基于遺傳算法配用電通信網(wǎng)最優(yōu)路徑選擇的方法
【專利摘要】本發(fā)明公開了一種基于遺傳算法的配用電電信網(wǎng)最優(yōu)路徑選擇的方法，其特征是按如下步驟進行：1建立單向拓撲網(wǎng)絡；2采用二進制編碼初始化種群；3設定迭代次數(shù)；4選擇運算；5交叉運算；6變異運算；7判斷；8輸出最優(yōu)路徑。本發(fā)明能在滿足約束條件的基礎上，高效地尋找出最優(yōu)路徑，從而能夠提高搜索效率，降低搜索復雜度。
【專利說明】基于遺傳算法配用電通信網(wǎng)最優(yōu)路徑選擇的方法

【技術領域】
[0001] 本發(fā)明涉及一種配用電通訊網(wǎng)帶節(jié)點約束條件的最優(yōu)路徑的尋找方法，具體地說 是一種基于遺傳算法配用電通信網(wǎng)最優(yōu)路徑選擇的方法。

【背景技術】
[0002] 配用電通信網(wǎng)目前的組網(wǎng)方式比較復雜，當遇到某一段線纜中斷時，需要選擇合 適的路徑進行主網(wǎng)連接，目前的方式是人工選擇路徑，中間經(jīng)過的路徑比較復雜，選擇難度 大，往往要經(jīng)過很長時間的調試才能達到連通，而且選擇的路徑也不一定是最短的路徑，也 造成了資源的浪費，同時也達不到最少的衰減率，造成了光路中斷時間較長，對配用電業(yè)務 數(shù)據(jù)的采集產(chǎn)生了一定的影響。
[0003] 目前求解最優(yōu)路徑問題的算法，如：Dijkstra算法、Johnson算法、傳統(tǒng)遺傳算法 等，都不能直接解決帶節(jié)點約束的最優(yōu)路徑問題。Dijkstra算法算法和Johnson算法通過 改進也可以解決節(jié)點約束的最優(yōu)路徑問題，但在網(wǎng)絡拓撲結點多時候，這類算法的搜索效 率低在改進后效率變的更為低下。傳統(tǒng)遺傳算法在計算帶節(jié)點約束的最優(yōu)路徑時候，因為 種群個體的交叉變異，不能保證最后輸出最優(yōu)路徑就是滿足節(jié)點約束的最優(yōu)路徑。


【發(fā)明內容】

[0004] 本發(fā)明是為了克服現(xiàn)有技術存在的不足之處，提出一種基于遺傳算法配用電通信 網(wǎng)最優(yōu)路徑選擇的方法，能在滿足約束條件的基礎上，高效地尋找出最優(yōu)路徑，從而能夠提 高搜索效率，降低搜索復雜度。
[0005] 為解決上述技術問題，本發(fā)明所采用的技術方案是：
[0006] 本發(fā)明一種基于遺傳算法的配用電通信網(wǎng)最優(yōu)路徑選擇的方法，所述配用電電信 網(wǎng)是以η個光纖交接箱作為網(wǎng)絡節(jié)點并通過光纖連接而成的單向拓撲網(wǎng)絡，其特點是按如 下步驟進行：
[0007] 步驟1、建立單向拓撲網(wǎng)絡
[0008] 設定所述單向拓撲網(wǎng)絡中從第1個網(wǎng)絡節(jié)點到第η個網(wǎng)絡節(jié)點有Μ條路徑，則所 述單向拓撲網(wǎng)絡的模型和最優(yōu)路徑函數(shù)分別如式（1)和式（2)所示：
[0009]

【權利要求】
1. 一種基于遺傳算法的配用電通信網(wǎng)最優(yōu)路徑選擇的方法，所述配用電電信網(wǎng)是以η 個光纖交接箱作為網(wǎng)絡節(jié)點并通過光纖連接而成的單向拓撲網(wǎng)絡，其特征是按如下步驟進 行： 步驟1、建立單向拓撲網(wǎng)絡 設定所述單向拓撲網(wǎng)絡中從第1個網(wǎng)絡節(jié)點到第η個網(wǎng)絡節(jié)點有Μ條路徑，則所述單 向拓撲網(wǎng)絡的模型和最優(yōu)路徑函數(shù)分別如式（1)和式（2)所示：
L = Min (A1； A2, ···, Ak, ···, AM) (2) 并有：
：,sign(L/Λ) ' (k = \X-,M) (3) 式（3)中，L表示網(wǎng)絡節(jié)點i到網(wǎng)絡節(jié)點j的光纖長度；若網(wǎng)絡節(jié)點i與網(wǎng)絡節(jié)點j 之間沒有光纖到達，則lij =設置網(wǎng)絡節(jié)點i與自身的網(wǎng)絡節(jié)點i的光纖長度1Π = 〇 ; 步驟2、采用二進制編碼初始化種群： 設置種群大小為N = 2η、種群個體集合Υ = {Υρ Υ2，…，Υρ，…，ΥΝ} 1 < ρ < Ν ;ΥΡ表示任 意一個種群個體，以任意一個種群個體代表從第1個網(wǎng)絡節(jié)點到第η個網(wǎng)絡節(jié)點的任意一 條路徑，Ν彡Μ ;所述種群個體Υρ =氏，Χ2，…，X,，…，XJ，2彡q彡n-1 ;Xq表示任一個體染 色體；以任一個體染色體代表所述單向拓撲網(wǎng)絡中任意一個網(wǎng)絡節(jié)點； 令\ = 1和Xn= 1，表示任意一條路徑必須經(jīng)過第1個網(wǎng)絡節(jié)點和第η個網(wǎng)絡節(jié)點； X,的值利用隨機函數(shù)RandO取[0，1]之間隨機數(shù)，若隨機數(shù)大于等于0.5,則Xq= 1，表示 任意一條路徑經(jīng)過網(wǎng)絡節(jié)點q ;否則，X, = 〇,表示任意一條路徑未經(jīng)過網(wǎng)絡節(jié)點q ; 設定Xt = 1，表示任意一條路徑中必須經(jīng)過網(wǎng)絡節(jié)點t = 0,表示任意一條路徑中不 能經(jīng)過網(wǎng)絡節(jié)點:Γ ;2彡t, r彡η-l ; 步驟3、設定迭代次數(shù)I e [30, 200];設定初始迭代Iinit = 0 ; 步驟4、選擇運算： 步驟4. 1、利用式（4)獲得任意一個種群個體的自適應度函數(shù)Fit(k)，從而獲得所有種 群個體的適應度函數(shù)：
^signd, /, k) \<k< N (4) 式（4)中，Dmax表示所述單向拓撲網(wǎng)絡中從第1個網(wǎng)絡節(jié)點到第n個網(wǎng)絡節(jié)點的所經(jīng)過 的路徑長度之和的最大值； 步驟4. 2、采用精英選擇方法從Ν個種群個體的適應度函數(shù)中選擇一個最大的適應度 函數(shù)值所對應的種群個體作為交叉運算的一個種群個體； 步驟4. 3、采用如式（5)所示的輪盤賭選擇方法計算任意一個種群個體的選擇概率Fk， 從而獲得N-1個種群個體的選擇概率：
步驟4. 4、將N-1個種群個體的選擇概率所表示的概率區(qū)域組成一個輪盤，則N-1個種 群個體的選擇概率之和為1 ;在[〇, 1]之間產(chǎn)生N-1個隨機數(shù)，以所述隨機數(shù)在輪盤中所匹 配的概率區(qū)域來選擇與所述概率區(qū)域相對應的種群個體；以所述選中的種群個體作為交叉 運算的N-1個種群個體；由所述交叉運算的一個種群個體和交叉運算的N-1個種群個體構 成交叉種群個體； 步驟5、交叉運算： 步驟5. 1、從所述交叉種群個體中任意取兩個種群個體并按照步驟5. 2進行匹配，直到 完成N/2次配對，從而獲得N個變異種群個體； 步驟5. 2、對所任意兩個種群個體中的每一個個體以交叉點位置進行交換，所述交叉點 位置是在[2, n-Ι]中取隨機整數(shù)α ;若隨機整數(shù)a = t或a = r，則不進行交換； 步驟6、變異運算： 步驟6. 1、從N個變異種群個體中任意取一個種群個體，在[2, n-Ι]中取一個隨機整數(shù) β ; 以所述隨機整數(shù)β作為基因變異位置對所述種群個體中相應的個體按照步驟6. 2進 行變異運算，直到Ν個變異種群個體完成變異運算，從而獲得Ν個下一代種群個體；若隨機 整數(shù)β = t或β = r，則不進行變異運算； 步驟6. 2、設定變異運算的概率為Pm，Pm e [〇. 〇〇1，〇. 2]; 在[〇, 1]中取一個隨機數(shù)Q，當Pm < Q時，對所述種群個體中第β個基因變異位置的 個體染色體進行取反； 步驟7、將Iinit+1賦值給Iinit; 步驟8、判斷Iinit < I是否成立，若成立，則以所述N個下一代種群個體作為新的種群 個體，并返回步驟4執(zhí)行，否則執(zhí)行步驟9 ; 步驟9、輸出最優(yōu)路徑： 利用式（4)獲得所述N個下一代種群個體中的每個個體的適應度函數(shù)；選擇適應度函 數(shù)值最大的個體為最優(yōu)個體；以所述最優(yōu)個體作為最優(yōu)路徑。
【文檔編號】G06Q50/06GK104299053SQ201410540013
【公開日】2015年1月21日 申請日期:2014年10月13日 優(yōu)先權日:2014年10月13日
【發(fā)明者】江龍才, 霍朝輝, 湯中會, 牛景平, 吳齊, 朱曉東 申請人:國家電網(wǎng)公司, 國網(wǎng)安徽省電力公司池州供電公司