[发明专利]基于软件定义网络的多目标优化的卫星流控制方法

权利要求书

1.一种基于软件定义网络的多目标优化的卫星流控制方法，其特征在于它的步骤如下：

1)LEO卫星通过GEO或MEO卫星通告控制器其具体的经纬度信息；

2)控制器依据各LEO卫星的通告信息，实时形成卫星链路拓扑结构；

3)卫星终端通过LEO卫星向目的结点发送数据包；

4)LEO卫星检查自身流表，当卫星链路的目的地已存在本地，则将数据包转发至下一跳链接；当卫星链路的目的地未存在本地，则将数据包通过GEO或MEO卫星传送至控制器；

5)控制器记录数据包的源地址，并检查数据包的目的地址是否已知，当目的地址未知，则放弃数据包；当目的地址已知，则传递源地址与目的地址和当前卫星拓扑给多目标优化器，通过遗传算法规划非劣路径；

所述的遗传算法规划非劣路径的方法如下：

首先作如下定义：对于两个任意决策变量x_A，x_B∈X_f，X_f为可行解集合，

1)当且仅当时，称A占优于B；

2)当且仅当且时，称A弱占优于B；

3)当且仅当A不占优于B，且B不占优于A时，称A与B无差别，

遗传算法主要包括分层算法和拥挤度比较算法；

所述的分层算法为：

1)设i = 1；

2)对于所有的j = 1,2,n且j ≠ i，按照以上定义比较个体x_i和个体x_j之间的支配与非支配关系；

3)如果不存在任何一个个体x_j优于x_i，则x_i标记为非支配个体；

4)令i = i+ 1，转到步骤(2)，直到找到所有的非支配个体；

通过分层算法得到的非支配个体集是种群的第一级非支配层，然后，忽略这些已经标记的非支配个体，即这些个体不再进行下一轮比较，再遵循步骤1)- 步骤4)，就会得到第二级非支配层，依此类推，直到整个种群被分层；

所述的拥挤度比较算法为：

每个点的拥挤度置为 0；

针对每个目标，对种群进行非支配排序，令边界的两个个体拥挤度为无穷，即；

对其他个体进行拥挤度的计算：

其中，表示i点的拥挤度，表示i+1点的第j个目标函数值，表示i-1点的第j个目标函数值；

拥挤度指的是种群中给定点的周围个体的密度，多目标优化器在每次完成分层算法后将启动拥挤度比较算法对每个个体计算其拥挤度并排序；

多目标优化器将每层依次排序，同层内按拥挤度排序，淘汰适应度较低的一半，将适应度较高的一半进行位反转的变异和按位杂交的方式产生同样个数的新个体后，加入下一轮优化计算的初始种群中，开始启动下一轮优化计算，

当多目标优化器在默认的步数内无法产生路径，则放弃该数据包；当多目标优化器在默认的步数内产生了相应的路径，则通知控制器更新相关结点的流表，形成逻辑链路。