專利名稱：基于免疫克隆的多目標組播路由優(yōu)化方法
技術領域：
本發(fā)明屬于網(wǎng)絡通信技術領域，涉及組播路由優(yōu)化，特別是一種多目標組播路由 優(yōu)化方法。該方法可用于解決QoS (Quality of Service)組播路由問題，即通過優(yōu)化路由技 術，更加合理的配置網(wǎng)絡資源。
背景技術：
現(xiàn)代計算機網(wǎng)絡包括Internet都是分組交換網(wǎng)。在進行分組交換網(wǎng)設計時，網(wǎng)絡 的路由選擇是需要考慮的重要因素。 一個好的路由選擇可以使網(wǎng)絡的平均時延較低，提高 網(wǎng)絡的吞吐量。同時，路由選擇是一個非常復雜的問題，這是因為，路由選擇是網(wǎng)絡中的所 有節(jié)點共同協(xié)調工作的結果；其次，路由選擇的環(huán)境往往是在變化的，而這種變化有時無法 事先知道。此外，當網(wǎng)絡發(fā)生擁塞時，就特別需要有能緩解這種擁塞的路由選擇策略，但恰 好在這種條件下，很難從網(wǎng)絡中的各節(jié)點獲得所需的路由選擇信息?？梢娐酚蛇x擇在當前 乃至于在可預見的未來，都是分組交換網(wǎng)的重要組成部分，其性能的好壞將直接影響到網(wǎng) 絡整體性能的好壞。 隨著網(wǎng)絡通訊技術的快速發(fā)展以及Internet的普及，出現(xiàn)了許多新的網(wǎng)絡應用 系統(tǒng)，如遠程教學、視頻會議、計算機協(xié)同計算、數(shù)據(jù)分發(fā)和網(wǎng)絡游戲等綜合性業(yè)務。這些新 出現(xiàn)的通信業(yè)務要求將數(shù)據(jù)信息從一個節(jié)點同時發(fā)送到一組目的節(jié)點，因此，要求網(wǎng)絡必 須具有點到多點或多點到多點的通信能力。若采用傳統(tǒng)的單播或廣播通信方式，會浪費大 量的帶寬資源而無法滿足當前網(wǎng)絡信息傳輸?shù)囊?。組播是針對這種情況提出的一種根 本的解決方案，它是一種從一個發(fā)送者同時向特定多個接收者傳送數(shù)據(jù)的通信過程，由于 組播通信是建立樹狀路由，數(shù)據(jù)只在樹的分枝處復制，能夠有效的節(jié)約帶寬、降低服務器負 載、降低網(wǎng)絡負載和減少擁塞。 由于組播傳輸?shù)亩酁槎嗝襟w數(shù)據(jù)，量大而且有著相對嚴格的帶寬、時延、時延抖 動、丟包率等要求，即帶有QoS約束。對于實時交互性應用，要求更高。過去傳統(tǒng)的那種只 能使各種數(shù)據(jù)流在網(wǎng)絡中平均地分享網(wǎng)絡資源的傳輸方式，已經(jīng)不能很好的滿足有QoS要 求的實時多媒體業(yè)務傳送的需要，為了尋求數(shù)據(jù)的組播路徑，需要針對組播的特點設計專 門的組播路由算法，因此，對QoS約束的組播路由算法的研究就逐步開展起來。具有QoS約 束的組播路由算法，就是按照某種路由策略，利用網(wǎng)絡狀態(tài)信息來構造一棵包含所有組播 成員的組播路由，以確定數(shù)據(jù)的傳送路徑，同時盡可能滿足各種QoS需求，即尋找一條端對 端的同時滿足各種條件的傳輸路徑，以期達到網(wǎng)絡資源的最大化利用。
當前研究較多的QoS約束組播路由問題有基于帶寬約束的組播路由問題、基于時 延約束的組播路由問題、基于時延抖動約束的組播路由問題和基于度約束的組播路由問題 等等。相關研究已經(jīng)證明，基于QoS約束的最小代價組播路由問題是NP-complete問題，傳 統(tǒng)的Bellman-Ford或Dijkstra路由算法很難解決。近年來，國內外學者提出了許多啟發(fā) 式算法， 一般情況下，這些算法能在多項式時間內找到合適的解，但啟發(fā)式算法只適合特定 的網(wǎng)絡，常陷于局部最優(yōu)，很難找到全局最優(yōu)解，而且這些方法很難并行實現(xiàn)。
進化算法(evolutionaryalgorithm， EA)代表了一類模擬自然進化過程的隨機優(yōu) 化方法，它是一種新興的搜索技術，廣泛用于解決NP難問題，并且在其發(fā)展過程之中已被 公認為是多目標優(yōu)化最適合的方法之一。目前，對于具有NP難度網(wǎng)絡QoS路由的研究已經(jīng) 非常活性，其中尤以用遺傳算法求解的相關研究最為普遍，并已形成了一些成果和共識，但 傳統(tǒng)進化算法在解決多目標優(yōu)化問題時常將多個目標聚合成單目標，給出唯一解，不能很 好滿足決策者合理配置網(wǎng)絡資源的要求。

發(fā)明內容
本發(fā)明的目的在于克服已有技術的不足，提出一種基于免疫克隆的多目標組播路 由優(yōu)化方法，以實現(xiàn)給出組播路由的多條合理路徑，使決策者能夠根據(jù)自己的需求尋找最 佳調和解。 本發(fā)明的技術方案是將組播路由優(yōu)化歸結為多目標優(yōu)化問題，用人工免疫系統(tǒng)中 的免疫克隆思想構造一棵包含所有組播成員的組播路由，以確定數(shù)據(jù)的傳送路徑，利用免 疫克隆計算快速全局收斂的特點，搜索多目標優(yōu)化問題的可行解，最終給出組播路由的多 條合理路徑。具體實現(xiàn)步驟包括如下 (1)設定種群進化的終止代數(shù)，給定優(yōu)化的運行參數(shù)，生成網(wǎng)絡模型，利用隨機深 度優(yōu)先搜索算法產(chǎn)生初始抗體群； (2)計算抗體群中每個個體的目標函數(shù)值，找到其中的非支配抗體群，利用自適應 劃分選擇策略對非支配抗體群進行修剪操作，再分別依據(jù)給定優(yōu)化運行參數(shù)中設定的優(yōu)勢 抗體群的規(guī)模和活性抗體群的規(guī)模，得到非支配抗體群中的優(yōu)勢抗體群和活性抗體群，并 置當前進化代數(shù)為第一代； (3)根據(jù)步驟(1)中設定的種群進化的終止代數(shù)，判斷當前進化代數(shù)是否大于或 等于終止代數(shù)，如果是則結束優(yōu)化，輸出此時的優(yōu)勢抗體群；否則，執(zhí)行步驟(4);
(4)計算步驟(2)中得到的活性抗體群中每個個體的目標函數(shù)值，利用比例克隆 方法對活性抗體群中的個體執(zhí)行克隆操作； (5)對執(zhí)行克隆操作后得到的抗體群中的每個個體依次執(zhí)行交叉操作變異操作； (6)將由交叉、變異操作后得到的抗體群與優(yōu)勢抗體群進行組合； (7)計算組合抗體群中每個個體的目標函數(shù)值，找到其中所有的非支配抗體，再次
利用自適應劃分選擇策略對非支配抗體群實施修剪操作，得到非支配抗體群中的優(yōu)勢抗體
群和活性抗體群，返回步驟(3)。 本發(fā)明與現(xiàn)有技術相比具有如下優(yōu)點 1、收斂速度快 克隆選擇的基因進化規(guī)律表明，作為遺傳信息記憶單元的基因，進化中擁有自我 復制能力；然而多變的環(huán)境促使基因自我復制出錯，導致遺傳微變；大部分突變基因由于 突變容易直接導致死亡，只有很小一部分突變基因能夠正常繁殖。小區(qū)域內基因的自我復 制、遺傳突變、變異死亡促使原始基因多向繁殖和廣泛繁殖。本發(fā)明在每代進化中利用自 適應劃分選擇策略選擇非支配個體進行克隆操作，增強了當前折衷前沿稀疏區(qū)域的局部搜 索，同時采用精英策略，將每次進化后得到的優(yōu)勢抗體保留下來，參與到下一代的進化中， 從而大幅提高了尋找組播路由合理路徑的速度。
2、搜索性能好 組播路由的優(yōu)化是一個具有NP(Nondeterministic Polynomial)復雜度的組合優(yōu) 化問題，現(xiàn)有的技術通常是保留一個目標，而將其他目標作為約束，或是通過加權的方式將 多個目標變成單個目標來處理。本發(fā)明使用多目標優(yōu)化處理組播路由，克服已有技術的不 足，在優(yōu)化的過程中綜合考慮多個目標，根據(jù)Pareto策略，采用個體間相互支配的關系來 選擇個體，為獲得多個可行方案提供了理論依據(jù)；同時本發(fā)明不需要問題的先驗知識，利用
免疫克隆計算快速全局收斂的特點，搜索多目標優(yōu)化問題的可行解，最終給出組播路由的 多條合理路徑，使決策者能夠根據(jù)自己的需求尋找最佳調和解。


圖1是本發(fā)明實現(xiàn)流程框圖； 圖2是本發(fā)明仿真時生成的網(wǎng)絡模型； 圖3是在目的節(jié)點所占總結點數(shù)目比例變化時，本發(fā)明與現(xiàn)有技術的相互支配關 系圖； 圖4是在總節(jié)點的平均度數(shù)變化時，本發(fā)明與現(xiàn)有技術的相互支配關系圖。
具體實施例方式
參照圖l，針對組播路由路徑選擇的具體問題，對本發(fā)明設計的多目標優(yōu)化技術具
體的實現(xiàn)步驟如下 步驟l，生成網(wǎng)絡模型。 la)生成隨機節(jié)點 第一步把網(wǎng)絡平面分成4000*4000個小區(qū)域，隨機在每個小區(qū)域上做上節(jié)點分 布密集區(qū)、節(jié)點分布稀疏區(qū)或無節(jié)點分布區(qū)的標記； 第二步根據(jù)給定的概率p來選擇節(jié)點所處的小區(qū)類型，例如選擇節(jié)點分布密集 區(qū)的概率是P，則選擇稀疏區(qū)的概率是1-P ;選定小區(qū)類型后，再按類型隨機選擇一個具體 的小區(qū)；在選定的小區(qū)內隨機選擇一個方格頂點來放置節(jié)點；
第三步重復執(zhí)行第二步，產(chǎn)生100個隨機節(jié)點。
lb)對100個隨機節(jié)點隨機連接 參照圖2，本發(fā)明所采用的網(wǎng)絡模型，是利用Waxman算法將每一節(jié)點對(u，v)定義 一個概率函數(shù)P(u，v) = (3. 5^/|V|)exp(-l(u，v)/0. 2L)，其中l(wèi)(u，v)是節(jié)點對(u，v)間 的距離；L是網(wǎng)絡中節(jié)點對之間的最大距離，S是期望的節(jié)點平均度數(shù)，|V|是網(wǎng)絡節(jié)點數(shù)， 這里設B為100*100大小的單位矩陣，B中相應位置處的元素值表示對應的兩個節(jié)點間的 連接狀態(tài)，O表示未連接，1表示存在連接。 根據(jù)所屬網(wǎng)絡模型對上述100個隨機節(jié)點進行隨機連接的方式如下 首先，按Waxman算法給出的概率P (u， v) = (3. 5〗/ | V |) exp (-1 (u， v) /0. 2L)在未
產(chǎn)生過連接的節(jié)點u， v間產(chǎn)生連接，要注意的是，未產(chǎn)生過連接并不是說2個節(jié)點間不存在
連接，只要是2個節(jié)點間按概率產(chǎn)生連接后，不論2個節(jié)點間的連接是否真正存在，都稱這
2個節(jié)點之間產(chǎn)生了連接，同時置B中兩個節(jié)點對應位置處的元素值為1 ; 接著，檢查B中所有元素的值是否為l，如果是，則連接完成，否則對B中零值元素位置對應的兩個節(jié)點按Waxman算法創(chuàng)建連接； 最后，采用深度優(yōu)先搜索遍歷檢測該隨機網(wǎng)絡是否連通，如果是則產(chǎn)生隨機網(wǎng)絡 成功；否則，清除所有連接，重新對上述IOO個隨機節(jié)點進行隨機連接。 lc)設定種群進化的終止代數(shù)，給定優(yōu)化的運行參數(shù)，利用隨機深度優(yōu)先搜索算法 產(chǎn)生初始抗體群； 首先，確定源節(jié)點s和目的節(jié)點Tar = (ta巧，...，tarNUM TKAeET}，設定種群進化的終 止代數(shù)為20，給定優(yōu)化的運行參數(shù)為交叉概率0. 6、變異概率1、優(yōu)勢抗體群規(guī)模10、活性 抗體群規(guī)模5、比例克隆規(guī)模30 ; 接著，以訪問路徑的節(jié)點序列為編碼準則，對每條染色體設置一個節(jié)點訪問狀態(tài) 向量，具體編碼策略為初始抗體群中的每個個體代表一棵組播樹，該組播樹由一系列從 源節(jié)點到目的節(jié)點的路徑表示為T = {&， P2， ， P幽—tak;et|}，其中T代表組播路由樹，P" P2， . . . ， P|Nm—TAM;ET|分別表示從源節(jié)點到各目的節(jié)點的路徑，并且每條路徑上記錄了從源節(jié) 點到目的節(jié)點所經(jīng)過的節(jié)點序列； 最后，利用隨機深度優(yōu)先搜索算法生成初始抗體群，具體做法是從源節(jié)點開始， 隨機地選擇一個與之相關聯(lián)的節(jié)點，將兩點相連；然后從選擇的節(jié)點開始繼續(xù)隨機地選擇 與其關聯(lián)的下一個節(jié)點，在連接時要判斷是否有回路，如有回路則重新進行節(jié)點的選擇，直 至搜索到所有目的節(jié)點。 步驟2，計算抗體群中每個個體的目標函數(shù)值，找到其中的非支配抗體群，利用自 適應劃分選擇策略對非支配抗體群進行修剪操作，再分別依據(jù)給定優(yōu)化運行參數(shù)中設定的 優(yōu)勢抗體群的規(guī)模和活性抗體群的規(guī)模，得到非支配抗體群中的優(yōu)勢抗體群和活性抗體 群，并置當前進化代數(shù)為第一代； 2a)確定的組播路由的優(yōu)化目標函數(shù)為F = min仏，f2， f3)，其中，^ = min ( E cost (T))表示組播樹的代價；f2 = min ( S 2)為負載均衡函數(shù)；f3 = min (degree (T)) 為度約束函數(shù)； 2b)計算當前抗體群中每個個體的目標函數(shù)值，根據(jù)抗體群中個體的目標函數(shù)值， 由Pareto非支配的定義，找到其中的非支配抗體群，利用自適應劃分選擇策略對非支配抗 體群進行修剪操作，依據(jù)給定優(yōu)化運行參數(shù)中設定的優(yōu)勢抗體群的規(guī)模，得到非支配抗體 群中的優(yōu)勢抗體群，其步驟如下 第一步，設優(yōu)勢抗體群的規(guī)模為k = l，選出非支配抗體群中距離非支配抗體群的 幾何中心歐式距離最近的個體組成優(yōu)勢抗體群； 第二步，對優(yōu)勢抗體群的規(guī)模加1，即k' = k+l，添加非支配抗體群剩余個體中的
任一個體到該優(yōu)勢抗體群中，并利用K均值算法將非支配抗體群劃分為k'個子區(qū)間，選擇
子區(qū)間中距離子區(qū)間幾何中心歐式距離最近的個體組成當前優(yōu)勢抗體群； 第三步，根據(jù)給定的優(yōu)化運行參數(shù)，判斷當前優(yōu)勢抗體群規(guī)模是否等于設定的優(yōu)
勢抗體群的規(guī)模，如果是則結束修剪操作，輸出當前優(yōu)勢抗體群；否則，執(zhí)行第二步。 2c)利用自適應劃分選擇策略對非支配抗體群進行修剪操作，依據(jù)給定優(yōu)化運行
參數(shù)中設定的活性抗體群的規(guī)模，得到非支配抗體群中的活性抗體群，其步驟如下 第1步，設活性抗體群的規(guī)模為s = l，選出非支配抗體群中距離非支配抗體群的
幾何中心歐式距離最近的個體組成活性抗體群；
第2步，將活性抗體群的規(guī)模加1，即s' = s+l，添加非支配抗體群剩余個體中的
任一個體到活性抗體群中，并利用K均值算法將非支配抗體群劃分為s'個子區(qū)間，選擇子
區(qū)間中距離子區(qū)間幾何中心歐式距離最近的個體組成當前活性抗體群； 第3步，根據(jù)給定的優(yōu)化運行參數(shù)，判斷當前活性抗體群規(guī)模是否等于設定的活
性抗體群的規(guī)模，如果是則結束修剪操作，輸出此時的活性抗體群；否則，執(zhí)行第2步。 步驟3，根據(jù)步驟1中設定的種群進化的終止代數(shù)，判斷當前進化代數(shù)是否大于或
等于終止代數(shù)，如果是則結束優(yōu)化，輸出此時的優(yōu)勢抗體群；否則，執(zhí)行步驟4 ; 步驟4，計算步驟2中得到的活性抗體群中每個個體的目標函數(shù)值，利用比例克隆
方法對活性抗體群中的個體執(zhí)行克隆操作。 4a)利用擁擠距離:Ca^H^3/ f計算當前非支配個體種群中個體a的擁擠
y=i/乂 —
度距離，式中 f/ax是第j個目標函數(shù)的最大值，
f廣是第j個目標函數(shù)的最小值，
q為優(yōu)化多目標個數(shù)， 4 aj為個體a的第j個目標函數(shù)的擁擠度距離，該4 aj的計算方式為如果個體a 第j個目標函數(shù)的數(shù)值fj(a)等于fjmax或者等于&*，則4 aj的數(shù)值為無窮大；否則，在當 前非支配個體種群中，找出第j個目標函數(shù)的數(shù)值大于fj(a)的個體a'和第j個目標函數(shù) 的數(shù)值小于fj(a)的個體a〃 ，則C的數(shù)值為fj(a' ) _f j (a〃 )，這里f j (a')為個體a' 的第j個目標函數(shù)的數(shù)值，fj(a〃 )為個體a〃的第j個目標函數(shù)的數(shù)值；
4b)當前活性抗體群A中個體a的比例克隆規(guī)模qa按照下式計算
「 C《。 其中CS為克隆規(guī)模，4 a是個體a的擁擠度距離，E 4 a是當前活性抗體群中所有 個體的擁擠度距離之和。 步驟5，對執(zhí)行克隆操作后得到的抗體群中的每個個體執(zhí)行交叉、變異操作。
5a)隨機的從克隆增殖后的抗體群中選擇兩個個體進行交叉操作，交叉操作的具 體過程是 對于要進行交叉的兩個個體，隨機選擇一個目的節(jié)點，如果兩個個體中從源節(jié)點 到該目的節(jié)點的路徑不完全相同，但有相同的節(jié)點，則選擇兩條路徑中的公共節(jié)點作為交 叉點，當有兩個以上的公共節(jié)點時，選擇其中之一作為交叉點，通常選擇第一個公共點；如 果兩個個體中從源節(jié)點到該目的節(jié)點的路徑完全相同或沒有公共點，則重新從克隆增殖后 的抗體群中選擇一個個體，重新進行判斷交叉條件，如果滿足，則交換兩交叉?zhèn)€體公共節(jié)點 之后的路徑片段，將片段更新后的個體存入交叉抗體群；否則判斷是否達到最大的尋找次 數(shù)，這里如果是則終止對當前個體的交叉操作，否則繼續(xù)從活性抗體群中選擇個體。
5b)對于交叉后抗體群中的個體都進行變異操作，對某個個體的變異過程如下
第A步選定從源節(jié)點到第一個目的節(jié)點的路徑，在源節(jié)點和目的節(jié)點之前的一 個節(jié)點之間，隨機選擇一個節(jié)點，作為子路徑的起點；隨機選擇一個優(yōu)化目標作為當前考慮的耗費指標，應用Di jkstra算法產(chǎn)生從子路徑起點到目的節(jié)點的最小耗費路徑，更新原來的個體的對應路徑； 第B步判斷是否對從源節(jié)點到所有目的節(jié)點的路徑都進行了變異操作，如果是，則將當前的更新路徑后的個體作為變異操作后的個體；否則，選擇從源節(jié)點到下一個目的節(jié)點的路徑； 第C步選定從源節(jié)點到下一個目的節(jié)點的路徑，在源節(jié)點和目的節(jié)點之前的一個節(jié)點之間，隨機選擇一個節(jié)點，作為子路徑的起點；隨機選擇一個優(yōu)化目標作為當前考慮的耗費指標，應用Di jkstra算法產(chǎn)生從子路徑起點到目的節(jié)點的最小耗費路徑，更新原來的個體的對應路徑，返回第B步。 步驟6，將由交叉、變異操作后得到的抗體群與優(yōu)勢抗體群進行組合。 步驟7，計算組合抗體群中每個個體的目標函數(shù)值，找到其中所有的非支配抗體，再次利用自適應劃分選擇策略對非支配抗體群實施修剪操作，得到非支配抗體群中的優(yōu)勢
抗體群和活性抗體群，返回步驟3。 本發(fā)明的效果可通過以下仿真進一步說明 1.仿真條件及仿真內容 本實例在Intel (R) Core (TM)2Duo CPU 2. 33GHz Windows XP系統(tǒng)下，Matlab7. O運行平臺上，完成本發(fā)明與現(xiàn)有GMR和AMR方法的仿真實驗。
2.仿真實驗內容 A.目的節(jié)點所占總結點數(shù)目比例變化時，本發(fā)明與現(xiàn)有GMR和AMR技術優(yōu)化組播路由的相互支配關系 將本發(fā)明與現(xiàn)有技術應用在如圖1所示總節(jié)點數(shù)目為100的網(wǎng)絡模型上，利用網(wǎng)絡狀態(tài)信息構造一棵包含所有組播成員的組播路由，以確定數(shù)據(jù)的傳送路徑，同時盡可能滿足各種QoS需求，即尋找一條端對端的同時滿足各種條件的傳輸路徑。圖3是在目的節(jié)點所占總結點數(shù)目比例分別為0. 05，0. l，O. 15，0. 2，0. 3，0. 5，0. 7時，本發(fā)明與現(xiàn)有技術優(yōu)化組播路由的相互支配關系圖。 B.總節(jié)點的平均度數(shù)變化時，本發(fā)明與現(xiàn)有GMR和AMR技術優(yōu)化組播路由的相互支配關系 將本發(fā)明與現(xiàn)有技術應用在如圖1所示總節(jié)點數(shù)目為100的網(wǎng)絡模型上，利用網(wǎng)絡狀態(tài)信息構造一棵包含所有組播成員的組播路由，以確定數(shù)據(jù)的傳送路徑，同時盡可能滿足各種QoS需求，即尋找一條端對端的同時滿足各種條件的傳輸路徑。圖4是在總結點的平均度數(shù)分別為5， 10， 15， 20， 25， 30時，本發(fā)明與現(xiàn)有技術優(yōu)化組播路由的相互支配關系圖。 3.仿真實驗結果 從圖3可以看出，隨著目的節(jié)點占總節(jié)點數(shù)目比例的增大，本發(fā)明相對現(xiàn)有GMR和AMR技術得到的方案，能提供更加合理的路徑，使決策者能夠根據(jù)自己的需求尋找最佳調和解。 從圖4可以看出，本發(fā)明能夠更好適應復雜度逐漸增大的網(wǎng)絡，當網(wǎng)絡中總節(jié)點的平均度數(shù)逐漸增大時，本技術相對現(xiàn)有GMR和AMR技術，能提供組播路由的多條合理路徑，更大程度上符合現(xiàn)實生活中處理網(wǎng)絡路由問題的需要。
由以上的仿真實驗可以看出，針對組播路由的優(yōu)化，本發(fā)明存在一定的優(yōu)勢，克服了現(xiàn)有技術應用在組播路由優(yōu)化上的不足，最終給出的組播路由的多條合理路徑均優(yōu)于現(xiàn)有的GMR禾口AMR技術。 綜上所述，本發(fā)明針對組播路由優(yōu)化的效果明顯優(yōu)于現(xiàn)有的GMR和AMR技術對組播路由優(yōu)化的效果。
權利要求
基于免疫克隆的多目標組播路由優(yōu)化方法，包括如下步驟(1)設定種群進化的終止代數(shù)，給定優(yōu)化的運行參數(shù)，生成網(wǎng)絡模型，利用隨機深度優(yōu)先搜索算法產(chǎn)生初始抗體群；(2)計算抗體群中每個個體的目標函數(shù)值，找到其中的非支配抗體群，利用自適應劃分選擇策略對非支配抗體群進行修剪操作，再分別依據(jù)給定優(yōu)化運行參數(shù)中設定的優(yōu)勢抗體群的規(guī)模和活性抗體群的規(guī)模，得到非支配抗體群中的優(yōu)勢抗體群和活性抗體群，并置當前進化代數(shù)為第一代；(3)根據(jù)步驟(1)中設定的種群進化的終止代數(shù)，判斷當前進化代數(shù)是否大于或等于終止代數(shù)，如果是則結束優(yōu)化，輸出此時的優(yōu)勢抗體群；否則，執(zhí)行步驟(4)；(4)計算步驟(2)中得到的活性抗體群中每個個體的目標函數(shù)值，利用比例克隆方法對活性抗體群中的個體執(zhí)行克隆操作；(5)對執(zhí)行克隆操作后得到的抗體群中的每個個體依次執(zhí)行交叉操作和變異操作； (6)將由交叉、變異操作后得到的抗體群與優(yōu)勢抗體群進行組合；(7)計算組合抗體群中每個個體的目標函數(shù)值，找到其中所有的非支配抗體，再次利用自適應劃分選擇策略對非支配抗體群實施修剪操作，得到非支配抗體群中的優(yōu)勢抗體群和活性抗體群，返回步驟(3)。
2. 根據(jù)權利要求1所述的基于免疫克隆的多目標組播路由優(yōu)化方法，其中步驟(2)所述的利用自適應劃分選擇策略對非支配抗體群進行修剪操作，并依據(jù)給定優(yōu)化的運行參數(shù)中設定的優(yōu)勢抗體群的規(guī)模，得到非支配抗體群中的優(yōu)勢抗體群，按照以下步驟進行(2a)設優(yōu)勢抗體群的規(guī)模為k = l，選出非支配抗體群中距離非支配抗體群的幾何中心歐式距離最近的個體組成優(yōu)勢抗體群；(2b)對優(yōu)勢抗體群的規(guī)模加1，即k' = k+l，添加非支配抗體群剩余個體中的任一個體到該優(yōu)勢抗體群中，并利用K均值算法將非支配抗體群劃分為k'個子區(qū)間，選擇子區(qū)間中距離子區(qū)間幾何中心歐式距離最近的個體組成當前優(yōu)勢抗體群；(2c)根據(jù)給定的優(yōu)化運行參數(shù)，判斷當前優(yōu)勢抗體群規(guī)模是否等于設定的優(yōu)勢抗體群的規(guī)模，如果是則結束修剪操作，輸出當前優(yōu)勢抗體群；否則，執(zhí)行步驟(2b)。
3. 根據(jù)權利要求1所述的基于免疫克隆的多目標組播路由優(yōu)化方法，其中步驟(2)所述的利用自適應劃分選擇策略對非支配抗體群進行修剪操作，并依據(jù)給定優(yōu)化運行參數(shù)中設定的活性抗體群的規(guī)模，得到非支配抗體群中的活性抗體群，按以下步驟進行(3a)設活性抗體群的規(guī)模為s = l，選出非支配抗體群中距離非支配抗體群的幾何中心歐式距離最近的個體組成活性抗體群；(3b)將活性抗體群的規(guī)模加l，即s' = s+l，添加非支配抗體群剩余個體中的任一個體到活性抗體群中，并利用K均值算法將非支配抗體群劃分為s'個子區(qū)間，選擇子區(qū)間中距離子區(qū)間幾何中心歐式距離最近的個體組成當前活性抗體群；(3c)根據(jù)給定的優(yōu)化運行參數(shù)，判斷當前活性抗體群規(guī)模是否等于設定的活性抗體群的規(guī)模，如果是則結束修剪操作，輸出此時的活性抗體群；否則，執(zhí)行步驟(3b)。
4. 根據(jù)權利要求l所述的基于免疫克隆的多目標組播路由優(yōu)化方法，其中步驟(5)所述的交叉操作，按以下步驟進行(4a)從進行交叉的兩個個體中，隨機選擇一個目的節(jié)點，置當前的交叉尋找次數(shù)為1 ;(4b)如果兩個個體中從源節(jié)點到該目的節(jié)點的路徑不完全相同，且只有一個公共的節(jié)點，則選擇這個公共的節(jié)點交叉點，當有兩個或兩個以上的公共節(jié)點時，選擇第一個公共點作為交叉點，再對兩個個體交叉點之后的序列進行交換，結束此次交叉操作；否則，判斷當前的交叉尋找次數(shù)，如果交叉尋找次數(shù)已經(jīng)超過五次，則退出交叉操作，否則執(zhí)行步驟(4C);(4c)從活性抗體群中重新選擇一個個體，遞增當前的交叉尋找次數(shù)，執(zhí)行步驟(4b)。 根據(jù)權利要求l所述的多目標免疫優(yōu)化組播路由路徑選擇方法，其中步驟(5)所述的變異操作，按如下步驟進行(5a)在源節(jié)點與第一個目的節(jié)點之前的節(jié)點之間，隨機選擇一個節(jié)點，作為子路徑的起點，再隨機選擇一個目標作為當前考慮的耗費指標，應用隨機深度優(yōu)先搜索算法產(chǎn)生從子路徑起點到第一個目的節(jié)點的最小耗費路徑，更新原來的個體的對應路徑；(5b)根據(jù)節(jié)點序號判斷是否對從源節(jié)點到所有目的節(jié)點的路徑都進行了變異操作，如果是，則將當前的更新路徑后的個體作為變異操作后的個體；否則，執(zhí)行步驟(5c);(5c)在源節(jié)點與下一個目的節(jié)點之前的節(jié)點之間，隨機選擇一個節(jié)點，作為子路徑的起點，隨機選擇一個目標作為當前考慮的耗費指標，應用Dijkstra算法產(chǎn)生從子路徑起點到目的節(jié)點的最小耗費路徑，更新原來的個體的對應路徑，返回步驟(5b)。
全文摘要
本發(fā)明公開了一種基于免疫克隆的多目標組播路由優(yōu)化方法，主要解決組播路由優(yōu)化問題。其實現(xiàn)步驟為(1)給定運行參數(shù)，生成網(wǎng)絡模型，產(chǎn)生初始抗體群；(2)計算個體目標值，找到非支配抗體群，利用自適應劃分選擇策略對其修剪，得到優(yōu)勢抗體群和活性抗體群；(3)判斷結束條件，滿足則輸出優(yōu)勢抗體群，否則轉(4)；(4)據(jù)活性抗體群個體目標值，對其克??；(5)對克隆后抗體群交叉、變異；(6)將(5)中抗體群與(2)中優(yōu)勢抗體群組合；(7)據(jù)組合抗體群個體目標值，找到非支配抗體群，利用自適應劃分選擇策略對其修剪，得到優(yōu)勢抗體群和活性抗體群，返回步驟(3)。本方法能夠給出組播路由多條路徑，更加合理配置網(wǎng)絡資源。
文檔編號H04L12/18GK101741749SQ20101001372
公開日2010年6月16日 申請日期2010年1月15日 優(yōu)先權日2010年1月15日
發(fā)明者公茂果, 劉超, 尚榮華, 李陽陽, 焦李成, 王桂婷, 王爽, 程剛, 馬文萍 申請人:西安電子科技大學