一种基于改进蚁群算法的光资源最优路径的获取方法与流程

1.本发明涉及光路规划技术领域，具体涉及一种基于改进蚁群算法的光资源最优路径的获取方法。


背景技术：

2.以往的光资源路径选择主要是采取随机和就近原则，从光交箱中将两条线路连接，而光交箱端口数量是有限的。在施工的过程中，经常会出现有的光交箱端口占用率极高，甚至达到100％，这时候再进行跳纤操作则需要加盘或新建光交箱，新接光缆，随着光缆的分线，也会导致入户的光信号出现光弱的情况，从而影响用户使用；而有的光交箱也可以实现两端互联，通过以往的规则忽视了或没有考虑到该光交箱，使得该光交箱端口占用率极低。这两种极不平衡的情况会致使占用率较高的光交箱附近新建更多的光交箱，占用率较少的光交箱却“无人问津”，一方面导致运营商消耗大量人力、物力却未能使得资源得到充分利用，另一方面对于用户来说，光弱的情况影响了用户使用体验。因此找到一种光路资源路线规划的智能方案来解决上述问题显得尤为重要。
3.目前针对光路规划问题，国内外的研究较少，主要采取类似于先或广度优先算法的规划方式，如程晓翀等人光路路径规划方法，从终点开始向外寻找相连接的节点，再从该节点继续向外寻找与之相连的节点，即基于广度优先算法。对于广度优先算法，该算法解决维度较小的路径寻优问题时效果较好，但问题维度逐渐增大时，该算法占用内存大、计算时长更长，有时候对于高维问题会出现栈溢出问题且因其没有搜索方向缺少智能性。


技术实现要素：

4.本发明的目的是提供一种基于改进蚁群算法的光资源最优路径的获取方法，首先在蚁群算法中加入改进的metropolis接受准则，即劣解不会被直接抛弃。接着，在每次搜索结束之后，在当前蚁群最优路径中选取中心节点计算该点前后的路径的适应度值，再选取其它路径中包含同样中心节点的路径，并计算该点前后的适应度值进行两两比较，若有更优的适应度值则替换当前路径的前半段或/和后半段，从而提升算法性能和寻优精度。然后针对光资源路径规划中路径长度短、跳纤次数少、平均占用率低、综合目标适应度值低这四个目标，来生成不同的半程交叉优化策略，实现资源的充分利用，该方法能根据使用者设定的不同目标侧重，生成多条符合设定侧重的路径，满足了不同光路连接需求，不仅便于施工人员的装维，而且提升了光交箱端口整体的合理利用率，从而实现资源的充分利用，减少运营商的消耗成本。
5.为解决上述技术问题，本发明采用了以下方案：
6.一种基于改进蚁群算法的光资源最优路径的获取方法，所述获取方法具体包括以下步骤：
7.s1：根据光资源网络搭建一个有权的无向图g＝(v，e)，v是无向图的节点的集合，所述节点包括与光资源网络对应的起点节点、目的点节点以及多个光交箱的拓补图节点，e
是无向图的弧的集合，表示两个节点之间连接的光缆，s(i,j)是弧s(i,j)的权值，表示实际光在光缆中所走过的路程；
8.s2：利用基于metropolis准则改进蚁群算法在无向图g上搜索计算得到若干个当前蚁群最优路径和与其对应的目标适应度值，同时更新当前蚁群最优路径的信息素；
9.s3：根据不同的目标适应度值来选择对应的半程交叉优化策略对当前蚁群最优路径进行优化，得到侧重不同的优化型最优路径和与其对应的最小目标适应度值，同时更新优化型最优路径的信息素。
10.进一步的，所述s1中无向图的每个光交箱节点还包括有多个端口，所述端口用来连接两个不同的节点，ki表示节点vi的端口占用率，即空闲端口数与总端口数的比值，r
a,b
＝(v0＝va,v1＝vb,
…
,vn＝vz)，表示集合v中由节点va到节点vz的一条路径。
11.进一步的，所述s2中基于metropolis准则改进的蚁群算法的相关公式如下：
[0012][0013]
c＝iter
max-t+ε
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3-2)
[0014]
df＝fitness(x
t
)-fitness(x
t+1
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3-3)
[0015]
其中，y(x
t
→
x
t+1
)为接受新路径的概率，t表示当前迭代次数，iter
max
为总的迭代次数，x
t
表示当前的一个解，x
t+1
为下一代的解，ε是最小的常数，值为1e-10，避免的分母c值为零，fitness(x
t
)和fitness(x
t+1
)为目标适应度函数，所述公式(3-2)中，当df》0时，表示新路径的长度小于旧路径的长度，即新路径优于旧路径，那么新路径替换旧路径的概率为1，即直接接收新路径；当df≤0时，则表示新路径的长度大于旧路径的长度，即新路径的适应度值差，但是并不是直接放弃新路径。
[0016]
进一步的，所述目标适应度值分别为路径r
a,b
的实际总长度l，路径r
a,b
的跳纤次数t，即经过的光交箱次数，路径r
a,b
的平均端口占用率p，以及综合以上三种目标的综合目标适应度值c，其相关公式如下：
[0017][0018]
t(r
a,b
)＝size(r
a,b
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4-2)
[0019][0020]
c＝l*t*p
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4-4)
[0021]
进一步的，所述选择第一种半程交叉优化策略具体包括以下步骤：
[0022]
s31：利用基于metropolis准则改进的蚁群算法计算搜索到的若干个当前蚁群最优路径的实际总长度l，并按照从小到大排序；
[0023]
s32：选取排名前20％的当前蚁群最优路径作为待交叉路径来进行半程交叉优化，具体包括以下步骤：
[0024]
s321：依次从待交叉路径中选取一条待优化路径，选取其中心节点将待优化路径
切分为前后两段，其前半段记为a段，后半段记为b段，分别计算a段和b段的实际总长度l；
[0025]
s322：从排除待优化路径以外的路径中选取出包含待优化路径的中心节点的路径，并将其同样以该中心节点处切分为前后两段，所有被切分的路径的前半段都包含在集合n中，所有被切分的路径的后半段都包含在集合m中，分别计算集合n中前半段和集合m中后半段的实际总长度l；
[0026]
s323：将a段的l与集合n中前半段的l进行比较，若a段的l最小，则不替换，否则从集合n中选取拥有最小l的前半段与a段进行替换；
[0027]
s324：将b段的l与集合m中后半段的l进行比较，若b段的l最小，则不替换，否则从集合m中选取拥有最小l的后半段与b段进行替换；
[0028]
s325：得到若干个新的路径，从中选取实际总长度l最小的路径作为优化型最优路径并更新优化型最优路径的信息素。
[0029]
进一步的，所述选择第二种半程交叉优化策略具体包括以下步骤：
[0030]
s31：利用基于metropolis准则改进的蚁群算法计算搜索到的若干个当前蚁群最优路径的跳纤次数t，并按照从小到大排序；
[0031]
s32：选取排名前20％的当前蚁群最优路径作为待交叉路径进行半程交叉优化，具体包括以下步骤：
[0032]
s321：依次从待交叉路径中选取一条待优化路径，选取其中心节点将待优化路径切分为前后两段，其前半段记为a段，后半段记为b段，分别计算a段和b段的跳纤次数t；
[0033]
s322：从排除待优化路径以外的路径中选取出包含待优化路径的中心节点的路径，并将其同样以该中心节点处切分为前后两段，所有被切分的路径的前半段都包含在集合n中，所有被切分的路径的后半段都包含在集合m中，分别计算集合n中前半段和集合m中后半段的跳纤次数t；
[0034]
s323：将a段的t与集合n中前半段的t进行比较，若a段的t最小，则不替换，否则从集合n中选取拥有最小t的前半段与a段进行替换；
[0035]
s324：将b段的t与集合m中后半段的t进行比较，若b段的t最小，则不替换，否则从集合m中选取拥有最小t的后半段与b段进行替换；
[0036]
s325：得到若干个新的路径，从中选取跳纤次数t最小的路径作为优化型最优路径并更新优化型最优路径的信息素。
[0037]
进一步，所述选择第三种半程交叉优化策略具体包括以下步骤：
[0038]
s31：利用基于metropolis准则改进的蚁群算法计算搜索到的若干个当前蚁群最优路径的平均端口占用率p，并按照从小到大排序；
[0039]
s32：选取排名前20％的当前蚁群最优路径作为待交叉路径进行半程交叉优化，具体包括以下步骤：
[0040]
s321：依次从待交叉路径中选取一条待优化路径，选取其中心节点将待优化路径切分为前后两段，其前半段记为a段，后半段记为b段，分别计算a段和b段的平均端口占用率p；
[0041]
s322：从排除待优化路径以外的路径中选取出包含待优化路径的中心节点的路径，并将其同样以该中心节点处切分为前后两段，所有被切分的路径的前半段都包含在集合n中，所有被切分的路径的后半段都包含在集合m中，分别计算集合n中前半段和集合m中
后半段的平均端口占用率p；
[0042]
s323：将a段的p与集合n中前半段的p进行比较，若a段的p最小，则不替换，否则从集合n中选取拥有最小p的前半段与a段进行替换；
[0043]
s324：将b段的p与集合m中后半段的p进行比较，若b段的p最小，则不替换，否则从集合m中选取拥有最小p的后半段与b段进行替换；
[0044]
s325：得到若干个新的路径，从中选取平均端口占用率p最小的路径作为优化型最优路径并更新优化型最优路径的信息素。
[0045]
进一步的，所述选择第四种半程交叉优化策略具体包括以下步骤：
[0046]
s31：利用基于metropolis准则改进的蚁群算法计算搜索到的若干个当前蚁群最优路径的综合目标适应度值c，并按照从小到大排序；
[0047]
s32：选取排名前20％的当前蚁群最优路径作为待交叉路径进行半程交叉优化，具体包括以下步骤：
[0048]
s321：依次从待交叉路径中选取一条待优化路径，选取其中心节点将待优化路径切分为前后两段，其前半段记为a段，后半段记为b段，分别计算a段和b段的综合目标适应度值c；
[0049]
s322：从排除待优化路径以外的路径中选取出包含待优化路径的中心节点的路径，并将其同样以该中心节点处切分为前后两段，所有被切分的路径的前半段都包含在集合n中，所有被切分的路径的后半段都包含在集合m中，分别计算集合n中前半段和集合m中后半段的综合目标适应度值c；
[0050]
s323：将a段的c与集合n中前半段的c进行比较，若a段的c最小，则不替换，否则从集合n中选取拥有最小c的前半段与a段进行替换；
[0051]
s324：将b段的c与集合m中后半段的c进行比较，若b段的c最小，则不替换，否则从集合m中选取拥有最小c的后半段与b段进行替换；
[0052]
s325：得到若干个新的路径，从中选取综合目标适应度值c最小的路径作为优化型最优路径并更新优化型最优路径的信息素。
[0053]
进一步的，所述信息素浓度的大小表示路径的远近，所述信息素浓越高，表示对应的路径距离越短。
[0054]
本发明的有益效果：
[0055]
本发明提供了一种基于改进蚁群算法的光资源最优路径的获取方法，首先在蚁群算法中加入改进的metropolis接受准则，使劣解不会被直接抛弃，而是采用动态的概率接收劣解，以此避免算法陷入局部最优。
[0056]
然后针对光资源路径规划中跳纤次数少、路径长度短、平均占用率低、综合目标适应度值低这四个目标，生成了不同的半程交叉优化策略。
[0057]
其中，第一种半程交叉优化策略通过调整较少的光交箱，来完成光路导通，有利于施工人员快速完成网络接通。
[0058]
第二种半程交叉优化策略通过在预先设定好的起止点之间找到一条光所经过的最短的路径，可以缓解光弱情况。
[0059]
第三种半程交叉优化策略为了充分利用每个光交箱端口资源，避免出现部分光交箱端口占用率几乎占满，甚至在之后的光路连接中需要再次加盘，进而增加运维成本，而又
有部分光交箱端口的占用率极低的现象。
[0060]
第四种半程交叉优化策略是为了综合以上三种优化策略，给出一条同时考虑跳纤次数少、路径长度短、平均占用率低三种情况的光资源最优路径。
附图说明
[0061]
图1为本发明的流程示意图；
[0062]
图2为本发明的无向图的示意图；
[0063]
图3为本发明的半程交叉优化策略的示意图；
具体实施方式
[0064]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0065]
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
[0066]
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的
[0067]
另外，为了清楚和简洁起见，可能省略了对公知的结构、功能和配置的描述。本领域普通技术人员将认识到，在不脱离本公开的精神和范围的情况下，可以对本文描述的示例进行各种改变和修改。
[0068]
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
[0069]
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
[0070]
下面通过参考附图并结合实施例来详细说明本发明：
[0071]
实施例1
[0072]
一种基于改进蚁群算法的光资源最优路径的获取方法，所述获取方法具体包括以下步骤：
[0073]
s1：根据光资源网络搭建一个有权的无向图g＝(v，e)，v是无向图的节点的集合，所述节点包括与光资源网络对应的起点节点、目的点节点以及多个光交箱的拓补图节点，e是无向图的弧的集合，表示两个节点之间连接的光缆，s(i,j)是弧s(i,j)的权值，表示实际光在光缆中所走过的路程；
[0074]
s2：利用基于metropolis准则改进蚁群算法在无向图g上搜索计算得到若干个当前蚁群最优路径和与其对应的目标适应度值，同时更新当前蚁群最优路径的信息素；
[0075]
s3：根据不同的目标适应度值来选择对应的半程交叉优化策略对当前蚁群最优路径进行优化，得到侧重不同的优化型最优路径和与其对应的最小目标适应度值，同时更新优化型最优路径的信息素。
[0076]
进一步的，所述s1中无向图的每个光交箱节点还包括有多个端口，所述端口用来连接两个不同的节点，ki表示节点vi的端口占用率，即空闲端口数与总端口数的比值，r
a,b
＝(v0＝va,v1＝vb,
…
,vn＝vz)，表示集合v中由节点va到节点vz的一条路径。
[0077]
进一步的，所述s2中基于metropolis准则改进的蚁群算法的相关公式如下：
[0078][0079]
c＝iter
max-t+ε
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3-2)
[0080]
df＝fitness(x
t
)-fitness(x
t+1
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3-3)
[0081]
其中，y(x
t
→
x
t+1
)为接受新路径的概率，t表示当前迭代次数，iter
max
为总的迭代次数，x
t
表示当前的一个解，x
t+1
为下一代的解，ε是最小的常数，值为1e-10，避免的分母c值为零，fitness(x
t
)和fitness(x
t+1
)为目标适应度函数，所述公式(3-2)中，当df》0时，表示新路径的长度小于旧路径的长度，即新路径优于旧路径，那么新路径替换旧路径的概率为1，即直接接收新路径；当df≤0时，则表示新路径的长度大于旧路径的长度，即新路径的适应度值差，但是并不是直接放弃新路径。
[0082]
进一步的，所述目标适应度值分别为路径r
a,b
的实际总长度l，路径r
a,b
的跳纤次数t，即经过的光交箱次数，路径r
a,b
的平均端口占用率p，以及综合以上三种目标的综合目标适应度值c，其相关公式如下：
[0083][0084]
t(r
a,b
)＝size(r
a,b
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4-2)
[0085][0086]
c＝l*t*p
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4-4)
[0087]
进一步的，所述选择第一种半程交叉优化策略具体包括以下步骤：
[0088]
s31：利用基于metropolis准则改进的蚁群算法计算搜索到的若干个当前蚁群最优路径的实际总长度l，并按照从小到大排序；
[0089]
s32：选取排名前20％的当前蚁群最优路径作为待交叉路径来进行半程交叉优化，具体包括以下步骤：
[0090]
s321：依次从待交叉路径中选取一条待优化路径，选取其中心节点将待优化路径切分为前后两段，其前半段记为a段，后半段记为b段，分别计算a段和b段的实际总长度l；
[0091]
s322：从排除待优化路径以外的路径中选取出包含待优化路径的中心节点的路径，并将其同样以该中心节点处切分为前后两段，所有被切分的路径的前半段都包含在集合n中，所有被切分的路径的后半段都包含在集合m中，分别计算集合n中前半段和集合m中后半段的实际总长度l；
[0092]
s323：将a段的l与集合n中前半段的l进行比较，若a段的l最小，则不替换，否则从集合n中选取拥有最小l的前半段与a段进行替换；
[0093]
s324：将b段的l与集合m中后半段的l进行比较，若b段的l最小，则不替换，否则从集合m中选取拥有最小l的后半段与b段进行替换；
[0094]
s325：得到若干个新的路径，从中选取实际总长度l最小的路径作为优化型最优路径并更新优化型最优路径的信息素。
[0095]
具体的，第一种半程交叉优化策略主要目的是通过调整较少的光交箱，来完成光路打通。有利于施工人员快速完成网络接通，并在此情况下，保持连接的总光路长度较短。
[0096]
进一步的，所述选择第二种半程交叉优化策略具体包括以下步骤：
[0097]
s31：利用基于metropolis准则改进的蚁群算法计算搜索到的若干个当前蚁群最优路径的跳纤次数t，并按照从小到大排序；
[0098]
s32：选取排名前20％的当前蚁群最优路径作为待交叉路径进行半程交叉优化，具体包括以下步骤：
[0099]
s321：依次从待交叉路径中选取一条待优化路径，选取其中心节点将待优化路径切分为前后两段，其前半段记为a段，后半段记为b段，分别计算a段和b段的跳纤次数t；
[0100]
s322：从排除待优化路径以外的路径中选取出包含待优化路径的中心节点的路径，并将其同样以该中心节点处切分为前后两段，所有被切分的路径的前半段都包含在集合n中，所有被切分的路径的后半段都包含在集合m中，分别计算集合n中前半段和集合m中后半段的跳纤次数t；
[0101]
s323：将a段的t与集合n中前半段的t进行比较，若a段的t最小，则不替换，否则从集合n中选取拥有最小t的前半段与a段进行替换；
[0102]
s324：将b段的t与集合m中后半段的t进行比较，若b段的t最小，则不替换，否则从集合m中选取拥有最小t的后半段与b段进行替换；
[0103]
s325：得到若干个新的路径，从中选取跳纤次数t最小的路径作为优化型最优路径并更新优化型最优路径的信息素。
[0104]
具体的，第二种半程交叉优化策略针对光资源入户时存在光弱情况，设计一种寻找光路径最短策略，即在预先设定好的起止点之间推荐一条光所经过路程(包括留盘长度)最短的路径，通过本策略可以减缓光弱情况。
[0105]
进一步，所述选择第三种半程交叉优化策略具体包括以下步骤：
[0106]
s31：利用基于metropolis准则改进的蚁群算法计算搜索到的若干个当前蚁群最优路径的平均端口占用率p，并按照从小到大排序；
[0107]
s32：选取排名前20％的当前蚁群最优路径作为待交叉路径进行半程交叉优化，具体包括以下步骤：
[0108]
s321：依次从待交叉路径中选取一条待优化路径，选取其中心节点将待优化路径切分为前后两段，其前半段记为a段，后半段记为b段，分别计算a段和b段的平均端口占用率p；
[0109]
s322：从排除待优化路径以外的路径中选取出包含待优化路径的中心节点的路径，并将其同样以该中心节点处切分为前后两段，所有被切分的路径的前半段都包含在集合n中，所有被切分的路径的后半段都包含在集合m中，分别计算集合n中前半段和集合m中后半段的平均端口占用率p；
[0110]
s323：将a段的p与集合n中前半段的p进行比较，若a段的p最小，则不替换，否则从
集合n中选取拥有最小p的前半段与a段进行替换；
[0111]
s324：将b段的p与集合m中后半段的p进行比较，若b段的p最小，则不替换，否则从集合m中选取拥有最小p的后半段与b段进行替换；
[0112]
s325：得到若干个新的路径，从中选取平均端口占用率p最小的路径作为优化型最优路径并更新优化型最优路径的信息素。
[0113]
具体的，当前各个光交箱内部端口使用都可能存在利用不充分的情况，即存在部分光交箱端口占用率几乎满占，甚至在之后的光路连接中需要再次加盘，进而增加运维成本，而又有部分光交箱内部端口占用率极低。所以所述第三种半程交叉优化策略是为了充分利用每个光交箱端口资源。
[0114]
进一步的，所述选择第四种半程交叉优化策略具体包括以下步骤：
[0115]
s31：利用基于metropolis准则改进的蚁群算法计算搜索到的若干个当前蚁群最优路径的综合目标适应度值c，并按照从小到大排序；
[0116]
s32：选取排名前20％的当前蚁群最优路径作为待交叉路径进行半程交叉优化，具体包括以下步骤：
[0117]
s321：依次从待交叉路径中选取一条待优化路径，选取其中心节点将待优化路径切分为前后两段，其前半段记为a段，后半段记为b段，分别计算a段和b段的综合目标适应度值c；
[0118]
s322：从排除待优化路径以外的路径中选取出包含待优化路径的中心节点的路径，并将其同样以该中心节点处切分为前后两段，所有被切分的路径的前半段都包含在集合n中，所有被切分的路径的后半段都包含在集合m中，分别计算集合n中前半段和集合m中后半段的综合目标适应度值c；
[0119]
s323：将a段的c与集合n中前半段的c进行比较，若a段的c最小，则不替换，否则从集合n中选取拥有最小c的前半段与a段进行替换；
[0120]
s324：将b段的c与集合m中后半段的c进行比较，若b段的c最小，则不替换，否则从集合m中选取拥有最小c的后半段与b段进行替换；
[0121]
s325：得到若干个新的路径，从中选取综合目标适应度值c最小的路径作为优化型最优路径并更新优化型最优路径的信息素。
[0122]
具体的，所述第四种半程交叉优化策略是为了综合以上三种优化策略，给出一条同时考虑跳纤次数少、路径长度短、平均占用率低三种情况的光资源最优路径。
[0123]
进一步的，所述四种半程交叉优化策略中对于待优化路径中替换的方法主要采用将待优化路径以中心节点位置将其切分成前后两段，所述中心节点分段策略的好处是在一个流程中直接进行计算，提高算法计算速度并收敛速度。如果采用任意两节点之间进行计算和交叉替换，这种方法占用内存较大，计算时长会更长。
[0124]
进一步的，所述信息素浓度的大小表示路径的远近，所述信息素浓越高，表示对应的路径距离越短。
[0125]
若设定需要一条跳纤次数t最少的优化型最优路径，则采取第二种半程交叉优化策略策略。假如利用基于metropolis准则改进的蚁群算法在无向图上搜索计算得到10个当前蚁群最优路径的跳纤次数t的适应度函数，并将所有当前蚁群最优路径按照跳纤次数t从小到大进行排序，分别为12549，13469，134569，126579，1234659，1326549，1346879，
13625479，12654379，13478659。其中，选取排名前20％的当前蚁群最优路径，作为待交叉路径，即12549和13469作为待交叉路径。
[0126]
当选择12549为待优化路径时，其中心节点为5，a段为12，b段为49。所以a段的跳纤次数t为2，b段的跳纤次数t为2。接着包含该中心节点的路径为134569，126579，1234659，1326549，13625479，12654379，13478659，将这些路径以中心节点5进行切分成前后段，集合n中包含的路段为{134,126,1234,1326,13625,126,134786}，计算集合n中各个路段的跳纤次数t，其134和126路段拥有最小的跳纤次数t为3；集合m中包含的路段为{469，69，79，9，49，479，4379，9}计算集合m中各个路段的跳纤次数t，其9路段拥有最小的跳纤次数t为1。然后将a段的跳纤次数t与集合n中路段的跳纤次数t进行比较，比较结果为a段的跳纤次数t较小，所以不发生前段替换；将b段的跳纤次数t与集合m中路段的跳纤次数t进行比较，比较结果为集合m中9路段的跳纤次数t较小，所以发生后段替换，即用9替换49，则得到跳纤次数t最少的优化型最优路径为1259，并根据优化型最优路径更新路径上的信息素。
[0127]
当选择13469为待优化路径时，其中心节点为4，a段为13，b段为69。所以a段的跳纤次数t为2，b段的跳纤次数t为2。接着包含该中心节点的路径为12549，134569，1234659，1326549，1346879，13625479，12654379，13478659，将这些路径以中心节点4进行切分成前后段，集合n中包含的路段为{125，13，123，13265，13，13625，1265}，计算集合n中各个路段的跳纤次数t，其13路段拥有最小的跳纤次数t为2；集合m中包含的路段为{9，569，659，9，6879，79，379}，计算集合m中各个路段的跳纤次数t，其9路段拥有最小的跳纤次数t为1。然后将a段的跳纤次数t与集合n中路段的跳纤次数t进行比较，比较结果为跳纤次数t相等，所以不发生前段替换；将b段的跳纤次数t与集合m中路段的跳纤次数t进行比较，比较结果为集合m中9路段的跳纤次数t较小，所以发生后段替换，即用9替换69，则得到跳纤次数t最少的优化型最优路径为1349，并根据优化型最优路径更新路径上的信息素。
[0128]
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，依据本发明的技术实质，在本发明的精神和原则之内，对以上实施例所作的任何简单的修改、等同替换与改进等，均仍属于本发明技术方案的保护范围之内。