[发明专利]基于遗传蚁群混合算法的视频服务器选址方法

权利要求书

1.一种基于遗传蚁群混合算法的视频服务器选址方法，其特征在于，它包括如下步骤：

步骤1：根据经典遗传算法与蚁群算法应用在旅行商问题上的经验参数，设置遗传算法最大迭代次数，根据视频选址的规模设置蚁群算法种群大小，然后将遗传算法交叉概率、遗传算法变异概率、蚁群算法初始蚂蚁个数、蚁群算法信息启发因子、蚁群算法概率选择因子、蚁群算法期望启发因子、蚁群算法最大迭代次数、蚁群算法信息素挥发因子和蚁群算法初始信息素矩阵设为预设经验值，采用整数排列编码规则将视频服务器候选设施编码；

步骤2：随机生成初始种群P(m)，根据多约束优先级贪心算法分配策略为初始种群P(m)中的每个个体的中位集合分配视频服务器服务的对象，对分配后的每个个体采用中位调整法，实现融入了中位调整法的改进遗传算法，得到一个进一步的分配方案，并计算出目标函数g(x)和适应度函数f(x)，目标函数g(x)是一种服务器选址以及客户分配方案需要的总费用，用来判断这种选址方案的好坏；

步骤3：进行选择遗传算子操作、交叉遗传算子操作和变异遗传算子操作，生成中间子代S(m)，并计算此时每个个体的适应度；

步骤4，结合父代种群F(m)与中间子代种群S(m)，如果是第一遗传操作那么就是初始种群，如果是第二次遗传操作，那么就是第一次遗传操作后得到的子代作为第二次操作的父代，执行多精英保护选择策略，保留父代种群F(m)与中间子代种群S(m)中最优的前n个个体；

步骤5：根据设置的蚁群算法最大迭代次数N_max和蚁群算法迭代终止条件N_die判断是否终止蚁群算法迭代进化，迭代终止则执行步骤6，否则执行步骤3；

步骤6，将融入了中位调整法的改进遗传算法迭代终止时的前n个最优解转化为蚁群算法的信息素初始分布；

步骤7，使用融入了中位调整法的改进遗传算法生成m个蚂蚁的初始中位集合，采用基于多约束优先级的蚁群算法分配策略为每个蚂蚁中位集合分对象，计算蚁群算法中蚂蚁为对象选择中位点的转移概率

步骤8，更新蚁群算法的信息素矩阵，判断是否达到终止条件，满足条件输出最终结果即视频服务器选址的最优方案，否则利用改进遗传算法选择、交叉、变异操作更新m个蚂蚁的初始中位集合，返回步骤7；

所述融入了中位调整法的改进遗传算法，采取动态链接策略，如下：

设置动态结合的时间：最大迭代次数N_max，终止迭代次数N_die，终止次数由改进遗传算法中最优前n个体总体适应度是否连续不变来确定；

利用遗传算法的前n个最优个体，设置蚁群算法的初始信息素分布：路径(i,j)上的信息素定义为：路径(i,j)上的信息素常量，为遗传算法结果集对应的信息素；

转换遗传算法的结果集为信息素。

2.根据权利要求1所述的基于遗传蚁群混合算法的视频服务器选址方法，其特征在于：所述经典遗传算法与蚁群算法应用在旅行商问题上的经验参数包括遗传算法的交叉概率与变异概率，蚁群算法的信息启发因子α，期望启发因子β，信息素挥发因子ρ。

3.根据权利要求1所述的基于遗传蚁群混合算法的视频服务器选址方法，其特征在于：所述根据视频选址的规模设置蚁群算法种群大小的公式为|P|≈4n/p其中n是客户数量，p是要建立的视频内容存储服务器的数量。

4.根据权利要求1所述的基于遗传蚁群混合算法的视频服务器选址方法，其特征在于：所述步骤5中，根据遗传算法的最大迭代次数，和遗传算法迭代终止条件判断是否终止遗传算法，终止条件是种群的前n个个体的适应度函数值在连续的10代内没有改变。

5.根据权利要求1所述的基于遗传蚁群混合算法的视频服务器选址方法，其特征在于：所述步骤2中，多约束优先级贪心算法分配中在为中位点分配对象时考虑多个约束：对象的权重w_i，视频服务器服务的对象到中位集合的最短距离min d_ij，视频服务器服务的对象到中位集合最短距离与次短距离之差dis_i，结合这些约束得到视频服务器服务的对象分配的优先级排序，然后采用贪心策略按优先级的高低为每个对象分配中位点。