一種基于遺傳算法的求指定點約束下的路由方法技術

一種基于遺傳算法的求指定點約束下的路由方法,用于解決通信中路由選擇存在的搜索時間長、路徑權重大的技術問題。其實現步驟是：1）讀取原始的網絡圖信息，得到網絡圖的鄰接矩陣和指定點集合；2)對網絡圖的預處進行預處理，求出起始點、終點以及指定點相互之間的最短路徑；3)根據網絡圖的起始點和指定點信息進行編碼，從而將該問題轉化為類TSP問題；4)利用改進后的遺傳算法求解類TSP問題，得到一條起點、終點和指定點組成的路徑；5)判斷路徑的合法性，進行修正處理，最終得到一條完整的路由路徑。本發明專利技術可以有效的降低路由路徑搜索的解空間，在有限的時間和資源中，得到一條比較好的路由路徑。

A routing method based on genetic algorithm for constraint of specified points

A routing method based on genetic algorithm (GA) under the constraint of specified points is used to solve the problem of long search time and great path weight in communication. The method comprises the following steps: 1) to read the information of the original network, set the network adjacency matrix graph and the specified point; 2) on pre network graph preprocessing, find the starting point and end point, specify the shortest path between them; 3) encoding the starting point and based on the network diagram the specified point information, thus the problem is transformed into a TSP problem; 4) using genetic algorithm to solve the TSP problem of the improved path to be a starting point and end point and the specified point composition; 5) to determine the legality of the path are modified, finally get a complete routing path. The invention can effectively reduce the solution space of routing path search, and obtain a better routing path in limited time and resources.

【技術實現步驟摘要】
一種基于遺傳算法的求指定點約束下的路由方法
本專利技術屬于網絡圖路徑搜索
，具體涉及一種指定點約束條件下利用改進的遺傳算法搜索到最優路徑的方法。
技術介紹
路徑規劃問題是傳統的組合優化問題，有著較為廣泛的實際應用。比較經典的路徑規劃問題是求解網絡圖各個點之間的的最多路徑，不過，隨著網絡圖規模的增大和對高效率的需求，在某些特定應用場景中，我們需要求解網絡圖中在指定點約束下的最短路徑。目前，關于網絡圖中指定點約束下的最短路徑的方法主要有：窮盡搜索算法和啟發式搜索法和智能搜索算法。窮舉搜索算法，該算法又細分為深度度優先搜索和廣度優先搜索；深度優先搜索是指從起點選擇某一擴展節點，之后接著再擴展節點上繼續搜索，直到搜索到終點，或者當沒有搜索到合理的路徑時進行回溯。寬度優先搜索是指從起點尋找終點的過程中，根據節點的出度情況依次擴展，每一條搜索分支都保持同樣的深度；以上兩種思想都是窮舉網絡圖的整個解空間，當網絡圖規模比較大時，很難在規定的時間內找到合適的解，實時性比較差。啟發式搜索法,該方法是對窮極搜索算法的一種改進，窮極搜索是一種盲目搜索，沒有充分利用到現有路徑的信息，沒有對擴展路徑進行預判，啟發式搜索維持一個優先隊列，擬合一個權重函數，按照當前路徑值和擴展后的路徑權重以及包含必經點的數量，有選擇的進行搜索。該方法雖然沒有窮舉解空間，但是由于需要維護一個優先隊列，當網絡圖規模比較大時，優先隊列的排序選擇會消耗大量時間，精確度和實時性沒有得到根本改善。智能搜索算法，以遺傳算法為代表的智能搜索算法從全局的角度進行解空間的搜索，可以大大提高搜索的效率。不過，目前利用遺傳算法求解該問題時，將所有的點都進行編碼，導致編碼復雜，染色體參差不齊，對后續的交叉、變異等算子都帶來很多不便，最終導致傳統的遺傳算法求解該問題也相對比較復雜。
技術實現思路
為了克服上述現有技術的不足，本專利技術的目的是提供一種基于遺傳算法的求指定點約束下的路由方法，可以將問題轉化，進一步降低問題的解空間的復雜度，從而解決現有搜索方法中搜索時間長和精度低的技術問題。為了實現上述目的，本專利技術采取的技術方案為：1、一種基于遺傳算法的求指定點約束下的路由方法，包括以下步驟：1）讀取網絡圖信息，用鄰接矩陣A方式存儲信息，并將指起始點和指定點信息放入集合S中；2）對網絡圖進行預處理，結合矩陣A和集合S的數據，求出起始點及指定點相互之間的最短路徑，并將其存儲在一個二維矩陣D中；3）以起始點和指點的信息及集合S為基礎進行編碼，構建染色體C，從而將問題轉化成一個類TSP問題；4）利用改進后的遺傳算法求解具有以下步驟：a、固定起點和終點，隨機產生若干個有指定點組成的隨機序列，插入在起點和終點之間形成初始化種群；b、以一定概率的方式從種群中挑選若干對染色體進行交叉運算；c、以一定概率的方式從種群中挑選若干個染色體進行變異運算；d、根據適應度評價函數，對種群中的個體進行排序，結合若干個歷史最優解就行選擇，優勝劣汰，得到下一代種群；e、未達到預設的迭代次數則跳轉到步驟4）的步驟a）,否則結束本步驟；5）根據矩陣D中的信息，檢查路徑P’的合法性，如果路徑存在環，可利用路徑修復函數R進行處理，最終將D中信息帶入到P’中得到一個完整的路徑。進一步，所述的步驟2）中求出起始點和指定點相互之間路徑，通過如下方法確定：求取起始點到終點和指定點的最短路徑，求取每一個指定點到其他指定點及終點的最短路徑；求取方法可采用Dijkstra算法和堆結構相結合的方法，減少計算復雜度，如果相互之間不存在滿足條件的路徑則記為無窮大。進一步，所述的步驟3）中構建染色體C，并且初始化一定數量的種群P，通過如下步驟確定：a、構建一個一維向量，固定好起點和終點的位置，然后將其他指定點隨機的插入起點和終點之間就可以得到染色體C；b、重復步驟3）的步驟a）的操作，即可得到相應數量的種群P。進一步，所述的步驟4）中的交叉算子，通過如下方法確定：從種群中選取一對染色體Ca和Cb，在除起點和終點外，隨機的選擇兩個位置pos1和pos2，則可以將兩個染色體各分為三段Ca1、Ca2、Ca3和Cb1、Cb2、Cb3;保持起點和終點的位置不變交換Ca1和Cb3，然后依次將剩下的指定點依次插入到染色體中，得到兩個新的染色體Ca’和Cb’。進一步，所述的步驟4）中的變異算子，通過如下方法確定：從種群中選取一個染色體，首先隨機在除起點和終點外，隨機的選擇兩個位置pos1和pos2，將區間[pos1,pos2]之間的指定點提取出來，然后在染色體剩下的點中隨機選取一個位置pos3，接著將[pos1,pos2]之間的指定點插入到pos3處。進一步，所述的步驟4）中的選擇算子，通過如下方法確定：在種群進化的過程中，需要不斷的進行優勝劣汰，選擇更好的候選解最為下一代的種群。根據適應度函數為種群中每一個染色體計算出一個評價值，根據評價值進行排序，將評價值比較低的個體淘汰，同時保留若干個歷史最優解，將歷史最優解和剩下的未被淘汰的個體組成新的種群，完成個體的選擇和種群的進化。進一步，所述的步驟（4）中的適應度函數，通過如下公式確定:式中，代表染色體某一段基因，代表染色體中相鄰兩點之間的權重，Dups代表經過重復點的個數，Pu是對重復點進行懲罰的系數，所述的該公式反應了一個染色體的權重越小，重復點的個數越少，適應度評價值越好，解也就越優秀。進一步，所述的步驟5）中可利用路徑修復函數R進行處理，其中修復函數是指當我們根據權利要求5中所述的方法得到一個完成的路徑P時，如果存在重復點，通過如下步驟確定：a、將路徑P中和重復點相鄰的指定點a和b之間的路徑斷開。b、將路徑上現有的點進行標記放在一個集合set中，防止再次經過。c、利用Dijkstra算法結合集合set信息，得到一條不經過集合set中點的路徑片段P1。d、將P1添加到原路徑P中，還原修復原路徑。e、繼續檢測是否有重復點，如果有跳轉到步驟（1），否則結束修復。本專利技術的有益效果是：本專利技術由于先將問題轉化為類TSP問題，只對起始點、終點和指定點進行編碼，大大降低了問題的解空間，同時優化交叉算子、變異算子和選擇算子，能夠在比較短的時間內在解空間中找到一個比較優秀的路徑，從而提高路徑搜索的實時性和精確性。附圖說明圖1是本專利技術方法的主流程；圖2是本專利技術算法的程序流程圖；圖3是本專利技術某一網絡圖用例的示意圖和最終路徑示意圖；圖4是本專利技術中遺傳算法編碼的示意圖；圖5是本專利技術中遺傳算法交叉算子操作的示意圖；圖6是本專利技術中遺傳算法變異算子操作的示意圖。具體實施方式以下結合附圖對本專利技術進一步敘述。如圖1所示，本專利技術的具體實施過程包括以下步驟：步驟1.讀取網絡圖信息，網絡圖是一個帶權重的有向圖G=(V,E)，V為頂點集，E為有向邊集，每一條有向邊均有一個權重。如圖3所示是網絡圖的拓撲結構示意圖。網絡圖以兩個文件的形式提供帶求問題的信息，一個為圖的數據(G)，一個為需要計算的路徑信息,網絡圖的數據中，每一行包含如下的信息：LinkID,SouID,DestID,Cost；其中，LinkID為該有向邊的索引，SouID為該有向邊的起始頂點的索引，DestID為該有向邊的終止頂點的索引，Cost為該有向邊的權重。路徑信息中，只本文檔來自技高網...

【技術保護點】
一種基于遺傳算法的求指定點約束下的路由方法，其特征在于，包括以下步驟：1）讀取網絡圖信息，用鄰接矩陣A方式存儲信息，并將指起始點和指定點信息放入集合S中；2）對網絡圖進行預處理，結合矩陣A和集合S的數據，求出起始點及指定點相互之間的最短路徑，并將其存儲在一個二維矩陣D中；3）以起始點和指點的信息及集合S為基礎進行編碼，構建染色體C，從而將問題轉化成一個類TSP問題；4）利用改進后的遺傳算法求解具有以下步驟：a、固定起點和終點，隨機產生若干個有指定點組成的隨機序列，插入在起點和終點之間形成初始化種群；b、以一定概率的方式從種群中挑選若干對染色體進行交叉運算；c、以一定概率的方式從種群中挑選若干個染色體進行變異運算；d、根據適應度評價函數，對種群中的個體進行排序，結合若干個歷史最優解就行選擇，優勝劣汰，得到下一代種群；e、未達到預設的迭代次數則跳轉到步驟4）的步驟a）,否則結束本步驟；5）根據矩陣D中的信息，檢查路徑P’的合法性，如果路徑存在環，可利用路徑修復函數R進行處理，最終將D中信息帶入到P’中得到一個完整的路徑。

【技術特征摘要】
1.一種基于遺傳算法的求指定點約束下的路由方法，其特征在于，包括以下步驟：1）讀取網絡圖信息，用鄰接矩陣A方式存儲信息，并將指起始點和指定點信息放入集合S中；2）對網絡圖進行預處理，結合矩陣A和集合S的數據，求出起始點及指定點相互之間的最短路徑，并將其存儲在一個二維矩陣D中；3）以起始點和指點的信息及集合S為基礎進行編碼，構建染色體C，從而將問題轉化成一個類TSP問題；4）利用改進后的遺傳算法求解具有以下步驟：a、固定起點和終點，隨機產生若干個有指定點組成的隨機序列，插入在起點和終點之間形成初始化種群；b、以一定概率的方式從種群中挑選若干對染色體進行交叉運算；c、以一定概率的方式從種群中挑選若干個染色體進行變異運算；d、根據適應度評價函數，對種群中的個體進行排序，結合若干個歷史最優解就行選擇，優勝劣汰，得到下一代種群；e、未達到預設的迭代次數則跳轉到步驟4）的步驟a）,否則結束本步驟；5）根據矩陣D中的信息，檢查路徑P’的合法性，如果路徑存在環，可利用路徑修復函數R進行處理，最終將D中信息帶入到P’中得到一個完整的路徑。2.根據權利要求1所述的一種基于遺傳算法的求指定點約束下的路由方法，其特征在于，所述的步驟2）中求出起始點和指定點相互之間路徑，通過如下方法確定：求取起始點到終點和指定點的最短路徑，求取每一個指定點到其他指定點及終點的最短路徑；求取方法可采用Dijkstra算法和堆結構相結合的方法，減少計算復雜度，如果相互之間不存在滿足條件的路徑則記為無窮大。3.根據權利要求1所述的一種基于遺傳算法的求指定點約束下的路由方法，其特征在于，所述的步驟3）中構建染色體C，并且初始化一定數量的種群P，通過如下步驟確定：a、構建一個一維向量，固定好起點和終點的位置，然后將其他指定點隨機的插入起點和終點之間就可以得到染色體C；b、重復步驟3）的步驟a）的操作，即可得到相應數量的種群P。4.根據權利要求1所述的一種基于遺傳算法的求指定點約束下的路由方法，其特征在于，所述的步驟4）中的交叉算子，通過如下方法確定：從種群中選取一對染色體Ca和Cb，在除起點和終點外，隨機的選擇兩個位置pos1和pos2，則可以將兩個染色體各分...

【專利技術屬性】
技術研發人員：楊剛，姚洪濤，姜福義，
申請(專利權)人：西安電子科技大學，
類型：發明
國別省市：陜西,61