CN115190561A - 基于遗传算法的高速载体群自组网QoS路由方法和装置 - Google Patents
基于遗传算法的高速载体群自组网QoS路由方法和装置 Download PDFInfo
- Publication number
- CN115190561A CN115190561A CN202210620043.4A CN202210620043A CN115190561A CN 115190561 A CN115190561 A CN 115190561A CN 202210620043 A CN202210620043 A CN 202210620043A CN 115190561 A CN115190561 A CN 115190561A
- Authority
- CN
- China
- Prior art keywords
- path
- nodes
- calculating
- node
- influence factor
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 50
- 230000002068 genetic effect Effects 0.000 title claims abstract description 45
- 238000004891 communication Methods 0.000 claims abstract description 74
- 230000035772 mutation Effects 0.000 claims abstract description 37
- 230000015654 memory Effects 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000010287 polarization Effects 0.000 claims description 8
- 230000035945 sensitivity Effects 0.000 claims description 8
- 235000008694 Humulus lupulus Nutrition 0.000 claims description 7
- 238000009401 outcrossing Methods 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 8
- 230000033001 locomotion Effects 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 210000000349 chromosome Anatomy 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 241000238631 Hexapoda Species 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002759 chromosomal effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000002921 genetic algorithm search Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical group [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
-
- 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]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请实施例提供一种基于遗传算法的高速载体群自组网QoS路由方法和装置，所述方法包括：对多个原始路径进行编码，得到多个第一中间路径；计算第一中间路径的路径长度因子、多普勒影响因子、信道质量影响因子和路径总跳数；根据路径长度因子、多普勒影响因子、信道质量影响因子和路径总跳数计算得到第一中间路径的适应度；根据预设的交叉策略对适应度小于预设阈值的第一中间路径进行交叉运算，得到第二中间路径；根据预设的变异策略对第二中间路径进行变异运算，得到第三中间路径；若达到迭代停止条件，将第三中间路径作为目标路径，目标路径为从开始载体节点至目标载体节点之间的路径，能够实现最优路径选择，提高网络通信效率。
Description
技术领域
本发明涉及移动自组织网络技术领域，尤其涉及一种基于遗传算法的高速载体群自组网QoS路由方法和装置。
背景技术
在高速载体自组织网络中，节点运动速度快，拓扑变换频繁，且网络中存在干扰，由于高速载体自组织网络的这种高动态、强干扰特性，采用传统的最短路径算法无法实现最优路由选择，导致网络通信效率低。
发明内容
本申请实施例的主要目的在于提出一种基于遗传算法的高速载体群自组网QoS路由方法和装置，能够在高速载体自组织网络中实现最优路由选择，提高了网络通信的效率。
为实现上述目的，本申请实施例的第一方面提出了一种基于遗传算法的高速载体群自组网QoS路由方法，所述高速载体群自组网具有多个载体节点，所述方法包括：
对多个原始路径进行编码，得到多个第一中间路径；
计算所述第一中间路径的路径长度因子、多普勒影响因子、信道质量影响因子和路径总跳数；
根据所述路径长度因子、所述多普勒影响因子、所述信道质量影响因子和所述路径总跳数计算得到所述第一中间路径的适应度；
根据预设的交叉策略对适应度小于预设阈值的第一中间路径进行交叉运算，得到第二中间路径；
根据预设的变异策略对所述第二中间路径进行变异运算，得到第三中间路径；
若达到迭代停止条件，将所述第三中间路径作为目标路径，所述目标路径为从开始载体节点至目标载体节点之间的路径。
在一些实施例，所述第一中间路径包括多个中间节点，所述计算所述第一中间路径的路径长度因子、多普勒影响因子、信道质量影响因子和路径总跳数，包括：
获取所述第一中间路径的所述中间节点的数量；
获取多个所述中间节点的空间坐标；
根据相邻两个所述中间节点的所述空间坐标计算得到相邻两个中间节点的距离；
根据所述距离计算得到所述第一中间路径的路径长度；
根据所述路径长度和所述中间节点的数量计算得到所述第一中间路径的路径长度因子；
获取多个所述中间节点的速度；
根据相邻两个所述中间节点的所述速度计算得到相邻两个中间节点的第一多普勒频率；
根据所述第一多普勒频率计算得到所述第一中间路径的第二多普勒频率；
根据所述第二多普勒频率和所述中间节点的数量计算得到所述第一中间路径的多普勒影响因子；
计算相邻两个所述中间节点的链路余量；
根据所述链路余量计算得到相邻两个所述中间节点的通信质量；
根据相邻两个所述中间节点的通信质量计算得到所述第一中间路径的信道质量影响因子；
根据所述中间节点的数量计算得到所述第一中间路径的路径总跳数。
在一些实施例，所述计算相邻两个所述中间节点的链路余量，包括：
获取相邻两个所述中间节点之间通信信号的发射功率、发射增益、自由空间损耗、大气损耗、极化损耗、接收增益、接收灵敏度；
根据所述发射功率、所述发射增益、所述自由空间损耗、所述大气损耗、所述极化损耗、所述接收增益和所述接收灵敏度计算得到相邻两个所述中间节点的链路余量。
在一些实施例，所述根据相邻两个所述中间节点的通信质量计算得到所述第一中间路径的信道质量影响因子，包括：
若相邻两个所述中间节点的通信质量小于或者等于预设的通信质量阈值，则将相邻两个所述中间节点之间的路径标记为失效路径；
对所述失效路径进行链路重建得到更新路径；
根据所述更新路径的通信质量计算得到所述第一中间路径的信道质量影响因子。
在一些实施例，所述根据预设的交叉策略对适应度小于预设阈值的第一中间路径进行交叉运算，得到第二中间路径，包括：
从适应度小于预设阈值的多个第一中间路径中，随机选择两个第一中间路径；
获取随机选择的两个第一中间路径的交叉点位置，所述交叉点位置为随机选择的两个第一中间路径中可替换的路径；
以所述交叉点位置对随机选择的两个第一中间路径进行交换，得到第二中间路径。
在一些实施例，所述根据预设的变异策略对所述第二中间路径进行变异运算，得到第三中间路径，包括：
从所述第二中间路径中随机选择一个载体节点作为变异节点；
将所述变异节点的一跳邻居载体节点所在的路径作为变异位置；
根据所述变异位置对所述第二中间路径进行变异运算，得到第三中间路径。
在一些实施例，所述方法还包括：
若在所述目标路径发送数据，获取所述数据的发送时间和当前时间，根据所述发送时间和当前时间计算得到发送时长，将所述发送时长和基准时长进行对比得到对比结果，根据所述对比结果丢弃所述数据。
本申请实施例的第二方面提出了一种基于遗传算法的高速载体群自组网QoS路由装置，所述高速载体群自组网具有多个载体节点，所述装置包括：
编码模块，用于对多个原始路径进行编码，得到多个第一中间路径；
第一计算模块，用于计算所述第一中间路径的路径长度因子、多普勒影响因子、信道质量影响因子和路径总跳数；
第二计算模块，用于根据所述路径长度因子、所述多普勒影响因子、所述信道质量影响因子和所述路径总跳数计算得到所述第一中间路径的适应度；
交叉变异模块，用于根据预设的交叉策略对适应度小于预设阈值的第一中间路径进行交叉运算，得到第二中间路径；根据预设的变异策略对所述第二中间路径进行变异运算，得到第三中间路径；
输出模块，用于若达到迭代停止条件，将所述第三中间路径作为目标路径，所述目标路径为从开始载体节点至目标载体节点之间的路径。
本申请实施例的第三方面提出了一种计算机设备，所述计算机设备包括存储器和处理器，其中，所述存储器中存储有程序，所述程序被所述处理器执行时所述处理器用于执行如本申请第一方面实施例任一项所述的方法。
本申请实施例的第四方面提出了一种存储介质，该存储介质为计算机可读存储介质，所述存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如本申请第一方面实施例任一项所述的方法。
本申请实施例提出的基于遗传算法的高速载体群自组网QoS路由方法、基于遗传算法的高速载体群自组网QoS路由装置、计算机设备、存储介质，通过对多个原始路径进行编码，得到多个第一中间路径，计算第一中间路径的路径长度因子、多普勒影响因子、信道质量影响因子和路径总跳数，根据路径长度因子、多普勒影响因子、信道质量影响因子和路径总跳数计算得到第一中间路径的适应度，根据预设的交叉策略对适应度小于预设阈值的第一中间路径进行交叉运算，得到第二中间路径，根据预设的变异策略对第二中间路径进行变异运算，得到第三中间路径，若达到迭代停止条件，将第三中间路径作为目标路径，目标路径为从开始载体节点至目标载体节点之间的路径，本申请实施例通过引入路径长度因子、多普勒影响因子、信道质量影响因子和路径总跳数实现目标路径的选择，能够适应高速载体自组织网络的高动态、强干扰特性，实现最优路由选择，提高网络通信效率。
附图说明
图1是本申请实施例提供的基于遗传算法的高速载体群自组网QoS路由方法的流程图；
图2是图1中的步骤S120的流程图；
图3是图2中的步骤S2100的流程图；
图4是图2中的步骤S2120的流程图；
图5是本申请实施例提供的基于遗传算法的高速载体群自组网QoS路由方法的示意图；
图6是本申请实施例提供的基于遗传算法的高速载体群自组网QoS路由方法的仿真结果示意图；
图7是本申请实施例提供的基于遗传算法的高速载体群自组网QoS路由装置的模块结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。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。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本发明实施例的目的，不是旨在限制本发明。
传统的路由选择方法例如迪杰斯特拉算法、弗洛伊德算法在进行路径选择时，将最短路径作为最优路由选择，仅考虑了路径长度这一单一的影响因子，做到该影响因子下的最优路由选择。然而，在高速载体自组织网络中，节点运动速度快，拓扑变换频繁，且网络中存在干扰，由于高速载体自组织网络的这种高动态、强干扰特性，而传统的路由选择方法在健壮性和抗毁性方面性能差，且不涉及对QoS的约束机制，采用传统的路由选择方法无法实现QoS要求下的最优路由选择，即最短路径不一定是最佳路由，导致网络通信效率低。
基于此，本申请实施例的主要目的在于提出一种基于遗传算法的高速载体群自组网QoS路由方法，通过在遗传算法中引入路径长度因子、多普勒影响因子、信道质量影响因子和路径总跳数进行最优路径选择，能够适应高速载体自组织网络的高动态、强干扰特性，提高网络通信效率。
本申请实施例提供的基于遗传算法的高速载体群自组网QoS路由方法、基于遗传算法的高速载体群自组网QoS路由装置、计算机设备、存储介质，具体通过如下实施例进行说明，首先描述本申请实施例中的基于遗传算法的高速载体群自组网QoS路由方法。
参照图1，根据本申请实施例第一方面实施例的基于遗传算法的高速载体群自组网QoS路由方法，应用于高速载体群自组网，高速载体群自组网具有多个载体节点，多个样本从同一初始载体节点出发，到达同一目标载体节点，为了能够快速到达目标载体节点，会通过多代遗传和变异实现最优或者次优路径的寻找，该基于遗传算法的高速载体群自组网QoS路由方法包括但不限于步骤S110至步骤S160。
S110，对多个原始路径进行编码，得到多个第一中间路径；
S120，计算第一中间路径的路径长度因子、多普勒影响因子、信道质量影响因子和路径总跳数；
S130，根据路径长度因子、多普勒影响因子、信道质量影响因子和路径总跳数计算得到第一中间路径的适应度；
S140，根据预设的交叉策略对适应度小于预设阈值的第一中间路径进行交叉运算，得到第二中间路径；
S150，根据预设的变异策略对第二中间路径进行变异运算，得到第三中间路径；
S160，若达到迭代停止条件，将第三中间路径作为目标路径。
在步骤S110中，多个载体节点形成高速载体群自组网，在高速载体群自组网中，从开始载体节点向目标载体节点发送数据，能够发送数据的路径有多个，且数据在发送过程中会存在干扰，为了提高通信质量，采用遗传算法从多个路径中选择最佳路径。对开始载体节点向目标载体节点之间的多个原始路径进行结构化编码，将路径解空间转换为遗传空间，得到多个第一中间路径。若原始路径表示为Lk，则其染色体编码表示为Lk：{Rk,VRk,Dk,VDk,Qk,VQk}，其中k为路径编号，Rk为第k个原始路径的路径长度因子，VRk为第k个原始路径的路径长度矢量，表示为VRk＝{VRh1,VRh2,...,VRhH}，Dk为第k个原始路径的多普勒影响因子，VDk为第k个原始路径的多普勒矢量，表示为VDk＝{VDh1,VDh2,...,VDhH}，Qk为第k个原始路径的信道质量影响因子，VQk为第k个原始路径的信道质量矢量，表示为VQk＝{VQh1,VQh2,...,VQhH}，H为路径总跳数，将染色体编码后的串结构数据的作为第一中间路径。
需要说明的是，VRk中的元素可以为当前跳载体节点与上一跳载体节点这相邻两载体节点之间的距离或者第1跳载体节点至第i跳载体节点之间的路径长度因子，VDk中的元素可以为当前跳载体节点与上一跳载体节点这相邻两载体节点之间的多普勒频率或者第1跳载体节点至第i跳载体节点之间的多普勒影响因子，VQk中的元素可以为当前跳载体节点与上一跳载体节点这相邻两载体节点之间的通信质量或者第1跳载体节点至第i跳载体节点之间的信道质量影响因子，其中i<＝H。
需要进一步说明的是，由于高速载体群自组网中的载体节点是高速运动的，所以路径长度因子、路径长度矢量、多普勒影响因子、多普勒矢量、信道质量影响因子、信道质量矢量等路径特征是时变的，但是在预设的时间范围内可以认为是不变的，所述预设的时间范围可以是1s。
在步骤S120中，第一中间路径的每两个高速载体节点之间存在多个变量因子，例如路径长度因子、路径长度矢量、多普勒影响因子、多普勒矢量、信道质量影响因子、信道质量矢量等。
在步骤S130中，适应度函数的定义如公式(1)所示：
其中kr为路径长度因子的适应度评价系数，kd为多普勒影响因子的适应度评价系数，kq为信道质量影响因子的适应度评价系数，kh为路径总跳数的适应度评价系数。根据路径长度因子、多普勒影响因子、信道质量影响因子、路径总跳数及其分别对应的适应度评价系数计算得到第一中间路径的适应度。
在步骤S140中，根据选择函数筛选出适应度小于预设阈值的多个第一中间路径，根据预设的交叉策略对筛选出的多个第一中间路径进行交叉运算，得到第二中间路径。其中，选择函数的定义如公式(2)所示：
F(R,D,Q,H)<Th (2)
其中Th为预设的适应度选择阈值。
根据交叉策略对筛选出的多个第一中间路径进行交叉运算时，从适应度小于预设阈值的多个第一中间路径中，随机选择两个第一中间路径，获取随机选择的两个第一中间路径的交叉点位置，所述交叉点位置为随机选择的两个第一中间路径中可替换的路径，以交叉点位置对随机选择的两个第一中间路径进行交换，得到第二中间路径。
在步骤S150中，根据变异策略对第二中间路径进行变异运算时，从第二中间路径中随机选择一个载体节点作为变异节点，将变异节点的一跳邻居载体节点所在的路径作为变异位置，根据变异位置对第二中间路径的路径长度因子、路径长度矢量、多普勒影响因子、多普勒矢量、信道质量影响因子、信道质量矢量中的至少一个进行变异运算，得到第三中间路径。
在步骤S160中，若达到迭代停止条件，对遗传空间中的第三中间路径进行解码得到目标路径，其中迭代停止条件为迭代次数达到上限值，或者路径长度因子、路径长度矢量、多普勒影响因子、多普勒矢量、信道质量影响因子、信道质量矢量中的至少一个达到参考阈值，目标路径为从开始载体节点至目标载体节点之间的最优路径。
若在目标路径发送数据，若数据为限时数据，载体节点给予数据最高的消息优先级，并获取数据的发送时间和当前时间，根据发送时间和当前时间计算得到发送时长，将发送时长和基准时长进行对比得到对比结果，根据对比结果丢弃数据。若对比结果为发送时长大于基准时长，则说明数据未在指定时间内发送至目标载体节点，则丢弃数据取消数据发送任务，以节约网络带宽。
需要说明的是，本申请实施例的基于遗传算法的高速载体群自组网QoS路由方法还适用于地图导航中最优次优路径的求解，从而进行交通路径的规划。将信道相关特征替换为车道宽度、车道设计时速，把节点处理延迟替换为十字路口红绿灯延迟或者立交桥换行延迟等，将干扰替换为拥堵，综合考虑拥堵情况、车道宽度、车道设计速度、十字路口红绿灯数量等因素，并根据出发地和目的地之间多条路径不同路段的交通信息，例如不同路段的实时路况，提前规划出最优的路径或者接近最优的路径，能够获得统计意义的最优或次优路线，节约驾驶时间。
在一些实施例中，如图2所示，第一中间路径包括多个中间节点，步骤S120具体包括步骤：
S2010，获取第一中间路径的中间节点的数量；
S2020，获取多个中间节点的空间坐标；
S2030，根据相邻两个中间节点的空间坐标计算得到相邻两个中间节点的距离；
S2040，根据距离计算得到第一中间路径的路径长度；
S2050，根据路径长度和中间节点的数量计算得到第一中间路径的路径长度因子；
S2060，获取多个中间节点的速度；
S2070，根据相邻两个中间节点的速度计算得到相邻两个中间节点的第一多普勒频率；
S2080，根据第一多普勒频率计算得到第一中间路径的第二多普勒频率；
S2090，根据第二多普勒频率和中间节点的数量计算得到第一中间路径的多普勒影响因子；
S2100，计算相邻两个中间节点的链路余量；
S2110，根据链路余量计算得到相邻两个中间节点的通信质量；
S2120，根据相邻两个中间节点的通信质量计算得到第一中间路径的信道质量影响因子；
S2130，根据中间节点的数量计算得到第一中间路径的路径总跳数。
在步骤S2020至S2050中，获取载体节点的地理位置信息，为了便于计算和分析，本申请实施例采用东北天直角坐标系，其中地理位置信息包括载体节点的空间坐标、速度和加速度，空间坐标为x坐标、y坐标和z坐标，速度为x方向的速度vx、y方向的速度vy以及z方向的速度vz，加速度为为x方向的加速度ax、y方向的加速度ay以及z方向的加速度az。中间节点i和中间节点j为相邻两个载体节点，获取中间节点i的空间坐标(xi,yi,zi)和中间节点j的空间坐标(xj,yj,zj)，根据空间坐标(xi,yi,zi)和(xj,yj,zj)得到相邻两个中间节点的距离，距离计算方法如公式(3)所示。
由于第一中间路径包括多个中间节点，将多个中间节点中每相邻两个中间节点的距离相加，得到第一中间路径的路径长度，根据第一中间路径的路径长度和中间节点的数量得到路径长度影响因子，路径长度影响因子为归一化后的路径长度，路径长度影响因子的计算方法如公式(4)所示。
其中n为第一中间路径中的中间节点的数量。
在步骤S2060至S2090中，中间节点i和中间节点j为相邻两个载体节点，获取中间节点i的速度(vxi,vyi,vzi)和中间节点j的速度(vxj,vyj,vzj)，根据空间坐标(vxi,vyi,vzi)和(vxj,vyj,vzj)得到相邻两个中间节点的第一多普勒频率，第一多普勒频率的计算方法如公式(5)所示。
其中λ为波长，采用的是中心频点的波长。
由于第一中间路径包括多个中间节点，将多个中间节点中每相邻两个中间节点的第一多普勒频率相加，得到第一中间路径的第二多普勒频率，根据第一中间路径的第二多普勒频率和中间节点的数量得到多普勒影响因子，多普勒影响因子为归一化后的第二多普勒频率，多普勒影响因子的计算方法如公式(6)所示。
其中n为第一中间路径中的中间节点的数量。
在步骤S2100至S2120中，若相邻两个中间节点的链路余量表示为Mij，干扰信号功率比表示为CSRij，障碍对信号功率削弱比表示为GSRij，k1表示链路余量的影响系数，k2表示干扰对信道质量的影响系数，k3表示障碍对信道质量的影响系数，根据链路余量、干扰信号功率比、障碍对信号功率削弱比及其分别对应的影响系数得到相邻两个中间节点的通信质量，则相邻两个中间节点的通信质量的计算方法如公式(7)所示。
Qij＝k1×Mij+k2×CSRij+k3×GSRij (7)
根据相邻两个中间节点的通信质量计算得到第一中间路径的信道质量影响因子，其中信道质量影响因子为归一化后的通信质量，定义为第一中间路径中每相邻两个中间节点的通信质量相加后的通信质量与中间节点数量的比值。
在步骤S2130中，由于中间节点的数量与路径总跳数在数量上相差一，将中间节点的数量减去一得到第一中间路径的路径总跳数。
在一些实施例中，如图3所示，步骤S2100具体包括步骤：
S310，获取相邻两个中间节点之间通信信号的发射功率、发射增益、自由空间损耗、大气损耗、极化损耗、接收增益、接收灵敏度；
S320，根据发射功率、发射增益、自由空间损耗、大气损耗、极化损耗、接收增益和接收灵敏度计算得到相邻两个中间节点的链路余量。
在步骤S310至S320中，若通信信号的发射功率表示为Pt，发射增益表示为Gt，自由空间损耗表示为Ls，大气损耗和极化损耗表示为Lp，接收增益表示为Gr，接收灵敏度表示为S，则链路余量的计算方法如公式(8)所示。
M＝Pt+Gt+Gr-Ls-Lp-S (8)
根据相邻两个中间节点i和j的发射功率Ptij、发射增益Gtij、自由空间损耗Lsij、大气损耗和极化损耗Lpij、接收增益Grij和接收灵敏度Sij计算得到相邻两个中间节点i和j的链路余量Mij，其中中间节点i和j的自由空间损耗Lsij的计算方法如公式(9)所示。
其中λ为波长，采用中心频点的波长。
需要说明的是，进行数据通信的系统信号采用同步头和信息数据的组帧方式，同步头的编码均为基码，并将基码相关峰的位置作为信息数据解码的参考基准，通信系统可以是D载数据链应用系统。基码满足以下两个条件：循环码集的周期自相关主峰值很高；循环码集的周期互相关旁瓣值很低。根据PN码生成的相关技术将基码生成为自相关特性良好的随机序列，该随机序列可以是M序列、小m序列、经过筛选的GOLD序列。在低信噪比的时变信道中，需要根据已收到的突发数据立即对信道的信噪比进行实时估计，在进行估计时需要确保估计的时延最小，估计的方法可以为SVR算法、M2M4算法、ML算法、SNV算法、SSME算法等，即信道在接收到每一帧的数据后，根据该数据估计信道的信噪比，并将该信道的信噪比数据反馈给通信系统，通信系统根据信噪比数据判断信道是否是可用的，并根据误码率和调试方式计算可用信道的信噪比门限值，并将该信噪比门限值设定为通信系统的固定参数。在每一跳的数据通信中，使用此跳数据进行信道的信噪比估计，并将该估计结果与门限值进行对比，使QoS路由能够选择质量最好的信道。
在一些实施例中，如图4所示，步骤S2120具体包括步骤：
S410，若相邻两个中间节点的通信质量小于或者等于预设的通信质量阈值，则将相邻两个中间节点之间的路径标记为失效路径；
S420，对失效路径进行链路重建得到更新路径；
S430，根据更新路径的通信质量计算得到第一中间路径的信道质量影响因子。
在步骤S410中，由于路径存在干扰或者被遮挡物遮挡的情况，任一路径都可能被完全阻断或者严重削弱，当某段路径分布的样本越多，则存在干扰的可能性越大。当相邻两个中间节点的通信质量小于或者等于预设的通信质量阈值，说明该中间节点之间的路径被干扰或者障碍阻断，将该中间节点之间的路径标记为失效路径，如公式(10)所示。
其中，QT(k,k+1)为节点k向节点k+1传输数据的通信质量阈值，即QoS服务保证信道质量门限值，当出现干扰、阻挡等因素使节点k和节点k+1之间的通信质量小于或者等于该阈值时，则认为节点k到节点k+1之间的路径失效。当路径中任意节点k和节点k+1之间的通信质量均大于该阈值时，则由节点1到节点k构成路径的通信质量等于该路径所有节点通信质量的均值。
至此，路径选择等效为非线性规划问题，非线性规划研究一个多元实函数在一组等式或不等式构成的约束条件下的极值问题，一般采用梯度下降法对问题进行求解，由于梯度下降法在解空间中的局部搜索能力强、全局搜索能力差，导致计算得到的解为局部最优解。而遗传算法采用选择算子、交叉算子和变异算子进行搜索，全局搜索能力强，局部搜索能力弱，导致只能得到次优解，而不是最优解。本申请实施例通过非线性规划算法进行局部搜索，遗传算法进行全局搜索，使得最终解为全局最优解。
需要说明的是，本领域技术人员可根据实际情况自行设置干扰类型，例如应用于高速载体自组网的数据通信系统一般采用快速跳频技术，因此可将干扰类型设置为阻塞式噪声干扰。
在步骤S420中，当网络中的节点数目增多时，采用OLSR路由协议会导致每个节点保存的拓扑路由表的数据增多，稀疏路由树更复杂，更新信息分组的体积也相应增大，从而占用更多的网络资源。高速载体自组网中载体节点高速移动，节点间还存在干扰、毁伤等不利因素，为了适应高机动平台的移动特性，支持其连接关系快速变化的环境下自动维持网络稳定和路由，本申请实施例在OLSR协议的基础上采用只发送增量信息的方法来进行自动路由重建，能够减少路由重建的时间，提高全网路由收敛的效率，减少路由维护的时间和带宽开销，节约了能量，提高协议的抗毁、抗干扰、抗高动态性能。链路重建包括链路中断和新建链路两种情况。
链路中断情况下的链路重建如下：高速载体群自组网中的载体节点通过hello消息交换表征其一跳载体节点链路状态的链路状态元组，其中链路状态元组为PENDING、HEARD、SYMMETRIC、LOST，当检测到链路状态元组中的链路状态为失效，即两载体节点之间的路径为失效路径，其链路状态为LOST，这两载体节点修改各自的稀疏路由树，并将增量信息分组多播给各自的邻居载体节点。邻居载体节点接收到增量信息分组后，判断分组中的两个载体节点在本地稀疏路由树中是否是父子关系，若判断结果为是，则删除子节点；若判断结果为否，则保持不变。失效路径两端的两载体节点向邻居载体节点广播链路更新请求，当接收到邻居载体节点的链路更新分组后，则说明路由重建完成，得到更新路径。需要说明的是，每个载体节点不仅维持自己的一跳邻居载体节点集合，还维持一个链路中断的一跳邻居载体节点集合，即LOST一跳邻居集合。若链路中断超过预设的时间则强制清除中断链路两端载体节点的一跳邻居载体节点。例如链路中断的时间为t，预设的时间为NLTime，当t>NLTime时，则清除链路中断的一跳邻居节点集合。可以理解的是，链路中断的情况下可能需要新建链路。
新建链路情况下的链路重建包括：检测到新建链路的双方高速载体节点，首先增补自己的一跳邻居集合，并修改各自的稀疏路由树，然后多播增量信息分组给各自的邻居载体节点。邻居载体节点接收到增量信息分组后，判断LOST一跳邻居集合是否存在该增量信息分组，若存在则将该增量信息分组恢复至自己的一跳邻居集合。邻居载体节点根据增量信息分组对本地稀疏路由树进行判断，来修改本地稀疏路由树。若本地稀疏路由树只有增量信息分组中两节点中的一个，将分组中的两节点更改为父子关系，并将本地稀疏路由树中原有的节点作为父节点。若本地稀疏路由树中包括增量信息分组中的两节点，且分组中两节点在本地稀疏路由树中非父子关系，将本地稀疏路由树中的两节点更改为父子关系。若分组中的两节点在本地稀疏路由树中本就是父子关系，则不对本地稀疏路由树进行修改。新建链路的双方高速载体节点向邻居载体节点发送链路更新请求，当接收到邻居载体节点的链路更新分组后，则说明路由重建完成，得到更新路径。
OLSR路由协议是对传统的链路状态路由协议进行MANET无线环境下的优化，网络中的每个节点都保存有网络中所有可达目标节点的路由，使用最小跳数来寻找从初始节点到达目标节点的最短路径，其最关键的技术就是采用MPR机制，即从邻居节点中选择出MPR节点，来减小控制分组的洪泛范围，但是却没有考虑QoS服务质量，因为根据最短路径选出的路径并不一定是质量最好的，导致目标路由并不是最优路径。高速载体自组网的应用环境复杂，且载体节点运动速度快、存在干扰等导致信道质量恶化的不利因素，本申请实施例在应用层提供特定的接口进行路由协议中MPR节点的选择，而对链路层不予指定，使得可以通过应用层的接口指配MPR节点，将与指配的MPR节点对应中心节点的端机willingness设置为WILL_ALWAYS，将其他端机设置为WILL_LOW或WILL_NEVER。当中心节点遭遇恶劣电磁环境干扰时，由预备节点作为中心节点，指定中心节点的预备节点端机willingness设置为WILL_HiGH，以便在不改变网络灵活性的前提下提高网络的抗毁能力。
需要说明的是，willingness为意愿值，表示节点愿意成为MPR节点的意愿强度，其中包括五种，分别为WILL_NEVER 0、WILL_LOW 1、WILL_DEFAULT 3、WILL_HIGH 6和WILL_HIGH 7，从0-7意愿强度逐渐递增。
在步骤S430中，根据更新路径的两载体节点的通信质量计算得到第一中间路径的信道质量影响因子，其中第一中间路径的信道质量影响因子与步骤S2100至S2120的计算方法相同，此处不再一一赘述。
参照图5，图5为本申请实施例提供的基于遗传算法的高速载体群自组网QoS路由方法的示意图，图中有5个高速载体节点，按照从1至5顺序编号，两架通信干扰机分别编号为a、b，通信干扰机a对4<-->5之间的通信链路产生强干扰，通信干扰机b对1<-->3、3<-->5之间的路径产生强干扰，节点之间的波束指向与图中箭头指向方向一致。编号为1的高速载体节点为初始节点，编号为5的高速载体节点为目标节点，初始节点需要向目标节点发送数据，可选的最少跳数即两跳的路径有三种情况，分别是：1->2->5、1->3->5和1->4->5，三跳路径也有三种情况，分别是：1->2->3->5、1->3->4->5和1->4->3->5，由于存在干扰，导致最短路径不一定是最优路径，本申请实施例引入两节点之间的通信质量等作为路径选择的影响因子，例如节点i向节点j发送数据的通信质量和节点j向节点i发送数据的通信质量，构建QoS路由模型，实现实时的路径寻优。需要说明的是，QoS路由模型构建的约束条件为：高速载体节点之间存在相对运动，其组成网络的拓扑结构即路径也不是静态不变的；通信干扰机与高速载体节点之间存在相对运动，干扰方向也不是固定不变的；通信干扰机的干扰是随机出现的，对某一链路的干扰不能一直完全阻断；干扰可以对某一方向的一条或者多条链路完全阻断，即通信质量恶化，该链路不具备通信条件；高速载体节点可以通过降低通信速率、增加编码冗余度、发送双脉冲或者多脉冲来提高抗干扰能力；高速载体节点随时可能退出网络。高速载体节点退出网络会影响数据的发送，因此应该提高网络的抗毁能力，避免因为某些节点毁伤而影响正常通信。
将QoS路由问题等效为小青虫吃苹果的问题，多个小青虫从同一初始节点1出发沿多条路径到达同一目标节点5吃苹果，如何让小青虫找到一条最优路径或者次优路径吃到苹果，并让更多的小青虫从该路径上快速吃到苹果，当最优路径失效时，能够快速找到另外一条最优路径是需要解决的问题。路径的主要参数有长度、宽度、平整度等，路径还有可能临时中断，中间节点称为驿站，小青虫每爬到一个中间节点，都会有一个短暂的休息时间即处理延时。通过引入可变参数将干扰问题引入建模，即在不同的路径上随机出现小鸟，吃掉路过的虫子，造成路径完全或者部分失效。每条路径上小鸟出现的概率可以是不完全等同的，哪条路径上的小青虫多，引来小鸟的概率越大，即路径上的通信数据越繁忙，被截获和干扰的概率就越大。因此QoS路由模型具有以下特征：多个样本从同一初始节点出发沿多条路径到达目标节点；样本集合为了快速到达目标节点，会通过多代遗传和变异实现最优或者次优路径的寻找；路径上每两个节点之间的路径存在多个变量因子，例如路径长度因子、多普勒影响因子、信道质量影响因子和路径总跳数等；样本到达每个节点时存在延时；任一路径都可能被完全阻断或者严重削弱；路径的特征是时变的，但在一段时间内可以认为是相对稳定的。
采用遗传算法进行QoS路径寻优时，需要明确的遗传算法参数包括种群数量、遗传代数、节点坐标位置等。例如，可以将参数设置为：初始样本种群的数量为100个，高速载体节点数量为16*8个，各节点随机分布在300km*300km*300km的区域内，节点在该区域内的最大速度为20ma，节点群间运动方向最大夹角为90°，节点群内运动方向最大夹角为30°，运动方式为平飞，遗传代数为50，每个样本个体的长度为40，其四个染色体分别为径长度因子、多普勒影响因子、信道质量影响因子和路径总跳数，每个染色体的长度为10，代沟为0.95、交叉概率为0.7，变异概率为0.01。在链路上进行数据通信时，将MPR节点的路由信息进行保存，将其簇内所有一跳邻居节点的空间坐标和速度、其与簇内所有一跳邻居节点的通信质量Q、簇间一跳邻居节点的空间坐标和速度、其与簇间所有一跳邻居节点的通信质量等路由信息保存在中心节点，其仿真结果示意图如图6所示。
本申请实施例提出的基于遗传算法的高速载体群自组网QoS路由方法，通过对多个原始路径进行编码，得到多个第一中间路径，计算第一中间路径的路径长度因子、多普勒影响因子、信道质量影响因子和路径总跳数，根据路径长度因子、多普勒影响因子、信道质量影响因子和路径总跳数计算得到第一中间路径的适应度，根据预设的交叉策略对适应度小于预设阈值的第一中间路径进行交叉运算，得到第二中间路径，根据预设的变异策略对第二中间路径进行变异运算，得到第三中间路径，若达到迭代停止条件，将第三中间路径作为目标路径，目标路径为从开始载体节点至目标载体节点之间的路径，本申请实施例通过引入路径长度因子、多普勒影响因子、信道质量影响因子和路径总跳数实现目标路径的选择，能够适应高速载体自组织网络的高动态、强干扰特性，实现最优路由选择，提高网络通信效率。
本申请实施例还提供一种基于遗传算法的高速载体群自组网QoS路由装置，所述基于遗传算法的高速载体群自组网QoS路由装置应用于高速载体群自组网，高速载体群自组网具有多个载体节点，如图7所示，可以实现上述基于遗传算法的高速载体群自组网QoS路由方法，该装置包括编码模块710、第一计算模块720、第二计算模块730、交叉变异模块740和输出模块750。编码模块710用于对多个原始路径进行编码，得到多个第一中间路径；第一计算模块720用于计算第一中间路径的路径长度因子、多普勒影响因子、信道质量影响因子和路径总跳数；第二计算模块730用于根据路径长度因子、多普勒影响因子、信道质量影响因子和路径总跳数计算得到第一中间路径的适应度；交叉变异模块740用于根据预设的交叉策略对适应度小于预设阈值的第一中间路径进行交叉运算，得到第二中间路径；根据预设的变异策略对第二中间路径进行变异运算，得到第三中间路径；输出模块750用于若达到迭代停止条件，将第三中间路径作为目标路径，目标路径为从开始载体节点至目标载体节点之间的路径。
本申请实施例的基于遗传算法的高速载体群自组网QoS路由装置用于执行上述实施例中的基于遗传算法的高速载体群自组网QoS路由方法，其具体处理过程与上述实施例中的基于遗传算法的高速载体群自组网QoS路由方法相同，此处不再一一赘述。
本申请实施例提出的基于遗传算法的高速载体群自组网QoS路由装置，通过对多个原始路径进行编码，得到多个第一中间路径，计算第一中间路径的路径长度因子、多普勒影响因子、信道质量影响因子和路径总跳数，根据路径长度因子、多普勒影响因子、信道质量影响因子和路径总跳数计算得到第一中间路径的适应度，根据预设的交叉策略对适应度小于预设阈值的第一中间路径进行交叉运算，得到第二中间路径，根据预设的变异策略对第二中间路径进行变异运算，得到第三中间路径，若达到迭代停止条件，将第三中间路径作为目标路径，目标路径为从开始载体节点至目标载体节点之间的路径，本申请实施例通过引入路径长度因子、多普勒影响因子、信道质量影响因子和路径总跳数实现目标路径的选择，能够适应高速载体自组织网络的高动态、强干扰特性，实现最优路由选择，提高网络通信效率。
本申请实施例还提供了一种计算机设备，包括：
至少一个处理器，以及，
与至少一个处理器通信连接的存储器；其中，
存储器存储有指令，指令被至少一个处理器执行，以使至少一个处理器执行指令时实现如本申请第一方面实施例中任一项的方法。
该计算机设备包括：处理器、存储器、输入/输出接口、通信接口和总线。
处理器，可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本申请实施例所提供的技术方案；
存储器，可以采用ROM(Read Only Memory，只读存储器)、静态存储设备、动态存储设备或者RAM(Random Access Memory，随机存取存储器)等形式实现。存储器可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器中，并由处理器来调用执行本申请实施例的基于遗传算法的高速载体群自组网QoS路由方法；
输入/输出接口，用于实现信息输入及输出；
通信接口，用于实现本设备与其他设备的通信交互，可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信；和
总线，在设备的各个组件(例如处理器、存储器、输入/输出接口和通信接口)之间传输信息；
其中处理器、存储器、输入/输出接口和通信接口通过总线实现彼此之间在设备内部的通信连接。
本申请实施例还提供一种存储介质，该存储介质是计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令用于使计算机执行本申请实施例的基于遗传算法的高速载体群自组网QoS路由方法。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
本领域技术人员可以理解的是，图1至图6中示出的技术方案并不构成对本申请实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的，其中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，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)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，以便这里描述的本申请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。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，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，仅仅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，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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网络单元上。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，在本申请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，本申请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，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请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、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本申请实施例的优选实施例，并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本申请实施例的权利范围之内。
Claims (10)
1.基于遗传算法的高速载体群自组网QoS路由方法，其特征在于，所述高速载体群自组网具有多个载体节点，所述方法包括：
对多个原始路径进行编码，得到多个第一中间路径；
计算所述第一中间路径的路径长度因子、多普勒影响因子、信道质量影响因子和路径总跳数；
根据所述路径长度因子、所述多普勒影响因子、所述信道质量影响因子和所述路径总跳数计算得到所述第一中间路径的适应度；
根据预设的交叉策略对适应度小于预设阈值的第一中间路径进行交叉运算，得到第二中间路径；
根据预设的变异策略对所述第二中间路径进行变异运算，得到第三中间路径；
若达到迭代停止条件，将所述第三中间路径作为目标路径，所述目标路径为从开始载体节点至目标载体节点之间的路径。
2.根据权利要求1所述的基于遗传算法的高速载体群自组网QoS路由方法，其特征在于，所述第一中间路径包括多个中间节点，所述计算所述第一中间路径的路径长度因子、多普勒影响因子、信道质量影响因子和路径总跳数，包括：
获取所述第一中间路径的所述中间节点的数量；
获取多个所述中间节点的空间坐标；
根据相邻两个所述中间节点的所述空间坐标计算得到相邻两个中间节点的距离；
根据所述距离计算得到所述第一中间路径的路径长度；
根据所述路径长度和所述中间节点的数量计算得到所述第一中间路径的路径长度因子；
获取多个所述中间节点的速度；
根据相邻两个所述中间节点的所述速度计算得到相邻两个中间节点的第一多普勒频率；
根据所述第一多普勒频率计算得到所述第一中间路径的第二多普勒频率；
根据所述第二多普勒频率和所述中间节点的数量计算得到所述第一中间路径的多普勒影响因子；
计算相邻两个所述中间节点的链路余量；
根据所述链路余量计算得到相邻两个所述中间节点的通信质量；
根据相邻两个所述中间节点的通信质量计算得到所述第一中间路径的信道质量影响因子；
根据所述中间节点的数量计算得到所述第一中间路径的路径总跳数。
3.根据权利要求2所述的基于遗传算法的高速载体群自组网QoS路由方法，其特征在于，所述计算相邻两个所述中间节点的链路余量，包括：
获取相邻两个所述中间节点之间通信信号的发射功率、发射增益、自由空间损耗、大气损耗、极化损耗、接收增益、接收灵敏度；
根据所述发射功率、所述发射增益、所述自由空间损耗、所述大气损耗、所述极化损耗、所述接收增益和所述接收灵敏度计算得到相邻两个所述中间节点的链路余量。
4.根据权利要求2所述的基于遗传算法的高速载体群自组网QoS路由方法，其特征在于，所述根据相邻两个所述中间节点的通信质量计算得到所述第一中间路径的信道质量影响因子，包括：
若相邻两个所述中间节点的通信质量小于或者等于预设的通信质量阈值，则将相邻两个所述中间节点之间的路径标记为失效路径；
对所述失效路径进行链路重建得到更新路径；
根据所述更新路径的通信质量计算得到所述第一中间路径的信道质量影响因子。
5.根据权利要求1所述的基于遗传算法的高速载体群自组网QoS路由方法，其特征在于，所述根据预设的交叉策略对适应度小于预设阈值的第一中间路径进行交叉运算，得到第二中间路径，包括：
从适应度小于预设阈值的多个第一中间路径中，随机选择两个第一中间路径；
获取随机选择的两个第一中间路径的交叉点位置，所述交叉点位置为随机选择的两个第一中间路径中可替换的路径；
以所述交叉点位置对随机选择的两个第一中间路径进行交换，得到第二中间路径。
6.根据权利要求1所述的基于遗传算法的高速载体群自组网QoS路由方法，其特征在于，所述根据预设的变异策略对所述第二中间路径进行变异运算，得到第三中间路径，包括：
从所述第二中间路径中随机选择一个载体节点作为变异节点；
将所述变异节点的一跳邻居载体节点所在的路径作为变异位置；
根据所述变异位置对所述第二中间路径进行变异运算，得到第三中间路径。
7.根据权利要求1至6任一项所述的基于遗传算法的高速载体群自组网QoS路由方法，其特征在于，所述方法还包括：
若在所述目标路径发送数据，获取所述数据的发送时间和当前时间，根据所述发送时间和当前时间计算得到发送时长，将所述发送时长和基准时长进行对比得到对比结果，根据所述对比结果丢弃所述数据。
8.基于遗传算法的高速载体群自组网QoS路由装置，其特征在于，所述高速载体群自组网具有多个载体节点，所述装置包括：
编码模块，用于对多个原始路径进行编码，得到多个第一中间路径；
第一计算模块，用于计算所述第一中间路径的路径长度因子、多普勒影响因子、信道质量影响因子和路径总跳数；
第二计算模块，用于根据所述路径长度因子、所述多普勒影响因子、所述信道质量影响因子和所述路径总跳数计算得到所述第一中间路径的适应度；
交叉变异模块，用于根据预设的交叉策略对适应度小于预设阈值的第一中间路径进行交叉运算，得到第二中间路径；根据预设的变异策略对所述第二中间路径进行变异运算，得到第三中间路径；
输出模块，用于若达到迭代停止条件，将所述第三中间路径作为目标路径，所述目标路径为从开始载体节点至目标载体节点之间的路径。
9.计算机设备，其特征在于，所述计算机设备包括存储器和处理器，其中，所述存储器中存储有程序，所述程序被所述处理器执行时所述处理器用于执行：
如权利要求1至7中任一项所述的方法。
10.存储介质，所述存储介质为计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，在所述计算机程序被计算机执行时，所述计算机用于执行：
如权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210620043.4A CN115190561B (zh) | 2022-06-02 | 2022-06-02 | 基于遗传算法的高速载体群自组网QoS路由方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210620043.4A CN115190561B (zh) | 2022-06-02 | 2022-06-02 | 基于遗传算法的高速载体群自组网QoS路由方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115190561A true CN115190561A (zh) | 2022-10-14 |
| CN115190561B CN115190561B (zh) | 2024-08-02 |
Family
ID=83513314
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210620043.4A Active CN115190561B (zh) | 2022-06-02 | 2022-06-02 | 基于遗传算法的高速载体群自组网QoS路由方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115190561B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100650743B1 (ko) * | 2005-12-05 | 2006-11-30 | 한국전자통신연구원 | 애드혹(Ａｄ－ｈｏｃ) 네트워크에서 유전 알고리즘을이용한 브로드캐스트 라우팅 경로 선택방법 |
| CN102238686A (zh) * | 2011-07-04 | 2011-11-09 | 南京邮电大学 | 一种模型化量子遗传算法的无线传感器网络路由方法 |
| CN106535282A (zh) * | 2016-12-19 | 2017-03-22 | 南通大学 | 车载自组织网络中基于遗传算法的QoS感知路由协议 |
| US20170206512A1 (en) * | 2005-10-04 | 2017-07-20 | Steven M. Hoffberg | Multifactorial optimization system and method |
| CN107148064A (zh) * | 2017-05-15 | 2017-09-08 | 南京邮电大学 | 一种基于粒子群的车载网络路由路径优化方法 |
| CN108770003A (zh) * | 2018-05-07 | 2018-11-06 | 南京邮电大学 | 一种基于粒子群优化的自组织无人机网络路由发现方法 |
| CN109688616A (zh) * | 2018-11-27 | 2019-04-26 | 刘福珍 | 一种基于单兵协同作战的无线自组网通信方法 |
-
2022
- 2022-06-02 CN CN202210620043.4A patent/CN115190561B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170206512A1 (en) * | 2005-10-04 | 2017-07-20 | Steven M. Hoffberg | Multifactorial optimization system and method |
| KR100650743B1 (ko) * | 2005-12-05 | 2006-11-30 | 한국전자통신연구원 | 애드혹(Ａｄ－ｈｏｃ) 네트워크에서 유전 알고리즘을이용한 브로드캐스트 라우팅 경로 선택방법 |
| CN102238686A (zh) * | 2011-07-04 | 2011-11-09 | 南京邮电大学 | 一种模型化量子遗传算法的无线传感器网络路由方法 |
| CN106535282A (zh) * | 2016-12-19 | 2017-03-22 | 南通大学 | 车载自组织网络中基于遗传算法的QoS感知路由协议 |
| CN107148064A (zh) * | 2017-05-15 | 2017-09-08 | 南京邮电大学 | 一种基于粒子群的车载网络路由路径优化方法 |
| CN108770003A (zh) * | 2018-05-07 | 2018-11-06 | 南京邮电大学 | 一种基于粒子群优化的自组织无人机网络路由发现方法 |
| CN109688616A (zh) * | 2018-11-27 | 2019-04-26 | 刘福珍 | 一种基于单兵协同作战的无线自组网通信方法 |
Non-Patent Citations (2)
| Title |
|---|
| ADMIR BAROLLI 等: "Application of GA and Multi-objective Optimization for QoS Routing in Ad-Hoc Networks", 《2011 14TH INTERNATIONAL CONFERENCE ON NETWORK-BASED INFORMATION SYSTEMS》, 13 October 2011 (2011-10-13) * |
| 张沪寅: "认知无线车载自组织网络中的联合路由调度", 《 计算机研究与发展》, 9 January 2018 (2018-01-09) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115190561B (zh) | 2024-08-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rana et al. | MAZACORNET: Mobility aware zone based ant colony optimization routing for VANET | |
| Li et al. | An intersection-based QoS routing in vehicular ad hoc networks | |
| CN102355406B (zh) | 车载自组网中基于节点密度分布的自适应数据分发方法 | |
| Vidhale et al. | Performance analysis of routing protocols in realistic environment for vehicular Ad Hoc networks | |
| CN102833160A (zh) | 基于接触预测的大规模移动容迟网络分簇路由方法及其系统 | |
| Viriyasitavat et al. | Network connectivity of VANETs in urban areas | |
| Meraihi et al. | QoS performance evaluation of AODV and DSR routing protocols in city VANET scenarios | |
| Nancharaiah et al. | Hybrid optimization using ant colony optimization and cuckoo search in MANET routing | |
| CN106792970A (zh) | 一种车辆自组织网络路由选择方法 | |
| Singh | Swarm intelligence based algorithm for efficient routing in VANET | |
| Poojary et al. | Ant colony optimization routing to mobile ad hoc networks in urban environments | |
| CN115190561B (zh) | 基于遗传算法的高速载体群自组网QoS路由方法和装置 | |
| Duc et al. | Towards opportunistic data dissemination in mobile phone sensor networks | |
| Singal et al. | MCLSPM: Multi-constraints link stable multicast routing protocol in adhoc networks | |
| CN107911296B (zh) | 基于骨干链路保障时延的地理位置路由方法、车载终端 | |
| Li et al. | Network properties of mobile tactical scenarios | |
| Ramteke et al. | Realistic simulation for vehicular ad-hoc network using ZigBee technology | |
| Liu et al. | A connectivity aware transmission quality guaranteed geographic routing in urban Internet of Vehicles | |
| Cao et al. | Traffic aware routing in urban vehicular networks | |
| Al-Dolaimy et al. | A collaborative routing protocol for the internet of drone things in the VANET environment | |
| Mo et al. | Mobility-assisted location management for vehicular ad hoc networks | |
| CN106850428B (zh) | 基于802.11的感知链路质量的机会路由协议方法 | |
| Korsnes et al. | Link lifetime prediction for optimal routing in mobile ad hoc networks | |
| Osman | The performance of aodv routing protocol based on dropped packet and throughput metrics: a simulation and comparative study for VANET | |
| Prayati | Wireless technology applications in environment and health: network design challenges |
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 |