[发明专利]基于改进免疫遗传的物联网资源调度优化运行方法

权利要求书

1.基于改进免疫遗传的物联网资源调度优化运行方法，其特征是以资源优化运行为模型，以资源的最大化总吞吐量输出为目标函数，来对比各种算法的优化效率，比如算法收敛速度时间和迭代次数，改进免疫遗传算法通过利用抗体的期望繁殖率来刺激较好的抗体的遗传和突变来保证抗体的多样性，通过改进免疫遗传选择算子和概率、免疫交叉选择算子和概率来优化算法的性能和效率，加快算法收敛速度和减短收敛时间，再者通过在记忆细胞中储存较优解，可以抑制相似解的重复出现，从而加速进化，当存在相似问题时，二次免疫反应可以快速地对该问题产生较优甚至最优解。

2.如权利要求1所述的基于改进免疫遗传的物联网资源调度优化运行方法，其特征在于，所述改进免疫遗传算法优化具体过程为：

步骤1:对物联网优化调度资源进行分离，分成小部分资源，对每个节点的总吞吐量输出进行收集，计算出该物联网资源优化数学模型的算法目标函数，进入步骤2；

步骤2：仿照生物学中抗原识别过程，按照一定的规则在大小适当的空间中随机产生N个抗体，初始化抗体(粒子)和位置(x,y,z)，进入步骤3；

步骤3：免疫选择因子计算，通过选择概率排除环境适应度差的抗体，选择出适应度高的抗体，进入步骤4；

步骤4:交叉因子计算，计算出各抗体的交叉概率，以增强和保持种群的多样性，进入步骤5；

步骤5:判断该优化种群是否满足终止条件，如果满足则结束优化，否则进入步骤3。

3.如权利要求1所述的基于改进免疫遗传的物联网资源调度优化运行方法，其特征在于目标函数的确定：根据以往的数据以及各资料的总结得出，根据结果发现，在运用于物联网资源优化模型中，对一个有多个目标约束的问题，则应该将其用一个转化函数转化为无约束的单目标问题，因此目标函数可以转化为：

式中：n，b分别代表物联网资源调度中每个节点的个数和超越约束阈值变量的个数，B为超越阈值的值。

4.如权利要求1所述的基于改进免疫遗传的物联网资源调度优化运行方法，其特征在于，确定免疫遗传选择算子和概率的计算过程：根据以往的遗传算法，抗体亲和力和抗体相似度的确定是确定抗体适应度的两大主要因素，抗体亲和力是指抗原抗体结合强度的大小，抗体亲和力应该要尽可能的好，它是检验一个个体在种群中是否能够存活的一个标准，在物联网资源优化问题中，亲和力代表的是每部分分配的资源是否能发出最大化的吞吐量输出，故提高抗体亲和力是优化的手段之一，在本优化问题中我们可以选取目标函数作为适应度函数，则亲和力计算公式为：

m_i＝E(i),i＝1,2,...,N

往往一个种群中会有很多相似的个体，生物学中常把几个相似度较高的抗体看作为一个抗体并计算出抗体的浓度，在免疫系统中，抗体的浓度不能高于一定值，故必须有一个自适应调节机制来调节抗体的浓度，在物联网资源优化问题中，我们也应计算出抗体浓度，根据抗体浓度的值来控制种群中个体的浓度，以保证种群的多样性,根据抗体之间的所共有的信息量定义抗体i和抗体j之间的相似程度(常采用解空间的距离来计算)：

S_ij＝(x_i-x_j)²+(y_i-y_j)²+(z_i-z_j)²,(i,j＝1,2,...,N)

相似度为(i,j＝1,2,...,N)：

式中：S为抗体i和抗体j的相似程度，H为抗体i和抗体j之间的相似度，H的取值为(0～1)，当H趋近于1时说明抗体i和抗体j相似度趋近于100％，

定义抗体相似度个数：

式中：H为抗体i和抗体j之间的相似度，当H大约一个阈值C时(此物联网资源优化问题C可以取0.8)，可以认为该两个抗体相似度很高，此时Z记录为1(反之为0)，表示和抗体i相似度大于C的有一个，D表示在种群中和抗体相似大于C的总个数；

抗体适应度即生物群体中抗体适应生存环境的能力，抗体适应度大，其适应环境的能力更强，在种群中存活下来的概率更大，因此被选择的机会也更大，反之亦然。

定义抗体亲和力比重变量e和抗体浓度变量f:

将e和f归一化：

定义适应度计算公式：

F_i＝bm_i+cD_i,(i＝1,2,...,N)

式中：b和c分别为抗体亲和力和抗体相似度个数所占的权重，

因此，可定义抗体选择概率为：

5.如权利要求1所述的基于改进免疫遗传的物联网资源调度优化运行方法，其特征在于，确定免疫交叉选择算子和概率的计算过程：根据交叉运算在遗传操作中起到了关键作用，如果交叉概率较大则可以为遗传操作开辟新的搜索空间，但是也会有一定的概率破坏性能好的个体基因，使适应度高的抗体个体产生退化现象，导致算法收敛速度慢，且会降低稳定性，如果交叉概率较小，则会使算法陷入迟钝现象，收敛速度慢，因此，合理选择交叉概率是一步相当重要的步骤，一般情况下交叉概率选取0.25和1之间；

物联网资源优化问题中可以选取0.5，交叉方法有映射交叉、均匀交叉、匹配交叉、顺序交叉和循环交叉等，在此问题中，我们可以采用映射交叉，此外为了防止交叉过程中性能好的抗体遭到破环，我们可以定义一个交叉阈值Y,按各个抗体的被选择概率将抗体分成大于Y和小于Y的两部分，这样便能使适应度高的抗体个体不会产生退化现象，

定义交叉阈值Y:

其中被选择概率大于Y的抗体不被选择进行交叉操作，保护了高适应度的抗体不会产生退化现象，被选择概率小于Y的抗体按照交叉概率和交叉方法进行交叉操作，具体步骤如下：

Ⅰ.随机产生一个0.25至1之间的一个随机数，当随机数小于交叉概率0.5时，选中父代1，再随机选中父代2。然后随机选择两个交叉点i和j，i不等于j；

Ⅱ.交换父代1和父代2交叉点之间的基因段；

Ⅲ.若产生的两子代个体的左端和右端与交换过后的基因段有重复，则需根据父代中间段的映射关系来取基因段。