[发明专利]改进最小生成树算法在电力宽带载波中应用的方法

权利要求书

1.改进最小生成树算法在电力宽带载波中应用的方法，其特征在于，包括如下步骤：

将电力宽带载波的网络拓扑模型作为最小生成树的初始化模型；

采用改进的算法求解所述最小生成树，获取最小生成树中的最优多播组成员；其中，所述改进的算法包括改进的粒子群优化算法、改进的萤火虫算法和改进的帝国竞争算法；

将所述最优多播组成员作为电力宽带载波中的中央协调器、代理协调器或站点待入网的网络标识号。

2.根据权利要求1所述的改进最小生成树算法在电力宽带载波中应用的方法，其特征在于，采用改进的粒子群优化算法求解所述最小生成树包括如下步骤：

步骤1：根据电力宽带载波中的源节点s、多播组成员集合{m₁，m₂，...，m_n}和某条链路e(i，j)，建立树T和候选链路集合E₁的关系：初始时刻T＝{s}，E₁＝{e(s，i)|e(s，i)∈E}；

步骤2：对粒子群进行初始化，同时随机初始化粒子群中各粒子位置和速度；

步骤3：从候选链路集合E₁中选一条链路e(m，n)，针对该链路中粒子进行当前适应度值与历史最优适应度值比较，同时进行历史最优值替代；

步骤4：针对粒子进行当前适应度值与种群历史最优位置适应度值比较，并进行历史最优值替换；

步骤5：计算各粒子最大适应度值和平均适应度值的差值，将所述差值作为优化模型的输入，自适应调节各粒子的速度和位置，更新粒子速度及位置得到子代种群；

步骤6：动态调整所述子代种群中的各粒子产生新一代粒子种群；

步骤7：将新一代粒子群中的每个粒子的适应度值与最优值进行比较，获取当前的最好位置，比较当前所有的个体极值和群体极值的值，更新群体极值，将当前最好位置的链路e(m，n)加入E₁中；

步骤8：若T尚未覆盖所有目的节点，转到第3步，否则，对T进行删减，除去所有非目的节点的叶子节点及相关边；

步骤9：如果获得粒子群优化算法的全局极值点即可获得最小生成树算法的最优多播成员，则结束，否则跳转步骤5，直至获得全局极值点和最优多播成员；所述最优多播组成员即为电力宽带载波中的中央协调器、代理协调器或站点待入网的网络标识号。

3.根据权利要求2所述的改进最小生成树算法在电力宽带载波中应用的方法，其特征在于，所述步骤6包括如下步骤：

在每一代进化过程中以一定的淘汰率将最差粒子淘汰，然后用产生的新粒子代替；

对子代粒子按适应度值排序，依次计算各粒子最大适应度值和平均适应度值的差值及所述差值小于门限的相似粒子间的广义海明距离；若满足所述差值小于所述门限且所述广义海明距离小于所述门限，则滤除该粒子；

将父代中适应度值较高的多个粒子随机进行多次变异，产生出新粒子，加入子代，产生新一代粒子群。

4.根据权利要求2所述的改进最小生成树算法在电力宽带载波中应用的方法，其特征在于，所述步骤7中更新个体极值的位置和群体极值的位置的更新公式如下：

其中，表示第k+1次迭代后粒子的速度，w表示惯性权值，表示第k次迭代后粒子的速度，c₁表示第一学习因子常数，c₂表示第二学习因子常数，表示第k次迭代后第一随机数，表示第k次迭代后粒子的极值，表示第k次迭代后粒子的位置，表示第k次迭代后第二随机数，表示第k次迭代后粒子群体极值，k表示迭代次数；

其中，表示第k+1次迭代后粒子的位置。