[发明专利]一种高速载波通信动态路由方法及系统

说明书

本发明公开了一种高速载波通信动态路由方法，包括获取当前入网站点的所有候选网络；将候选网络的网络标识符输入训练好的BP神经网络，得到最优的网络标识符；其中，BP神经网络根据通过遗传算法训练获得；将当前入网站点加入最优网络标识符对应的候选网络。同时公开了相应的系统。本发明通过遗传算法训练BP神经网络，通过BP神经网络获取最优的候选网络，相较于传统的蚁群算法，运算时间更短。

技术领域

本发明涉及一种高速载波通信动态路由方法及系统，属于宽带载波技术领域。

背景技术

关于电力线载波通信组网方法主要研究通过增加中继的方式提高通信的距离和可靠性，大多采用蚁群算法实现电力载波网络的自动路由，智能搜索丢失节点，建立以动态路由为基础的电力线通信网络，并能够适应网络拓扑的动态变化，蚁群算法是一种比较耗时的方法。

发明内容

本发明提供了一种高速载波通信动态路由方法及系统，解决了背景技术中披露的问题。

为了解决上述技术问题，本发明所采用的技术方案是：

一种高速载波通信动态路由方法，包括，

获取当前入网站点的所有候选网络；

将候选网络的网络标识符输入训练好的BP神经网络，得到最优的网络标识符；其中，BP神经网络根据通过遗传算法训练获得；

将当前入网站点加入最优网络标识符对应的候选网络。

训练BP神经网络的过程为，

采用遗传算法，获得最优网络标识符样本、BP神经网络最优初始权值样本和BP神经网络最优初始阈值样本；

用最优网络标识符样本、BP神经网络最优初始权值样本和BP神经网络最优初始阈值样本，训练BP神经网络。

在遗传算法中，计算最优个体适应度和平均适应度，根据最优个体适应度和平均适应度的差值调整交叉概率和变异概率。

当最优个体适应度和平均适应度的差值为0时，交叉概率调整为0.7；当最优个体适应度和平均适应度的差值不为0时，交叉概率调整为1。

当最优个体适应度和平均适应度的差值为0时，变异概率调整为0.001；当最优个体适应度和平均适应度的差值不为0时，交叉概率调整为0.01。

在遗传算法的进化过程中，依次引入移民算子、相似个体过滤和动态补充，构建子代；其中，动态补充为将父代中适应度排序靠前的若干个个体随机进行若干次变异，产生出新个体，加入子代。

站点入网后，响应于第S级PCO代理站点发生转移，更新该级记录PCO代理站点的代理站点集合，第S+1级的代理站点集合根据第1～S级的代理站点集合内容进行更新/不更新；其中，第S+1级为第S级的下级。

一种高速载波通信动态路由系统，包括，

获取模块：获取当前入网站点的所有候选网络；

神经网络模块：将候选网络的网络标识符输入训练好的BP神经网络，得到最优的网络标识符；其中，BP神经网络根据通过遗传算法训练获得；

入网模块：将当前入网站点加入最优网络标识符对应的候选网络。

一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行高速载波通信动态路由方法。

一种计算设备，包括一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行高速载波通信动态路由方法的指令