CN116720638B - 一种基于改进进化算法的逆最短路权重调整方法及系统 - Google Patents

Abstract

本发明公开了一种基于改进进化算法的逆最短路权重调整方法及系统，该方法包括：根据路由网络结构图确定目标函数、约束空间和约束条件并输入参数初值，构建路由网络结点最短路逆优化问题；根据参数初值和约束空间对路由网络结点最短路逆优化问题进行取值，得到每个结点权重调整方案的最优路径；并进行添加受保护调整方案与待更新调整方案，基于改进进化算法进行迭代更新处理，输出最优权重调整方案；根据最优权重调整方案改变给定路径上弧的权重。可以有效的计算最优调整方案，更快更精准地用于路由调整与分配、生产规划等任务。本发明作为一种基于改进进化算法的逆最短路权重调整方法及系统，可广泛应用于路由分配技术领域。

Description

一种基于改进进化算法的逆最短路权重调整方法及系统

技术领域

本发明涉及路由分配技术领域，尤其涉及一种基于改进进化算法的逆最短路权重调整方法及系统。

背景技术

逆最短路搜索主要应用于路由分配、生产规划中的成本控制，其主要原理在于将实际问题抽象成图，通过调整图上的各边权重使得既定的路径成为最短路，一个合适的边权重调整方案可以使得我们在付出较小的代价使得既定的方案变成最优解，在大规模使用该方案时节约成本。逆最短路搜索被广泛地应用生产规划、交通规划、医学成像、地球科学参数估计等领域。而在路由分配中，不同的路由结点之间通过互相传进行数据交换进行信息互通，但是不同的路由结点间的传输带宽是有限的。因此，不恰当的数据交换策略往往会导致数据堵塞等后果，无法满足区域用户对数据实时传输的需求。如何采取合适的数据传输路径，以提高路由的稳定性成为提升路由性能一个关键。路由分布可以抽象成一张图，图上的结点可以抽象成一个路由器，结点间的弧权重即为结点间传输数据的带宽等花销取值。结点间传输的数据量越大，花销便会越大，花销越大往往会导致更大的时延等问题。而当某条传输路径在某段时间需要大量传输数据的时候，该路径经过的所有弧权重都会增大，而突然的权重增导致的花销增大，给使用这些弧的所有数据传输带来时延、阻滞等后果。当前的路由算法主要聚焦于实时计算来更改路由策略达到优化局部花销增大的问题，但是面对大规模的图结构，从新分配传输策略，算法存在的时效性不足的问题，容易在路由分配计算层面导致时延的发生。

发明内容

为了解决上述技术问题，本发明的目的是提供一种基于改进进化算法的逆最短路权重调整方法及系统，可以有效的计算最优调整方案，更快更精准地用于路由调整与分配、生产规划等任务。

本发明所采用的第一技术方案是：一种基于改进进化算法的逆最短路权重调整方法，包括以下步骤：

根据路由网络结构图确定目标函数、约束空间和约束条件并输入参数初值，构建路由网络结点最短路逆优化问题，所述输入参数初值具体包括初始路径权重、随机化参数、决策空间、种群个体数量、受保护调整方案数量、待更新调整方案数量、差分进化算法变异尺度、差分进化算法交叉概率、最大迭代次数和调整方案邻居个数；

根据参数初值和约束空间对路由网络结点最短路逆优化问题中的结点权重与结点路径进行初始化并根据目标函数对初始化后的结点权重与结点路径进行取值，得到每个结点权重调整方案的最优路径；

对每个结点权重调整方案的最优路径进行添加受保护调整方案与待更新调整方案并基于改进进化算法进行迭代更新处理，直至所述迭代更新次数满足预设最大迭代次数，输出受保护调整方案中的首个方案作为最优权重调整方案；

根据最优权重调整方案改变给定路径上弧的权重，得到最优路由结点路径。

进一步，所述根据路由网络结构图确定目标函数、约束空间和约束条件并输入参数初值，构建路由网络结点最短路逆优化问题这一步骤，其具体包括：

获取路由网络结构图，所述路由网络结构图的表达式为：

G＝<V，E，W>

上式中，G表示路由网络结构图，V、E和W分别表示路由网络结构中的点、边和权重的集合；

根据路由网络结构图确定目标函数、约束空间和约束条件，所述目标函数为理想最优可行路径；

输入参数初值结合目标函数、约束空间和约束条件，构建路由网络结点最短路逆优化问题。

进一步，所述路由网络结点最短路逆优化问题的表达式为：

上式中，d_mn表示路由网络结构图上第m个结点到第n个结点的弧上的权重的取值，c_mn表示初始方案的第m个结点到第n个结点的弧上的权重的取值，表示给定的理想花销最小数据传输路径中第m个结点到第n个结点的弧的特征取值，经过时为1，不经过时为0，x_mn表示图上第m个结点到第n个结点的弧的特征取值，经过时为1，不经过时为0。

进一步，所述对每个结点权重调整方案的最优路径进行添加受保护调整方案与待更新调整方案并基于改进进化算法进行迭代更新处理，直至所述迭代更新次数满足预设最大迭代次数，输出受保护调整方案中的首个方案作为最优权重调整方案这一步骤，其具体包括：

计算每个结点权重调整方案的最优路径与目标函数之间的差距，选取差距最小值对应的结点权重调整方案作为索引添加至受保护调整方案，得到添加后的受保护调整方案；

计算每个结点权重调整方案的最优路径与待更新调整方案之间的代价，选取代价最大且不在受保护调整方案的结点权重调整方案作为索引添加至待更新调整方案，得到添加后的待更新调整方案；

整合添加后的受保护调整方案与添加后的待更新调整方案，构建双目标优化函数；

基于双目标优化函数，根据欧氏距离计算不同结点权重调整方案之间的相似度，选取欧氏距离最小即相似度最高的结点权重调整方案添加至邻居调整方案；

对添加后的邻居调整方案，基于改进进化算法，根据参数初值、目标函数、约束条件更新不同调整方案下的最优路径；

直至所述迭代更新次数满足预设最大迭代次数，输出受保护调整方案中的首个方案作为最优权重调整方案。

进一步，所述对添加后的邻居调整方案，基于改进进化算法，根据参数初值、目标函数、约束条件更新不同调整方案下的最优路径这一步骤，其具体包括：

对添加后的邻居调整方案，根据结点权重调整方案D^j的相似集合的索引B^j(k)，获取其相似集合{D^k，k∈B^j(k)}的当前最优路径{X^k，k∈B^j(k)}，生成随机数r0，r1，r2，r0，r1，r2∈B^j(k)且r0≠r1≠r2；

根据带引导的花销最小数据传输路径协同双变异算子公式生成两个变异个体X^{Mj (1)}和X^Mj(2)；

对于X^Mj(1)和X^Mj(2)中m结点到n结点的分量和/>生成随机数rand_mn(1)∈(0，1)和rand_mn(2)∈(0，1)，首先比较rand_mn(1)，若rand_mn(1)＞Cr_x，则赋值X^j中m结点到n结点的分量/>到/>即/>再比较rand_mn(2)，若rand_mn(2)＞Cr_x，则赋值X^j中m结点到n结点的分量/>到/>即/>

先后计算X^Mj(1)和X^Mj(2)在路径在D^j方案下的函数值和/>X^j对于路径在D^j方案下的函数值/>当L_jMj(1)＜L_j时，更新X^j＝X^Mj(1)，当L_jMj(2)＜L_j时，更新X^j＝X^Mj(2)。

进一步，所述计算每个结点权重调整方案的最优路径与目标函数之间的差距即计算每个结点权重调整方案的花销最小数据传输路径与理想花销最小数据传输路径之间的差距的公式表示如下：

上式中，X^j表示第j个调整方案的当前花销最小数据传输路径，G^j表示第j个调整方案下的图，表示第j个调整方案的当前花销最小数据传输路径中第m个结点到第n个结点的弧的特征取值，经过时为1，不经过时为0，X⁰表示给定的理想花销最小数据传输路径，表示给定的理想花销最小数据传输路径中第m个结点到第n个结点的弧的特征取值，经过时为1，不经过时为0。

进一步，所述计算每个结点权重调整方案的最优路径与待更新调整方案之间的代价的计算公式如下：

上式中，D^j表示第j个调整方案，G^j表示第j个调整方案下的图，C表示初始方案，表示第第m个结点到第n个结点的弧上的权重的取值，c_mn表示初始方案的第m个结点到第n个结点的弧上的权重的取值。

进一步，所述根据欧氏距离计算不同结点权重调整方案之间的相似度的公式具体表示如下：

上式中，d_jk表示欧氏距离，D^j表示第j个调整方案，D^k表示第k个调整方案，G^j、G^k表示第j、k个调整方案下的图，表示第j个调整方案的第m个结点到第n个结点的弧上的权重的取值，/>表示第m个结点到第n个结点的弧上的权重的取值。

进一步，所述带引导的花销最小数据传输路径协同双变异算子公式表示如下：

X^mi(1)＝X^r0+F_x(X^r1-X^r2)，r0，r1，r2∈B^j(k)

X^mi(2)＝X^r0+F_x(X⁰-X^r2)，r0，r1，r2∈B^j(k)

上式中，X^mi(1)表示第i个调整方案的当前花销最小数据传输路径的第一个变异路径个体，X^mi(2)表示第i个调整方案的当前花销最小数据传输路径的第二个变异路径个体，F_x表示差分进化算法在路径变异中的变异尺度，X⁰表示给定的理想花销最小数据传输路径，B^j(k)表示与第j个调整方案相似的调整方案的索引的集合。

本发明所采用的第二技术方案是：一种基于改进进化算法的逆最短路权重调整系统，包括：

构建模块，用于根据路由网络结构图确定目标函数、约束空间和约束条件并输入参数初值，构建路由网络结点最短路逆优化问题，所述输入参数初值具体包括初始路径权重、随机化参数、决策空间、种群个体数量、受保护调整方案数量、待更新调整方案数量、差分进化算法变异尺度、差分进化算法交叉概率、最大迭代次数和调整方案邻居个数；

取值模块，用于根据参数初值和约束空间对路由网络结点最短路逆优化问题中的结点权重与结点路径进行初始化并根据目标函数对初始化后的结点权重与结点路径进行取值，得到每个结点权重调整方案的最优路径；

迭代模块，用于对每个结点权重调整方案的最优路径进行添加受保护调整方案与待更新调整方案并基于改进进化算法进行迭代更新处理，直至所述迭代更新次数满足预设最大迭代次数，输出受保护调整方案中的首个方案作为最优权重调整方案；

应用模块，用于根据最优权重调整方案改变给定路径上弧的权重，得到最优路由结点路径。

本发明方法及系统的有益效果是：本发明构建了合理的进化算法框架，通过迭代过程中不断生产新的调整方案并质量评估，然后在下一次迭代最调整方案的时候，针对调整方案的质量评估来对调整方案进行保留和更新。通过设计合理的调整方案更新的进化算法变异算子使得每次迭代中对调整方案进行高效评估，设定进化算法中种群个体可以快速地向着最调整方案移动，减少无效调整方案的保留，从而获得更优的权重调整方案，更精准的直到生产规划调整。

附图说明

图1是本发明一种基于改进进化算法的逆最短路权重调整方法的步骤流程图；

图2是本发明一种基于改进进化算法的逆最短路权重调整系统的结构框图；

图3是本发明在路由网络图调整上的运用示意图；

图4是本发明在质量评估时非支配层级较低的调整方案示意图；

图5是本发明在质量评估时相似调整方案的示意图；

图6是本发明具体实施小规模的图最短路搜索的迭代损失示意图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。

参照图1，本发明提供了一种基于改进进化算法的逆最短路权重调整方法，该方法包括以下步骤：

S1、输入路由网络图的结构确定并以此确定目标函数、约束空间和约束条件并输入参数初值；

具体地，设图的结构G＝<V，E，W>，其中<V，E，W>分别代表点、边和权重的集合，理想最优可行路径初始化D的上界d^sup和下界d^inf、待优化路径X的初始取值空间的上界d^sup和下界d^inf；与初始化X路径解集{X^rand}中解的数量num_r、初始化权重取值D的个数size_d、差分进化算子在向量和各向量当前路径解变异时的变异尺度F_d和F_x，交叉概率Cr_d和Cr_x，所述Cr_x是调整方案值根据一个调整方案调整后，搜索调整方案的最短路径中，使用进化算法产生突变后，与该方案当前路径的某一条路选择发生互换的概率，大于概率发生互换，Cr_d是改成在调整方案在某一弧度上改变权重的概率，权重调整方案D保护集合大小num_p、权重取值D待更新集合中非支配排序添加的个体数量num_t、权重取值D待更新集合中距离排序产生的个体数量num_f、每个权重取值Dⁱ的邻居集合个数T、算法的迭代次数inter，其中，权重调整方案D保护集合是指在这些方案下函数的各项指标相对较优秀，接近最优解不需要在进行更新，故须保护下来，权重取值D待更新集合是数值指标相对落后的方案，与最优解相差较大，需要进行更新；

如图3所示图结构，其最短路问题被表达为：

其逆优化问题为：

上式中，d_mn表示路由网络结构图上第m个结点到第n个结点的弧上的权重的取值，c_mn表示初始方案的第m个结点到第n个结点的弧上的权重的取值，表示给定的理想花销最小数据传输路径中第m个结点到第n个结点的弧的特征取值，经过时为1，不经过时为0，x_mn表示图上第m个结点到第n个结点的弧的特征取值，经过时为1，不经过时为0。

S2、根据参数初值和约束空间随机初始化权重调整方案集合和初始路径集合，根据目标函数取值，给每个权重调整方案绑定在该调整方案下的花销最小数据传输路径；

具体地，初始化个数为size_d的权重取值种群其中第i个调整方案Dⁱ＝{d_mn}，(m，n)∈G中第m个结点到第n个的分量d_mn初始化公式为：

类似地，初始化num_r个X的初始路径解其中第i个路径取值Xⁱ＝{x_mn}，(m，n)∈G的第m个结点到第n个结点的的x_mn初始为：

计算第i个调整方案Dⁱ在第j个路径取值X^j下的路径长度为：

排序并选择L_ij最小的路径X^j作为第i个调整方案X^j的最优解即Bound(Dⁱ|X^j)，选择完成后每个调整方案都只有一个最优路径，故初始化完成后可记为Bound(Dⁱ|Xⁱ)，i＝1,2，...，size_d。

S3、根据每个权重调整方案的花销最小数据传输路径添加受保护的调整方案集合；

具体地，对于种群POP_d中的第j个调整方案D^j在，根据绑定Bound(Dⁱ|Xⁱ)，计算绑定向量X^j计算其在如下目标函数的取值：

排序选择最小的num_p个取值的索引j添加入受保护集合P(j)中。

S4、根据每个权重调整方案的调整的花销最小数据传输路径和调整方案的调整量添加应当更新的的调整方案集合；

具体地，对于种群POP_d中的第j个调整方案D^j，根据如下公式计算其代价函数取值：

排序选择不在P(j)中的最大的num_f个取值的索引j添加入待更新集T(j)中；

再结合组成P(j)的双目标优化函数/>非支配排序FD^j，j＝1,2，...，size_d，参照图4，选取不在P(j)中的如图中红色的支配等级较低的num_t个个体的索引j，添加入待更新集T(j)中。

S5、基于改进进化算法，根据参数初值、目标函数、约束条件、受保护权重调整方案集合和应当更新的调整方案集合更新调整方案集合；

具体地，对于种群POP_d中的第j个整方案D^j，如下公式计算其与第k个方案D^k相似性：

对于第j个方案与其他方案的距离d_jk(j≠k，k＝1，2，...，size_d-1)进行排序，选择距离最小的T个的索引k加入第j个方案的邻居集合B^j(k)中，如图5所示，虚线圈内黑点为红点的相似方案。

遍历待更新集合T(j)中的索引，对其索引的调整方案D^j进行更新，首先生成随机数r0，r1，r2∈(1，2，...，size_d)且r0≠r1≠r2，按如下公式产生其变异个体：

D^Mj＝D^r0+F_d(D^r1-D^r2)

对于D^Mj中m结点到n结点的分量生成随机数rand_mn∈(0，1)，当rand_mn＞Cr_d，则否则不进行更新。

S6、基于改进进化算法，根据参数初值、目标函数、约束条件更新不同调整方案下的花销最小数据传输路径；

具体地，在更新完调整方案后，对于种群POF_d，中的第j个整方案D^j，根据即Bound(Dⁱ|X^I)，对其的最优解X^j进行更新，确保X^j是新D^j取值下的当前最优路径，具体优化步骤如下：根据D^j的相似集合的索引B^j(k)，获取其相似集合{D^k，k∈B^j(k)}的当前最优路径{X^k，k∈B^j(k)}。生成随机数r0，r1，r1。r0，r1，r1∈Bj(k)且r0≠r1≠r1，根据带引导的花销最小数据传输路径协同双变异算子公式生成X^j的两个变异个体X^mj(1)和X^mj(2)，所述带引导是值，使用目标最小传输路径来对所有调整方案下的的最短路径搜索进行引导。使得以目标最小传输路径为最短路径的调整方案能够快速识别出来，其表达式为：

X^Mj(1)＝X^r0+F_x(X^r1-X^r2)，r0，r1，r2∈B^j(k)

X^Mj(2)＝X^r0+F_x(X^r1-X^r2)，r0，r1，r2∈B^j(k)

对于X^Mj(1)和X^Mj(2)中m结点到n结点的分量和/>生成随机数rand_mn(1)∈(0，1)和rand_mn(2)∈(0，1)，首先比较rand_mn(1)，若rand_mn(1)＞Cr_x，则赋值X^j中m结点到n结点的分量/>到/>即/>再比较rand_mn(2)，若rand_mn(2)＞Cr_x，则赋值X^j中m结点到n结点的分量/>到/>即/>

先后计算X^Mj(1)和X^Mj(2)在路径在D^j方案下的函数值和/>X^j对于路径在D^j方案下的函数值/>当L_jMj(1)＜L_j时，更新X^j＝X^Mj(1)，当L_jMj(2)＜L_j时，更新X^j＝X^Mj(2)。

S7、迭代更新权重迭代方案集合直至达到最大迭代次数，输出受保护调整方案集合中的首个方案作为最优权重调整方案；

具体地，如图6所示，更改方案所需的代价随着算法的运行逐渐降低，重复运行步骤S4、S5、S6直到次数达到inter，输出保护集P(j)中首位元素所索引的调整方案为最优权重调整方案D^best。

S8、根据最优调整方案改变给定路径上弧的权重。

具体地，将初始图中的权重C＝{c_mn}，(m，n)∈G更改为

参照图2，一种基于改进进化算法的逆最短路权重调整系统，包括：

构建模块，用于根据路由网络结构图确定目标函数、约束空间和约束条件并输入参数初值，构建路由网络结点最短路逆优化问题，所述输入参数初值具体包括初始路径权重、随机化参数、决策空间、种群个体数量、受保护调整方案数量、待更新调整方案数量、差分进化算法变异尺度、差分进化算法交叉概率、最大迭代次数和调整方案邻居个数；

取值模块，用于根据参数初值和约束空间对路由网络结点最短路逆优化问题中的结点权重与结点路径进行初始化并根据目标函数对初始化后的结点权重与结点路径进行取值，得到每个结点权重调整方案的最优路径；

迭代模块，用于对每个结点权重调整方案的最优路径进行添加受保护调整方案与待更新调整方案并基于改进进化算法进行迭代更新处理，直至所述迭代更新次数满足预设最大迭代次数，输出受保护调整方案中的首个方案作为最优权重调整方案；

应用模块，用于根据最优权重调整方案改变给定路径上弧的权重，得到最优路由结点路径。

上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (4)

1.一种基于改进进化算法的逆最短路权重调整方法，其特征在于，包括以下步骤：

根据路由网络结构图确定目标函数、约束空间和约束条件并输入参数初值，构建路由网络结点最短路逆优化问题，所述输入参数初值具体包括初始路径权重、随机化参数、决策空间、种群个体数量、受保护调整方案数量、待更新调整方案数量、差分进化算法变异尺度、差分进化算法交叉概率、最大迭代次数和调整方案邻居个数；

根据参数初值和约束空间对路由网络结点最短路逆优化问题中的结点权重与结点路径进行初始化并根据目标函数对初始化后的结点权重与结点路径进行取值，得到每个结点权重调整方案的最优路径；

对每个结点权重调整方案的最优路径进行添加受保护调整方案与待更新调整方案并基于改进进化算法进行迭代更新处理，直至所述迭代更新次数满足预设最大迭代次数，输出受保护调整方案中的首个方案作为最优权重调整方案；

根据最优权重调整方案改变给定路径上弧的权重，得到最优路由结点路径；

所述根据路由网络结构图确定目标函数、约束空间和约束条件并输入参数初值，构建路由网络结点最短路逆优化问题这一步骤，其具体包括：

获取路由网络结构图，所述路由网络结构图的表达式为：

G＝<V,E,W>

上式中，G表示路由网络结构图，V、E和W分别表示路由网络结构中的点、边和权重的集合；

根据路由网络结构图确定目标函数、约束空间和约束条件，所述目标函数为理想最优可行路径；

输入参数初值结合目标函数、约束空间和约束条件，构建路由网络结点最短路逆优化问题；

所述路由网络结点最短路逆优化问题的表达式为：

上式中，d_mn表示路由网络结构图上第m个结点到第n个结点的弧上的权重的取值，c_mn表示初始方案的第m个结点到第n个结点的弧上的权重的取值，表示给定的理想花销最小数据传输路径中第m个结点到第n个结点的弧的特征取值，经过时为1，不经过时为0，x_mn表示图上第m个结点到第n个结点的弧的特征取值，经过时为1，不经过时为0；

所述对每个结点权重调整方案的最优路径进行添加受保护调整方案与待更新调整方案并基于改进进化算法进行迭代更新处理，直至所述迭代更新次数满足预设最大迭代次数，输出受保护调整方案中的首个方案作为最优权重调整方案这一步骤，其具体包括：

计算每个结点权重调整方案的最优路径与目标函数之间的差距，选取差距最小值对应的结点权重调整方案作为索引添加至受保护调整方案，得到添加后的受保护调整方案；

计算每个结点权重调整方案的最优路径与待更新调整方案之间的代价，选取代价最大且不在受保护调整方案的结点权重调整方案作为索引添加至待更新调整方案，得到添加后的待更新调整方案；

整合添加后的受保护调整方案与添加后的待更新调整方案，构建双目标优化函数；

基于双目标优化函数，根据欧氏距离计算不同结点权重调整方案之间的相似度，选取欧氏距离最小即相似度最高的结点权重调整方案添加至邻居调整方案；

对添加后的邻居调整方案，基于改进进化算法，根据参数初值、目标函数、约束条件更新不同调整方案下的最优路径；

直至所述迭代更新次数满足预设最大迭代次数，输出受保护调整方案中的首个方案作为最优权重调整方案；

所述计算每个结点权重调整方案的最优路径与目标函数之间的差距即计算每个结点权重调整方案的花销最小数据传输路径与理想花销最小数据传输路径之间的差距的公式表示如下：

上式中，X^j表示第j个调整方案的当前花销最小数据传输路径，G^j表示第j个调整方案下的图，表示第j个调整方案的当前花销最小数据传输路径中第m个结点到第n个结点的弧的特征取值，经过时为1，不经过时为0，X⁰表示给定的理想花销最小数据传输路径，/>表示给定的理想花销最小数据传输路径中第m个结点到第n个结点的弧的特征取值，经过时为1，不经过时为0；

所述计算每个结点权重调整方案的最优路径与待更新调整方案之间的代价的计算公式如下：

上式中，D^j表示第j个调整方案，G^j表示第j个调整方案下的图，C表示初始方案，表示第第m个结点到第n个结点的弧上的权重的取值，c_mn表示初始方案的第m个结点到第n个结点的弧上的权重的取值；

所述根据欧氏距离计算不同结点权重调整方案之间的相似度的公式具体表示如下：

上式中，d_jk表示欧氏距离，D^j表示第j个调整方案，D^k表示第k个调整方案，G^j、G^k表示第j、k个调整方案下的图，表示第j个调整方案的第m个结点到第n个结点的弧上的权重的取值，/>表示第m个结点到第n个结点的弧上的权重的取值。

2.根据权利要求1所述一种基于改进进化算法的逆最短路权重调整方法，其特征在于，所述对添加后的邻居调整方案，基于改进进化算法，根据参数初值、目标函数、约束条件更新不同调整方案下的最优路径这一步骤，其具体包括：

对添加后的邻居调整方案，根据结点权重调整方案D^j的相似集合的索引B^j(k)，获取其相似集合{D^k,k∈B^j(k)}的当前最优路径{X^k,k∈B^j(k)}，生成随机数r0,r1,r2，r0,r1,r2∈B(k)且r0≠r1≠r2；

根据带引导的花销最小数据传输路径协同双变异算子公式生成两个变异个体X^Mj(1)和X^Mj(2)；

对于X^Mj(1)和X^Mj(2)中m结点到n结点的分量和/>生成随机数rand_mn(1)∈(0,1)和rand_mn(2)∈(0,1)，首先比较rand_mn(1)，若rand_mn(1)>Cr_x，则赋值X^j中m结点到n结点的分量/>到/>即/>再比较rand_mn(2)，若rand_mn(2)>Cr_x，则赋值X^j中m结点到n结点的分量到/>即/>其中，Cr_x表示添加后的邻居调整方案的最短路径中，使用进化算法产生突变后，与该方案当前路径的某一条路选择发生互换的概率；

先后计算X^Mj(1)和X^Mj(2)在路径在D^j方案下的函数值和X^j对于路径在D^j方案下的函数值/>当L_jMj(1)<L_j时，更新X^j＝X^Mj(1)，当L_jMj(2)<L_j时，更新X^j＝X^Mj(2)。

3.根据权利要求2所述一种基于改进进化算法的逆最短路权重调整方法，其特征在于，所述带引导的花销最小数据传输路径协同双变异算子公式表示如下：

X^mi(1)＝X^r0+F_x(X^r1-X^r2),r0,r1,r2∈Bⁱ(k)

X^mi(2)＝X^r0+F_x(X⁰-X^r2)，r0,r1,r2∈B^j(k)

上式中，X^mi(1)表示第i个调整方案的当前花销最小数据传输路径的第一个变异路径个体，X^mi(2)表示第i个调整方案的当前花销最小数据传输路径的第二个变异路径个体，F_x表示差分进化算法在路径变异中的变异尺度，X⁰表示给定的理想花销最小数据传输路径，B^j(k)表示与第j个调整方案相似的调整方案的索引的集合。

4.一种基于改进进化算法的逆最短路权重调整系统，其特征在于，用于执行如权利要求1所述的一种基于改进进化算法的逆最短路权重调整方法，包括以下模块：

构建模块，用于根据路由网络结构图确定目标函数、约束空间和约束条件并输入参数初值，构建路由网络结点最短路逆优化问题，所述输入参数初值具体包括初始路径权重、随机化参数、决策空间、种群个体数量、受保护调整方案数量、待更新调整方案数量、差分进化算法变异尺度、差分进化算法交叉概率、最大迭代次数和调整方案邻居个数；

取值模块，用于根据参数初值和约束空间对路由网络结点最短路逆优化问题中的结点权重与结点路径进行初始化并根据目标函数对初始化后的结点权重与结点路径进行取值，得到每个结点权重调整方案的最优路径；

迭代模块，用于对每个结点权重调整方案的最优路径进行添加受保护调整方案与待更新调整方案并基于改进进化算法进行迭代更新处理，直至所述迭代更新次数满足预设最大迭代次数，输出受保护调整方案中的首个方案作为最优权重调整方案；

应用模块，用于根据最优权重调整方案改变给定路径上弧的权重，得到最优路由结点路径。