:个体编码方法
[0049] 设P是待求问题的候选解，下面给出P的编码方法。
[0050] 假设路网中需要部署k个路边单元，每个路边单元在路网中的位置信息为 P(X，y)，分别将x和y转换为对应的二进制数据（aa2, ? ??，an)和（0 0 2, ? ? ?，0 n)， 可得到一个长为2n的（0-1)串（aa2，…，an,0 02,…，0n)，则k个路边单元构成 一个长度为k*2n的（0-1)串yy2,? ? ?，yk*2n。可以看出，（0-1)串yy2,? ? ?，y找加和 子集P是--对应的关系。因此，我们可以使用长度为k*2n的（0-1)串ypy2,. ..，ykH<2n 来表示个体P。这样表示，为遗传操作的顺利实施奠定了基础。
[0051] 3. 2:种群初始化
[0052] 随机生成m个长为k*2n的（0-1)字符串，分别记为？1汁2，...，？111。每个字符串是 一个个体，m个个体组成一个初始种群。
[0053] 3. 3:设定适应度函数
[0054] 因为路边单元的部署效益越大部署效果越好，所以可以用路网部署总效益匕作为 适应度值。
[0055] 3. 4 :进化策略
[0056]由于每个个体都是一个（0, 1)字符串，可以采用传统的进化算子对个体实施遗传 操作。本文算法中，个体交叉算子为一点交叉，变异算子为一点变异，选择算子采用锦标赛 选择法。
[0057] 3. 5:算法步骤
[0058] 下面结合图2对本实施例的路边单元部署方法进行详细的说明，具体包括以下步 骤：
[0059] S301、设置相关参数
[0060] 初始化种群规模、最大迭代次数、交叉概率和变异概率等参数。
[0061] S302、种群初始化
[0062] 随机生成包含若干个体的初始种群A，进化代数i= 1。
[0063]S303、个体适应值计算
[0064] 按照步骤3. 3计算初始种群适应度值。个体适应值越大，说明该个体越接近最优 解，被遗传到下一代的概率也就越大。
[0065]S304、对群体进行遗传操作
[0066] 对个体实施交叉和变异操作，生成中间群体；i=i+1。
[0067] S305、计算中间群体适应值
[0068] 对第i代种群％，按照步骤3. 3和3. 4计算每个个体的适应值。
[0069]S306、利用锦标赛选择法选择子代群体
[0070] 基于锦标赛的选择操作的具体过程如下。
[0071 ] ①将m个父代个体组成的种群P和P经过一次交叉和变异运算后产生的m个子代 个体组成的种群P'合并在一起，组成一个共含有2m个个体的集合，记为I。
[0072] ②对给个个体XiGI，从I中随机选择q个个体，并将q个个体的适应度函数值 Fj(jG1，2, . . .，q)与适应度函数值相比较，计算出这q个个体中适应度函数值比xi 的适应度差的个体的数目Wi，并把Wi作为x得分。
[0073] ③在所有的2m个个体都经过比较过程后，按每个个体的得分进行排序，选择m个 具有最高得分的个体作为下一代种群。
[0074] S307、计算群体当前一代最坏个体和最好个体，以及到目前为止的最好个体
[0075]S308、将当前一代最坏个体用目前为止最好个体替代
[0076] S309、判断是否满足算法终止条件
[0077] 算法的终止条件是，连续进化若干代后没有出现更优个体，或者种群进化代数超 过设定的最大迭代次数，输出结果，算法结束；否则，转步骤S304。
[0078]实施例的结果示意图如图3所示。从图3中可以看出，随着迭代次数的增加，路边 单元部署效益的值不断得到优化。通过本发明方法可以得到路边单元部署效益的近似最优 值。
【主权项】
1. 一种基于遗传算法的车联网路边单元部署方法，其特征在于如下步骤： 步骤1 :建立路网模型 将某个路段e表示为e (vh，vt，ft，fw)，其中Vh为路段e的起点，V t为路段e的终点，f t 为路段e的路线函数，fw为路段e的权重函数； 步骤2 :建立效益模型 将路网部署总效益匕表示如下：其中符号U为η个路边单元的全覆盖路段的集合，符号S为其部分覆盖路段的集合，符 号札为路段e在路网中所有路边单元的覆盖区域内的部分； 步骤3 :利用遗传算法对路边单元部署问题进行优化求解 步骤3-1 :个体编码方法 设P是待求问题的候选解；假设路网中需要部署k个路边单元，每个路边单元在路 网中的位置信息为P(x，y)，分别将X和y转换为对应的二进制数据U1, α2，...，αη) 和（β!，β2，···，βη)，得到一个长为2η 的（0-1)串（Ci1, α2，···，αη, β1; β2，···，βη)， 则k个路边单元构成一个长度为k*2n的（0-1)串γ ^ γ 2,...，γ kH<2n; (0-1)串 Y i，Y 2,. . .，Y ^和子集P是--对应的关系；使用长度为k*2n的（0-1)串 Y 1，Y 2, · · ·，丫 k?H2n来表示个体 P ; 步骤3-2 :种群初始化 随机生成m个长为k*2n的（0-1)字符串，分别记为PpP2,...，Pm;每个字符串是一个个 体，m个个体组成一个初始种群； 步骤3-3 :设定适应度函数 路边单元的部署效益越大部署效果越好，用路网部署总效益匕作为适应度值； 步骤3_4 :进化策略 由于每个个体都是一个（〇，1)字符串，采用进化算子对个体实施遗传操作；个体交叉 算子为一点交叉，变异算子为一点变异，选择算子采用锦标赛选择法； 步骤3-5 :基于前面提出的个体编码及评估值计算策略，使用遗传算法来求解的步骤 如下： (1) 设置相关参数及个体编码 初始化种群规模、最大迭代次数、交叉概率和变异概率等参数，按照步骤3-1给出的方 法对个体进行编码； (2) 种群初始化 随机生成包含若干个体的初始种群M1，进化代数i = 1 ; (3) 个体适应度值计算 按照步骤3-3计算初始种群适应度值；个体适应值越大，说明该个体越接近最优解，被 遗传到下一代的概率也就越大； (4) 对群体进行遗传操作 对个体实施交叉和变异操作，生成中间群体；i = i+Ι ; (5) 计算子代个体适应值 对第i代种群Mi,按照步骤3-3计算每个个体的适应值； (6) 利用锦标赛选择法选择子代群体 (7) 计算群体当前一代最坏个体和最好个体，以及到目前为止的最好个体 (8) 将当前一代最坏个体用目前为止最好个体替代 (9) 判断是否满足算法终止条件 算法的终止条件是，连续进化若干代后没有出现更优个体，或者种群进化代数超过设 定的最大迭代次数，转步骤（10);否则，转步骤（4); (10) 停止进化，输出结果。
【专利摘要】本发明公开了一种基于遗传算法的车联网路边单元部署方法，目的在于最大化路边单元的部署效益。首先建立路网模型，该路网模型能够描述曲线路段。然后综合考虑各项因素作为权重确立部署效益函数，建立效益模型。路网模型和效益模型共同组成路边单元部署问题模型，将路边单元部署问题转化为搜索最优解问题。最后利用遗传算法对搜索最优解问题进行优化求解。该方法能够找到多个路边单元部署问题的近似最优位置，使其逼近最优部署效益的目标。
【IPC分类】H04L29/08, H04L12/24
【公开号】CN104883388
【申请号】CN201510182396
【发明人】高振国, 朱涵, 陈炳才, 姚念民, 卢志茂, 谭国真, 曲殿阁, 余超
【申请人】大连理工大学
【公开日】2015年9月2日
【申请日】2015年4月17日