CN115208818A

CN115208818A - 一种基于遗传算法的QoS选路方法

Info

Publication number: CN115208818A
Application number: CN202210867392.6A
Authority: CN
Inventors: 李姝�; 刘国庆; 李思远; 赵建安; 刘庆泰
Original assignee: Shenyang Ligong University
Current assignee: Shenyang Ligong University
Priority date: 2022-07-22
Filing date: 2022-07-22
Publication date: 2022-10-18
Anticipated expiration: 2042-07-22
Also published as: CN115208818B

Abstract

本发明提供了一种基于遗传算法的QoS选路方法,其步骤为,首先对所有通信节点进行初始化处理,其次计算整个样本种群的适应度,之后判断是否达到最大优化代数,达到最大进化代数可确认得到最优解,否则进行遗传操作,以得到第一条链路,同时利用带权宽度优先搜索方法,得到第二条链路,对两条链路进行选择,根据链路的带宽、时延和丢包率三个参数，设定每个参数权重，分别计算两条通信链路的权重计算方程结果，取结果值的链路进行网络通信。

Description

一种基于遗传算法的QoS选路方法

技术领域

本发明属于QoS路由通信领域，具体的，为一种基于遗传算法的QoS通信链路选择方法。

背景技术

QoS路由通信技术在多个领域起到重要作用,如物联网通信、移动通信等，其由多个通信节点构成通信网络，如何从大量通信节点中规划出一条最佳的通信链路就成为了技术使用要点。

例如物联网通信系统，通信节点繁多，虽然信号输入端通信节点通常固定，但是输出端以及整个通信区域内的通信节点安全性、空间位置等参数可能会发生变化，这使得最佳通信链路处于变化过程。现有技术中，可以应对通信空间所有通信节点参数固定的情况下的运算要求，且具有较好效果，如先利用聚类算法将通信空间中的通信节点分区域划分，再选择从输入端通信节点到输出端通信节点之间欧拉距离最短的通信节点聚类群，最后从多个选定的通信节点聚类群中，选择各个聚类群中的最佳节点，最佳节点依次连接后得到最佳通信链路。但是这种方法的问题是，如若通信空间中任何一个通信节点参数发生变化，对于高精度通信网络，都需要经过重新运算得到结果，否则按照旧有参数计算，最终的通信链路有可能在链路通信安全性、时延、带宽等参数上，仅能保证其中一个通信指标符合标准，其他通信指标只能被系统忽略，显然无法保证高水平的通信要求，此外由于这种面向固定节点的通信方式，在应对节点参数变化时需要经过大量重复运算，且需要进行所有步骤的重复计算，会使得通信链路选择过程消耗大量的计算资源，严重时甚至会损坏通信设备。

另外现有的QoS路由通信技术中，开发出了基于多约束条件的链路选择算法，但是该算法中更加侧重于对某一个通信参数的重点关注，对于通信环境、通信要求以及可调整式的通信标准不具备灵活应变能力，而对于算法中对不同通信参数的重点关注，则会导致整个通信系统需要同时计算多条不同的通信链路，这会导致整个通信系统的计算负担大幅升高，严重时也会导致整个通信系统失效。

如何实现针对通信链路的正确选择，以及如何依据当前的通信环境建立备用通信链路，同时根据当前的通信环境选用恰当的通信链路，成为本领域技术人员亟需解决的重要技术问题。

发明内容

本发明提供一种基于遗传算法的QoS通信链路选择方法，从而既保证可以确定不同的备用QoS路由通信链路，也可以根据当前的通信网络环境，根据不同网络参数权重，选择最佳通信链路。

本发明采用的技术方案如下：一种基于遗传算法的QoS选路方法，包括如下步骤：

步骤1，对于QoS通信空间利用遗传算法取得第一QoS通信链路；

步骤2，对于同一个QoS通信空间,利用带权宽度优先搜索方法取得第二QoS通信链路、第三QoS通信链路；

步骤3，比较第一条QoS通信链路和第二条QoS通信链路是否完全相同；若完全相同时，则将第三QoS通信链路作为第二QoS通信链路；否则，直接执行下一步骤；

步骤4，分别根据第一条QoS通信链路和第二条QoS通信链路，取得QoS通信链路安全性、带宽和分支链路数量；

步骤5，根据QoS通信链路安全性、带宽和分支链路数量参数，对同一个QoS通信空间中得到的第一QoS通信链路和第二QoS通信链路进行对比，得到最佳通信链路。

所述步骤1，对于QoS通信空间利用遗传算法取得基于QoS通信空间利用遗传算法取得第一QoS通信链路路，包括如下步骤，

步骤1-1，对QoS通信空间内的所有通信节点进行编码；

步骤1-2，对所有的通信节点，将任意相邻通信节点进行连接，按照最短欧拉距离连接构成分支通信链路并赋值，可直接连接的分支通信链路赋值为1，不能直接连接的赋值为0；进行适应度计算处理，将QoS通信空间中赋值为1的分支通信链路去除，并将欧拉距离排名第2短的节点连接，构成新的分支通信链路，可直接连接的分支通信链路赋值为2，不能直接连接的赋值为0；

步骤1-3，设计QoS通信空间的通信节点筛选算子、交叉算子和变异算子，取得符合适应度要求的QoS通信空间内的通信节点，并将这些通信节点连接，按照欧拉距离排序，选择整条QoS通信链路中欧拉距离最短，作为第一通信链路。

所述步骤2，基于带权宽度优先搜索方法，包括如下步骤：

步骤2-1，根据确定分支通信链路可用性，优化QoS通信空间中的QoS通信链路；

步骤2-2，对优化后的QoS通信空间，计算QoS通信链路的状态概率；

步骤2-3，将QoS通信链路的状态概率，和设定的QoS通信空间通信链路状态概率阈值比较，并根据QoS通信链路状态概率从大到小排序，将排序为第一和第二的QoS通信链路分别命名为第二QoS通信链路和第三QoS通信链路。

所述确定分支通信链路可用性步骤如下：

计算任意两个通信节点i和j的加权参数，方程为：

C＝alnW+blnD+clnL+dlnJ

其中，C代表带权比较方程的结果，W、D、L和J分别代表分支通信链路的带宽、时延、丢包率和时延抖动，a、b、c和d分别代表以上4个参数的权重,将得到的加权参数和阈值对比,低于阈值的通信节点删除,未删除节点构成新的QoS通信链路集合。

所述步骤2-2，代入新的QoS通信空间中,所有通信链路的状态概率,其计算方程为:

其中，θ代表整条通信链路的运行概率,μ_i和γ_i分别表示节点i的失效率和修复率,A_i表示节点i的可用性。

所述步骤2-3的方法为：

对得到的QoS通信链路状态概率排序，并求取链路状态概率均值作为阈值，QoS通信链路状态概率低于该阈值的通信链路认为不合格，在通信空间中得到的QoS通信链路集合中删除处理，得到整条QoS通信通信链路,按照链路状态概率由大到小排序,选择排序为1和2的整条QoS通信链路命名为第二、第三QoS通信链路。

所述步骤3，比较第一QoS通信链路和第二QoS通信链路是否完全相同，方法为：

比较第一条QoS通信链路和第二条QoS通信链路的分支通信链路是否完全相同。

所述步骤4的取得QoS通信链路安全性方法为：

计算基于遗传算法和带权宽度优先搜索方法取得QoS通信链路安全性方法为，计算取得第一和第二QoS通信链路的运行状态概率。

所述步骤5，取得的QoS通信链路安全性、带宽和分支链路参数带入可变权重的加权计算方程，选择两条QoS通信链路中的最佳QoS通信链路方法为，建立加权比较方程，该方程如下：

σ＝αlnμ+βlnθ+δlnm

其中，σ代表QoS通信链路的评定数值，μ代表整条QoS通信链路的带宽，m代表QoS通信链路的分支链路数量，θ代表整条QoS通信链路的运行概率，α、β和δ分别代表实际带宽和通信空间总带宽的比值权重、整条通信链路的运行概率权重和通信链路的分支链路数量权重；

根据两条QoS通信链路的评定数值，取通信链路的评定数值σ较大的链路为最优链路。

一种基于遗传算法的QoS选路装置，包括：

遗传算法通信链路获取模块，用于对QoS通信空间利用遗传算法取得第一QoS通信链路；

带权宽度优先搜索通信链路模块，用于对于同一个QoS通信空间,利用带权宽度优先搜索方法取得第二QoS通信链路、第三QoS通信链路；

通信链路比较模块，用于比较第一条QoS通信链路和第二条QoS通信链路是否完全相同；若完全相同时，则将第三QoS通信链路作为第二QoS通信链路；

通信链路选路模块，用于分别根据第一条QoS通信链路和第二条QoS通信链路，取得QoS通信链路安全性、带宽和分支链路数量；根据QoS通信链路安全性、带宽和分支链路数量参数，对同一个QoS通信空间中得到的第一QoS通信链路和第二QoS通信链路进行对比，得到最佳通信链路。

一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现所述的基于遗传算法的QoS选路方法。

本发明具有以下实质性效果和优势：

1.基于遗传算法选择QoS路由通信链路时，可以实现对整个通信链路中，多个约束条件的同时满足，并且对于这一通信链路本身来说，也可以保证具有良好的性能。

2.在利用遗传算法计算一条QoS路由通信链路的同时，还利用带权宽度优先搜索方法得到第二条通信链路，实际上这两条链路的计算原理和对于各类约束条件的侧重点都具有不同，以保证得到的两条通信链路本身就是面向不同的通信环境和要求。

3.本发明在得到两条通信链路后，利用设置的权重计算方程，从两条备选通信链路中选用最佳链路，从而保证这一通信网络中，可以根据通信情况，选用适当通信链路。

4.本发明得到了基于遗传算法和带权宽度优先搜索方法得到了两条QoS通信链路之后,还对这两条链路进行了比较,以避免在两条链路相同的情况下,实际上最终仅分析了一条链路,所导致的链路本身问题无法发现的问题。

5.本发明在最佳通信链路的选择中，可以应对通信节点参数发生变化的情况，尤其是在得到的通信链路中，当前选用节点参数变化时，可以立即识别出该链路可能发生问题，并进行链路重新选择，且由于基于两种算法下得到的链路必然不同，在最佳链路需要重新选取的情况下，可由另一算法下的次优链路支持通信，以减少计算资源消耗量。

附图说明

图1QoS通信空间内，通信节点的编码示意图。

图2基于遗传算法的最优QoS通信链路选取流程图。

具体实施方式

下面结合附图对本发明所要求保护的技术特征做出具体说明,需要注意的是,下文中所说明的实施例,并非为本申请的全部实施例,而是基于本发明技术特征和技术方案可得到的几个实施结果。基于本发明的实施例，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，都属于本发明保护的范围。

物联网通信系统含有大量通信节点，并且通信节点的自有参数通常会在通信需求变更以及其他干扰因素的存在下变化，此时需要在最短时间内寻得一条最佳通信链路，且该通信链路要同时满足时延性、安全性、带宽限制等要求，本发明利用遗传算法和带权宽度优先搜索方法对同一个通信空间进行链路选择，从中选择最佳链路，且在节点参数变更时，依然可以高精度、高效率择取最佳通信链路。

对于基于遗传算法的QoS路由寻路算法中，其步骤为：

步骤1：如图1所示，对整个网络系统中的节点间通信通路进行编码，并且选择两个通信节点之间的最短通信链路建设通信链路，对于可以进行直接通信连接的两个节点，其通信链路编码状态显示为“1”，不能进行直接通信连接的两个节点，其通信链路编码状态显示为“0”，其中编码状态为“1”的链路定义为非劣解。

步骤2：进行适应度计算处理，基于步骤1的情况下，去除所有通信链路中编码状态为“1”的链路，即去除通信链路中的所有非劣解，之后对剩余的节点进行通信链路的连接，对于连接后链路最短的路径，对其赋予权重“2”，即第二批非劣解的权重为“2”，并以此类推，直到所有的节点之间都可以经过通信节点之间的链路连接，使得所有的通信链路节点均可以分配一个权重值。

步骤3：对整个节点种群进行分解，从而得到不同的子群体，在子群体间设置共享函数，如下：

其中，α数值为1，l_ij为节点i和j间距，σ_s为通信空间允许的共享程度贡献参数，对于参数l_ij的确定方法为:

其中p表示共享空间中,解码空间的p维空间欧拉距离中被编码的参量数目,x_k，i和x_k,j表示欧拉距离共享空间中的解码后变量。

对于参数σ_s的确定方法为：

其中r表示半径为σ_s的p为超球面体积，q为欧拉距离共享空间内优化搜索的波峰数目,x_k，max表示欧拉距离共享空间中的解码最大值,x_k,min表示欧拉距离共享空间中的解码最小值。

步骤4：进行算子设计，具体内容如下：

对于个体适应度的选择中，其中对于相同权重的非劣集的个体适应度相同，此时需要按照比例参数选择，计算方程为：

其中，

可以用

表示，经过公式(4)得到通信节点的第n代群体，

代表当前的群体，X_i和X_j代表当前种群中的个体,f(X_i)代表通信节点X_i的适应度。依靠该方程，可确定各个群体中的个体设置比例。

选定算子之后，进行交叉算子处理，其方法为，选取一个个体X_i，同时需要定义“自适应退避选择概率”，其计算方法为：

其中，|N|表示群体中的个体数量，|M_w|代表权重值为k的非劣集中个体数量。而对于和其交叉的个体X_j，对于选择方式，则按照如下方程选定：

另外，为了可以提高算法收敛速度，需要加入贪心交叉算子，该算法引入“家族竞争”方式选取两个个体，其中，对于两个个体的选取方程组为：

之后将v₁赋给X_i(n+1)，并从节点v₁开始查找方程组(7)中v₁的紧邻节点v₂和v’₂，并从中查找最优Pareto最优解，并将优胜解赋值给X_i(n+1)，访问向量中该点的访问状态数值置为1。

所谓Pareto最优解为：对于集合A为可行解集X_f中的一个子集，决策向量x∈X_f为非劣的当且仅当不存在a∈A：a＞x，即当且仅当x在X_f中是非劣的，决策向量x才是Pareto最优解。

在确定了最优解之后，需要进行对优胜点的后续邻接点连接，此时在X_i(n)和X_j(n)中进行节点处理，对于经过比较而得到的新优胜点，将该优胜点访问状态设置为1。并进行重复运算，对节点进行标定。

交叉算子描述为：

其中，l₁和l₂代表X_i和X_j的染色体长度，p_c为交叉概率,T_c(X_i，X_j)代表对节点X_i，X_j的适应度,P{T_c(X_i，X_j)}代表节点X_i，X_j的交叉结果。

在进行了交叉处理之后，还需要设置变异因子，采用随机点变异方案，其方程为：

其中，d(X，Y)为个体X和Y中配对的基因对数目，p_m为变异概率,T_m(X_i，X_j)代表通信节点X_i，X_j在含有变异情况下的适应度,P{T_m(X_i，X_j)}代表通信节点X_i，X_j在含有变异情况下的交叉结果。

对于利用带权宽度优先搜索方法，其方法为：

步骤1：通信空间中分支通信链路参数处理

对于分支通信链路的任意两个节点i和j，计算这两个节点分支通信链路的参数，其中涉及4个参数，即带宽、时延、丢包率和时延抖动，并设定包括这4个参数的带权比较方程，比较方程为：

C＝alnW+blnD+clnL+dlnJ (10)

其中，C代表带权比较方程的结果，W、D、L和J分别代表分支通信链路的带宽、时延、丢包率和时延抖动，a、b、c和d分别代表以上4个参数的权重。另外，由于在通信网络网络中，带宽为限制性参数，因此可在带权分支链路的正式选择之前，对带宽W设定比较阈值，如：带宽参数小于100k的链路去除，则整个通信空间的稳定性提升。

在得到了所有分支通信链路之后，需要设定带权比较方程因变量C的阈值，去除整个通信空间内综合通信质量低于C的分支通信链路，并将所有的分支通信链路连接。

步骤2:确定整个通信空间内各个链路之间的状态概率,同时要分析节点i的失效率和修复率,此时就要分析该节点i的可用性,计算方程为:

其中,μ_i和γ_i分别表示节点i的失效率和修复率,U_i表示节点i的不可用性,在假定第一个节点为可用状态的情况下,则第1和第2个节点分支通信链路处于工作状态的概率计算方程为:

其中，θ_i1-i2代表进行通信连接的两个通信节点，即分支通信链路的概率计算方程，μ_i1和μ_i2分别代表两个通信节点的失效率，γ_i1和γ_i2分别代表两个通信节点的恢复率。同时设置分支通信链路工作状态概率结果θ_i1-i2的阈值，并将得到的各个分支通信链路工作状态概率结果和该阈值比较，低于该阈值时，则该分支通信链路被从整个通信网络中删除。

对于假设整条通信链路可用的情况,其运行概率方程为:

其中，θ代表整条通信链路的运行概率,m代表节点数量。

步骤3：进行最佳链路选定

在经过步骤2的处理之后，剩余的链路空间内链路都是可用，或者说符合设定阈值标准的，此时需要在剩余的链路中进行最佳链路选定，此时采用的方法是，对于所有可用链路的最终运行概率进行比较，从中选择最大值，并将其作为最终结果。

步骤4：链路差异化比较

实际上，在依靠步骤3选定了链路L2之后，该链路有可能和基于遗传算法的QoS路由寻路算法所选取的链路L1相同，那么此时就需要对链路进行差异化对比，如若确定这两条链路完全相同，则对于利用带权宽度优先搜索方法所选择的链路L2过程，返回步骤3进行选择，具体的，可选择最终运行概率最值中排名第二高的链路B2进行选定，并将该条链路认定为该情况下的最优通信链路。

对选定两条链路的处理工作，具体方法如下：

步骤1：对两条通信链路的本身参数进行处理，其中参数包括链路带宽、安全性和分支链路数目，其中安全性参数可以由通信链路的运行概率指代，那么在参数处理中，就可以重点分析带宽和分支链路数目数据，所谓分支链路，只链路中相邻两个节点进行通信时所得到的通信链路。这两个参数的处理方法如下：

(1)链路数据处理

对于基于遗传算法的QoS选路方法，计数在整条通信链路中所参与使用的通信节点数量d，则链路数目为d-1，对于基于带权宽度优先搜索方法所得到的通信链路，也采取该方法，对整条通信链路中的分支链路数目进行计算。

(1)带宽参数处理

对于两条链路的带宽计算方法，为了保证实际计算对比处理中,可以对所有参数进行直接相加处理,本发明对其进行了比值处理,即:

其中,b代表该通信链路的实际带宽,B代表整个通信空间内的总带宽，μ代表实际带宽和通信空间总带宽的比值。

(2)安全性度量处理

对于基于遗传算法的通信链路选择方法，也需要计算其安全性，采取的方法与利用带权宽度优先搜索方法相同，需要计算每个分支链路的正常运行概率，并取得最终结果。

(3)分支链路数目确定

对于分支链路数目，可进行直接计数。

步骤2：设定通信链路的对比方程，为：

σ＝αlnμ+βlnθ+δlnm (15)

其中，σ代表通信链路的评定数值，m代表通信链路的分支链路数量，θ代表整条通信链路的运行概率。α、β和δ分别代表实际带宽和通信空间总带宽的比值权重、整条通信链路的运行概率权重和通信链路的分支链路数量权重。

步骤3：最终通信链路选定

如图2所示,对于取得的两条链路，经过利用带权宽度优先搜索方法和基于遗传算法的QoS路由寻路算法两个阶段的选路操作中，最终得到的两条链路势必不同，但是在不同的网络环境和需求下，对于通信链路的本身要求也很可能具有不同，在此选定3个参数进行取值，选择得到σ结果更大的链路应用。其中，对于权重参数α、β和δ，可依据实际通信需求进行调整，择优选择使用的通信链路。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本申请实施例的方法流程图来描述的。应理解可由计算机程序指令实现流程图中的每一流程。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims

1.一种基于遗传算法的QoS选路方法，其特征在于，包括如下步骤：

步骤1，对于QoS通信空间利用遗传算法取得第一QoS通信链路；

2.根据权利要求1所述的基于遗传算法的QoS选路方法，其特征在于：所述步骤1，对于QoS通信空间利用遗传算法取得基于QoS通信空间利用遗传算法取得第一QoS通信链路路，包括如下步骤，

步骤1-1，对QoS通信空间内的所有通信节点进行编码；

3.根据权利要求1所述的基于遗传算法的QoS选路方法，其特征在于：所述步骤2，基于带权宽度优先搜索方法，包括如下步骤：

4.根据权利要求3所述的基于遗传算法的QoS选路方法，其特征在于：所述确定分支通信链路可用性步骤如下：

计算任意两个通信节点i和j的加权参数，方程为：

C＝alnW+blnD+clnL+dlnJ

5.根据权利要求2所述的基于遗传算法的QoS选路方法，其特征在于：所述步骤2-2，代入新的QoS通信空间中,所有通信链路的状态概率,其计算方程为:

6.根据权利要求3所述的基于遗传算法的QoS选路方法，其特征在于：所述步骤2-3的方法为：

7.根据权利要求1所述的基于遗传算法的QoS选路方法，其特征在于：所述步骤4的取得QoS通信链路安全性方法为：

8.根据权利要求1所述的基于遗传算法的QoS选路方法，其特征在于：所述步骤5，取得的QoS通信链路安全性、带宽和分支链路参数带入可变权重的加权计算方程，选择两条QoS通信链路中的最佳QoS通信链路方法为，建立加权比较方程，该方程如下：

σ＝αlnμ+βlnθ+δlnm

9.一种基于遗传算法的QoS选路装置，其特征在于，包括：

10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1-8任一项所述的基于遗传算法的QoS选路方法。