[发明专利]一种基于BP神经网络蚁群算法的网络路由规划方法及系统

权利要求书

1.一种基于BP神经网络蚁群算法的网络路由规划方法，其特征在于，包括：

初始化网络节点信息、节点距离信息、QoS信息、网络节点资源约束信息、启发因子信息、信息素因子信息；

设定起点并将蚂蚁放到起点位置；

以当前网络节点上的速率作为数据集，通过BL-LSTM基于线性回归的长短时记忆网络算法预测出短时间内到达下一跳所有可能节点的O出发节点-D目的节点流大小并保存至数据到控制器；

通过公式

过滤掉一部分负载即将过高的节点，其中所述θ_ij(t)是躲避函数，α是调节函数，表示从节点i到节点j当前的流量，表示从节点i到节点j最大带宽容量，b为偏置用来调节函数的高低；

对路径中的信息素进行更新并将每条路径的信息素按照挥发因子进行挥发：

根据信息素重置蚂蚁的初始位置并从起点到终点重新开始循环；

获得路由的最优路径。

2.根据权利要求1所述的基于BP神经网络蚁群算法的网络路由规划方法，其特征在于，所述对路径中的信息素进行更新并将每条路径上的信息素按照挥发因子进行挥发包括：根据需求设置不同的约束条件、不同的节点类型使用不同的启发函数，所述启发函数表示数据包从节点i转移到节点j的期望程度；

获取状态转移概率，把所有路径概率分布在一个轮盘上，一条路径对应一个扇面，通过一个随机函数来生成一个0～1之间的随机变量i，通过变量i来确定指针落在轮盘的哪个扇面上；

根据公式

计算状态转移概率，其中g_ij(t)表示选择下一跳为j结点的概率，τ_ij(t)表示信息的浓度，η_ij(t)表示启发函数，α表示信息素浓度影响因子，β表示启发函数的影响因子，L表示下一跳可选结点的集合，θ_ij(t)表示躲避函数，γ表示剩余带宽对路径选择的作用；

根据状态转移概率与增长或减少前的信息素增减量的关系计算信息素变化量，如果g_ij(t)增长，则信息素变化量为表示数据包第k次路由之后经过某一节点的上面残留的信息素，如果g_ij(t)减小，则表示数据包第k次路由之后经过某一节点的上面残留的信息素。

3.根据权利要求1所述的基于BP神经网络蚁群算法的网络路由规划方法，其特征在于，所述根据信息素重置蚂蚁的初始位置并从起点到终点重新开始循环包括：

从起点到终点经过的路径作为一次循环，计算路径总长度并更新资源信息；

通过SNMP简单网络管理协议记录当前链路的流量并上传到控制器；

控制器根据新的流量数据集进行流量预测；

控制器根据新的流量信息和资源信息计算最优路径，并过滤掉负载状况不好的节点；

每次循环结束之后将当前路径和当前的最短路径进行比较，如果当前路径更短就记录当前路径到best_path数组当中去，如果状况持平或更长就选择当前路径进行转发。

4.根据权利要求1所述的基于BP神经网络蚁群算法的网络路由规划方法，其特征在于，所述设定起点并将蚂蚁放到起点位置后还包括：

初始化网络拓扑禁忌表，为了防止走重复节点导致网络路径成环，未走过的节点用false表示；

查找缓存表内是不是有相同拓扑和约束下的路径，如果有就输出路径。