[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

说明书

本发明涉及一种基于改进免疫遗传的物联网资源调度优化运行方法，在物联网资源优化运行体系中，对某一具体物联网资源进行环境监测和吞吐量输出数据采集，用高效的算法对采集到的数据进行优化是现在对物联网资源优化的研究重点之一。本发明物联网资源优化运行体系中基于改进免疫遗传算法，通过结合生物遗传学中抗原抗体的特异性结合和记忆细胞的快速增值分化，结合免疫遗传算法的快速收敛和收敛时间，对物联网资源优化运行体系进行最优计算，提高各分工机器的工作效率，最大程度上实现每个节点输出最多的吞吐量，提高物联网资源自组织网络的环境监测和数据采集的效率。

技术领域

本发明属于AI和算法研究技术领域，具体涉及物联网资源的优化调度、物联网资源每个节点的输出最大化吞吐量和基于改进免疫遗传的物联网资源调度优化运行方法。

背景技术

物联网资源调度优化运行的调度定义是:在各种约束条件下,物联网资源调度优化的运行可以最大化地满足一个或几个性能指标,如总输出最大化,输出最大化利益,最大化地减少资源利用。所以物联网资源调度优化运行的目的就是有效地利用各个节点资源。这是一个多目标、多阶段的复杂非线性多变量和多个约束的问题，其解决方案主要可以分为三个类别。其中的一个类别是使用高效的智能算法对其进行优化，比如改进免疫遗传算法，该算法综合了遗传算法和免疫遗传算法的特点，对目标优化有着更加精确快速的效果。

目前为止，很多算法都是由其传统的算法和改进的算法综合而来，在一定程度上提高了算法的性能，如改进免疫粒子群优化算法和改进免疫遗传算法。不过这些算法在对模型进行实际优化时还是会存在不确定性。对于确定性算法在此过程中的稳定性，可以通过将随机搜索智能算法与确定性算法相结合的融合算法对其进行深层次的改进，但应用较少。在物联网资源优化运行中，免疫算法是一种常用的智能算法，具有多样性强、容忍度高、免疫记忆强等优点，但其缺点也有不少，比如算法优化时间长，速度和精度达不到指定要求。虽然有大部分专业人员进行了算法优化，但是其缺点还是会在实际问题中展现出来，其搜索稳定性和效率仍有待提高。

基于上述分析的各种智能算法和免疫遗传算法的缺点,本文对传统的免疫遗传算法进行了相关方面的改进,对算法的收敛时间和速度以及精度都进行了提升,提出了细化算法的具体过程,最后验证该算法的有效性和优越性,运用到物联网资源优化调度方法的研究情况。

发明内容

本发明的目的是，提供一种基于改进免疫遗传的物联网资源调度优化运行方法，在生物学的免疫系统中，外界抗原对生物进行攻击时，生物体内的抗体会和抗原进行识别并结合，使生物防御系统启动。此算法仿照此免疫系统，将其中的抗原抗体作为算法目标函数的可行解集，目标函数和解集的相似度则由抗原抗体的适应度充当。由于被抗原刺激后，抗体的繁殖能力强，故根据这一特性，该算法能保持抗体的多样性。其次，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。由于基本遗传算法和免疫遗传算法的存在很多缺点，比如局部搜索效率较差等，因此本文根据出现的相应缺点对算法进行了完善。

为解决上述发明目的，将整体划分为：改进理念分析，物联网资源优化数学模型，基于改进免疫算法的物联网资源优化数学模型操作。

(1)改进理念分析

1.搜索改进方法

目前的大多数免疫遗传算法的搜索方法还是采用传统的遗传算法搜索理念，一般都是对种群进行选择交叉变异等步骤，但是其搜索结果并不好，常常会出现搜索误差大甚至搜索不到的情况。因此必须对改进算法的搜索方法进行完善。粒子群算法(PSO)具有操作简单，搜索误差小等优点，故可以将该算法和免疫遗传算法相结合，使改进免疫遗传算法同时具备两种算法的优点。如在进化搜索过程中，能保持免疫遗传算法能保持物种多样性的特点，也能保持粒子群算法搜索速度快，收敛时间短的特点。

2.控制改进方法