移动至所述待处理业务的路径终点包括:
控制每个所述蚂蚁集群中的每一个蚂蚁从对应的待处理业务的路径起点移动至所述待处理业务的路径终点,其中,控制每个所述蚂蚁集群中的每一个蚂蚁从对应的待处理业务的路径起点移动至所述待处理业务的路径终点包括:
将所述蚂蚁集群中的蚂蚁放置在对应的待处理业务的路径起点,将所述路径起点作为当前节点,对所述蚂蚁执行下述操作,直至所述蚂蚁移动至所述路径终点,更新所述蚂蚁在移动过程中所经过的各个链路的节点信息素,所述操作包括:
确定所述当前节点的相邻链路,其中,在所述拓扑图上所述相邻链路用于连接所述当前节点与其他节点;
基于所述相邻链路的节点信息素,确定所述蚂蚁的移动方向;
控制所述蚂蚁按照移动方向移动至下一个节点,将所述下一个节点作为当前节点。
3.根据权利要求2所述的方法,其特征在于,基于所述相邻链路的节点信息素,确定所述蚂蚁的移动方向包括:
利用转移概率公式确定所述蚂蚁的移动方向,其中,所述转移概率公式为,
其中,表示循环代数t时蚂蚁k从vi节点移动到vj节点的转移概率,vi节点与vj节点之间的链路被记录为链路eij,vj与vs属于所有vi节点可连通节点集合Viallowed;表示链路eij在循环代数t时的蚁群Ask的节点信息素,表示链路eij的期望值;α表示信息素浓度的重要程度,β代表期望值的重要程度,循环代数t表示所述蚂蚁从对应的待处理业务的路径起点移动至所述待处理业务的路径终点的当前循环执行所述操作的次数。
4.根据权利要求2所述的方法,其特征在于,更新所述蚂蚁在移动过程中所经过的各个节点的节点信息素包括:
若更新后的节点信息素超过预定范围,则按照预定比例调整更新后的节点信息素,以使该更新后的节点信息素在所述预定范围内。
5.根据权利要求1所述的方法,其特征在于,基于所述各个链路的节点信息素确定各个待处理业务的路径包括:
从所述待处理业务对应的多个链路中,选取节点信息素值最高的链路,作为所述待处理业务的路径。
6.根据权利要求1至5中任意一项所述的方法,其特征在于,所述节点信息素用通道压力来表示。
7.一种路径生成的装置,其特征在于,包括:
第一获取单元,用于获取电力通信网络的拓扑图,其中,所述拓扑图包括多个节点和链路,其中,一条链路至少用于连接两个节点;
第二获取单元,用于获取多个待处理业务的路径起点和路径终点,并配置各个待处理业务的蚂蚁集群;
控制单元,用于控制所述多个蚂蚁集群中的所有蚂蚁从对应的待处理业务的路径起点移动至所述待处理业务的路径终点,并记录所有蚂蚁在移动过程中的移动信息,以得到所述拓扑图中各个链路的节点信息素;
确定单元,用于基于所述各个链路的节点信息素确定各个待处理业务的路径。
8.根据权利要求7所述的装置,其特征在于,控制单元包括:
第一控制模块,用于控制每个所述蚂蚁集群中的每一个蚂蚁从对应的待处理业务的路径起点移动至所述待处理业务的路径终点,其中,第一控制模块包括:
放置模块,用于将所述蚂蚁集群中的蚂蚁放置在对应的待处理业务的路径起点,将所述路径起点作为当前节点,通过第一确定模块、第二确定模块以及第二控制模块对所述蚂蚁执行操作,直至所述蚂蚁移动至所述路径终点,更新所述蚂蚁在移动过程中所经过的各个链路的节点信息素,其中,
所述第一确定模块,用于确定所述当前节点的相邻链路,其中,在所述拓扑图上所述相邻链路用于连接所述当前节点与其他节点;
所述第二确定模块,用于基于所述相邻链路的节点信息素,确定所述蚂蚁的移动方向;
所述第二控制模块,用于控制所述蚂蚁按照移动方向移动至下一个节点,将所述下一个节点作为当前节点。
9.根据权利要求8所述的装置,其特征在于,第二确定模块包括:
第一确定子模块,用于利用转移概率公式确定所述蚂蚁的移动方向,其中,所述转移概率公式为,
其中,表示循环代数t时蚂蚁k从vi节点移动到vj节点的转移概率,vi节点与vj节点之间的链路被记录为链路eij,vj与vs属于所有vi节点可连通节点集合Viallowed;表示链路eij在循环代数t时的蚁群Ask的节点信息素,表示链路eij的期望值;α表示信息素浓度的重要程度,β代表期望值的重要程度,循环代数t表示所述蚂蚁从对应的待处理业务的路径起点移动至所述待处理业务的路径终点的当前循环执行所述操作的次数。
10.根据权利要求8所述的装置,其特征在于,放置模块还包括:
调整模块,用于若更新后的节点信息素超过预定范围,则按照预定比例调整更新后的节点信息素,以使该更新后的节点信息素在所述预定范围内。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611132745.9A CN106600049A (zh) | 2016-12-09 | 2016-12-09 | 路径生成的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611132745.9A CN106600049A (zh) | 2016-12-09 | 2016-12-09 | 路径生成的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106600049A true CN106600049A (zh) | 2017-04-26 |
Family
ID=58598620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611132745.9A Pending CN106600049A (zh) | 2016-12-09 | 2016-12-09 | 路径生成的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106600049A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108896065A (zh) * | 2018-07-17 | 2018-11-27 | 广东工业大学 | 一种汽车路径规划方法、系统、设备及计算机存储介质 |
CN109389897A (zh) * | 2017-08-04 | 2019-02-26 | 高德软件有限公司 | 一种路形调整方法及装置 |
CN109462176A (zh) * | 2018-04-10 | 2019-03-12 | 国网浙江省电力有限公司嘉兴供电公司 | 基于gis的智能巡视指挥方法及系统 |
CN110802598A (zh) * | 2019-11-26 | 2020-02-18 | 广东技术师范大学 | 基于多蚁群迭代寻优算法的焊接机器人路径规划方法 |
CN110941263A (zh) * | 2019-10-25 | 2020-03-31 | 华南理工大学 | 一种自主水下航行器路径规划方法和装置 |
CN112183710A (zh) * | 2020-10-22 | 2021-01-05 | 中国联合网络通信集团有限公司 | 确定路径的方法及装置 |
CN112238456A (zh) * | 2020-10-10 | 2021-01-19 | 江西洪都航空工业集团有限责任公司 | 一种基于蚁群算法的料片分拣路径规划方法 |
CN114172867A (zh) * | 2021-12-02 | 2022-03-11 | 国网山东省电力公司信息通信公司 | 一种基于ims的海量信令诊断系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101667972A (zh) * | 2009-10-19 | 2010-03-10 | 国网信息通信有限公司 | 电力通信网络业务路由方法及设备 |
CN103281245A (zh) * | 2013-04-26 | 2013-09-04 | 广东电网公司电力调度控制中心 | 确定业务路由路径的方法及装置 |
CN103336999A (zh) * | 2013-06-07 | 2013-10-02 | 同济大学 | 一种基于多蚁群的组合交通疏散优化方法 |
-
2016
- 2016-12-09 CN CN201611132745.9A patent/CN106600049A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101667972A (zh) * | 2009-10-19 | 2010-03-10 | 国网信息通信有限公司 | 电力通信网络业务路由方法及设备 |
CN103281245A (zh) * | 2013-04-26 | 2013-09-04 | 广东电网公司电力调度控制中心 | 确定业务路由路径的方法及装置 |
CN103336999A (zh) * | 2013-06-07 | 2013-10-02 | 同济大学 | 一种基于多蚁群的组合交通疏散优化方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109389897A (zh) * | 2017-08-04 | 2019-02-26 | 高德软件有限公司 | 一种路形调整方法及装置 |
CN109389897B (zh) * | 2017-08-04 | 2021-02-05 | 阿里巴巴(中国)有限公司 | 一种路形调整方法及装置 |
CN109462176A (zh) * | 2018-04-10 | 2019-03-12 | 国网浙江省电力有限公司嘉兴供电公司 | 基于gis的智能巡视指挥方法及系统 |
CN108896065A (zh) * | 2018-07-17 | 2018-11-27 | 广东工业大学 | 一种汽车路径规划方法、系统、设备及计算机存储介质 |
CN110941263A (zh) * | 2019-10-25 | 2020-03-31 | 华南理工大学 | 一种自主水下航行器路径规划方法和装置 |
CN110802598A (zh) * | 2019-11-26 | 2020-02-18 | 广东技术师范大学 | 基于多蚁群迭代寻优算法的焊接机器人路径规划方法 |
CN112238456A (zh) * | 2020-10-10 | 2021-01-19 | 江西洪都航空工业集团有限责任公司 | 一种基于蚁群算法的料片分拣路径规划方法 |
CN112238456B (zh) * | 2020-10-10 | 2023-03-07 | 江西洪都航空工业集团有限责任公司 | 一种基于蚁群算法的料片分拣路径规划方法 |
CN112183710A (zh) * | 2020-10-22 | 2021-01-05 | 中国联合网络通信集团有限公司 | 确定路径的方法及装置 |
CN112183710B (zh) * | 2020-10-22 | 2023-11-24 | 中国联合网络通信集团有限公司 | 确定路径的方法及装置 |
CN114172867A (zh) * | 2021-12-02 | 2022-03-11 | 国网山东省电力公司信息通信公司 | 一种基于ims的海量信令诊断系统及方法 |
CN114172867B (zh) * | 2021-12-02 | 2023-09-29 | 国网山东省电力公司信息通信公司 | 一种基于ims的海量信令诊断系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106600049A (zh) | 路径生成的方法及装置 | |
CN109636049B (zh) | 一种结合道路网络拓扑结构与语义关联的拥堵指数预测方法 | |
KR101703446B1 (ko) | DoS 공격의 탐지가 가능한 네트워크 및 이의 제어 방법과, 상기 네트워크에 포함되는 게이트웨이 및 관리 서버 | |
EP0913061B1 (en) | Processing data signals | |
CN101702655B (zh) | 网络拓扑图的布局方法和系统 | |
CN105677648B (zh) | 一种基于标签传播算法的社团发现方法及系统 | |
CN108256561A (zh) | 一种基于对抗学习的多源域适应迁移方法及系统 | |
EP3928527A1 (en) | Systems and methods for communications node upgrade and selection | |
CN108053059B (zh) | 运用基于重用策略的智能群体算法优化动态旅行商问题的方法 | |
CN107491787A (zh) | 局部二值化cnn的处理方法、装置、存储介质及处理器 | |
CN106656598A (zh) | 电力通信网关键业务备选路由配置方法及系统 | |
CN110446121B (zh) | 基于介数中心度的虚拟网络功能服务链映射方法 | |
Zhao et al. | Smart unmanned aerial vehicles as base stations placement to improve the mobile network operations | |
CN110309337A (zh) | 一种针对多种目标识别算法的特征值集中存储方法及装置 | |
Wang et al. | The use of artificial neural networks for optimal message routing | |
Sen | Intelligent Admission and Placement of O-RAN Slices Using Deep Reinforcement Learning | |
Ahmad et al. | Multi-objective quantum-inspired Artificial Immune System approach for optimal network reconfiguration in distribution system | |
CN105354343A (zh) | 基于远程对话的用户特征挖掘方法 | |
CN107977726B (zh) | 用户关系预测模型的建立及用户动态关系的预测方法 | |
Hasan et al. | An improved fish swarm algorithm to assign tasks and cut down on latency in cloud computing | |
Roshani et al. | Parallel genetic algorithm for shortest path routing problem with collaborative neighbors | |
CN106789645A (zh) | 路由优化方法和装置 | |
Göçken et al. | Improvement of a genetic algorithm approach for the solution of vehicle routing problem with time windows | |
Sureshkumar et al. | Hybrid firefly bat algorithm (HFBA)–based network security policy enforcement for PSA | |
Solmaz et al. | Tracking evacuation of pedestrians during disasters |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170426 |