基于混合遗传算法的1553b总线消息传输优化方法
【技术领域】
[0001] 本发明涉及总线消息传输技术领域，具体涉及一种基于混合遗传算法的1553B总 线消息传输优化方法。
【背景技术】
[0002] 1553B总线是一种集中式控制的飞机内部电子系统联网的标准，它的高可靠性、实 时性以及灵活性使其在航空、航天等领域上得到广泛的应用。
[0003] 由于现有电子系统对实时性和可靠性具有很高的要求，必须保证1553B总线上消 息传输的实时性。当1553B总线上需要处理不同长度不同周期的多种消息时，并且存在异 步消息需要处理时，系统的实时性一般很难保证。目前比较常见的1553B总线消息优化算 法有基于计算量向量算法、RMS调度算法、长释放时间间隔优先算法、HTSF算法等。在上述 方法中，基于计算量向量算法和RMS调度算法都是基于静态负载均衡的，没有解决消息的 动态负载均衡问题，当总线上有很多非周期性消息时，容易导致总线堵塞或饱和；长释放时 间间隔优先算法不能保证释放间隔较小的消息或者突发消息能在截止期前完成调度；HTSF 算法没有考虑同一时刻可能有多条消息同时到达的情况，而且算法执行效率较低。
[0004] 为了避免出现1553B总线堵塞和饱和现象，提高1553B总线的利用率，降低总线的 平均延迟时间，均衡总线负载，需要设计一种优化1553B总线消息传输的方法。
【发明内容】
[0005] (一）要解决的技术问题
[0006] 本发明要解决的技术问题是：如何提高1553B总线的利用率，降低总线的平均延 迟时间，均衡总线负载，达到最优的通信效率。
[0007] (二）技术方案
[0008] 为了解决上述技术问题，本发明提供了一种基于混合遗传算法的1553B总线消息 传输优化方法，包括以下步骤：
[0009] S1、基于排队论建立1553B总线消息传输的数学模型，得到目标函数：
[0010] 将1553B总线上消息的传输过程看作是一种单服务员单队列的排队系统，排队模 型为一个M|M|1排队模型，总线上的每一条消息指令为等待服务的顾客，总线为提供数据 传输的服务员，服务时间为消息传输时间；
[0011] 该排队系统的排队规则为：
[0012] 消息的相继到达时间间隔独立，假设到达时间服从泊松分布；
[0013] 排队队列的长度为无限长，服务方式服从先来先服务；
[0014] S2、基于改进遗传算法得到1553B总线消息调度可行解：
[0015] 利用遗传算法对染色体进行编码，确定初始种群，通过遗传算法中的遗传操作对 初始种群进行优化，即根据自识别交叉和变异概率，对初始种群进行交叉、变异操作，根据 所述目标函数对染色体种群进行评估，当染色体种群进化速率小于预设阈值时终止遗传算 法，得到1553B总线消息调度可行解；
[0016] S3、基于改进蚁群算法得到1553B总线消息调度最优解：
[0017] 根据遗传算法得到的全局搜索信息设置信息素初始值，根据1553B总线消息调度 的完成情况，调整信息素；在消息准备传输时，观察各个空闲资源的信息素，按照概率大小 选择资源使用；在消息传输结束后，对消息进行评价，根据信息匹配度进行信息素反馈，得 到最优的调度方案。
[0018](三）有益效果
[0019] 本发明先通过排队论建立1553B总线消息调度数学模型，接着引入遗传算法快速 找到1553B总线消息调度可行解，然后将遗传算法找到的可行解转换成蚁群优化算法初始 信息素，最后利用蚁群算法的局部寻优和正反馈机制得到1553B总线消息调度最优解。仿 真实验结果表明，利用改进后的遗传算法对1553B总线消息传输进行优化，能够在满足每 条消息最大延迟时间要求和通讯实时性的前提下，提高了总线利用率，有效地缓解了总线 消息拥塞和饱和现象，解决了总线负载均衡的难题，具有较好的处理异步消息的能力。
【附图说明】
[0020] 图1是M|M| 1模型发生率图；
[0021] 图2是本发明实施例的方法流程中改进的遗传算法流程图；
[0022] 图3是本发明实施例的方法流程中改进的蚁群算法流程图。
【具体实施方式】
[0023] 为使本发明的目的、内容、和优点更加清楚，下面结合附图和实施例，对本发明的
【具体实施方式】作进一步详细描述。
[0024] 为了提高1553B总线消息传输的实时性，降低总线的通信延迟率，本文提出了一 种改进遗传算法的1553B总线消息传输优化方法，包括以下步骤：
[0025] 1、基于排队论建立1553B总线消息传输的数学模型
[0026] 1553B总线上消息的传输过程可以看作是一种单服务员单队列的排队系统。该模 型为一个M|M|1排队模型。该排队系统的模型发生率见图1，其中圆圈中的数字代表排队系 统的状态，则可知该排队系统为一个齐次马尔可夫链的生灭过程。
[0027] 在图1中，A为消息的平均到达率，y为总线的平均服务率，m为消息个数，因此 1/入为消息的平均时间间隔，l/y为消息的平均传输时间。
[0028] 设^为排队系统在状态k处的概率，P为总线利用率，建立生灭过程的状态平衡 方程：
[0029] 状态 0:入p0=yEi，Ei=pE0
[0030]状态 1:入p丨=yE2,E2=p2E0
[0031] ......
[0032]状态k:Apk=yEk+1，Ek+1=Pk+1E。 (1)
[0033] 假设消息的平均时间间隔大于消息的平均传输时间，S卩P< 1，则下列级数 :?〇:....
[0034] X =:五&(1 十/?+/>2十'"十//+-.，) (2) k=o
[0035] 收敛
[0036] 由此得出排队系统在不同状态下的概率分别为：
[0037] E〇= 1-P
[0038] Ei=P(1-P)
[0039] ......
[0040] Ek=Pk(l-p) (3)
[0041] ......
[0042] 总线利用率为
[0043] (4). M
[0044] 排队系统内消息的平均数为：
[0045]
[0046] (5)
[0047] 若排队系统内有k条消息，其中k_l条消息在排队等候，则排队等候的消息平均数 为：
[0048] (6)
[0049] 消息传输花费的时间为：
严严 八. t-*[0051] 消息排队等候所花费时间的平均值为：
[0050] (7)
[0052]
[0053] 1553B总线传输系统的平均延迟时间为消息传输时间和消息排队等候时间之和。 对1553B总线上非周期消息传输进行优化的目标是使平均延迟时间最小，并确定达到最优 目标值的最优的总线平均服务率y'
[0054] 取目标函数z为消息传输时间与消息在排队系统中排队等候时间之和的期望值：
[0055] z=csu+cwL(9)
[0056] 其中，cs为当U= 1时总线消息传输所耗费的时间，cw为每条消息在总线中排队 等候所耗费的时间。将￡ = ^7代入上式，可得 ju-A
[0057]
(1〇)
[0058] 上式（10)即为1553B总线消息传输的数学模型。
[0059] 2、基于遗传算法得到1553B总线消息调度可行解，参考图2:
[0060] (1)染色体编码
[0061] 设定消息个数为m，消息周期个数为n，m个消息要被安排在n个周期上。个体染 色体上的每个基因位置编号代表消息编号，每个基因位用〇~（m-1)之间的整数表示，代表 某条消息所在的周期编号。比如，m= 6，n= 4,染色体编码为（0, 1，2, 3, 3, 2):表示第1条 消息分配到小周期1上，第2条消息分配到小周期2上，第3条和第6条消息分配到小周期 3上，第4条和第5条消息分配到小周期4上。
[0062] (2)确定初始种群
[0063] 种群的初始化是遗传算法的关键，传统的遗传算法确定初始种群多半采取随机生 成法形成染色体方案，以致于迭代开始就可能形成许多不可行的方案，要进行大量的计算 后才能得到优化的方案，这在很大程度上降低了算法的运算效率，本发明对经典遗传算法 进行改进，改进后的初始种群的选择算法能有效抑制"早熟"现象，其全局搜索能力和搜索 效果都有了明显的提高。改进后的初始种群的产生方式如下：
[0064] 首先随机产生N个个体，个体长度为Length，设x和y为两个个体，u是种群内的 第一个个体，v是与u进行相似度比较的个体，它们之间的相似度定义为：
[0065] sim(u,v) = 1-dist(u,v)(dist(u,v)是海明距离函数）（11)
[0066] 通过比较个体相似度，要求规定能够入选初始个体相似度必须满足如下条件：
[0067]
(12)
[0068] 其中，d表示调节常数，用于控制期望的相似度。
[0069] (3)适应度函数
[0070] 适应度函数用于评价染色体的优劣，其函数值越大表示染色体生存能力越强，对 应的解最优。公式（10)给出了 1553B总线传输系统的平均延迟时间函数，因此本发明采用 的适应度函数为：
nq\
[0071] (J
[0072] (4)交叉操作
[0073] 常用的交叉方式有一点交叉、两点交叉、多点交叉和一致交叉等。本发明对遗传算 法进行改进，采用多点位单基因交叉的方式，用父代最优解1~_与子代染色体池进行交叉操 作，该方法能够避免算法过早地丧失进化能力。具体步骤如下：
[0074] a)在染色体池T中选择进行交叉操作的染色体和最优染色体T
[0075] b)随机生成交叉片段