本发明涉及一种卫星网络路由算法，具体说是一种基于改进蚁群算法的卫星qos路由算法。
背景技术：
卫星网络具有接入灵活、覆盖范围广、不受地理环境影响等特点，是对传统地面网络的有力补充，正引起人们越来越多的关注。无论是地面网还是卫星网，为业务寻找最优路径一直都是科研人员对其深入研究的重点问题。随着人类进入信息化时代，全球数字化、智能化进程的加快，卫星网络中多媒体业务获得了高速发展，并且其对卫星网络传输的路由指标要求不再局限于单一指标，多约束qos路由也因此受到越来越多的重视。研究出能为业务提供多qos保障的路由算法，已经成为卫星路由研究中的热点问题。
针对多约束qos路由问题，利用传统的路由算法，会因为计算复杂、收敛速度慢而难以满足业务需求。随着智能算法的兴起，如人工神经网络、遗传算法、粒子群算法、蚁群算法等，由于其算法智能，并且在求解多约束qos问题时，表现出良好的性能，引起了科研人员的极大兴趣，并涌现了非常多的成果。
目前，有研究人员提出了一种基于蚁群的leo卫星负载均衡路由算法，通过收集物理层信息做出路由决策，使用多目标优化模型来实现负载均衡，在平衡流量负载和提高报文传输速率方面表现良好。也有研究人员提出基于跨层设计的蚁群路由算法，该算法具有搜索能力强，收敛速度快的优点，能够满足业务实时传输的要求，但其只考虑了时延属性，不支持多属性qos。还有研究人员提出一种基于边界制约蚁群系统的路由算法，用边界来限制部分路径信息素的过多积累，有效避免算法陷入早熟，具有良好的qos性能，但该算法只实现了单个qos指标的优化。上述提出的算法有的只考虑单个qos，并且是以牺牲其他网络性能为前提，有的考虑多个qos，但算法复杂度较高，并且传统蚁群算法在收敛性上存在不足，导致qos路由算法在收敛性上性能不佳。
技术实现要素：
为解决现有技术存在的上述问题，本发明设计一种基于改进蚁群算法的卫星qos路由算法，该算法在为不同的业务提供多约束qos保障的同时，还提高了算法的寻优能力和收敛速度。
为了实现上述目的，本发明的技术方案如下：一种基于改进蚁群算法的卫星多约束qos路由算法，具体步骤如下：
c1、使用本征向量法来确定各个qos属性的相对重要性；
c2、针对星上多媒体业务对qos的需求，设定星间链路存在能满足业务需求的理想qos属性信息；用
c3、如果蚂蚁k当前处于卫星节点i，则它选择下一个卫星节点j时，基于如下的状态转移规则：
其中，q是在[0,1]区间均匀分布的随机数，q0∈[0,1]为一常数，j是选择的卫星节点。
c4、计算路径优度；
c5、结合max-min蚂蚁理论，每次循环完成后，只要蚂蚁找到了路径，就对该路径进行信息素的更新，将各条路径上的浓度限制在[τmin,τmax]范围内；每次循环完成后，根据下式进行信息素的更新：
对于任意一个τij，下式成立：
其中，
所以
进一步的，经过一定次数的循环后，算法收敛于一条或几条路径，此时，需要通过目标函数来评价路径，进而选出最优解，目标函数如下所示：
式中，rpath表示路径优度，cost(path)表示路径的通信开销，目标函数值越大，则表示路径越优，对qos的支持越好，具有最大数值的路径，就是最优路径。
进一步的，使用本征向量法来确定各个qos属性的相对重要性，具体是：由决策人把m个属性的重要性成对比较，把第p个属性对第q个属性的相对重要性记为βpq，并认为这是属性p的权wp与属性q的权wq之比的近似值，βpq≈wp/wq，得到如下矩阵：
根据上述矩阵，有
(b-ni)w＝0
其中，i是单位矩阵，n是矩阵b的阶数；若属性之间相对重要性的值估计准确，则上式等于0，若值估计不够准确，则b中元素的小的摄动，就代表本征值的小的摄动，于是有：
bw＝λmaxw
式中λmax是矩阵b的最大本征值，则可以根据上式求得属性相对
重要性w＝[w1,w2,…,wn]τ。
进一步的，为了判断矩阵b是否具有合理性，引入一致性比率，它是一致性指标与随机指标的比值，其中
n＝2，ri＝0.0；
n＝3，ri＝0.58；
n＝4，ri＝0.90；
n＝5，ri＝1.12；
n＝6，ri＝1.24；
n＝7，ri＝1.32；
若cr＞0.1，说明矩阵b不合理，需重新估算；若cr＜0.1，可认为矩阵b合理，能求得相对重要性。
进一步的，考虑到卫星网络上业务的多样性，不同的业务对于qos需求存在差异，故定义链路实际属性信息与理想属性信息的qos距离如下所示：
其中，wk表示第k个qos的权重，满足
将理想链路与实际链路的qos距离的倒数定义为链路优度，得到：
上式值越小，实际链路与理想链路的qos距离越小，则链路优度越大，将此链路优度替换原先的启发函数，蚁群算法中蚂蚁选择下一跳节点的概率公式变更如下：
式中，allowedk(allowedk＝{v-tabuk})表示蚂蚁k下一步可以选择的节点集，并且蚂蚁每经过一个节点，就将该节点加入禁忌表tabu中τij表示路径的信息素浓度，并且会随时间的推移而挥发，s代表所有与节点i直接相连的卫星节点，α，β分别反映了蚂蚁在寻路过程中信息素和启发函数的相对重要性。
进一步的，路径优度是源节点s到目的节点d的一条路径的实际属性与理想属性的qos距离的倒数；
在蚁群算法寻路过程中，当一次循环结束后，对于已经找到的l条可行路径，按照路径优度进行排序(path1≥path2≥…≥pathl)，路径优度越大，排名越好；搜索到路径的蚂蚁对信息素更新的大小，由路径优度的排名而定，排名越高，更新的信息素就越多。
进一步的，在本算法中，全局更新公式如下：
τij(t+1)＝(1-ρ)τij(t)+δτij
其中，ρ表示信息素的挥发系数，l为蚂蚁k在本次循环中找到路径的排名，rij为链路e(i,j)的链路优度。
与现有技术相比，本发明具有以下有益效果：
1、本发明将传统蚁群算法应用于卫星网络路由上。其核心思想是通过蚂蚁在选择下一跳卫星节点时，改进启发函数，定义了链路优度，将链路优度作为蚂蚁选择下一跳节点的重要参考依据，进而实现了为卫星网络业务提供多约束qos保障。
2、结合排序思想来优化链路信息素更新规则，改善了传统算法在收敛性上的不足，并且提高了算法的寻找最优路径的能力。
具体实施方式
本实施例提供一种基于改进蚁群算法的卫星多约束qos路由算法，采用leo卫星网络模型，其星座轨道参数如下：
leo层的轨道参数为：轨道高度780km，轨道平面数目6个，轨道内卫星数11个，轨道倾角86.4°，角速度3.6°/min，最小仰角8°；
优选的，所述leo层采用iridum星座，提供全球覆盖。
本算法的构建步骤为：
a、构建卫星网络模型
a1、根据卫星网络的可预测性、周期性、规则性等特点，针对卫星网络拓扑动态变化特性，本发明采用基于离散化的虚拟拓扑将系统周期划分时间片，在每个时间片内，认为卫星拓扑是静态固定的，再对静态的节点序列计算路由。
a2、用g(v,e)来表示网络基本模型。其中，v表示网络中所有卫星节点的集合，e代表网络中星间链路集合，用eij表示卫星节点i到j的星间链路，其中e∈e，i,j∈v。
b、构建多约束qos路由数学模型
b1、链路状态信息lsi包括链路的时延、可用带宽、丢包率、资源消费量、抖动、跳数等qos信息，并且每个卫星节点负责维护与其直接相连的星间链路的qos状态信息。
b2、在g(v,e)中，从源节点s到目的节点d的一条路径记为path(s,d)，对于该路径中的一条星间链路e，e∈path(s,d)，i为该链路上的节点，i∈v。qos中最具代表性和最重要的几个约束的数学表示如下：
(1)网络时延
(2)通信开销
(3)时延抖动
上述均属于可加性qos指标，即总的qos指标等于路径中各个链路和节点的指标总和。
(4)可用带宽
可用带宽属于凹性参数，即qos路由中，比较一条路径中每一段链路的可用带宽，取最小值作为带宽约束的参考值。
(5)丢包率
丢包率属于可乘性参数，其中p_loss(e)是星间链路e上的丢包率。
多约束qos路由的目标是找到一条或多条路径能满足如下所示的要求：
其中，d，b，dj，l分别表示端到端时延、可用带宽、时延抖动、丢包率等qos约束值。
c、路由算法设计：将蚁群算法引入卫星网络中，考虑到传统蚁群算法以节点之间距离作为启发函数，距离越短，对蚂蚁的启发性越高，但卫星网络不同于地面网络，为了能支持卫星网络上业务的多qos需求，将蚁群算法进行改进，通过优化概率公式，改进启发函数，将链路qos信息作为蚂蚁选择下一跳节点的重要参考依据，从而实现了业务对多qos的需求；并结合排序思想来优化链路信息素更新规则。
c1、本发明使用本征向量法来确定各个qos属性的相对重要性，由决策人把m个属性的重要性成对比较，把第p个属性对第q个属性的相对重要性记为βpq，并认为这就是属性p的权wp和属性q的权wq之比的近似值，βpq≈wp/wq，得到如下矩阵：
根据上述矩阵，有
(b-ni)w＝0(8)
其中，i是单位矩阵，若对属性之间相对重要性的值估计准确，式(8)等于0，若值估计不够准确，则b中元素的小的摄动，就代表本征值的小的摄动，于是有：
bw＝λmaxw(9)
式中λmax是矩阵b的最大本征值。则可以根据式(9)求得属性相对
重要性w＝[w1,w2,…,wn]τ
为了判断矩阵b是否具有合理性，引入一致性比率(cr,consistencerate)，它是一致性指标(ci,consistenceindex)与随机指标(ri,randomindex)的比值，其中
n＝2，ri＝0.0；
n＝3，ri＝0.58；
n＝4，ri＝0.90；
n＝5，ri＝1.12；
n＝6，ri＝1.24；
n＝7，ri＝1.32；
若cr＞0.1，说明矩阵b不合理，需重新估算；若cr＜0.1，可认为矩阵b合理，可以求得相对重要性。
c2、针对星上多媒体业务对qos的需求，设定星间链路存在能满足业务需求的理想qos属性信息。用
考虑到卫星网络上业务的多样性，不同的业务对于qos需求存在差异，故定义链路实际属性信息与理想属性信息的qos距离如下所示：
其中，wk表示第k个qos的权重，满足
定义1链路优度
将理想链路与实际链路的qos距离的倒数定义为链路优度，得到：
上式值越小，实际链路与理想链路的qos距离越小，则链路优度越大，将此链路优度替换原先的启发函数，蚁群算法中蚂蚁选择下一跳节点的概率公式变更如下：
式中，allowedk(allowedk＝{v-tabuk})表示蚂蚁k下一步可以选择的节点集，并且蚂蚁每经过一个节点，就将该节点加入禁忌表tabu中τij表示路径的信息素浓度，并且会随时间的推移而挥发，s代表所有与节点i直接相连的卫星节点，α，β分别反映了蚂蚁在寻路过程中信息素和启发函数的相对重要性。
c3、由于蚁群算法存在着停滞行为，即通过一次次的搜索，局部最优路径被选择概率将会非常接近100％。这时可以通过状态转移规则来避免这个问题：结合先验知识选择与概率驱动，如果蚂蚁k当前处于卫星节点i，则它选择下一个卫星节点j时，基于如下的状态转移规则：
其中，q是在[0,1]区间均匀分布的随机数，q0∈[0,1]为一常数，j是根据式(12)选择的卫星节点。
上述的状态转移规则，会使蚂蚁更倾向于信息素浓度较大的或链路优度较大的边所连接的卫星节点，参数q0可以使蚂蚁搜索其他的非最优链路，当最优链路的qos属性变差时，蚂蚁能很快发现并聚集到新的最优链路，从而避免了搜索的停滞。
c4、由于蚁群算法在寻优过程中，算法初始阶段收敛速度较慢，为克服这一缺陷，将排序的概念应用到信息素更新过程中，利用排序方法来改善蚁群算法初期的收敛速度。
定义2路径优度
与链路优度类似，路径优度是源节点s到目的节点d的一条路径的实际属性与理想属性的qos距离的倒数。
在蚁群算法寻路过程中，当一次循环结束后，对于已经找到的l条可行路径，按照路径优度进行排序(path1≥path2≥…≥pathl)，路径优度越大，排名越好。搜索到路径的蚂蚁对信息素更新的大小，由路径优度的排名而定，排名越高，可以更新的信息素就越多。这样使所有搜索到路径的蚂蚁都能对信息素更新时做出贡献，并且依据路径优度不同从而使更新值的大小各不相同。通过这种更新方式，可以使算法初期运行时能快速收敛。
在本算法中，全局更新公式如下：
τij(t+1)＝(1-ρ)τij(t)+δτij(14)
其中，ρ表示信息素的挥发系数，l为蚂蚁k在本次循环中找到路径的排名，rij为链路e(i,j)的链路优度。
c5、信息素浓度的高低在很大程度上，影响了蚂蚁对路径的选择，即算法在搜索过程中，信息素浓度的取值会对其造成很大的影响：当浓度取值过大时，算法容易陷入局部循环，收敛到的解实际上是局部最优解；取值过小时，算法的正反馈作用减弱，全局搜索能力变差。
为了能充分利用最优解，结合max-min蚂蚁理论，每次循环完成后，只要蚂蚁找到了路径，就对该路径进行信息素的更新，同时，为了解决搜索的停滞即陷入局部最优和算法初期搜寻速度较慢，将各条路径上的浓度限制在[τmin,τmax]范围内。每次循环完成后，根据下式进行信息素的更新：
对于τmax的取值，这里采用stutzle和hoos给出的一个定理:
对于任意一个τij，下式成立：
式中，f*表示理论最优解的开销。在本文中，考虑到链路qos属性对蚂蚁寻优过程的启发性，将寻路开销替换为路径实际qos属性与理想qos属性的qos距离，则上式变更为：
其中，
所以
d最优路径
经过一定次数的循环后，算法收敛于一条或几条路径，此时，需要通过目标函数来评价路径，进而选出最优解，目标函数如下所示：
式中，rpath表示路径优度，cost(path)表示路径的通信开销，目标函数值越大，则表示路径越优，对qos的支持越好，具有最大数值的路径，就是最优路径。
本发明不局限于本实施例，任何在本发明披露的技术范围内的等同构思或者改变，均列为本发明的保护范围。