CN108540204B - 利用快速收敛蚁群算法的卫星网络拓扑生成方法 - Google Patents
利用快速收敛蚁群算法的卫星网络拓扑生成方法 Download PDFInfo
- Publication number
- CN108540204B CN108540204B CN201810239605.4A CN201810239605A CN108540204B CN 108540204 B CN108540204 B CN 108540204B CN 201810239605 A CN201810239605 A CN 201810239605A CN 108540204 B CN108540204 B CN 108540204B
- Authority
- CN
- China
- Prior art keywords
- satellite
- link
- node
- inter
- nodes
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/18521—Systems of inter linked satellites, i.e. inter satellite service
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
- H04W84/04—Large scale networks; Deep hierarchical networks
- H04W84/06—Airborne or Satellite Networks
Abstract
本发明公开了一种利用快速收敛蚁群算法的卫星网络拓扑生成方法,包括以下步骤:建立卫星网络模型;建立星间链路;基于改进蚁群算法的卫星网络拓扑生成优化。本发明的蚁群算法在问题空间的多点同时开始进行独立的解搜索,不仅增加了算法的可靠性,也使得算法具有较强的全局搜索能力。将蚁群算法应用到卫星网络中,可以获取全局最优拓扑,并且增强了拓扑的稳定性。本发明用星间链路的权值作为蚁群算法的信息素,考虑到了星间链路的长度、链路连接时间以及链路容量这三种因素共同作用对卫星网络拓扑生成的影响,使生成的卫星网络拓扑更精确。本发明综合考虑了三种影响卫星网络拓扑生成的因素,将其相结合,得出全局最优解。
Description
技术领域
本发明涉及改进的蚁群算法,特别是一种利用快速收敛蚁群算法的卫星网络拓扑生成方法。
背景技术
卫星网络具有组成结构复杂、拓扑动态变化、跨越空间尺度大和自组织程度高等特点,这些特点均影响到卫星网络拓扑的稳定性。稳定的卫星网络不仅是实现网络信息交换和资源共享的基础,而且也是实现网络管理、协议设计优化、安全控制等的前提。因此,利用可靠的算法进行卫星网络拓扑生成及优化已经成为国内外的研究热点。近年来,一些新技术的出现极大促进了卫星网络的发展,如星上处理(On-board Processing,OBP)、星间链路(Inter-satellite Link,ISL)等,这些技术较好地解决了卫星网络通信时延长,地面通信终端负载过大、功率过小等问题。但这些技术也增加了卫星网络的部署周期和管理维护成本,同时也增加了卫星节点的复杂性,这无形中增加了卫星网络拓扑生成的难度。
蚁群算法(Ant Colony Optimization,简称ACO)是一种新型的模拟进化算法,其具有很强的鲁棒性和搜索更优解的能力,且易于与多种启发式算法结合,改善算法性能。蚁群算法的核心思想是用蚂蚁行走的路径表示待优化问题的可行解,整个蚂蚁群体的所有路径构成待优化问题的解空间。蚂蚁会在走过的路径释放信息素,随着时间的推进,较短的路径上积累的信息素浓度逐渐增高,选择该路径的蚂蚁个数也愈来愈多。最终,整个蚂蚁会在正反馈的作用下集中到最佳的路径上。利用蚁群算法进行卫星网络拓扑生成在时延、卫星节点间链路长度以及拓扑的稳定性方面有一定的优势。
目前,有研究人员提出了一种在保证卫星节点可见性的条件下,采用最短路径算法生成卫星网络拓扑。这种算法只考虑了单因素对卫星网络链路的影响,而实际情况下会有多种因素来共同影响卫星网络的拓扑生成。也有研究人员从影响卫星网络拓扑结构的多因素出发,提出了一种分布式拓扑生成算法,该算法通过减少链路切换次数来改善网络拓扑的稳定性。但该算法有很大概率陷入局部最优解而非得到全局最优解。
发明内容
为解决现有技术存在的上述问题,本发明要设计一种既能提升卫星网络拓扑生成的速度以及稳定性,又能得到全局最优解的利用快速收敛蚁群算法的卫星网络拓扑生成方法。
为了实现上述目的,本发明的技术方案如下:利用快速收敛蚁群算法的卫星网络拓扑生成方法,其特征在于:包括以下步骤:
A、建立卫星网络模型
卫星网络由众多的卫星节点和星间链路构成,且具有以下特点:
(1)网络各节点位置以及节点间的相对距离都是以时间为变量的函数;
(2)节点的邻居状况具有周期性;
(3)网络节点总数不会发生变化;
(4)卫星网络各个节点间的距离不能忽略;
(5)网络的拓扑关系呈周期变化;
根据上述五个特点,建立卫星网络模型如下:
A1、建立卫星节点模型
对于卫星节点,考虑其节点编号、卫星节点的连接度以及潜在链路个数,即:
Sat={num,degree,latent} (1)
式中,Sat表示卫星节点;num表示卫星节点编号;degree为卫星节点的连接度;latent表示此节点存在潜在链路的个数;卫星节点编号采用vi,i=1,2,…,N的形式;定义网络中某一节点与其他节点建立链路的条数为该节点的连接度;卫星节点的潜在链路是指某颗卫星可能与其周围的卫星存在链路的情况,只要卫星节点在可视范围且有连接时间,就认为它们之间存在潜在链路;
A2、建立星间链路模型
星间链路模型描述为:
Link={L(vi,vj),T(i,j),d(i,j),B(i,j)} (2)
其中,Link表示星间链路;L(vi,vj)表示这条星间链路是由编号为vi和vj的卫星所构成的;T(i,j)为连接时间,由于卫星处于时刻运动状态,所以卫星网络的拓扑具有时变性,因此星间链路的状态会在通断之间频繁切换,规定从两颗卫星可视到不可视的这一时间段为连接时间;d(i,j)表示此链路的长度;B(i,j)为链路容量,单位Mbps;
A3、建立卫星网络动态模型
卫星网络实际上是一个各边权值都是以时间为变量的周期函数的无向图,其中若两节点不相邻,其边的权值定义为∞;因此,引用图论的知识,用G(N,E,Wij(t))来表示卫星网络拓扑结构;其中,N={v1,v2,…,vn}是有限节点集,表示网络的节点;E是有限边集,Wij(t)是节点vi与节点vj在时刻t的权值函数,规定卫星与自身的权值函数为0,因此,用矩阵B表示星间链路的权值;其表达形式如下:
由于Wij(t)与Wji(t)表示的是同一条链路的权值,因此Wij(t)=Wji(t);
B、建立星间链路
星间链路是卫星网络的重要组成部分,它在不依赖地面设备的情况下实现所有网络节点的连接,将各颗卫星有机地联结为一个整体;对影响星间链路建立的两个链路基本属性进行分析,即两颗卫星建立的最大可见链路长度和两颗卫星建立的最小连接时间;其建立连接满足以下两点:一是两颗卫星连接的长度小于其最大可见链路长度;二是两颗卫星连接的时间大于其最小连接时间;
B1、分析星间链路可见性
每颗卫星节点均处于高速运动状态,由于卫星在其轨道内运行会受到地球和大气层的遮挡,所以两颗卫星所形成的链路长度存在一个最大值,即最大可见链路长度,用dAB表示:
其中,R为地球半径;hA、hB分别为卫星A与卫星B所在的轨道高度;ξ为地心角;但在实际情况中,由于星间链路会受到地球的遮挡,故任意两颗处于不同轨道的卫星在某一时刻,它们的之间的星间链路长度存在一个最大值,即为最大可见链路长度;此时,卫星A与卫星B之间的链路长度dAB为其最大可见链路长度,表示为:
同时,推出最大地心角表示为:
当两颗卫星之间的星间链路长度dAB满足dAB≤dmax,地心角ξ满足ξ≤ξmax时,两颗卫星可见;否则,两颗卫星不可见,即不存在潜在链路;
B2、分析星间链路连接时间
由于卫星网络的拓扑具有时变性,所以星间链路在连接和断开两个状态间频繁切换;若要建立稳定的网络拓扑,则需对星间链路连接时间加以分析;链路连接时间TLink是指从两颗卫星建立链路开始,到链路断开的这一段时间;用以下公式表示:
TLink=Tend-Tstart (7)
其中Tstart和Tend分别表示建立链路的时刻和链路断开的时刻;为了减小星间链路频繁切换,这里定义最小连接时间Tmin,只有当TLink>Tmin时,才具备建立链路的条件;
B3、分析星间链路权值
星间链路的权值考虑以下三个参数:星间链路的长度(d(i,j))、链路连接时间(t(i,j))以及链路容量(B(i,j));但是,在实际的卫星网络参数优化中,很难使多个参数同时达到最优值,只能在它们中间进行协调和折中处理,使各个参数都尽可能的达到最优化;这里采用归一化的思想,针对多参数目标进行处理,最终得出优化权值;在卫星网络中,链路的容量B(i,j)由以下公式计算得出:
B(i,j)=RS(1+α)×TTL (8)
其中,RS为卫星网络中的符号率,α为滚降系数,TTL为往返时延;因此,根据卫星网络的实际情况按照公式(8)计算出链路容量的最小值Bmin;
当链路容量B(i,j)≥Bmin时,星间链路正常工作;由此,得到权值(Wij(t)):
C、基于改进蚁群算法的卫星网络拓扑生成优化
将各条星间链路的权值定义为星间链路上的信息素,链路权值的大小定义为信息素的浓度;可达性矩阵T利用邻接矩阵D来计算;可达性矩阵T表示为:
T=D1+D2+…+Dn (10)
计算完成后将可达性矩阵T中不为0的元素均用1替换,以保证可达性矩阵T中所有的元素均为0和1;根据可达性矩阵T,将节点i的总路径定义为:
ti=∑tij(j=1,…,n) (11)
其中,tij表示可达性矩阵T中的元素;ti表示拓扑中i节点到达所有节点的直接和非直接路径的总和,即节点i的总路径;n为卫星节点的总数;所以,各个卫星节点的可达性由以下公式计算:
引用链路介数的定义:
对于链路的重要程度用链路介数nbet[L(vi,vj)]来表示,介数越大,链路越重要;链路介数用公式:
表示;其中,Nlm为节点vl和vm之间的最优链路条数,Nlm(L(vi,vj))表示节点vl和vm之间的最优链路经过L(vi,vj)的条数;
C1、从编号为1的卫星节点开始,当该卫星节点与其他卫星节点建立潜在链路条件时,则在这两个卫星节点之间建立潜在链路,否则不建立潜在链路;依次建立各卫星节点与其他卫星节点的潜在链路,直到所有节点遍历完成;
C2、创建人工蚂蚁,并将蚂蚁平均分配到各个卫星节点上;确保每一个蚂蚁都会维护一张链路状态表,链路状态表包含表项1、表项2、表项3、表项4和表项5,分别代表源节点、下一跳节点集、到下一跳节点的概率、下一跳禁忌节点和最优链路;
表中源节点为蚂蚁每一跳的初始节点,蚂蚁从源节点出发存在多个下一跳节点,故表项2设定为下一跳节点集;蚂蚁依据概率选择下一跳的节点,其公式表示为:
其中,为从源节点vi到目的节点vj的概率;Wij(t)表示卫星节点vi,vj间链路的权值;∑Wij(t)表示从源节点vi起始,与所有可能的下一跳节点构成的链路的权值之和;在每次完成下一跳动作后,将源节点加入表项4中的下一跳禁忌节点中,以防止蚂蚁再次返回源节点,确保蚂蚁正向前进;表项5中记录的是以vi为初始节点的各条潜在链路中的最优值,即为权值最大的链路;
C3、将编号为1的卫星节点作为初始节点,依次对与编号为2-n的卫星节点之间的星间链路进行蚁群算法优化;蚂蚁在两个卫星节点间按照概率随机选择路径;由于每条链路的权值由计算得到,则权值大的链路被选择的概率就越大;蚂蚁每经过一条链路到达下一跳节点后都使每条链路上的信息素浓度发生变化,信息素浓度变化表示为:
其中,为第m+1跳时卫星节点vi与vj构成的星间链路的信息素浓度,为第m跳时卫星节点vi与vj构成的星间链路的信息素浓度,ρ为信息素浓度挥发系数,β为信息素浓度增量系数,为信息素浓度增量;此时分为两种情况:
C31、蚂蚁所经过的链路恰好为表项5所存储的最优链路,那么所有链路上的信息素浓度按照公式(15)进行更新,最优链路的β值取1,其余链路取0;
C32、蚂蚁所经过的链路不是最优链路,这种情况下该链路的β值取ρ,其余链路取0;
当蚂蚁遍历过其余所有节点时,更新信息素浓度;
C4、分别以编号为2-n的卫星节点为初始节点,重复步骤C3,直到所有卫星节点遍历完成后转到步骤C5;
C5、根据步骤C4的结果,如果存在卫星节点维持的星间链路数目大于4条的情况,则需要删除多余的星间链路;删除链路的依据是在卫星节点的整体可达性不变的情况下删除权值最小的链路;如果存在两条可删除的链路权值相同,则删除链路介数最小的链路;如果一个卫星节点存在的链路数目小于4,则建立权值最大的潜在链路,以确保任意两个卫星节点间的星间链路的数目均等于卫星节点的度。
进一步地,步骤C2所述的链路状态表的内容如下:
所述的源节点,其内容为vi,i=1,2,…,N;
所述的下一跳节点集,其内容为adjoin(vi);
所述的下一跳禁忌节点,其内容为vi,i=1,2,…,N;
所述的最优链路,其内容为Lmax。
进一步地,步骤A1所述的连接度的最大值为4。
与现有技术相比,本发明具有以下有益效果:
1、本发明将蚁群算法(Ant Colony Optimization,简称ACO)的核心思想应用到了卫星网络的拓扑生成中。蚁群算法是一种本质上并行的算法,每只蚂蚁搜索的过程彼此独立,仅通过信息素进行通信。所以,蚁群算法可以看作是一个分布式的多代理系统,这一点刚好适合应用在卫星网络中。蚁群算法在问题空间的多点同时开始进行独立的解搜索,不仅增加了算法的可靠性,也使得算法具有较强的全局搜索能力。将蚁群算法应用到卫星网络中,可以获取全局最优拓扑,并且增强了拓扑的稳定性。
2、本发明用星间链路的权值作为蚁群算法的信息素,这样考虑到了星间链路的长度、链路连接时间以及链路容量这三种因素共同作用对卫星网络拓扑生成的影响,使生成的卫星网络拓扑更精确。同时,本发明设计增加了蚁群算法的信息素增量,使其达到快速收敛的效果,更加适用于具有大时空尺度的卫星网络。
3、本发明针对蚁群算法容易陷入局部最优解的缺点,综合考虑了三种影响卫星网络拓扑生成的因素,将其相结合,得出全局最优解。
附图说明
图1是快速收敛蚁群算法在卫星网络拓扑生成中的应用流程图。
具体实施方式
下面结合附图对本发明进行进一步地描述。
本发明首先进行卫星网络模型的建立,其中包括卫星节点模型、星间链路模型以及卫星网络动态模型。在此基础上,通过对星间链路可见性及权值分析得出了星间链路的建链策略。这里的链路权值考虑了星间链路长度、链路连接时间以及链路容量三个因素,并且利用归一化的思想,针对多参数目标进行处理,最终得出优化权值,实现了星间链路状况的全面分析。
本发明按照图1所示的流程进行基于改进蚁群算法的卫星网络拓扑生成优化。该算法减少了链路的建链次数,缩短了收敛时间,提升了卫星网络拓扑的稳定性。
本发明不局限于本实施例,任何在本发明披露的技术范围内的等同构思或者改变,均列为本发明的保护范围。
Claims (3)
1.利用快速收敛蚁群算法的卫星网络拓扑生成方法,其特征在于:包括以下步骤:
A、建立卫星网络模型
卫星网络由众多的卫星节点和星间链路构成,且具有以下特点:
(1)网络各节点位置以及节点间的相对距离都是以时间为变量的函数;
(2)节点的邻居状况具有周期性;
(3)网络节点总数不会发生变化;
(4)卫星网络各个节点间的距离不能忽略;
(5)网络的拓扑关系呈周期变化;
根据上述五个特点,建立卫星网络模型如下:
A1、建立卫星节点模型
对于卫星节点,考虑其节点编号、卫星节点的连接度以及潜在链路个数,即:
Sat={num,degree,latent} (1)
式中,Sat表示卫星节点;num表示卫星节点编号;degree为卫星节点的连接度;latent表示此节点存在潜在链路的个数;卫星节点编号采用vi,i=1,2,…,N的形式;定义网络中某一节点与其他节点建立链路的条数为该节点的连接度;卫星节点的潜在链路是指某颗卫星可能与其周围的卫星存在链路的情况,只要卫星节点在可视范围且有连接时间,就认为它们之间存在潜在链路;
A2、建立星间链路模型
星间链路模型描述为:
Link={L(vi,vj),T(i,j),d(i,j),B(i,j)} (2)
其中,Link表示星间链路;L(vi,vj)表示这条星间链路是由编号为vi和vj的卫星所构成的;T(i,j)为连接时间,由于卫星处于时刻运动状态,所以卫星网络的拓扑具有时变性,因此星间链路的状态会在通断之间频繁切换,规定从两颗卫星可视到不可视的这一时间段为连接时间;d(i,j)表示此链路的长度;B(i,j)为链路容量,单位Mbps;
A3、建立卫星网络动态模型
卫星网络是一个各边权值都是以时间为变量的周期函数的无向图,其中若两节点不相邻,其边的权值定义为∞;因此,引用图论的知识,用G(N,E,Wij(t))来表示卫星网络拓扑结构;其中,N={v1,v2,…,vn}是有限节点集,表示网络的节点;E是有限边集,Wij(t)是节点vi与节点vj在时刻t的权值函数,规定卫星与自身的权值函数为0,因此,用矩阵B表示星间链路的权值;其表达形式如下:
由于Wij(t)与Wji(t)表示的是同一条链路的权值,因此Wij(t)=Wji(t);
B、建立星间链路
星间链路是卫星网络的重要组成部分,它在不依赖地面设备的情况下实现所有网络节点的连接,将各颗卫星有机地联结为一个整体;对影响星间链路建立的两个链路基本属性进行分析,即两颗卫星建立的最大可见链路长度和两颗卫星建立的最小连接时间;其建立连接满足以下两点:一是两颗卫星连接的长度小于其最大可见链路长度;二是两颗卫星连接的时间大于其最小连接时间;
B1、分析星间链路可见性
每颗卫星节点均处于高速运动状态,由于卫星在其轨道内运行会受到地球和大气层的遮挡,所以两颗卫星所形成的链路长度存在一个最大值,即最大可见链路长度,用dAB表示:
其中,R为地球半径;hA、hB分别为卫星A与卫星B所在的轨道高度;ξ为地心角;但在实际情况中,由于星间链路会受到地球的遮挡,故任意两颗处于不同轨道的卫星在某一时刻,它们的之间的星间链路长度存在一个最大值,即为最大可见链路长度;此时,卫星A与卫星B之间的链路长度dAB为其最大可见链路长度,表示为:
同时,推出最大地心角表示为:
当两颗卫星之间的星间链路长度dAB满足dAB≤dmax,地心角ξ满足ξ≤ξmax时,两颗卫星可见;否则,两颗卫星不可见,即不存在潜在链路;
B2、分析星间链路连接时间
由于卫星网络的拓扑具有时变性,所以星间链路在连接和断开两个状态间频繁切换;若要建立稳定的网络拓扑,则需对星间链路连接时间加以分析;链路连接时间TLink是指从两颗卫星建立链路开始,到链路断开的这一段时间;用以下公式表示:
TLink=Tend-Tstart (7)
其中Tstart和Tend分别表示建立链路的时刻和链路断开的时刻;为了减小星间链路频繁切换,这里定义最小连接时间Tmin,只有当TLink>Tmin时,才具备建立链路的条件;
B3、分析星间链路权值
星间链路的权值考虑以下三个参数:星间链路的长度(d(i,j))、链路连接时间(t(i,j))以及链路容量(B(i,j));但是,在实际的卫星网络参数优化中,很难使多个参数同时达到最优值,只能在它们中间进行协调和折中处理,使各个参数都尽可能的达到最优化;这里采用归一化的思想,针对多参数目标进行处理,最终得出优化权值;在卫星网络中,链路的容量B(i,j)由以下公式计算得出:
B(i,j)=RS(1+α)×TTL (8)
其中,RS为卫星网络中的符号率,α为滚降系数,TTL为往返时延;因此,根据卫星网络的实际情况按照公式(8)计算出链路容量的最小值Bmin;
当链路容量B(i,j)≥Bmin时,星间链路正常工作;由此,得到权值(Wij(t)):
其中,dmax为两颗卫星间最大可见链路长度,tmin为两颗卫星间最短连接时间,dmax在不同的时刻取值并不相同,即为两颗卫星间当前时刻的归一化距离;同理得两颗卫星间当前时刻的归一化连接时间以及链路容量和将各个因素归一化处理后,更加客观公平地反映出各条链路的代价;
C、基于改进蚁群算法的卫星网络拓扑生成优化
将各条星间链路的权值定义为星间链路上的信息素,链路权值的大小定义为信息素的浓度;可达性矩阵T利用邻接矩阵D来计算;可达性矩阵T表示为:
T=D1+D2+…+Dn (10)
计算完成后将可达性矩阵T中不为0的元素均用1替换,以保证可达性矩阵T中所有的元素均为0和1;根据可达性矩阵T,将节点i的总路径定义为:
ti=∑tij(j=1,…,n) (11)
其中,tij表示可达性矩阵T中的元素;ti表示拓扑中i节点到达所有节点的直接和非直接路径的总和,即节点i的总路径;n为卫星节点的总数;所以,各个卫星节点的可达性由以下公式计算:
引用链路介数的定义:
对于链路的重要程度用链路介数nbet[L(vi,vj)]来表示,介数越大,链路越重要;链路介数用公式:
表示;其中,Nlm为节点vl和vm之间的最优链路条数,Nlm(L(vi,vj))表示节点vl和vm之间的最优链路经过L(vi,vj)的条数;
C1、从编号为1的卫星节点开始,当该卫星节点与其他卫星节点满足建立潜在链路条件时,则在这两个卫星节点之间建立潜在链路,否则不建立潜在链路;依次建立各卫星节点与其他卫星节点的潜在链路,直到所有节点遍历完成;
C2、创建人工蚂蚁,并将蚂蚁平均分配到各个卫星节点上;确保每一个蚂蚁都会维护一张链路状态表,链路状态表包含表项1、表项2、表项3、表项4和表项5,分别代表源节点、下一跳节点集、到下一跳节点的概率、下一跳禁忌节点和最优链路;
表中源节点为蚂蚁每一跳的初始节点,蚂蚁从源节点出发存在多个下一跳节点,故表项2设定为下一跳节点集;蚂蚁依据概率选择下一跳的节点,其公式表示为:
其中,为从源节点vi到目的节点vj的概率;Wij(t)表示卫星节点vi,vj间链路的权值;∑Wij(t)表示从源节点vi起始,与所有可能的下一跳节点构成的链路的权值之和;在每次完成下一跳动作后,将源节点加入表项4中的下一跳禁忌节点中,以防止蚂蚁再次返回源节点,确保蚂蚁正向前进;表项5中记录的是以vi为初始节点的各条潜在链路中的最优值,即为权值最大的链路;
C3、将编号为1的卫星节点作为初始节点,依次对与编号为2-n的卫星节点之间的星间链路进行蚁群算法优化;蚂蚁在两个卫星节点间按照概率随机选择路径;由于每条链路的权值由计算得到,则权值大的链路被选择的概率就越大;蚂蚁每经过一条链路到达下一跳节点后都使每条链路上的信息素浓度发生变化,信息素浓度变化表示为:
其中,为第m+1跳时卫星节点vi与vj构成的星间链路的信息素浓度,为第m跳时卫星节点vi与vj构成的星间链路的信息素浓度,ρ为信息素浓度挥发系数,β为信息素浓度增量系数,为信息素浓度增量;此时分为两种情况:
C31、蚂蚁所经过的链路恰好为表项5所存储的最优链路,那么所有链路上的信息素浓度按照公式(15)进行更新,最优链路的β值取1,其余链路取0;
C32、蚂蚁所经过的链路不是最优链路,这种情况下该链路的β值取ρ,其余链路取0;
当蚂蚁遍历过其余所有节点时,更新信息素浓度;
C4、分别以编号为2-n的卫星节点为初始节点,重复步骤C3,直到所有卫星节点遍历完成后转到步骤C5;
C5、根据步骤C4的结果,如果存在卫星节点维持的星间链路数目大于4条的情况,则需要删除多余的星间链路;删除链路的依据是在卫星节点的整体可达性不变的情况下删除权值最小的链路;如果存在两条可删除的链路权值相同,则删除链路介数最小的链路;如果一个卫星节点存在的链路数目小于4,则建立权值最大的潜在链路,以确保任意两个卫星节点间的星间链路的数目均等于卫星节点的度。
3.根据权利要求1所述的利用快速收敛蚁群算法的卫星网络拓扑生成方法,其特征在于:步骤A1所述的连接度的最大值为4。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810239605.4A CN108540204B (zh) | 2018-03-22 | 2018-03-22 | 利用快速收敛蚁群算法的卫星网络拓扑生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810239605.4A CN108540204B (zh) | 2018-03-22 | 2018-03-22 | 利用快速收敛蚁群算法的卫星网络拓扑生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108540204A CN108540204A (zh) | 2018-09-14 |
CN108540204B true CN108540204B (zh) | 2020-10-23 |
Family
ID=63485077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810239605.4A Active CN108540204B (zh) | 2018-03-22 | 2018-03-22 | 利用快速收敛蚁群算法的卫星网络拓扑生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108540204B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109889255B (zh) * | 2019-03-28 | 2021-03-02 | 大连大学 | 一种基于改进蜂群算法的卫星网络重构方法 |
CN110881198B (zh) * | 2019-12-06 | 2021-10-19 | 上海交通大学 | 深空网络中基于竞争决策思想的链路分配方法 |
CN111614479B (zh) * | 2020-03-26 | 2023-04-07 | 中国西安卫星测控中心 | 一种北斗三号星间链路数据上下行可视化方法 |
CN112383422B (zh) * | 2020-11-04 | 2021-11-02 | 浙江大学 | 加快一致性分布式算法收敛速度的网络拓扑优化方法 |
CN112600609B (zh) * | 2020-11-30 | 2022-07-12 | 中国人民解放军国防科技大学 | 卫星网络系统的网络容量估算方法 |
CN113259242B (zh) * | 2021-06-11 | 2021-10-01 | 北京智芯微电子科技有限公司 | 一种场域网组网方法和装置 |
CN113692058B (zh) * | 2021-08-26 | 2023-09-05 | 北京邮电大学 | 基于频谱资源评估集合的卫星光网络频谱分配方法及系统 |
CN114866419B (zh) * | 2022-03-24 | 2023-12-15 | 长春理工大学 | 基于sdn的卫星网络多路径传输方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521391A (zh) * | 2011-12-22 | 2012-06-27 | 上海电机学院 | 交通路径搜索系统及方法 |
CN103151774A (zh) * | 2013-01-30 | 2013-06-12 | 武汉大学 | 一种小世界电网连锁故障抑制方法 |
CN103855707A (zh) * | 2014-02-20 | 2014-06-11 | 深圳供电局有限公司 | 一种含分布式电源配电网的供电可靠性评估方法 |
CN104518896A (zh) * | 2013-09-30 | 2015-04-15 | 中国电信股份有限公司 | 基于内部网关协议路由介数的网络脆弱性分析方法和装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9536192B2 (en) * | 2014-06-23 | 2017-01-03 | International Business Machines Corporation | Solving vehicle routing problems using evolutionary computing techniques |
US20160307136A1 (en) * | 2015-04-17 | 2016-10-20 | Camelot ITLab GmbH | System and method for high-mix wheels for capacity planning resource planning and material resource planning |
CN107294592B (zh) * | 2017-06-16 | 2020-09-22 | 大连大学 | 一种基于分布式sdn的卫星网络及其构建方法 |
-
2018
- 2018-03-22 CN CN201810239605.4A patent/CN108540204B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521391A (zh) * | 2011-12-22 | 2012-06-27 | 上海电机学院 | 交通路径搜索系统及方法 |
CN103151774A (zh) * | 2013-01-30 | 2013-06-12 | 武汉大学 | 一种小世界电网连锁故障抑制方法 |
CN104518896A (zh) * | 2013-09-30 | 2015-04-15 | 中国电信股份有限公司 | 基于内部网关协议路由介数的网络脆弱性分析方法和装置 |
CN103855707A (zh) * | 2014-02-20 | 2014-06-11 | 深圳供电局有限公司 | 一种含分布式电源配电网的供电可靠性评估方法 |
Non-Patent Citations (4)
Title |
---|
A novel ant colony algorithm using available path information for PLC networking;Yu Zeng;《2014 IEEE International conference on signal processing, communications and computing(ICSPCC)》;20141218;全文 * |
An improved ant colony algorithm and its application in routing computation of satellite networks;Fei Long;《The proceeding of the multiconference on "computational engineering in systems application"》;20070730;全文 * |
关于由邻接矩阵求可达性矩阵的方法;王欣欣;《吉林化工学院学报》;20050831;第89-91页 * |
卫星网络拓扑生成算法研究;魏德宾;《计算机仿真》;20150831;第32卷(第8期);第27-31页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108540204A (zh) | 2018-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108540204B (zh) | 利用快速收敛蚁群算法的卫星网络拓扑生成方法 | |
CN104168620B (zh) | 无线多跳回传网络中的路由建立方法 | |
CN106788666B (zh) | 基于虚拟leo组节点的双层卫星分组路由方法 | |
CN109889255B (zh) | 一种基于改进蜂群算法的卫星网络重构方法 | |
CN101018172A (zh) | 一种优化城域网内p2p传输的方法 | |
CN108964746B (zh) | 时变卫星网络多拓扑搜索最短路由方法 | |
Deng et al. | An ant colony optimization-based routing algorithm for load balancing in leo satellite networks | |
CN105357124B (zh) | 一种MapReduce带宽优化方法 | |
CN105933227A (zh) | 软件定义卫星网络中的路由决策及流表一致性优化的方法 | |
CN110161861B (zh) | 基于模糊神经网络的飞行器自组网路由决策方法及装置 | |
CN106685745B (zh) | 一种网络拓扑构建方法及装置 | |
CN104883676A (zh) | 一种多无人机环境下协同安全通信方法 | |
CN109275154B (zh) | 基于双层拓扑路由算法的动态自适应路由路径规划方法 | |
CN115396975B (zh) | 无人机集群系统网络化低延时高速数据传输方法 | |
CN105472484A (zh) | 一种电力骨干光传输网波道均衡路由波长分配方法 | |
CN113259242B (zh) | 一种场域网组网方法和装置 | |
Nancharaiah et al. | Hybrid optimization using ant colony optimization and cuckoo search in MANET routing | |
CN108632785B (zh) | 一种基于链路质量的蚁群自适应车联网路由选择方法 | |
Zhu et al. | Efficient hybrid multicast approach in wireless data center network | |
Na et al. | An active distributed QoS routing for LEO satellite communication network | |
CN108093496B (zh) | 一种基于ISA100.11a标准的一致性组网方法 | |
CN113747536B (zh) | 一种移动环境下WSNs的QoS感知的多路径路由方法 | |
CN110932758B (zh) | 一种基于非交叠分簇的低压电力线分层蚁群路由方法 | |
Das et al. | TTL based MaxProp routing protocol | |
CN106454940A (zh) | 一种无线mesh网络中的负载均衡方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |