[发明专利]一种基于遗传算法的最佳共识节点选择方法

说明书

本发明公开了一种基于遗传算法的最佳共识节点选择方法，主要解决现有技术中存在的在确定最佳共识节点时常用的共识算法存在效率低耗时长的问题。该方法包括(S1)将多个参与节点分别编码成对应的染色体，以获取编码后的多个染色体；(S2)对多个染色体中的每个染色体进行选择、交叉、变异和可行性检测操作；(S3)将满足适应度函数的个体选择出来，通过适应度函数求解最优解，如果达到适应度函数要求，则求得最优解，如果没有，则返回继续执行步骤(S2)，直至得到最优解。通过上述方案，本发明达到了交易效率高和处理时间快的目的，具有很高的实用价值和推广价值。

技术领域

本发明属于遗传算法技术领域，具体地讲，是涉及一种基于遗传算法的最佳共识节点选择方法。

背景技术

区块链实质上是由多方参与、共同维护的一个持续增长的分布式账本，它的主要特点在于去中心化或者弱中心化，即无须集中控制就能达成彼此之间的信任关系，这依靠于分布式共识机制。常用的共识算法可分为两大类：一类是基于证明的共识算法，如有工作量证明共识机制(POW)，股权证明算法(POS)，然而这类共识算法吞吐量低、出块慢；另一类是基于投票的共识算法，最经典的是实用拜占庭容错算法(PBFT)，但该方法也存在冗余、耗时长的问题。因此如何解决现有技术的存在的问题，是本领域技术人员急需解决的问题。

发明内容

本发明的目的在于提供一种基于遗传算法的最佳共识节点选择方法，主要解决现有技术中存在的在确定最佳共识节点时常用的共识算法存在效率低耗时长的问题。

为了实现上述目的，本发明采用的技术方案如下：

一种基于遗传算法的最佳共识节点选择方法，包括如下步骤：

(S1)将多个参与节点分别编码成对应的染色体，以获取编码后的多个染色体；

(S2)对多个染色体中的每个染色体进行选择、交叉、变异和可行性检测操作；

(S3)将满足适应度函数的个体选择出来，通过适应度函数求解最优解，如果达到适应度函数要求，则求得最优解，如果没有，则返回继续执行步骤(S2)，直至得到最优解；

其中，f(ni)表示适应度函数，ni表示一个合法的染色体，N表示所有染色体的集合，Fau表示该染色体即该节点出现问题的次数，Com表示该染色体即该节点与其他节点交易的效率。

进一步地，所述步骤(S1)中将各个参与节点编码呈一个染色体是根据一个包含m个参与节点的编码要求得到一个m维向量的染色体，这个维度即所有参与节点的个数，m为整数同时也是各个参与节点的编号，即N＝{n1,n2,...,nm}，其中，ni表示第i个节点。

进一步地，所述步骤(S2)中对多个染色体中的每个染色体进行选择、交叉、变异和可行性检测操作是将父代样本两两分组，以进行部分映射交叉，并消除冲突的数字编号，任意选取两个点，并互换数值编号，生成新群体；验证任意染色体是否是可行解，将满足适应度函数的个体选择出来，以作为父代群体。

进一步地，所述步骤(S3)中的适应度函数是通过节点的宕机次数与其他节点的通信的交易效率作出的函数。

具体地，所述步骤(S3)中达到适应度函数要求是当Fau(ni)最小，Com(ni)最大时，此时ni为最优解，即最佳共识节点。

与现有技术相比，本发明具有以下有益效果：

本发明是基于PBFT的算法，节点分为共识节点和备份节点，且该共识节点作为共识节点执行三阶段协议完成交易，本发明提出最佳共识节点选择方法，只有在满足适应度函数的情况下才能求出最佳共识节点，在不满足适应度函数的情况下继续对染色体进行选择、交叉、变异和可行性检测操作，因此本发明相对于现有选择共识节点的方法存在交易效率高和处理时间快的优点。

附图说明