[发明专利]一种基于IAGA算法的高速列车车联网拓扑优化方法

权利要求书

1.一种基于IAGA算法的高速列车车联网拓扑优化方法，其特征在于：将网络拓扑结构优化转化为网络终端设备的分配规划过程，对高速列车车联网通信数据进行优化分配处理，得到网络拓扑节点的分配结果；其优化过程包括以下步骤：

步骤S01：将网络拓扑结构优化转化为车载终端设备的分配规划过程，对车载网络的各参数进行定义，各参数定义包括对通信流量、通信时延、交换节点性能参数、终端节点和链路参数的定义，并根据车载网络连通可靠性确定基本的列车车联网的物理拓扑结构；

步骤S02：在车载网络连通可靠性约束条件下初步构建列车车联网的两层拓扑结构模型，对两层拓扑结构模型中车载终端设备节点间通信的过程数据和消息数据的通信流量进行计算，根据计算所得的通信流量值构造通信量权值矩阵和终端设备节点的邻接映射矩阵；

步骤S03：在数据通信流量的计算基础上建立以网络流量负载和通信时延为优化指标的目标函数模型，根据通信量权值矩阵和邻接映射矩阵建立以车联网络拓扑结构中所有车辆层子网中的通信流量负载量最小、负载均衡以及网络终端设备间传输时延最小为优化目标的函数；

步骤S04：建立多目标优化的评价函数模型，根据全双工交换节点物理条件的限制确定目标函数的约束条件；

步骤S05：对步骤S03中优化的目标函数模型使用改进的自适应遗传算法对车载终端设备的分配方式进行规划，从而确定编码方案、适应度函数以及调整遗传算子和设计出整个算法流程；

步骤S06：利用步骤S02得到的高速列车车联网的通信量，在改进的自适应遗传算法中进行优化求解，得到优化后网络拓扑中终端设备节点的分配结果；

根据全双工交换节点物理条件的限制确定多目标优化的目标函数的约束条件，是以通信流量权值矩阵和邻接映射矩阵进行建立多目标优化的目标函数：

步骤501：第一个目标是使网络中所有车辆层交换节点子网间的通信负载量最小化，其目标函数表述为：

式中，通信的设备节点i,j＝{1,2,…,M}，M为网络中参与通信的总的设备节点数；

k为车辆层交换节点子网序号；

k＝{1,2,3，…，N}，N表示车辆层中总的交换节点数量；

步骤502：第二个目标是使交换节点子网间传输的负载流量的差异最小化，其目标函数表述为：

式中k表示车辆层交换节点子网序号，任一交换节点子网k的总的通信负载流量ω(k)定义为：

式中，通信的设备节点i,j＝{1,2,…,M},M是拓扑网络中的通信设备节点数目，n_k表示交换节点子网k中的通信设备节点数，该式表示某交换节点子网内所有设备节点与网络中除该子网外的所有通信节点的通信流量之和；

步骤503：第三个目标是使网络中的数据传输时延最小化，其目标函数表述为：

式中，D_ij是设备i和j通信的数据流经过的交换节点数量，M是总的通信终端设备节点数，D是网络拓扑中总的交换节点数量；

步骤504：对用目标函数f₁、f₂、f₃使用改进的自适应遗传算法对车载终端设备的分配方式进行规划；

其中，对目标函数f₁、f₂、f₃使用改进的自适应遗传算法对车载终端设备的分配方式进行规划，是利用线性加权方法将多目标问题转化为单个目标规划的问题，在确定总的目标函数模型之前，先对以上三个目标函数的量纲进行一致性处理，然后综合考虑每个目标函数的相对重要程度和数量级方面差异的影响，并确定权重系数，所述目标函数受到全双工交换节点物理条件的约束限制，其总的目标评价函数及约束条件如下：

其中，在目标函数F中，f_t^max和f_t^min分别表示第t个函数f_t的最大值和最小值，t＝{1,2,3}，η₁、η₂、η₃表示三个目标函数对应的权重系数，在约束条件1中M是网络拓扑中参与通信的总设备节点数，N是车辆层中总的交换节点数量；约束条件2表示网络拓扑中每个设备节点都被分配到交换节点子网中；约束条件3中S_k表示车辆层交换节点k的端口数，该条件约束了连接在交换节点子网中的节点设备数目不能超过交换节点的端口数；约束条件4和约束条件5中，q_c表示交换节点端口c的最大传输速率，C表示交换节点所有端口的集合，这两个条件约束了任一交换节点子网的上行和下行流量的传输速率都不能超过该子网中交换节点端口的最大传输速率；

使用改进的自适应遗传算法对车载终端设备的分配方式进行规划，参照目标函数对网络拓扑中的终端设备分配方式进行优化，具体包括以下子步骤：

S0501：在遗传算法中采用整数编码的方式，将交换节点子网中的设备分配方式用遗传算法中的染色体加以描述；

S0502：目标函数模型的优化目标使网络中的传输流量负载和传输延迟最小化，即找到实时性最好的设备分配方式，将目标函数直接作为算法的适应度函数；最后衡量各指标的权重关系，初步确定权重系数η₁、η₂、η₃；

S0503：重新对每个个体的适应度进行标定和调整，根据当前种群中个体的最大适应度值和最小适应度值确定个体适应度值的标定公式：

式中F'为调整后的适应度值，F为原始适应度值，F_max为当前种群中的最大适应度值，F_min为当前种群中的最小适应度值，φ为调节因子；

S0504：采用轮盘赌的方式进行选择操作，在进行下一步操作之前选出适应度值大的个体直接复制到下一代中；

S0505：在交叉操作中，交叉算子采用的是双点交叉的方法，对自适应交叉概率的值进行节，其调节公式为：

式中，z₁、z₂是自适应交叉概率的调节系数，F_max为当前种群中的适应度最大值，F_avg为当前种群中所有个体的平均适应度值；

S0506：在变异操作中用到的变异方法是位翻转变异，对变异后的个体检查其合理性，如果不能满足约束条件，则需要重新对个体进行变异，自适应变异概率调节满足：

式中，v₁、v₂是自适应变异概率的调节系数，F表示变异个体的适应度值；

S0507：设置初始化种群数量、代沟和迭代数，判断是否满足迭代终止条件，若不满足终止条件，返回子步骤S0503。