一种基于蚁群算法的qos路由优化方法
【技术领域】
[0001] 本实用新型涉及一种路由优化方法，尤其涉及一种基于蚁群算法的Q0S路由优化 方法。
【背景技术】
[0002] 人们生活的现代社会是一个由计算机信息网络、电话通信网络、运输服务网络、能 源和物流分派网络等各种网络组成的复杂网络系统。网络优化的目的就是研究如何有效地 计划、管理和控制这个网络系统，使之发挥最大的社会效益和经济效益。网络优化是运筹 学的一个经典和重要的分支，所研究的问题涉及诸多领域，一方面是如何最大限度的节省 资源，如最短路问题、最小费用问题等；另一方面是在网络资源有限的情况下如何发挥其 最大的效益，如最大流问题、最优资源配置问题等。网络优化问题是一类特殊的组合优化 问题，属于NP难问题。对于此类NP问题，传统运筹学的优化方法显得无能为力，寻找、 研究、应用启发式智能化的优化方法就显得尤为重要。蚁群算法就是其中一种有效的启发 式智能优化算法。
【发明内容】
[0003] 本发明主要提供一种蚁群算法，解决PI网络的路由优化问题。
[0004] 为了实现本发明的目的，本发明提供一种基于蚁群算法的Q0S路由优化方法，其 步骤为：
[0005] (1)初始化网络节点：给出各个节点的（屯，dji,pi》的取值，以及每条存在边的 (t，djij，by,Cij)的取值，给出约束条件中的D，DJ，B，PL的值，
[0006] NC= 0 (NC为循环计数器）
[0007] Set t = 0 (t为时间计数器）
[0008] 之后为每条边（i, j)的信息素浓度设置一个初始值t ^(1：) = t ^，并且Au=〇， 讲m个蚂蚁都放到源节点上；
[0009] (2)根据各个节点的（屯，dji，pi)中的分量pljg除一些不满足的约束条件 packet_loss(n)彡PL的节点，与此节点相连的边也应删除；
[0010] ⑶根据每条边的（dij，dji」，bij，Cij)中的分量bij删除一些不满足约束条件 bandwidth(e) >B的边；
[0011] (4)令s= 1 (s为tabu列表的下标）Fork=ltom，将起点位置置于tabuk(s) 中，其中tabuk(s)表示在当前路由选择中第k只蚂蚁访问的第s个节点；
[0012] (5)重复本步骤直到tabu列表被填满
[0013] Set s = s+1
[0014] Fork=ltom
[0015] 对每只蚂蚁按照概率选择下一个节点j，将节点j插入tabuk(s)，更新边上的信息 素浓度tij;
[0016] (6) For k = lto m do
[0017]将第k个蚂蚁从节点tabuk(n)移到tabuk(l)，计算第k个蚂蚁的F值，更新找到 最优路径；
[0018] 优选的，步骤（1)中，各个节点的（屯，dji，b，pli.Cij)值分别代表延时、延时抖动、 带宽、丢包率和费用。
[0019] 优选的，步骤（5)中每只蚂蚁按照概率选择下一个节点j的公式为：j= Max{tijUrgJt) e}。
[0020] 优选的，步骤（5)中更新边上的信息素浓度tu依据公式tij= (1-P(I)XTij+P(lX、，其中P(l表示挥发强度，表明旧信息素在路径上挥发的快慢。
[0021] 优选的，步骤（6)中蚂蚁k更新找到最优路径后会对其经过的路径上的所有边上 的信息素进行全局更新；
[0022] 优选的，步骤（6)之后，运行Sett=t+INC=NC+1,为每一条边（i, j)设置A。 =0,如果（NC彡NCmax)那么清空所有tabu列表转到步骤二，否则输出最短费用的路径，终 止整个程序。
[0023] 有益效果：本发明提供一种基于蚁群算法的Q0S路由优化方法，通过本算法可以 让路由选择具有选择最佳路径的能力，提高正确性和简单性，这便于方法的高效实现，同 时健壮性和稳定性上升，使网络能适应环境的变化，让路由器在最佳路径上取得一致的保 证。通过算例验证了所提出的算法能够较好地解决PI网络Q0S的单播路由问题。
【附图说明】
[0024] 图1 :原始图，
[0025] 图2 :应用宽带约束条件后的简化图，
[0026] 图3 :应用丢包率约束条件后的简化图。
【具体实施方式】
[0027] 下面结合附图和【具体实施方式】对本发明做进一步详细说明。
[0028] 本发明提供一种基于蚁群算法的Q0S路由优化方法，其步骤为：
[0029] (1)初始化网络节点：给出各个节点的（屯，咕，pi)的取值，以及每条存在边的 (dy，djij，by，Cij)的取值，给出约束条件中的D，DJ，B，PL的值，
[0030] NC= 0 (NC为循环计数器）
[0031] Sett= 0 (t为时间计数器）
[0032] 之后为每条边（i,j)的信息素浓度设置一个初始值t^(1：) =t^，并且Au= 〇， 讲m个蚂蚁都放到源节点上；
[0033] (2)根据各个节点的（屯，dji，pi)中的分量plji除一些不满足的约束条件 packet_loss(n)彡PL的节点，与此节点相连的边也应删除；
[0034] (3)根据每条边的（t，dji」，by，Cij)中的分量h删除一些不满足约束条件 bandwidth(e) >B的边；
[0035] (4)令s= 1 (s为tabu列表的下标）Fork=ltom，将起点位置置于tabuk(s) 中，其中tabuk(s)表示在当前路由选择中第k只蚂蚁访问的第s个节点；
[0036] (5)重复本步骤直到tabu列表被填满
[0037] Sets=s+1
[0038] Fork=ltom
[0039] 对每只蚂蚁按照概率选择下一个节点j，将节点j插入tabuk(s)，更新边上的信息 素浓度tij;
[0040] (7)Fork=ltomdo
[0041] 将第k个蚂蚁从节点tabuk(n)移到tabuk(l)，计算第k个蚂蚁的F值，更新找到 最优路径；
[0042] 其中，步骤（1)中，各个节点的（屯，dji，b，pli.Cij)值分别代表延时、延时抖 动、带宽、丢包率和费用，步骤（5)中每只蚂蚁按照概率选择下一个节点j的公式为： j=1^{%办)\々）0}，步骤（5)中更新边上的信息素浓度％依据公式t (1-P(I)Xtij+P(lXt^，其中P(l表示挥发强度，表明旧信息素在路径上挥发的快慢，步骤 (6)中蚂蚁k更新找到最优路径后会对其经过的路径上的所有边上的信息素进行全局更 新，步骤（6)之后，运行Sett=t+INC=NC+1，为每一条边（i，j)设置A0,如果 (NC彡NCmax)那么清空所有tabu列表转到步骤二，否则输出最短费用的路径，终止整个程 序。
[0043] 考虑小型网络拓扑，如图1，对其进行仿真，假定有三个单播路由请求（1，6)， (2,6)和（3,8)，他们的〇05要求是疋=70,0 = 8,〇1 = 5，？1^ = 0.0001，算法中基本参数选 择为= 1，3 = 1，P(1= 0. 1。图1为网络模型的各个节点及边的连线和位置。图2为根 据对网络的约束条件bandwidth(e)彡B，求解得到的模型图。因为2与3之间以及4与8之 间的宽带都不满足条件，所以将它去掉。图3为根据对丢包率的约束packetjoss(n)彡PL， 求解得到的模型图。通过仿真获得的全局优化结果如表1所示，在网络图中，对于路由请求 (1，6)，还存在路由1-5-6,他的费用仅仅为2,但是它的延时却达到8,由于在算法中更强调 的是延时要求，在F函数中设置了A彡B，所以选择1-2-4-6。
【主权项】
1. 一种基于蚁群算法的QOS路由优化方法，其特征在于，其步骤为： (1) 初始化网络节点：给出各个节点的（中，dji，pli)的取值，W及每条存在边的（du， djy，by, Cy)的取值，给出约束条件中的D，DJ，B，化的值， NC=0 (NC为循环计数器） Set t=0 (t为时间计数器） 之后为每条边（i，j)的信息素浓度设置一个初始值Ty (t) = T。，并且Au=〇,讲m个 妈蚁都放到源节点上； (2) 根据各个节点的（中，dji，pli)中的分量plji除一些不满足的约束条件packet, loss (n)《化的节点，与此节点相连的边也应删除； (3) 根据每条边的（dy, dju，bu，Cy)中的分量by删除一些不满足约束条件bandwi化h (e) > B的边； (4) 令s=l(s为t油U列表的下标）For k=l to m，将起点位置置于t油Uk (S)中，其 中tabUk (S)表示在当前路由选择中第k只妈蚁访问的第S个节点； (5) 重复本步骤直到t油U列表被填满 Set s=s+l For k=l to m 对每只妈蚁按照概率选择下一个节点j，将节点j插入t油Uk (s)，更新边上的信息素 浓度T U; For k=l to m do 将第k个妈蚁从节点t油Uk (n)移到t油Uk (1)，计算第k个妈蚁的F值，更新找到最 优路径。
2. 根据权利要求1所述的基于蚁群算法的Q0S路由优化方法，其特征在于，步骤（1) 中，各个节点的（中，dji，b，pli.cy)值分别代表延时、延时抖动、带宽、丢包率和费用。
3. 根据权利要求1所述的基于蚁群算法的Q0S路由优化方法，其特征在于，步骤（5)中 每只妈蚁按照概率选择下一个节点j的公式为；j= Max{ X U (trSk (t) 0}。
4. 根据权利要求1所述的基于蚁群算法的QOS路由优化方法，其特征在于，步骤（5)中 更新边上的信息素浓度X。依据公式X u= (1-P。）X Ty+PcX X。，其中P。表示挥发强度， 表明旧信息素在路径上挥发的快慢。
5. 根据权利要求1所述的基于蚁群算法的Q0S路由优化方法，其特征在于，步骤（6)中 妈蚁k更新找到最优路径后会对其经过的路径上的所有边上的信息素进行全局更新。
6. 根据权利要求1所述的基于蚁群算法的Q0S路由优化方法，其特征在于，步骤（6)之 后，运行Set t=t+l NC=NC+1，为每一条边（i，j)设置Au=〇,如果（NC《NCmax)那么清空 所有t油U列表转到步骤二，否则输出最短费用的路径，终止整个程序。
【专利摘要】本发明提供一种基于蚁群算法的QOS路由优化方法，通过本算法可以让路由选择具有选择最佳路径的能力，提高正确性和简单性,这便于方法的高效实现，同时健壮性和稳定性上升,使网络能适应环境的变化，让路由器在最佳路径上取得一致的保证。通过算例验证了所提出的算法能够较好地解决PI网络QOS的单播路由问题。
【IPC分类】H04L12-721
【公开号】CN104683235
【申请号】CN201510067820
【发明人】胡剑锋
【申请人】江西科技学院
【公开日】2015年6月3日
【申请日】2015年2月7日