CN108494678A - 基于遗传算法的备用路由配置方法及系统 - Google Patents
基于遗传算法的备用路由配置方法及系统 Download PDFInfo
- Publication number
- CN108494678A CN108494678A CN201810220279.2A CN201810220279A CN108494678A CN 108494678 A CN108494678 A CN 108494678A CN 201810220279 A CN201810220279 A CN 201810220279A CN 108494678 A CN108494678 A CN 108494678A
- Authority
- CN
- China
- Prior art keywords
- alternate routing
- genetic algorithm
- path
- business
- routing configuration
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/22—Alternate routing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
Abstract
本发明公开了一种基于遗传算法的备用路由配置方法及系统。该备用路由配置方法包括以下步骤:建立电力通信网络的备用路由配置的数学模型;基于遗传算法求解最终的备用路由配置路径。基于遗传算法的备用路由配置方法针对电力通信网,权衡多指标因素,包括不相交度指标、时延指标、通道压力、风险等因素,进行配置备用路由路径。该备用路由配置方法规划的路径健壮性比较强,适用于对时延、安全性等综合特征要求很高的关键业务的备用路由配置。并且可以对全网多业务的备用路由进行同时配置。
Description
技术领域
本发明涉及电力通信技术领域,特别涉及一种基于遗传算法的备用路由配置方法及系统。
背景技术
随着化石能源的日益短缺,节能减排、可持续发展要求的日益提高,世界各国开始高度重视绿色用电和用电安全问题,智能电网的概念也随之被提出。智能电网就是将信息、通信、计算机技术和原有的输、配电基础设施高度集成而形成的新型电网,能够彻底改变现有能源开发和利用粗放的现状。智能电网通过智能化的通信网络使电能的供应满足精准、安全、契合、互补、互助五大供能原则;通过电网运行信息和管理信息的高度实时共享,全面提高电网抵抗自然灾害、恐怖活动、战争或运行故障的综合能力,降低人为失误和其他风险,增强电网的自愈能力。这些目标的实现均离不开一个可靠、高效、现代化的电力通信网。
电力通信网是服务于智能电网的通信专网,它的通信业务具有高级别的可靠性需求。尤其是对于线路继电保护、安全稳定控制等业务,单路由已经不能满足其安全生产的需求,往往还需要配置备用路由。当主路由发生故障中断时,迅速启用备用路由避免业务中断,由此能够极大程度地降低故障对业务的影响,保障电网安全、稳定地运行。
目前,电力通信网在进行业务的备用路由规划时,主要包括最短双路由法和最大不相交双路由算法两种。然而这些方法均单一地考虑不相交度指标或时延指标,未考虑到通道压力、风险等因素,因此这些备用路由配置方法规划的路径健壮性较差,并不适用于对时延、安全性等综合特征要求很高的关键业务的备用路由配置。另外这些方法均是按顺序配置业务备用路由,无法解决多路由同时配置的情况。公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本发明的目的在于提供一种基于遗传算法的备用路由配置方法可以进行多业务的备用路由同时配置。
本发明的目的在于提供一种基于遗传算法的备用路由配置系统,针对电力通信网,权衡多指标因素进行配置,包括不相交度指标、时延指标、通道压力、风险等因素,该备用路由配置方法规划的路径健壮性比较强,而且可以对全网多业务的备用路由进行同时配置。所述基于遗传算法的备用路由配置方法适用于对时延、安全性等综合特征要求很高的关键业务的备用路由配置以及多业务的备用路由同时配置。
为实现上述目的,本发明提供了一种基于遗传算法的备用路由配置方法,该方法包括以下步骤:建立电力通信网络的备用路由配置的数学模型;基于遗传算法求解最终的备用路由配置路径。
在一优选的实施方式中,所述建立电力通信网络的备用路由配置的数学模型包括以下内容:定义电力通信网络的拓扑图;定义电力通信网络的业务集合;设置所述备用路由配置的优化目标;设置所述备用路由配置的约束条件。
在一优选的实施方式中,定义电力通信网络的拓扑图为G(V,E),其中V={v1,v2,……vn}代表节点的集合,该节点代表所述电力通信网络的工作站点,E={e1,e2,……em}代表通信链路的集合,两点之间的路径表示为Pij,起点和终点分别为vi和vj。
在一优选的实施方式中,定义电力通信网络的业务集合为S={s1,s2,……,sk},其中单个业务si包括五种属性(start,end,path,path*,di),所述五种属性依次分别代表业务的起点、终点、业务的主路由路径、备用路由路径、业务重要度。
在一优选的实施方式中,所述优化目标是替业务集合S找到一套备用路径组合使得所有链路上的通道压力的均衡度M值最小。其中,所述通道压力均衡度M的计算公式为:其中Pr(eij)代表链路eij的通道压力,计算公式为Pr(eij)=EBIij×EIij,EBIij代表链路eij的所有业务重要度总和,EIij代表链路自身重要度。
在一优选的实施方式中,所述备用路由配置的约束条件包括:单向时延指标要满足任意一条可选路由的时延t都不能高于阈值T;相交度指标要满足任意一条可选备用路由与主路由均不相交。
在一优选的实施方式中,基于遗传算法求解最优的备用路由配置路径包括以下步骤:初始化电力通信网以及遗传算法的相关参数;将业务si的一条路径表示为一条染色体,对遗传算法的染色体进行编码,染色体上的基因位代表路径所经过的节点,染色体个数等于业务数,将多条染色体组合起来构成一个基因组代表网络中所有业务的备用路径的一套组合方案,基因组在交叉变异中保持同步;对于基因组计算其适应度函数值,采用精英保留策略,将本代中适应度函数值最高的个体直接复制到下一代;依照适应度函数值,按照轮盘赌选择算法选择基因组复制到新群体;依照概率随机选择多对基因组进行交叉并存入新群体;依照概率随机选择多个基因组进行变异并存入新群体;判断循环代数是否达到设定值,若循环代数已达到设定值,选择最新一次循环中适应度函数值最高的一组基因组输出作为最优解,否则返回继续进行遗传算法;将输出的最优解进行解码后得到最终的备选路由配置路径。
在一优选的实施方式中,适应度函数为其中Z为一个足够大的数,使得适应度函数始终为正值;种群中的个体是以一个基因组为单位,其个体适应度函数为组内所有染色体的适应度函数值的总和f=∑f(s)。
本发明还提供了一种基于遗传算法的备用路由配置系统,包括数学模型模块、遗传算法模块。数学模型模块用于建立电力通信网络的备用路由配置问题的数学模型;遗传算法模块用于进行遗传算法从而求解出最终的备用路由配置路径。
在一优选的实施方式中,所述数学模型模块包括拓扑图模块、业务集合模块、优化目标模块、约束条件模块。拓扑图模块用于定义电力通信网络的拓扑图。业务集合模块用于定义电力通信网络的业务集合。优化目标模块用于设置所述备用路由配置问题的优化目标。约束条件模块用于设置备用路由规划的约束条件。
在一优选的实施方式中,定义电力通信网络的拓扑图为G(V,E),其中V={v1,v2,……vn}代表节点的集合,E={e1,e2,……em}代表链路的集合,起点和终点分别为vi和vj。
在一优选的实施方式中,定义电力通信网络的业务集合为S={s1,s2,……,sk},其中单个业务si包括五种属性(start,end,path,path*,di),所述五种属性依次分别代表业务的起点、终点、业务的主路由路径、备用路由路径、业务重要度。
在一优选的实施方式中,所述优化目标是替业务集合S找到一套备用路径组合使得所有链路上的通道压力的均衡度M值最小,其中,所述通道压力的均衡度M的计算公式为:其中Pr(eij)代表链路eij的通道压力,计算公式为Pr(eij)=EBIij×EIij,EBIij代表链路eij的所有业务重要度总和,EIij代表链路自身重要度。
在一优选的实施方式中,所述备用路由配置的约束条件包括:单向时延指标要满足任意一条可选路由的时延t都不能高于阈值T;相交度指标要满足任意一条可选备用路由与主路由均不相交。
在一优选的实施方式中,所述遗传算法模块包括:初始化模块、染色体编码模块、最优解计算模块、解码模块。初始化模块用于初始化电力通信网以及遗传算法相关的参数。染色体编码模块用于对遗传算法的染色体进行编码,将业务的一条路径用一条染色体来表示,染色体上的基因位代表路径所经过的节点,染色体个数等于业务数,将多条染色体组合起来构成一个基因组代表网络中所有业务的备用路径的一套组合方案,基因组在交叉变异中保持同步。最优解计算模块用于对于基因组计算其适应度函数值,依照适应度函数值,按照轮盘赌选择算法选择基因组进行交叉、变异直至到达最终的迭代次数,选择最新一次循环中适应度函数值最高的一组基因组输出作为最优解;解码模块用于将输出的最优解进行解码后得到最终的备选路由配置路径。
在一优选的实施方式中,所述适应度函数为其中Z为一个足够大的数,使得适应度函数始终为正值;种群中的个体是以一个基因组为单位,其个体适应度函数为组内所有染色体的适应度函数值的总和f=∑f(s)。
与现有技术相比,根据本发明的遗传算法的备用路由配置方法及系统具有如下有益效果:
针对电力通信网,首先建立电力通信网络的备用路由配置的数学模型,设置遗传算法的优化目标为通道压力均衡度最小,设置遗传算法的约束条件包括不相交度指标,时延指标等,该备用路由配置方法规划的路径健壮性比较强,安全性高,同时时延也满足要求,而且可以对全网多业务的备用路由进行同时配置。所述基于遗传算法的备用路由配置方法适用于对时延、安全性等综合特征要求很高的关键业务的备用路由配置。
附图说明
图1是根据本发明的一实施方式的电力通信网仿真的拓扑结构图;
图2是根据本发明的一实施方式的初始种群和末代种群的适应度分布图;
图3是根据本发明的一实施方式的每次迭代后产生的最优解的适应度分布图;
图4是根据本发明的一实施方式的分别基于遗传算法和对比算法得出的备用路由路径的多条链路被攻击后的业务可达率对比图;
图5是根据本发明的一实施方式的分别基于遗传算法和对比算法得出的备用路由路径的多条链路被攻击后的业务平均时延对比图。
具体实施方式
下面结合附图,对本发明的具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
除非另有其它明确表示,否则在整个说明书和权利要求书中,术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分,而并未排除其它元件或其它组成部分。
为实现电力通信网中多路由同时配置,本发明提供了一种基于遗传算法的备用路由配置方法。,遗传算法是一种通过模拟自然进化过程搜索最优解的方法,遗传算法从代表问题可能潜在的解集的一个种群开始,种群由经过基因编码的一定数目的个体组成,每个个体实际上是染色体带有特征的实体。染色体作为遗传物质的主要载体,即多个基因的集合,其内部表现是某种基因组合,它决定了个体的形状的外部表现。初代种群产生之后,按照适者生存和优胜劣汰的原理,逐代演化产生出越来越好的近似解,在每一代,根据问题域中个体的适应度大小选择个体,并借助于自然遗传学的遗传算子进行组合交叉和变异,产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境,末代种群中的最优个体经过解码,可以作为问题近似最优解。
根据本发明一优选的实施方式提供了一种基于遗传算法的备用路由配置方法,针对电力通信网权衡不相交度指标、时延指标、通道压力等因素对多业务的备用路由进行同时配置。
基于遗传算法的备用路由配置方法包括以下步骤:一、建立电力通信网络的备用路由配置问题的数学模型。二、基于遗传算法求解最优的备用路由配置路径。
一、建立电力通信网络的备用路由配置问题的数学模型
1,定义电力通信网络的拓扑图G(V,E),其中V={v1,v2,……vn}代表节点的集合,E={e1,e2,……em}代表链路的集合,两点之间的路径表示为Pij,其中起点和终点分别为vi和vj。
2,定义电力通信网络的业务集合为S={s1,s2,……,sk},其中单个业务类si有五种属性(start,end,path,path*,di),它们分别代表业务的起点,终点,业务的主路由路径,备用路由路径以及业务重要度。其中业务si的重要度参数di,是业务中断所造成影响的量化指标,根据业务分类设定。
3,优化目标是从电力通信网络的业务集合S的所有路径P中找到一套备用路径组合满足所有链路eij上的通道压力的均衡度M值最小。
所述通道压力的均衡度M的计算公式为:其中通道压力Pr(eij)为链路eij的链路业务重要度总和EBIij与链路自身重要度EIij的乘积,即Pr(eij)=EBIij×EIij。通过计算一条链路eij上所有业务的重要度之和,就可以得到链路业务重要度EBIij。链路自身重要度EIij是指对于每一条链路,根据链路自身的特性,如光缆类型、光缆级别等的不同,设置各自的重要度级别。
4,根据电力通信网的特征,备用路由规划还需满足包括时延指标、主备路由相交度指标等约束条件。
优选地,对于单向时延t,要满足:即任意一条可选路由PK的时延t都不能高于阈值T,根据电力通信网的网络特征,本实施方式T取值为10ms。对于主备用路由的相交度C,要满足:即任意一条可选路由PK与主路由均不相交。
二、基于遗传算法求解最优的备用路由配置方案
基于遗传算法针对业务集合S={s1,s2,……,sk}在电力通信网的网络拓扑G(V,E)中找到一条最优备用路由的具体过程包括如下步骤:
1,初始化电力通信网的网络拓扑和各条链路的链路自身重要度参数,以及遗传算法相关的参数,包括选择率、交叉率、变异率、种群数量和迭代次数;
2,获取业务集合S,初始化各业务的起点、终点、业务重要度参数,设业务路径集合P为空;
3,对遗传算法的染色体进行编码,在编码时采用实数编码,染色体代表对应业务的一条路径,染色体上的基因位代表路径所经过的节点,染色体个数等于业务数,将多条染色体组合起来构成一个基因组,代表网络中所有业务的备用路径的一套组合方案,基因组在交叉变异中保持同步;
4,对于基因组中的每一条染色体,其适应度函数是由优化模型中的目标函数变形得到的,其适应度函数为其中Z为一个足够大的数,使得适应度函数始终为正值,优选地,Z取50;种群中的个体是以一个基因组为单位,其个体适应度函数为组内所有染色体适应度函数值的总和f=∑f(s)。采用精英保留策略,将本代中适应度函数值最高的个体直接复制到下一代;
5,依照适应度函数值,按照轮盘赌选择算法选择基因组复制到新群体,具体过程如下:
设种群规模为M,根据群体中每个个体Xi(i=1,2,3,...,M)的适应度大小计算每个个体被遗传到下一代群体中的概率接下来计算累积概率之后在[0,1]区间内产生一个均匀分布的伪随机数r,若r≤Q1,则选择个体1,否则,选择个体k使得Qk-1<r≤Qk成立;重复以上步骤,直到选出指定数目的个体;
6,依照概率随机选择多对基因组进行交叉并存入新群体;
7,依照概率随机选择多个基因组进行变异并存入新群体;
8,判断循环代数是否达到设定值,若循环代数已达到设定值,选择最新一次循环中适应度函数值最高的一组基因组输出作为最优解,否则返回步骤4继续算法。
9,将输出的最优解解码后得到最优的备选路由配置方案。
下面以一个实际工程案例来验证遗传算法。图1是根据本发明的一实施方式的电力通信网仿真的拓扑结构图。该拓扑图来源于某省公司电力通信骨干传输网的部分拓扑,其中共有15个节点,以及23条链路。
设置链路相关参数。链路自身重要度的设定为:500kV线路的链路重要度LI为1.25,220kV线路的LI为0.8,重要地网光缆的LI为0.7。仿真采用的业务集合中包含8条业务,业务重要度值的设置如表1所示:
表1业务重要度权重参考值
业务编号 | 业务重要度 |
1 | 10 |
2 | 9.38 |
3 | 5.98 |
4 | 5.05 |
5 | 7.97 |
6 | 0.8 |
7 | 2.9 |
8 | 2.7 |
遗传算法参数设置为:种群规模100,遗传选择概率0.5,交叉概率0.8,变异概率0.01,迭代次数500次。
首先以传输时延最小为目标配置主路由,在主路由基础上采用遗传算法为每条业务配置与其主路由不相交的备用路由。根据各条链路的实际长度,采用公式计算业务经过各条链路的时延t(l),其中Ol表示光缆长度,γ表示纤芯区折射率,c为真空中的光速。其次选取最短双路由算法作为对比算法,最短双路由法是指对于每条业务,选取业务起点和终点间传输时延最短的两条路径作为主路由路径和备选路由路径。因此两种算法下,主路由路径是相同的,只对配置的备用路由路径进行比较。具体算法如下:
首先采用Dijkstra算法(迪杰斯特拉算法)为每条业务寻找时延最短的路径作为主路径,然后采用遗传算法,根据设定的参数,生成初始种群,初始种群的适应度分布如图2中圆圈所示,经过500次迭代后,种群最优解趋于稳定,末代种群适应度分布如图2中圆点所示。
迭代过程中,各代种群最优解的适应度分布如图3所示,可以看出,所提出的遗传算法具有良好的收敛性。将末代最优解解码后得到各业务的备用路径。将该结果与采用最短双路由配置的备用路径进行对比,对比数据如表2所示:
表2备用路径相关数据对比
由上表所示,根据各链路的时延,每条业务备用路径的时延开销为该业务的备用路径所经过的所有链路的时延的总和;根据两种算法配置得到的备用路径组合方案,分别将8条业务的时延开销加起来,可以得到两种算法配置下的备用路径时延总开销,最短双路由法是9.3050ms,遗传算法是12.1610ms。这是由于原始备用路径的选取只考虑了时延这一因素,而本实施方式综合考虑了时延和通道压力均衡度这两个指标,因此时间上略长一些,但是仍在可接受的范围内。
将配置好的主路径和备用路径叠加到网络拓扑中,可以得到各链路上经过的业务数目和种类,对于每条链路,根据链路的自身重要度、链路上经过的每条业务的业务重要度,由前面所提到的通道压力的求解方法,可求得每条链路的通道压力Pr(eij),采用标准差的计算方法,可求得整个网络的通道压力均衡度。最短双路由算法配置下,网络的通道压力均衡度为13.2374,遗传算法配置下,网络的通道压力均衡度为5.9103,由此可以看出,遗传算法能够有效均衡网络的通道压力,使得业务更加均匀地分布在各条链路上,能够提高网络的健壮性。
下面动态模拟网络故障的发生,选取业务可达率和业务平均时延作为衡量网络在故障状态下的可靠性。
业务可达率是指当前网络中可正常运行的业务占总业务数的比例,当网络故障发生后,可正常运行的业务越多,网络抵抗故障的能力越强。业务平均时延是指将网络中所有业务的时延开销求平均值,用平均时延来衡量故障后网络的通信能力。
下面随机选取10条链路{21,17,16,20,7,12,22,13,3,9},依次对链路进行攻击使其中断,记录下网络的业务可达率、业务平均时延的变化情况。图4所示,基于遗传算法的备用路由配置方法较对比算法的业务可达率下降得慢,可证明遗传算法能有效提高网络健壮性,对网络故障的抵抗能力强。
图5所示,基于遗传算法的备用路由配置方法较对比算法的业务平均时延较大,但仍在可接受的范围内。这是因为原始备用路径的选取只考虑了时延这一因素,而基于遗传算法的备用路由配置方法综合考虑了多个指标,使得优化配置后的备用路由路径总体性能更好。最后业务平均时延都降至0,是因为此时网络中正常运行的业务数为0。
本发明还提供了一种基于遗传算法的备用路由配置系统,根据本发明一实施方式,该备用路由配置系统包括一、建立数学模型模块,二、遗传算法模块。
一、建立数学模型模块
建立数学模型模块用于建立电力通信网络的备用路由配置问题的数学模型。所述数学模型建立模块包括:定义拓扑图模块、定义业务集合模块、设置优化目标模块、设置约束条件模块。
定义拓扑图模块用于定义电力通信网络的拓扑图。定义电力通信网络的拓扑图为G(V,E),其中V={v1,v2,……vn}代表节点的集合,E={e1,e2,……em}代表链路的集合,起点和终点分别为vi和vj。
定义业务集合模块用于定义电力通信网络的业务集合。定义电力通信网络的业务集合为S={s1,s2,……,sk},其中单个业务si包括五种属性(start,end,path,path*,di),所述五种属性依次分别代表业务的起点、终点、业务的主路由路径、备用路由路径、业务重要度。
设置优化目标模块用于设置所述备用路由配置问题的优化目标。所述优化目标是替业务集合S找到一套备用路径组合使得所有链路上的通道压力的均衡度M值最小。所述通道压力的均衡度M的计算公式为:其中Pr(eij)代表链路eij的通道压力,计算公式为Pr(eij)=EBIij×EIij,EBIij代表链路eij的所有业务重要度总和,EIij代表链路自身重要度。
设置约束条件模块用于设置备用路由规划的约束条件。所述备用路由规划的约束条件包括:单向时延指标要满足任意一条可选路由的时延t都不能高于阈值T;相交度指标要满足任意一条可选备用路由与主路由均不相交。
二、遗传算法模块
遗传算法模块用于进行遗传算法从而求解出最终的备用路由配置路径。所述遗传算法模块包括:初始化模块、染色体编码模块、最优解计算模块、解码模块。
初始化模块用于初始化电力通信网以及遗传算法相关的参数。
染色体编码模块用于对遗传算法的染色体进行编码,将业务的一条路径用一条染色体来表示,染色体上的基因位代表路径所经过的节点,染色体个数等于业务数,将多条染色体组合起来构成一个基因组代表网络中所有业务的备用路径的一套组合方案,基因组在交叉变异中保持同步。
最优解计算模块用于对于基因组计算其适应度函数值,依照适应度函数值,按照轮盘赌选择算法选择基因组进行交叉、变异直至到达最终的迭代次数,选择最新一次循环中适应度函数值最高的一组基因组输出作为最优解;所述适应度函数为其中Z为一个足够大的数,使得适应度函数始终为正值;种群中的个体是以一个基因组为单位,其个体适应度函数为组内所有染色体的适应度函数值的总和f=∑f(s)。
解码模块用于将输出的最优解进行解码后得到最终的备选路由配置路径。
综上所述,基于遗传算法的备用路由配置方法及系统,针对电力通信网,权衡多指标因素进行配置,包括不相交度指标、时延指标、通道压力、风险等因素,该备用路由配置方法及系统规划的路径健壮性比较强,而且可以对全网多业务的备用路由进行同时配置。所述基于遗传算法的备用路由配置方法及系统适用于对时延、安全性等综合特征要求很高的关键业务的备用路由配置以及多业务的备用路由同时配置。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式,并且很显然,根据上述教导,可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用,从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。
Claims (16)
1.一种基于遗传算法的备用路由配置方法,其特征在于,包括以下步骤:
建立电力通信网络的备用路由配置的数学模型;以及
基于遗传算法求解最终的备用路由配置路径。
2.根据权利要求1所述的基于遗传算法的备用路由配置方法,其特征在于,所述建立电力通信网络的备用路由配置的数学模型包括:
定义电力通信网络的拓扑图;
定义电力通信网络的业务集合;
设置所述备用路由配置的优化目标;以及
设置所述备用路由配置的约束条件。
3.根据权利要求2所述的基于遗传算法的备用路由配置方法,其特征在于,所述拓扑图为G(V,E),其中V={v1,v2,……vn}代表节点的集合,该节点代表所述电力通信网络的工作站点,E={e1,e2,……em}代表通信链路的集合,两点之间的路径表示为Pij,所述电力通信网络的起点和终点分别为vi和vj。
4.根据权利要求3所述的基于遗传算法的备用路由配置方法,其特征在于,所述业务集合为S={s1,s2,……,sk},其中单个业务si包括五种属性(start,end,path,path*,di),所述五种属性依次分别代表业务的起点、终点、业务的主路由路径、备用路由路径、业务重要度。
5.根据权利要求4所述的基于遗传算法的备用路由配置方法,其特征在于,所述优化目标是替业务集合S找到一套备用路径组合使得所有链路上的通道压力的均衡度M值最小,
其中,所述通道压力均衡度M的计算公式为:其中Pr(eij)代表链路eij的通道压力,计算公式为Pr(eij)=EBIij×EIij,EBIij代表链路eij的所有业务重要度总和,EIij代表链路自身重要度。
6.根据权利要求2所述的基于遗传算法的备用路由配置方法,其特征在于,所述备用路由配置的约束条件包括:
单向时延指标,任意一条可选路由的时延t都不能高于阈值T;以及
相交度指标,任意一条可选备用路由与主路由均不相交。
7.根据权利要求4所述的基于遗传算法的备用路由配置方法,其特征在于,基于遗传算法求解最终的备用路由配置路径包括以下步骤:
初始化电力通信网以及遗传算法的相关参数;
将业务的一条路径用一条染色体来表示,对遗传算法的染色体进行编码,染色体上的基因位代表路径所经过的节点,染色体个数等于业务数,将多条染色体组合起来构成一个基因组代表网络中所有业务的备用路径的一套组合方案,基因组在交叉变异中保持同步;
对于基因组计算其适应度函数值,采用精英保留策略,将本代中适应度函数值最高的个体直接复制到下一代;
依照适应度函数值,按照轮盘赌选择算法选择基因组复制到新群体;
依照概率随机选择多对基因组进行交叉并存入新群体;
依照概率随机选择多个基因组进行变异并存入新群体;
判断循环代数是否达到设定值,若循环代数已达到设定值,选择最新一次循环中适应度函数值最高的一组基因组输出作为最优解,否则返回继续进行遗传算法;以及
将输出的最优解进行解码后得到最终的备选路由配置路径。
8.根据权利要求7所述的基于遗传算法的备用路由配置方法,其特征在于,所述适应度函数为其中Z为一个足够大的数,使得适应度函数始终为正值;种群中的个体是以一个基因组为单位,其个体适应度函数为组内所有染色体的适应度函数值的总和f=∑f(s)。
9.一种基于遗传算法的备用路由配置系统,其特征在于,包括:
数学模型模块,用于建立电力通信网络的备用路由配置问题的数学模型;以及
遗传算法模块,用于进行遗传算法从而求解出最终的备用路由配置路径。
10.根据权利要求9所述的基于遗传算法的备用路由配置系统,其特征在于,所述数学模型模块包括:
拓扑图模块,用于定义电力通信网络的拓扑图;
业务集合模块,用于定义电力通信网络的业务集合;
优化目标模块,用于设置所述备用路由配置问题的优化目标;以及
约束条件模块,用于设置备用路由规划的约束条件。
11.根据权利要求10所述的基于遗传算法的备用路由配置系统,其特征在于,定义电力通信网络的拓扑图为G(V,E),其中V={v1,v2,……vn}代表节点的集合,E={e1,e2,……em}代表链路的集合,起点和终点分别为vi和vj。
12.根据权利要求11所述的基于遗传算法的备用路由配置系统,其特征在于,定义电力通信网络的业务集合为S={s1,s2,……,sk},其中单个业务si包括五种属性(start,end,path,path*,di),所述五种属性依次分别代表业务的起点、终点、业务的主路由路径、备用路由路径、业务重要度。
13.根据权利要求12所述的基于遗传算法的备用路由配置系统,其特征在于,所述优化目标是替业务集合S找到一套备用路径组合使得所有链路上的通道压力的均衡度M值最小,其中,所述通道压力的均衡度M的计算公式为:其中Pr(eij)代表链路eij的通道压力,计算公式为Pr(eij)=EBIij×EIij,EBIij代表链路eij的所有业务重要度总和,EIij代表链路自身重要度。
14.根据权利要求10所述的基于遗传算法的备用路由配置系统,其特征在于,所述备用路由配置的约束条件包括:
单向时延指标,任意一条可选路由的时延t都不能高于阈值T;以及
相交度指标,任意一条可选备用路由与主路由均不相交。
15.根据权利要求12所述的基于遗传算法的备用路由配置系统,其特征在于,所述遗传算法模块包括:
初始化模块,用于初始化电力通信网以及遗传算法相关的参数;
染色体编码模块,用于对遗传算法的染色体进行编码,将业务的一条路径用一条染色体来表示,染色体上的基因位代表路径所经过的节点,染色体个数等于业务数,将多条染色体组合起来构成一个基因组代表网络中所有业务的备用路径的一套组合方案,基因组在交叉变异中保持同步;
最优解计算模块,用于对于基因组计算其适应度函数值,依照适应度函数值,按照轮盘赌选择算法选择基因组进行交叉、变异直至到达最终的迭代次数,选择最新一次循环中适应度函数值最高的一组基因组输出作为最优解;以及
解码模块,用于将输出的最优解进行解码后得到最终的备选路由配置路径。
16.根据权利要求15所述的基于遗传算法的备用路由配置系统,其特征在于,所述适应度函数为其中Z为一个足够大的数,使得适应度函数始终为正值;种群中的个体是以一个基因组为单位,其个体适应度函数为组内所有染色体的适应度函数值的总和f=∑f(s)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810220279.2A CN108494678A (zh) | 2018-03-16 | 2018-03-16 | 基于遗传算法的备用路由配置方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810220279.2A CN108494678A (zh) | 2018-03-16 | 2018-03-16 | 基于遗传算法的备用路由配置方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108494678A true CN108494678A (zh) | 2018-09-04 |
Family
ID=63339602
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810220279.2A Pending CN108494678A (zh) | 2018-03-16 | 2018-03-16 | 基于遗传算法的备用路由配置方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108494678A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110289996A (zh) * | 2019-06-14 | 2019-09-27 | 浪潮思科网络科技有限公司 | 一种基于sr的业务路由计算方法 |
CN111027738A (zh) * | 2019-10-18 | 2020-04-17 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于遗传算法的电力通信光缆敷设优化方法 |
CN111404727A (zh) * | 2020-03-02 | 2020-07-10 | 国网浙江省电力有限公司信息通信分公司 | 一种基于备用路由潜在风险评估模型的路由分析方法 |
GB2580410A (en) * | 2019-01-10 | 2020-07-22 | British Telecomm | Resilient network routing |
CN112822101A (zh) * | 2019-11-15 | 2021-05-18 | 中国电信股份有限公司 | 通信路径生成方法和装置 |
WO2022042571A1 (zh) * | 2020-08-25 | 2022-03-03 | 中兴通讯股份有限公司 | 流量优化方法、电子设备、计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6789233B2 (en) * | 2002-08-28 | 2004-09-07 | Micron Technology, Inc. | Method for determining a matched routing arrangement for semiconductor devices |
CN104299053A (zh) * | 2014-10-13 | 2015-01-21 | 国家电网公司 | 基于遗传算法配用电通信网最优路径选择的方法 |
CN105430707A (zh) * | 2015-11-03 | 2016-03-23 | 国网江西省电力科学研究院 | 一种基于遗传算法的无线传感网多目标优化路由方法 |
CN106656598A (zh) * | 2016-12-22 | 2017-05-10 | 云南电网有限责任公司 | 电力通信网关键业务备选路由配置方法及系统 |
-
2018
- 2018-03-16 CN CN201810220279.2A patent/CN108494678A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6789233B2 (en) * | 2002-08-28 | 2004-09-07 | Micron Technology, Inc. | Method for determining a matched routing arrangement for semiconductor devices |
CN104299053A (zh) * | 2014-10-13 | 2015-01-21 | 国家电网公司 | 基于遗传算法配用电通信网最优路径选择的方法 |
CN105430707A (zh) * | 2015-11-03 | 2016-03-23 | 国网江西省电力科学研究院 | 一种基于遗传算法的无线传感网多目标优化路由方法 |
CN106656598A (zh) * | 2016-12-22 | 2017-05-10 | 云南电网有限责任公司 | 电力通信网关键业务备选路由配置方法及系统 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2580410A (en) * | 2019-01-10 | 2020-07-22 | British Telecomm | Resilient network routing |
GB2580410B (en) * | 2019-01-10 | 2021-10-27 | British Telecomm | Resilient network routing |
CN110289996A (zh) * | 2019-06-14 | 2019-09-27 | 浪潮思科网络科技有限公司 | 一种基于sr的业务路由计算方法 |
CN111027738A (zh) * | 2019-10-18 | 2020-04-17 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于遗传算法的电力通信光缆敷设优化方法 |
CN111027738B (zh) * | 2019-10-18 | 2023-04-21 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于遗传算法的电力通信光缆敷设优化方法 |
CN112822101A (zh) * | 2019-11-15 | 2021-05-18 | 中国电信股份有限公司 | 通信路径生成方法和装置 |
CN112822101B (zh) * | 2019-11-15 | 2022-11-18 | 中国电信股份有限公司 | 通信路径生成方法和装置 |
CN111404727A (zh) * | 2020-03-02 | 2020-07-10 | 国网浙江省电力有限公司信息通信分公司 | 一种基于备用路由潜在风险评估模型的路由分析方法 |
WO2022042571A1 (zh) * | 2020-08-25 | 2022-03-03 | 中兴通讯股份有限公司 | 流量优化方法、电子设备、计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108494678A (zh) | 基于遗传算法的备用路由配置方法及系统 | |
CN105376156B (zh) | 一种基于多属性决策的电力骨干传输网路由规划方法 | |
CN101777990B (zh) | 多目标免疫优化组播路由路径选择方法 | |
CN106656598B (zh) | 电力通信网关键业务备选路由配置方法及系统 | |
CN107017618A (zh) | 一种有源配电网供电区域划分方法及装置 | |
CN108880886B (zh) | 一种跨区域电力系统保护通信网规划方法 | |
CN107318058B (zh) | 基于成本最优和负载均衡的配电通信网中onu部署方法 | |
CN111191918A (zh) | 一种智能电网通信网的业务路由规划方法及装置 | |
CN103384354A (zh) | 一种无源光网络光分配网的优化设计方法 | |
CN110971525B (zh) | 一种面向电力通信网的业务运行的业务路由寻址方法 | |
CN107682211B (zh) | 一种网络拓扑结构确定方法、装置及计算机可读存储介质 | |
CN110414094A (zh) | 一种电力通信网节点之间的业务重要度配置方法 | |
Geng et al. | Research on self-organization in resilient recovery of cluster supply chains | |
CN104156774B (zh) | 一种考虑了相邻系统的电力支援方法 | |
CN106067074B (zh) | 一种通过优化链路的开关状态来提升电网系统鲁棒性的方法 | |
CN104618134A (zh) | 一种配电通信网多级分光无源光网络优化方法 | |
Hong et al. | Genetic algorithm based network reconfiguration for loss minimization in distribution systems | |
CN115277115A (zh) | 一种用于解决网络上鲁棒信息传播问题的方法及系统 | |
CN107689917B (zh) | 一种基于非一致性业务均衡的电力通信网路由分配方法 | |
CN109888817A (zh) | 对光伏电站和数据中心进行位置部署和容量规划方法 | |
Wang et al. | Integrated genetic algorithm and goal programming for network topology design problem with multiple objectives and multiple criteria | |
CN111404727A (zh) | 一种基于备用路由潜在风险评估模型的路由分析方法 | |
CN106789641A (zh) | 智能电网中集中式广域保护通信网的拓扑设计方法 | |
CN111083577A (zh) | 一种电力通信拓扑结构优化方法 | |
KR20230100683A (ko) | 준마코프 사후상태 액터-크리틱을 활용한 전력망 자동 운영 방법 |
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: 20180904 |