專利名稱：基于鄰域免疫克隆選擇的多智能體組播路由方法
技術領域：
本發(fā)明屬于網(wǎng)絡通信技術領域，涉及多智能體技術在組播路由問題中的應用，用于求解服務質(zhì)量(Q0Q組播路由問題，通過該方法獲得的較優(yōu)組播樹，更加合理的配置網(wǎng)絡資源。
背景技術：
隨著計算機網(wǎng)絡飛速發(fā)展，網(wǎng)絡功能日益強大。網(wǎng)絡的作用從簡單信息傳送發(fā)展到遠程教學、視頻會議、數(shù)據(jù)分發(fā)和網(wǎng)絡游戲等，用戶的數(shù)據(jù)要從一個終端發(fā)送到另一個終端，首先要確定傳輸路由，不同的通信方式，其確定路由的方式也不同。如今網(wǎng)絡的通信方式主要有以下幾種1)點到點的單播通信方式；2)由一個源節(jié)點向多個目標節(jié)點發(fā)送信息的組播通信方式；3)由多點到一點發(fā)送信息的匯播通信方式；4)由多點到多點發(fā)送信息的群播通信方式；5)由源節(jié)點到所有節(jié)點發(fā)送信息的廣播通信方式。實時多媒體通信需求的增長，使得滿足服務質(zhì)量Qos約束的組播路由方法成為當前研究的熱點，QoS約束主要包括時延、費用、帶寬、跳數(shù)等。組播問題的關鍵在于建立以根為源節(jié)點，覆蓋所有目的節(jié)點，且滿足約束要求的多播樹，使信息以并行方式沿著樹枝發(fā)送到不同的組播成員，降低信息傳遞的時延，節(jié)省網(wǎng)絡帶寬資源，減少擁塞。由于QoS組播路由問題的復雜性，引入人工智能方法是很合理的。多智能體系統(tǒng)是近二十年來蓬勃興起的嶄新計算機學科，盡管這是個相對年輕的領域，但憑借其強勁的發(fā)展勢頭，已經(jīng)成為了目前計算機科學發(fā)展最快的領域之一。多智能體系統(tǒng)是一種分布式自主系統(tǒng)，其研究的目標是將大的、復雜的系統(tǒng)改造成小的、協(xié)調(diào)的、 易于管理的且能夠彼此相互通訊的系統(tǒng)。免疫系統(tǒng)的克隆選擇學說是免疫學中占主導地位的學說，克隆選擇學說的提出不僅是免疫學發(fā)展的里程碑，而且給人工免疫系統(tǒng)領域的研究者以很大的啟發(fā)，從而使人工智能領域出現(xiàn)了基于抗體種群進化的克隆選擇算法。相關研究已經(jīng)表明，基于QoS約束的最小代價組播路由問題是NP-complete問題， 將免疫克隆策略和多智能體系統(tǒng)思想相結合以解決QoS組播路由問題，國內(nèi)外學者提出了很多不同的方法，但均存在不同的問題。鐘偉才在《組合優(yōu)化多智能體進化算法》中提出了搜索空間動態(tài)擴展的多智能體進化方法，該方法通過設計智能體的鄰域競爭行為和自組織臨界行為以實現(xiàn)全局優(yōu)化的目的，該方法只適合特定的網(wǎng)絡，常限于局部最優(yōu)，很難得到代價最小的組播樹，而且該方法很難并行實現(xiàn)。劉淵等人在《基于免疫克隆計算的Multi_ Agent組播路由算法》中提出MAICSA方法，該方法首先構建一網(wǎng)絡模型以尋找一條滿足各種QoS要求的最優(yōu)傳輸路徑，它將單個智能體作為網(wǎng)絡模型的節(jié)點，而每代產(chǎn)生的智能體在網(wǎng)格中的位置不固定，需要很高的迭代次數(shù)才能獲得代價最小的組播樹，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(nèi)容
本發(fā)明的目的在于克服上述已有技術的不足，提出一種基于鄰域免疫克隆選擇的多智能體組播路由方法，將智能體網(wǎng)格結構引入抗體種群之中，并賦予抗體感知和反作用于周圍環(huán)境的智能特性，以更小迭代次數(shù)獲得更優(yōu)的組播樹，滿足決策者合理配置網(wǎng)絡資源的要求。本發(fā)明的技術方案是將杜海峰等人提出的免疫克隆策略和多智能體系統(tǒng)思想相結合，在智能體鄰域競爭前先對其鄰域個體進行免疫克隆操作，并針對使用的編碼方案，設計動態(tài)疫苗提取策略，具體實現(xiàn)步驟如下(1)在網(wǎng)絡平面上產(chǎn)生給定規(guī)模的矩形網(wǎng)格，隨機產(chǎn)生一些網(wǎng)絡節(jié)點，并使網(wǎng)絡節(jié)點分布在矩形網(wǎng)格上，對這些網(wǎng)絡節(jié)按點鏈路概率公式樹《力=進行連接，形
aL
成組播路由的網(wǎng)絡模型，式中d(u，ν)表示節(jié)點u到節(jié)點ν的歐式距離，L是任意兩節(jié)點間的最大距離，α 表示網(wǎng)絡中最短邊與最長邊長度之比，β為控制網(wǎng)絡所有節(jié)點平均度數(shù)的參數(shù)，它的值為網(wǎng)絡所有節(jié)點平均度數(shù)的0. 1倍，α取值為0. 26, β取值為0. 4 ；(2)對已建立的智能網(wǎng)格，隨機指定一點作為信源節(jié)點S，并隨機產(chǎn)生目標節(jié)點， 將對組播路由問題的求解轉(zhuǎn)化為求從信源節(jié)點出發(fā)，覆蓋所有目標節(jié)點的最優(yōu)組播樹，并初始化抗體種群P以及記憶單元種群Μ,給定變異概率Pm = 0. 6，種群規(guī)模S = 16，抗體種群克隆規(guī)模Nc = 6，記憶單元規(guī)模m' = 4，設定種群進化的終止條件為最優(yōu)抗體種群連續(xù) 20次不變或種群迭代次數(shù)達到上限100，令進化代數(shù)k = 1，(3)計算抗體種群P中的抗體Pi的親合度/(A) = ~^，并選擇到達每個目
COSt(P1)
標節(jié)點的最優(yōu)路徑作為疫苗，其中COSt(Pi)為抗體Pi所代表組播樹的代價；(4)根據(jù)步驟( 所設定的終止條件，判斷種群迭代是否達到終止條件，若是則輸出當前記憶單元中的最優(yōu)組播樹以及到達每個目標節(jié)點的最優(yōu)路徑；否則轉(zhuǎn)步驟(5)；
ICP1, CP2,
(5)對當前種群P中所有個體執(zhí)行免疫克隆操作
(5a)對當前種群P中的個體Pi按其親和度的大小進行克隆，產(chǎn)生克隆種群CP = …，CPJ，對個體Pi克隆qi個個體，qi的計算公式如下
權利要求
1. 一種基于鄰域免疫克隆選擇的多智能體組播路由方法，包括如下步驟(1)在網(wǎng)絡平面上產(chǎn)生給定規(guī)模的矩形網(wǎng)格，隨機產(chǎn)生一些網(wǎng)絡節(jié)點，并使網(wǎng)絡節(jié)點分布在矩形網(wǎng)格上，對這些網(wǎng)絡節(jié)按點鏈路概率公式=進行連接，形成組aL播路由的網(wǎng)絡模型，式中d(u，ν)表示節(jié)點u到節(jié)點ν的歐式距離，L是任意兩節(jié)點間的最大距離，α表示網(wǎng)絡中最短邊與最長邊長度之比，β為控制網(wǎng)絡所有節(jié)點平均度數(shù)的參數(shù)，它的值為網(wǎng)絡所有節(jié)點平均度數(shù)的0. 1倍，α取值為0. 26, β取值為0. 4 ；(2)對已建立的智能網(wǎng)格，隨機指定一點作為信源節(jié)點s，并隨機產(chǎn)生目標節(jié)點，將對組播路由問題的求解轉(zhuǎn)化為求從信源節(jié)點出發(fā)，覆蓋所有目標節(jié)點的最優(yōu)組播樹，并初始化抗體種群P以及記憶單元種群Μ,給定變異概率Rn = 0. 6，種群規(guī)模S = 16，抗體種群克隆規(guī)模Nc = 6，記憶單元規(guī)模m' = 4，設定種群進化的終止條件為最優(yōu)抗體種群連續(xù)20次不變或種群迭代次數(shù)達到上限100，令進化代數(shù)k = 1，(3)計算抗體種群P中的抗體Pi的親合度=，并選擇到達每個目標節(jié)點的最優(yōu)路徑作為疫苗，其中Cost(Pi)為抗體Pi所代表組播樹的代價；(4)根據(jù)步驟( 所設定的終止條件，判斷種群迭代是否達到終止條件，若是則輸出當前記憶單元中的最優(yōu)組播樹以及到達每個目標節(jié)點的最優(yōu)路徑；否則轉(zhuǎn)步驟(5)；(5)對當前種群P中所有個體執(zhí)行免疫克隆操作(5a)對當前種群P中的個體Pi按其親和度的大小進行克隆，產(chǎn)生克隆種群CP= ICP1, ，CPJ，對個體Pi克隆qi個個體，qi的計算公式如下CP,qi = IntNc · κρηΣ f(Pj)(i = 1，2…，η)其中Nc是整個抗體種群所克隆的個體數(shù)目總和，f(Pi)為抗體Pi的親和度；(5b)對克隆種群CP執(zhí)行免疫基因操作，得到免疫基因后的種群CP' =ICP1'， CP2'，…，CPn' }；(5c)對免疫基因后的種群CP'執(zhí)行克隆選擇操作，得到克隆選擇后的種群P'；(6)對克隆選擇后的種群P'執(zhí)行鄰域競爭操作，得到鄰域競爭后的種群P"；(7)將鄰域競爭后種群P"中的個體按組播樹代價從小到大進行排序，選出前m'個體更新記憶單元，并找出記憶單元中最優(yōu)個體，即代價最小的組播樹，用P"更新當前種群P， k = k+Ι，返回步驟0)。
2.根據(jù)權利要求1所述的基于鄰域免疫克隆選擇的多智能體組播路由方法，其中步驟 (5b)所述的對克隆種群CP執(zhí)行免疫基因操作，按以下步驟執(zhí)行Oa)對克隆種群CP中的所有抗體進行疫苗接種，得到疫苗接種后的種群C' ={C' 1； C' 2，...，C' i，...，C' J, C' i表示對CPi中抗體進行疫苗接種后的抗體種群，其中i = 1，2，· · ·，η ；(2b)疫苗接種后的種群C'中包含Nc可組播樹，每顆組播樹包含m個目標節(jié)點，每個目標節(jié)點對應一條路徑，對所述種群C'中的抗體執(zhí)行如下啟發(fā)式單點變異，得到變異后的種群 CP' ={CP' 1 CP' 2，...，CP' i，...，CP' J, CP' i 表示對 C' 抗體執(zhí)行啟發(fā)式單點變異后的抗體種群，其中i = 1，2，. . .，n，首先，求疫苗接種后的種群C'中Nc顆組播樹的公共路徑，得到k個目標節(jié)點對應的k 條的路徑集合 RS = C' ！ I C' 2 I... I C' n；接著，令余下不存在公共路徑的s = m-k個目標節(jié)點所對應的的路徑都為空； 最后，以概率Rn選擇Nc顆組播樹中的一顆，對選中的組播樹，隨機選擇上步所述s條路徑中的一條，假設該條路徑所對應的目標節(jié)點為d，則從目標節(jié)點d的備選路徑中隨機選擇一條替換該路徑。
3.根據(jù)權利要求1所述的基于鄰域免疫克隆選擇的多智能體組播路由方法，其中步驟 (6)所述的對抗體種群P執(zhí)行鄰域競爭操作，按以下步驟執(zhí)行(6a)將P中的抗體Pij = (adl, ad2, ... , adk, . . . , Bdm)放到智能矩形網(wǎng)格坐標值為(i， j)的格點上，P。.表示一顆組播樹，其中k= l，2，...，m，m為組播樹ρ。.中目標節(jié)點的個數(shù)， adk為組播樹Pu中第k條路徑的代價；(6b)求得矩形網(wǎng)格中組播樹Pij周圍格點上代價最小的組播樹Hiinij — (tdl，td2，· · ·，tdk，· · ·，tdm)，其中k= 1，2，...，m，m為組播樹Hiinij中目標節(jié)點的個數(shù)，tdk為組播樹Hiinij中第k 條路徑的代價；(6c)將組播樹中m條路徑的代價和作為組播樹的代價，若組播樹的代價小于組播樹minu的代價，則為競爭的勝者，它將繼續(xù)存活在其格點上，否則其空出的格點位置由組播樹Hiinij按照概率I^s生成一顆新的組播樹Wij = (gdl，gd2，. . . gdk，. . . , gdffl)取代組播樹PU，Ps的計算公式如下
全文摘要
本發(fā)明公開了一種基于鄰域免疫克隆選擇的多智能體組播路由方法，主要解決現(xiàn)有方法在求解組播路由問題時收斂速度慢及搜索性差的缺點，其實現(xiàn)步驟為1、生成網(wǎng)絡模型；2、初始化抗體種群、記憶單元種群以及優(yōu)化的運行參數(shù)；3、計算所有抗體的親合度，找出最優(yōu)抗體并提取疫苗；4、判斷是否滿足終止條件，如果滿足結束條件則輸出最優(yōu)個體，否則轉(zhuǎn)第5步；5、對當前種群中所有個體執(zhí)行免疫克隆操作6、對第5步得到的種群執(zhí)行智能體鄰域競爭操作，并更新當前種群；7、從第6步中得到的抗體種群中提取較優(yōu)的抗體更新記憶單元，并找出最優(yōu)個體，返回第4步。本發(fā)明具有的收斂速度快以及搜索能力強的優(yōu)點，可用來求解時延受限的組播路由問題。
文檔編號H04L12/56GK102158413SQ201110088399
公開日2011年8月17日 申請日期2011年4月11日 優(yōu)先權日2011年4月11日
發(fā)明者于昕, 劉芳, 劉靜樂, 孫暉, 尚榮華, 戚玉濤, 李陽陽, 焦李成, 郝紅俠, 馬文萍, 馬晶晶 申請人:西安電子科技大學