[发明专利]一种考虑时间和任务重要度的系统弹性恢复算法

说明书

本发明公开了一种考虑时间和任务重要度的系统弹性恢复算法，首先初始化种群各参数值，种群中个体编码为维修顺序，将重要度和维修时间等信息添加到每个节点中，然后加入时间约束，构造出基于任务重要度的适应值函数，得到每组维修人员在有限时间内所能维修完成的节点重要度，经过累加可以获取个体总重要度。通过此方法搜索得到种群中总重要度最高的最优个体，再通过遗传算法的迭代获得所有代数中的最优个体，即为最优维修顺序。优点是：此种考虑时间和任务重要度的系统弹性恢复算法简洁、高效，可以迅速获取在有限时间里使得任务重要度最高的维修策略以及维修结果，这种恢复算法可以使受损后的系统弹性得到迅速恢复。

技术领域

本发明涉及算法应用技术领域，尤其是涉及一种考虑时间和任务重要度的系统弹性恢复算法。

背景技术

弹性一词最初源自拉丁语“resiliere”，意思是“反弹”。弹性一词的常见释义意味着实体或系统在发生事件之后恢复正常状态的能力。弹性观点起源于20世纪60、70年代早期的生态学，主要致力于群体如捕食者和猎物的相互作用和它们对生态稳定性理论的相关研究。随着弹性的逐渐获得重视，弹性在生活中得到不断的应用以及发展，现在弹性观点已适用于诸如生态学，材料科学，工程学，心理学和经济学等不同领域。

弹性是一个术语，是组织或系统在遇到意外危险时响应或反弹的能力。弹性是一种使系统从令人未能预料到的或破坏性的事件中转向一种适应性的方法，以确保系统在一个期间的操作保持其连续性。系统弹性反映了系统吸收冲击和恢复的能力，同时是一种改变其结构和面对长期压力，变化和不确定性的运作手段。

从系统的角度来看，弹性已被视为系统的一个属性，即系统受到攻击(或受到干扰)导致系统物理损坏并且超出其控制范围之后能够恢复其基本(或通用)功能的能力。而相应的维修策略的制定以及能够恢复到什么程度对系统的弹性来说就显得尤为重要。

针对这种情况，将智能优化算法应用到系统弹性的恢复上是一种较好的解决方案。本文所使用的遗传算法(Genetic Algorithms，简称GA)是模拟生物界的遗传和进化过程而建立起来的一种搜索算法，体现着“生存竞争、优胜劣汰、适者生存”的竞争机制。遗传算法具有良好的全局搜索能力，可以快速地将解空间中的全体解搜索出，而不会陷入局部最优解的快速下降陷阱，并且利用它的内在并行性，可以方便地进行分布式计算，加快求解速度。

现有的智能优化算法适应值函数的设置很少涉及到任务重要度等信息，这样就很难度量出维修后的系统究竟能完成正常状态下的多少任务量，并且很少有时间约束以及分组模式的考虑，这些都是有待改进的方面。

发明内容

发明目的：为了克服背景技术的不足，本发明公开了一种考虑时间和任务重要度的系统弹性恢复算法，可在考虑时间以及任务重要度的情况下制定相应的维修策略，使受到攻击或受到干扰导致损坏的系统能够恢复其基本或通用功能，显示出系统的弹性能力，提升系统的抗打击能力以及适应能力。

技术方案：本发明所述的考虑时间和任务重要度的系统弹性恢复算法，包括以下步骤：

(1)初始化种群各参数，个体编码为维修顺序，考虑有限时间的情况下，构造出基于任务重要度的适应值函数；

(2)根据重要度适应值函数，评价种群中每个个体当前的适应值，搜索出当前种群中重要度最高的个体；

(3)判断此种群最优个体是否比之前所有代最优个体重要度更高，如果是，则继续以下步骤，如果否，则根据遗传算法更新种群中的个体，在种群代数加1，跳转实施步骤(2)(即继续进行遗传算法的执行)；

(4)用此最优个体替代历史最优个体；

(5)判断是否满足算法结束条件，如果是则继续以下步骤，如果否，则根据遗传算法更新种群中的个体，在种群代数加1，跳转实施步骤(2)；

(6)输出全局最优适应值totalMetr及最优代数iter；