[发明专利]基于改进遗传-蚁群算法的Adhoc网络寻找最优路径的方法

摘要

本发明请求保护一种基于改进遗传-蚁群算法的Adhoc(自组织)网络中AODV路由协议寻找最优路径的方法。由于Adhoc网络拓扑结构的不断变化，现有的路由协议的性能已很难满足网络的需求。针对常用路由算法的收敛速度慢、搜索时间长、易陷入局部最优解，无法达到全局最优的缺陷。本发明提出一种以改进的遗传-蚁群算法(IGAACA)为核心的AODV路由协议寻找最优路由的方法。本发明首先利用遗传算法的全局搜索能力找到较优解，然后将较优解转换成蚁群算法的初始信息素，最后采用蚁群算法收敛快速快的优点，找到路由全局最优解。采用本发明的算法，能快速、有效地找到最优路径，提高了网络性能。

主权项

一种基于改进遗传‑蚁群算法的Adhoc网络寻找最优路径的方法，其特征在于，包括以下步骤：101、参数初始化，设置遗传算法迭代次数N_G、蚁群算法迭代次数N_A、最小迭代次数Min‑Iteration、最大迭代次数Max‑Iteration、停滞次数Stagnation_Time，采用遗传算法对Adhoc网络的路径进行寻优，其中染色体编码每一个网络节点相当于一个基因位，一条路径相当于一条染色体，采用自然数编码方式，种群初始化采用均匀设计方式初始化，遗传操作主要包括选择、交叉和变异操作；当大于或者等于遗传迭代次数N_G时则产生n条备选寻优路径，将这些n条备选寻优路径作为初始信息素；102、当步骤101完成n条备选寻优路径的挑选后，则设置时机判断函数。当迭代次数N_G大于最小迭代次数Min‑Iteration时，则启用算法转换判断函数，time＝0；当time>Stagnation_Time时，则视为遗传算法的出现了停滞，结束遗传算法；当迭代次数N_G>Max‑Iteration时，自动结束遗传算法切换至步骤103的蚁群算法步骤，并根据n条备选寻优路径形成初始信息素；103、采用蚁群算法进行寻优，对利用遗传算法得到的n条备选寻优路径由小到大排序,得到集合P_C(c＝1,2,...,n)，设置的转换规则如下：其中:τ₀表示一个给定的一个信息素常数，τ_G是遗传算法求解结果转换的信息素值，n表示备选寻优路径条数，C_n表示路径代价的排序；104、调整蚁群算法的转移因子，并按照转移概率规则选择下一跳节点j进行信息素的局部更新，当j为目的节点时则信息素完成了全局更新；其中转移概率规则为：第k只蚂蚁按概率从位置i到位置j，其中：禁忌表tabu_k来记录蚂蚁k当前已走过的路径，k＝1，2，…，n，表示蚂蚁k下一步所允许选择的节点；α是信息启发式因子；β为期望启发式因子；ηⁱ_j是启发函数，其值表达式为η_ij＝1/route_cost(i,j)。r和λ为(0,1)中分布的随机数；105、当完成信息素全局更新后，输出最优路径即完成了最优路径的寻优。