[发明专利]基于混沌搜索和人工免疫算法的路由优化方法

说明书

本发明公开了通信网络技术领域中一种基于混沌搜索和人工免疫算法的路由优化方法，用于解决传统智能优化算法求解多目标路由优化问题中，路径生成效率低、单次优化结果不确定的问题。该方法包括：利用混沌搜索和动态邻接矩阵生成多条路径作为人工免疫算法的初始抗体种群；利用人工免疫算法求解最优路由，其中主要步骤包括：对优秀抗体进行克隆并对克隆抗体接种动态疫苗；对接种疫苗后的克隆抗体进行变异操作；对次优秀抗体进行自由变异操作；将优秀抗体、接种疫苗并变异后的克隆抗体和自由变异后的次优秀抗体组成新一代抗体种群。该方法路径生成效率高，利用混沌搜索值替代了随机概率值，具有寻优速度快、单次输出结果稳定的优点。

技术领域

本发明属于通信网络技术领域，尤其涉及一种基于混沌搜索和人工免疫算法的路由优化方法。

背景技术

随着网络功能的不断增加，单约束条件下的路由优化已不能满足用户对网络服务质量的要求。多约束路由优化问题属于NP完全问题，无法在多项式时间内准确求解，因此许多研究人员采用智能进化算法来解决多约束路由优化问题。Mehdi Ghatee利用混合遗传算法来解决多商品流路由问题，提高了通道利用率并减小了时延和阻塞率；刘欣、李飞等人利用量子遗传算法来解决选播QoS路由问题，使网络资源利用的更加合理并降低了网络拥塞概率；方仕勇、邹恩等人利用混沌遗传算法来求解多约束QoS路由问题，改善了经典遗传算法的收敛性能；Zhu Li，Li Zhishu等人利用免疫遗传算法来求解Mesh网络中的QoS约束路由问题，实现了网络负载均衡并提高传统遗传算法的全局寻优效率。

智能进化算法求解多约束路由的问题之一就是可行解的生成问题。实际网络的可行解集即路径集是非完备集，传统采用定长二进制或十进制编码方式随机生成的路径大多数是非可行解，必须重复执行生成过程，直到获得一定数量的可行解，这样会严重影响优化算法的效率，因此部分研究人员只能以完全图为基础开展路由算法的研究。有一些研究人员提出了利用禁忌搜索方法和混沌搜索方法来生成路径，虽然两种方法都能生成可行解，但必须在路径生成之后检查是否存在环路，若存在，还必须执行去环路的算法，一定程度上也降低了可行路径解的生成效率。

智能进化算法求解多约束路由的另一个问题是单次运行结果的不确定性问题。智能进化算法为了保证种群的多样性，都存在交叉或变异操作，传统的交叉或变异操作都是基于随机概率的，这就会导致进化过程的随机性，进而使单次算法执行的结果存在不确定性，可能最优，也可能次优，甚至较差。虽然许多研究人员采用多次算法执行结果的平均值来说明算法的优越性，但这种不确定性在某些实际应用中是不允许的。

发明内容

本发明的目的在于，提供一种基于混沌搜索和人工免疫算法的路由优化方法，用于解决现有技术中可行路径解生成效率低，单次优化结果不确定等缺陷。

为了实现上述目的，本发明的技术方案是，基于混沌搜索和人工免疫算法的路由优化方法，其特征是该方法包括：

步骤1：利用基于混沌搜索和动态邻接矩阵的路径生成算法产生N条路径作为人工免疫算法的初始抗体种群，N为设定值；

步骤2：对抗体种群进行亲和度计算，并按照亲和度大小进行降序排列，如果当前进化代数已经达到最大值，则选择亲和度最大的抗体作为路由优化的结构进行输出，否则，进入步骤3；

步骤3：在排列后的抗体种群中选择前M个抗体组成记忆种群，M为设定值，且满足M<N；

步骤4：对记忆种群中的抗体进行克隆操作，生成含有C个抗体的克隆种群，C为设定值，且满足C+M<N；

步骤5：对克隆种群中的抗体进行动态疫苗接种并进行变异操作；

步骤6：对抗体种群中第M+1个抗体至第N-C个抗体进行自由变异操作，生成含有N-C-M个抗体的变异种群；

步骤7：将记忆种群、克隆种群和变异种群组成新一代抗体种群，返回步骤2。