CN104202188B - 一种采用遗传算法进行afdx网络路径优化的方法 - Google Patents
一种采用遗传算法进行afdx网络路径优化的方法 Download PDFInfo
- Publication number
- CN104202188B CN104202188B CN201410441205.3A CN201410441205A CN104202188B CN 104202188 B CN104202188 B CN 104202188B CN 201410441205 A CN201410441205 A CN 201410441205A CN 104202188 B CN104202188 B CN 104202188B
- Authority
- CN
- China
- Prior art keywords
- switch
- chromosome
- path
- virtual link
- population
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种采用遗传算法进行AFDX网络路径优化的方法,该方法是对已配置有VL路径的AFDX网络进行的虚拟链路路径优化。本发明方法首先构建交换机的连接矩阵、虚拟链路路径种群;然后对虚拟链路路径进行染色体编码,并计算染色体编码的适应度函数值;最后对染色体种群进行交叉、变异、选择的遗传操作,在满足终止条件的情况下,得到最优染色体,并提取出有效虚拟链路路径,该路径作为优化后的虚拟链路路径。本发明方法解决了已配置的AFDX网络中虚拟链路VL的路径优化,是应用遗传算法对AFDX网络的VL路径进行实时路径优化,从而提高了AFDX网络的消息传输实时性。
Description
技术领域
本发明属于航空电子***通信网络优化设计领域,更特别地说,是指一种采用遗传算法进行AFDX网络路径优化的方法。
背景技术
航空电子全双工交换式以太网(Avionics Full Duplex Switched Ethernet,AFDX)是在工业标准以太网的基础上经过适用性改造,而适用于航空电子***互联的网络技术。AFDX互连技术已在空中客车A380和波音787中得到了成功应用。
AFDX网络通过虚拟链路(Virtual Link,VL)进行消息数据流传输,AFDX网络为VL提供确定的带宽和确定的路由。VL的路径影响着虚拟链路承载消息的传输延迟,也影响着AFDX网络的流量均衡性。
《北京航空航天大学学报》2013年6月第39卷第6期公开了“时间触发AFDX网络的设计和实时性分析”,作者刘成。该文献的图8公开了一个较为传统的AFDX网络拓扑结构(引用为图1所示),共有8个交换机构成了网络主干,每个交换机上连接8个端***,一共有64个端***,链路带宽配置为10Mbit/s。
发明内容
为了降低航空电子全双工交换式以太网AFDX中,虚拟链路承载消息的传输延迟,本发明提出了一种采用遗传算法进行AFDX网络路径优化的方法。该方法解决了已配置的AFDX网络中虚拟链路VL的路径优化,是应用遗传算法对AFDX网络的VL路径进行实时路径优化,从而提高了AFDX网络的消息传输实时性(即传输延迟时间短)。
本发明是一种采用遗传算法进行AFDX网络路径优化的方法,所述的AFDX网络是指已配置有VL路径的AFDX网络;其特征在于包括有下列步骤:
步骤一:构建交换机连接矩阵;
对已配置有VL路径的AFDX网络进行所有交换机之间的连接初始化,得到n×n交换机连接矩阵n是AFDX网络中的交换机的个数;
步骤二:构建虚拟链路路径种群;
设置虚拟链路路径种群规模U={u1,u2,…,ux};对步骤一的交换机连接矩阵SC依据路径排除条件选取满足U={u1,u2,…,ux}的源-目的-交换机路径
步骤三:构建染色体;
将步骤二得到的源-目的-交换机路径中的交换机的标识号作为基因,经编码得到染色体种群CH={h1,h2,…,hx};
步骤四:计算染色体的适应度函数值;
所述的适应度函数Fitness=AVLmax+time延迟,其中,最大链路负载率消息传输延迟时间率
步骤五:遗传操作;
当前的染色体种群记为CHi,上一代染色体种群记为CHi-1,下一代染色体种群记为CHi+1;
步骤501,染色体的第一交叉形式:
使用单点交叉的方式,交叉点选在公共交换机处,若存在多个公共交换机,则随机选择一个作为交叉点,然后交换配对染色体交叉点之后的部分,生成的两个新染色体,并将所述新染色体加入下一代虚拟链路路径种群中;若交叉后新染色体中出现重复基因,则删除任意一个重复的交换机,并将删除了重复交换机后的新染色体加入下一代虚拟链路路径种群中。
步骤502,染色体的第二交叉形式:
使用单点交叉的方式,若不存在公共交换机,则选择中间染色体进行交叉,然后交换配对染色体交叉点之后的部分,生成的两个新染色体,并将所述新染色体加入下一代虚拟链路路径种群中;若交叉后新染色体中出现重复基因,则删除任意一个重复的交换机,并将删除了重复交换机后的新染色体加入下一代虚拟链路路径种群中加入下一代虚拟链路路径种群中。
步骤503,染色体的第一变异形式:
使用单点变异的方式,变异点选在除源交换机和目的交换机的任意一交换机处,选择与所述交换机存在物理链路连接的另一交换机作为变异结果,获得新染色体,并将所述新染色体加入下一代虚拟链路路径种群中;若变异后新染色体中出现重复基因,则删除任意一个重复的交换机,并将删除了重复交换机后的新染色体加入下一代虚拟链路路径种群中。
步骤504,染色体的第二变异形式:
使用单点变异的方式,变异点选在除源交换机和目的交换机的任意一交换机处,直接将所述交换机删除,获得新染色体,并将所述新染色体加入下一代虚拟链路路径种群中。
步骤505,染色体的选择方式:
染色体的选择方式是将当前代的染色体种群CHi={h1,h2,…,hx}和通过交叉-变异产生的新染色体种群进行混合,得到混合种群 然后通过Fitness=AVLmax+time延迟计算所述中每一条染色体的适应度函数值并选取x个最小的染色体作为下一代种群CHi+1。
步骤六:判断是否满足遗传终止条件;
判断所述最小的适应度函数值Fh最小在连续3代遗传操作后,所述Fh最小不变化时,则进行终止遗传操作;若不满足,对CH={h1,h2,…,hx}中每一条染色体进行遗传操作。
本发明采用遗传算法进行AFDX网络路径优化的优点在于:
①将遗传算法引入到已配置有VL路径的AFDX网络中,更有利于实时寻找虚拟链路的最优路径。能够提高AFDX网络的消息传输实时性(即传输延迟时间短)。
②应用遗传算法中的染色体对虚拟链路路径进行交换机的标识号编码,这有利于进行遗传算法的交叉、变异操作。
③采用二进制对交换机连接矩阵进行代码化,为虚拟链路路径编码的有效提供了判断依据。
附图说明
图1是已构建的AFDX网络结构示意图。
图2是本发明的AFDX网络拓扑结构示意图。
图3是本发明采用遗传算法进行AFDX网络路径优化的流程图。
图4是实施例1的AFDX网络拓扑结构示意图。
具体实施方式
下面将结合附图和实施例对本发明做进一步的详细说明。
针对图1所示的AFDX网络拓扑结构,AFDX网络包含有n个交换机,采用集合形式表达为SWITH={S1,S2,…,Sa,…,Sb,…,Sn};所述SWITH={S1,S2,…,Sa,…,Sb,…,Sn}中S1表示第一个交换机,S2表示第二个交换机,Sa表示第a个交换机,Sb表示第b个交换机,Sn表示第n个交换机,也是最后一个交换机;为了普识性说明,Sa也称为其中一个任意交换机,Sb也称为其中另一个任意交换机,Sn也称为任意一个交换机,a,b,n为交换机的标识号,n也是AFDX网络中交换机的总数。在图1中,n=8,即有S1、S2、S3、S4、S5、S6、S7、S8。
针对图1所示的AFDX网络拓扑结构,AFDX网络包含有m个端***,采用集合形式表达为ES={E1,E2,…,Ec,…,Ed,…,Em};所述ES={E1,E2,…,Ec,…,Ed,…,Em}中E1表示第一个端***,E2表示第二个端***,Ec表示第c个端***,Ed表示第d个端***,Em表示第m个端***,也是最后一个端***;为了普识性说明,Ec也称为其中一个任意端***,Ed也称为其中另一个任意端***,Em也称为任意一个端***,c,d,m为端***的标识号。
针对图1所示的AFDX网络拓扑结构,AFDX网络包含有q条虚拟链路,采用集合形式表达为VL={L1,L2,…,Le,…,Lf,…,Lq};所述VL={L1,L2,…,Le,…,Lf,…,Lq}中L1表示第一条虚拟链路,L2表示第二条虚拟链路,Le表示第e条虚拟链路,Lf表示第f条虚拟链路,Lq表示第q条虚拟链路,也是最后一条虚拟链路;为了普识性说明,Le也称为其中一条任意虚拟链路,Lf也称为其中另一条任意虚拟链路,Lq也称为任意一条虚拟链路,e,f,q为虚拟链路的标识号。
本发明提出的采用遗传算法进行路径优化的方法,所述的AFDX网络是指已配置有VL路径的AFDX网络,具体路径优化包括有步骤:
步骤一:构建交换机连接矩阵
对已配置有VL路径的AFDX网络进行所有交换机之间的物理连接初始化,获得采用矩阵形式表达的n×n交换机连接矩阵
Cnn表示第n个交换机Sn与第n个交换机Sn的连接,即表示交换机自身之间的连接;同理,C11表示第1个交换机S1与第1个交换机S1的连接,C22表示第2个交换机S2与第2个交换机S2的连接,Caa表示第a个交换机Sa与第a个交换机Sa的连接,Cbb表示第b个交换机Sb与第b个交换机Sb的连接,Cab表示第a个交换机Sa与第b个交换机Sb的连接。
C12表示第1个交换机S1与第2个交换机S2的连接,C1n表示第1个交换机S1与第n个交换机Sn的连接;
C21表示第2个交换机S2与第1个交换机S1的连接,C2n表示第2个交换机S2与第n个交换机Sn的连接;
Cn1表示第n个交换机Sn与第1个交换机S1的连接,Cn2表示第n个交换机Sn与第2个交换机S2的连接。
在本发明中,交换机连接矩阵SC的赋值条件有三种,第一种为交换机自身之间的连接记为0,第二种为交换机之间没有物理链路的连接记为0,第三种为交换机之间有物理链路的连接记为1。如图1所示的交换机连接矩阵
在本发明中,应用二进制“0、1”代码化表示交换机的物理连接,是为了全面的表示AFDX网络中交换机之间的连接状况。
步骤二:构建虚拟链路路径种群
(A)设置虚拟链路路径种群规模U={u1,u2,…,ux};对于虚拟链路路径种群规模U的设置是依据了AFDX网络中,从源端***A至目的端***B的虚拟链路路径的条数。一般地,种群数x=3~20条。
u1表示第一条有效虚拟链路路径的标识;
u2表示第二条有效虚拟链路路径的标识;
ux表示最后一条有效虚拟链路路径的标识,为了普识性说明,也称为任意一条有效虚拟链路路径。
(B)对步骤一的交换机矩阵依据路径排除条件选取满足U={u1,u2,…,ux}的源-目的-交换机路径
表示承载源端***A的交换机Sa;
表示承载目的端***B的交换机Sb;
例如在图2中:当取值种群数x=6时,源端***A连接在交换机S1上,目的端***B连接在交换机Sm上,则有依据路径排除条件选取出的第一条有效虚拟链路路径
第二条有效虚拟链路路径
第三条有效虚拟链路路径
第四条有效虚拟链路路径
第五条有效虚拟链路路径
第六条有效虚拟链路路径
(C)在本发明中,所述路径排除条件包括有三种情况:
第一种路径排除情况是指源端***A与目的端***B连接在同一交换机上,不选取该有效虚拟链路路径,简称为单交换机路径。
第二种路径排除情况是指源端***A到目的端***B所经过的虚拟链路路径中,存在有重复的同一交换机,不选取该有效虚拟链路路径,简称为路径出现回路。
第三种路径排除情况是指源端***A到目的端***B所经过的虚拟链路路径中,交换机之间没有物理链路,不选取该有效虚拟链路路径,简称为无对应物理链路。
例如,第二种路径排除情况,源端***A连接在交换机S1上,目的端***B连接在交换机Sm上,所经过交换机的路径为S1-S3-S5-S3-S7-S6-Sm,由于在交换机S3上出现了回路情形,则排除所述S1-S3-S5-S3-S7-S6-Sm的路径。
例如,第三种路径排除情况,源端***A连接在交换机S1上,目的端***B连接在交换机Sm上,所经过交换机的路径为S1-S3-S6-Sb-Sm,则排除所述S1-S3-S6-Sb-Sm的路径。因为交换机S3与交换机S6之间没有物理链路,即在交换机矩阵SC中C36的连接代码为“0”。
步骤三:构建染色体
将步骤二得到的源-目的-交换机路径中的交换机的标识号作为基因,经编码得到染色体种群CH={h1,h2,…,hx};然后执行步骤四;
h1表示第一个染色体的标识;
h2表示第二个染色体的标识;
hx表示最后一个染色体的标识,为了普识性说明,也称为任意一个染色体;
经编码得到的染色体为h1=1-3-5-a-b-m;
经编码得到的染色体为h2=1-2-4-6-m;
经编码得到的染色体为h3=1-8-4-7-6-m;
经编码得到的染色体为h4=1-3-5-6-b-m;
经编码得到的染色体为h5=1-8-4-6-m。
经编码得到的染色体为h6=1-2-4-8-3-5-6-m。
在本发明中,应用遗传算法中的染色体对虚拟链路路径进行交换机的标识号编码,这有利于进行遗传算法的交叉、变异操作。
步骤四:计算染色体的适应度函数值
为了均衡已配置有VL路径的AFDX网络的流量、以及减小消息的传输延迟时间,本发明采用最大链路负载率AVLmax与消息的传输延迟时间率time延迟之和作为适应度函数Fitness=AVLmax+time延迟;然后执行步骤五。
在本发明中,rmax表示AFDX网络中的虚拟链路VL={L1,L2,…,Le,…,Lf,…,Lq}的最大包长,tBAG表示AFDX网络中的虚拟链路VL={L1,L2,…,Le,…,Lf,…,Lq}的消息传输的带宽分配间隔,n表示AFDX网络中交换机的总数,Cnn表示第n个交换机Sn与第n个交换机Sn的连接。
在本发明中,delayq表示采用网络演算方法得到的任意一条虚拟链路Lq的消息传输延迟时间,Mq表示任意一条虚拟链路Lq的消息传输延迟界限值。
网络演算方法采用的是《电光与控制》第15卷第9期,2008年9月,作者杨云,熊华钢,《计算AFDX延迟的网络演算方法》中第3节的内容,即“利用网络演算理论计算AFDX的网络延迟”。
在本发明中,依据适应度函数Fitness=AVLmax+time延迟计算CH={h1,h2,…,hx}中每一个染色体的适应度函数值记为FCH={Fh1,Fh2,…,Fhx},并从所述FCH={Fh1,Fh2,…,Fhx}中选取出最小的适应度函数值Fh最小。
在本发明中,计算所有染色体的适应度函数值,不同虚拟链路路径的适应度函数值差异较大,若直接使用轮盘赌选择的方法将会导致一些染色体几乎不能被复制到下一代中去,严重影响了种群的多样性。适应度函数值越小代表着的染色体越优。
步骤五:遗传操作
在本发明中,当前代的染色体种群记为CHi,上一代染色体种群记为CHi-1,下一代染色体种群记为CHi+1。
步骤501,染色体的第一交叉形式:
在本发明中,使用单点交叉的方式:(A)首先交叉点选在公共交换机处,然后对当前代的染色体种群CHi中的染色体进行交换配对,交换配对染色体交叉点之后的部分补入各自的染色体中,从而生成的两个新的染色体;最后将所述新染色体加入下一代虚拟链路路径种群CHi+1中。
在本发明中,使用单点交叉的方式:(B)首先交叉点选在公共交换机处,然后对当前代的染色体种群CHi中的染色体进行交换配对,染色体交叉点之后的部分初入各自的染色体中,从而生成的两个新的染色体;若所述的两个新染色体中出现重复基因(即路径出现回路),则删除任意一个重复的交换机,并将删除了重复交换机后的新染色体加入下一代虚拟链路路径种群CHi+1中。
在本发明中,所述公共交换机处是指除源交换机和目的交换机以外的交换机。若存在多个公共交换机,则随机选择一个公共交换机作为遗传操作的交叉点。
例如:染色体h2=1-2-4-6-m和染色体h3=1-8-4-7-6-m选择交换机S4作为交叉点,交叉之后得到两个新的染色体,即
例如:染色体h3=1-8-4-7-6-m和染色体h6=1-2-4-8-3-5-6-m选择交换机S4作为交叉点,交叉之后得到两个新的染色体,即 在中出现了重复的交换机S8,则删除后一个重复的交换机S8,并将删除了重复交换机后的新染色体加入下一代虚拟链路路径种群中。
步骤502,染色体的第二交叉形式:
在本发明中,使用单点交叉的方式:(A)首先交叉点不选在公共交换机处,然后对当前代的染色体种群CHi中的染色体选择位于中间的染色体进行交叉,交换配对染色体交叉点之后的部分补入各自的染色体中,从而生成的两个新的染色体;最后将所述新染色体加入下一代虚拟链路路径种群CHi+1中。
在本发明中,使用单点交叉的方式:(B)首先交叉点不选在公共交换机处,然后对当前代的染色体种群CHi中的染色体选择位于中间的染色体进行交叉,交换配对染色体交叉点之后的部分补入各自的染色体中,从而生成的两个新的染色体;若所述的两个新染色体中出现重复基因(即路径出现回路),则删除任意一个重复的交换机,并将删除了重复交换机后的新染色体加入下一代虚拟链路路径种群中加入下一代虚拟链路路径种群CHi+1中。
例如:染色体h1=1-3-5-a-b-m和染色体h5=1-8-4-6-m选择所述染色体中间的那个交换机(即在h1=1-3-5-a-b-m中为交换机S5,在h5=1-8-4-6-m中为交换机S4)作为交叉点,交叉之后得到两个新的染色体,即
步骤503,染色体的第一变异形式:
在本发明中,使用单点变异的方式:(A)对当前代的染色体种群CHi首先变异点选在除源交换机和目的交换机以外的任意一交换机处,选择与所述交换机存在物理链路连接的另一交换机作为变异结果,获得变异后新的染色体,然后将所述变异后新的染色体加入下一代虚拟链路路径种群CHi+1。
在本发明中,使用单点变异的方式:(B)对当前代的染色体种群CHi首先变异点选在除源交换机和目的交换机以外的任意一交换机处,选择与所述交换机存在物理链路连接的另一交换机作为变异结果,获得变异后新染色体;若变异后新染色体中出现重复基因(即路径出现回路),则删除任意一个重复的交换机,然后将删除了重复交换机后的新染色体加入下一代虚拟链路路径种群CHi+1中。
例如:染色体h4=1-3-5-6-b-m选择交换机S5进行变异,交换机S5变异为交换机S7,得到新染色体为
例如:染色体h6=1-2-4-8-3-5-6-m选择交换机S8进行变异,交换机S8变异为交换机S2,得到新染色体为删除后一个重复的交换机S2,得到删除了重复交换机后的新染色体为
步骤504,染色体的第二变异形式:
在本发明中,使用单点变异的方式,对当前代的染色体种群CHi首先变异点选在除源交换机和目的交换机以外的任意一交换机处,直接将所述交换机删除,获得变异后新染色体,然后将所述变异后新染色体加入下一代虚拟链路路径种群CHi+1中。
例如:染色体h1=1-3-5-a-b-m选择交换机Sa进行变异,直接删除交换机Sa得到新染色体为
在本发明列举的例子中,新染色体将加入下一代虚拟链路路径种群CHi+1中进行选择操作。
对于本发明中的变异,有一种染色体只含两个基因,即源交换机和目的交换机,如果初始种群中,不含这种染色体,以上交叉和变异操作也不会产生这种染色体,而这种染色体很有可能是最优解,因此这里对变异操作加以修改,使这种染色体经变异后可能会出现。在随机选择变异点之后,不一定要改变基因,也可以直接删除基因。
步骤505,染色体的选择方式:
在本发明中,染色体的选择方式是将当前代的染色体种群CHi={h1,h2,…,hx}和通过交叉-变异产生的新染色体种群进行混合,得到混合种群然后通过Fitness=AVLmax+time延迟计算所述中每一条染色体的适应度函数值 并选取x个最小的染色体作为下一代种群CHi+1。
在本发明列举的例子中,染色体的选择方式是将当前代的染色体种群CHi={h1,h2,h3,h4,h5,h6}和通过交叉-变异产生的新染色体种群进行混合,得到混合种群然后通过Fitness=AVLmax+time延迟计算所述中每一条染色体的适应度函数值并选取最小的六个染色体作为下一代种群CHi+1。
步骤六:判断是否满足遗传终止条件
判断所述最小的适应度函数值Fh最小在连续3代遗传操作后,所述Fh最小不变化时,则进行终止遗传操作;若不满足,对CH={h1,h2,…,hx}中每一条染色体重新进行步骤五的遗传操作。
所述的终止遗传操作是指在最后一代种群中选择出适应度函数值最小的染色体作为优化结果,即从染色体中提取出源端***A至目的端***B经过的交换机,从而得到有效虚拟链路路径。
实施例1
本实施例是在基于matlab(版本号7.13)平台进行仿真;matlab是一种用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境。
参见图4所示,对已配置了VL路径的AFDX网络中,有7条虚拟链路:即L1的配置路径为S1-S2-S4-S6,源端***为E1,目的端***为E6;L2的配置路径为S2-S4-S6,源端系为统E2,目的端***为E6;L3的配置路径为S3-S7-S6,源端***为E3,目的端***为E6;L4的配置路径为S4-S6,源端***为E4,目的端***为E6;L5的配置路径为S5-S6,源端***为E5,目的端***为E6;L6的配置路径为S7-S6,源端***为E7,目的端***为E6;L7的配置路径为S8-S3-S5-S6,源端***为E8,目的端***为E6。配置rmax=4000bits,tBAG=4ms,Mq=1ms。
选取虚拟链路L1进行优化,其源端***E1(其连接在交换机S1上),目的端***E6(其连接在交换机S6上),从源端***E1至目的端***E6的路径为S1-S2-S4-S6,采用网络演算得到优化前L1承载消息的传输延迟时间为629.6微秒。
依据图4构建的交换机矩阵
令种群个数x=3时,依据路径排除条件选取出的第一条有效虚拟链路路径经编码得到染色体为h1=1-2-4-6;
第二条有效虚拟链路路径经编码得到染色体为h2=1-8-4-6;
第三条有效虚拟链路路径经编码得到染色体为h3=1-8-2-4-7-6。
依据适应度函数Fitness=AVLmax+time延迟计算CH1={h1,h2,h3}中每一个染色体的适应度函数值记为FCH={Fh1,Fh2,Fh3}={0.9096,0.868,1.022},选取出最小的适应度函数值Fh最小=0.868。
第一代遗传操作操作,即对CH1={h1,h2,h3}进行遗传操作,将染色体h1=1-2-4-6和染色体h3=1-8-2-4-7-6以交换机S2为交叉点进行交叉,得到染色体h2=1-8-4-6选择交换机S8为变异点进行变异,交换机S8变异为交换机S3,得到新染色体为将当前代的染色体种群CH1={h1,h2,h3}和通过交叉-变异产生的新染色体种群进行混合,得到混合种群然后通过Fitness=AVLmax+time延迟计算每一条染色体的适应度函数值分别为 选取其中3个适应度函数值最小的染色体h1,h2,作为下一代种群CH2的染色体,此时,CH2={h1,h2,h3}种群的染色体h1=1-2-4-6,染色体h2=1-8-4-6,染色体h3=1-3-4-6。这一代种群中Fh最小=0.868,此时不满足遗传终止条件。
第二代遗传操作操作,即对CH2={h1,h2,h3}进行遗传操作,将染色体h1=1-2-4-6和染色体h2=1-8-4-6以交换机S4为交叉点进行交叉,得到染色体h3=1-3-4-6选择交换机S4为变异点进行变异,交换机S4变异为交换机S3,得到新染色体为将当前代的染色体种群CH2={h1,h2,h3}和通过交叉-变异产生的新染色体种群进行混合,得到混合种群然后通过Fitness=AVLmax+time延迟计算每一条染色体的适应度函数值分别为选取其中3个适应度函数值最小的染色体h2,h3,作为下一代种群CH3的染色体,此时,CH3={h1,h2,h3}种群的染色体h1=1-8-4-6,染色体h2=1-3-4-6,染色体h3=1-8-4-6。这一代种群中Fh最小=0.868,此时不满足遗传终止条件。
第三代遗传操作操作,即对CH3={h1,h2,h3}进行遗传操作,将染色体h1=1-8-4-6和染色体h3=1-8-4-6以以交换机S4为交叉点进行交叉,得到染色体h2=1-3-4-6选择交换机S3为变异点进行变异,交换机S3变异为交换机S2,得到新染色体为将当前代的染色体种群CH3={h1,h2,h3}和通过交叉-变异产生的新染色体种群进行混合,得到混合种群然后通过Fitness=AVLmax+time延迟计算每一条染色体的适应度函数值分别为 选取其中3个适应度函数值最小的染色体h1,h2,h3作为下一代种群CH4的染色体,此时,CH4={h1,h2,h3}种群的染色体h1=1-8-4-6,染色体h2=1-3-4-6,染色体h3=1-8-4-6。这一代种群中Fh最小=0.868,此时在连续3代遗传操作后,Fh最小不变化,进行终止遗传操作,即选择种群CH4={h1,h2,h3}中适应度函数值最小的染色体作为优化结果,这里为h1=1-8-4-6,即有源端***E1至目的端***E6经过的交换机为S1-S8-S4-S6,则将路径S1-S8-S4-S6作为虚拟链路L1的路径作为优化结果。
即有优化前L1的路径为S1-S2-S4-S6如图4中虚线空心三角所示路径,经过遗传操作得到优化后的L1的路径为S1-S8-S4-S6如图4中虚线实心三角所示路径。优化后L1承载消息的传输延迟时间为588微秒,与优化前的629.6微秒相比,其传输延迟时间得到了减小,消息传输的实时性得到了增强。
Claims (4)
1.一种采用遗传算法进行AFDX网络路径优化的方法,所述的AFDX网络是指已配置有VL路径的AFDX网络;其特征在于包括有下列步骤:
步骤一:构建交换机连接矩阵;
对已配置有VL路径的AFDX网络进行所有交换机之间的连接初始化,得到n×n交换机连接矩阵n是AFDX网络中的交换机的个数;
C11表示第1个交换机S1与第1个交换机S1的连接;C12表示第1个交换机S1与第2个交换机S2的连接;C1n表示第1个交换机S1与第n个交换机Sn的连接;
C21表示第2个交换机S2与第1个交换机S1的连接;C22表示第2个交换机S2与第2个交换机S2的连接;C2n表示第2个交换机S2与第n个交换机Sn的连接;
Cn1表示第n个交换机Sn与第1个交换机S1的连接;Cn2表示第n个交换机Sn与第2个交换机S2的连接;Cnn表示第n个交换机Sn与第n个交换机Sn的连接;
步骤二:构建虚拟链路路径种群;
设置虚拟链路路径种群规模U={u1,u2,…,ux},对步骤一的交换机矩阵SC依据路径排除条件选取满足U={u1,u2,…,ux}的源-目的-交换机路径
u1表示第一条有效虚拟链路路径的标识;
u2表示第二条有效虚拟链路路径的标识;
ux表示最后一条有效虚拟链路路径的标识;
表示承载源端***A的交换机Sa;
表示承载目的端***B的交换机Sb;
步骤三:构建染色体;
将步骤二得到的源-目的-交换机路径中的交换机的标识号作为基因,经编码得到染色体种群CH={h1,h2,…,hx};
h1表示第一个染色体的标识;
h2表示第二个染色体的标识;
hx表示最后一个染色体的标识;
步骤四:计算染色体的适应度函数值;
所述的适应度函数Fitness=AVLmax+time延迟,其中,最大链路负载率消息传输延迟时间率rmax表示AFDX网络中的虚拟链路VL={L1,L2,…,Le,…,Lf,…,Lq}的最大包长,tBAG表示AFDX网络中的虚拟链路VL={L1,L2,…,Le,…,Lf,…,Lq}的消息传输的带宽分配间隔,n表示AFDX网络中交换机的总数,Cnn表示第n个交换机Sn与第n个交换机Sn的连接;delayq表示采用网络演算方法得到的任意一条虚拟链路Lq的消息传输延迟时间,Mq表示任意一条虚拟链路Lq的消息传输延迟界限值;
步骤五:遗传操作;
当前的染色体种群记为CHi,上一代染色体种群记为CHi-1,下一代染色体种群记为CHi+1;
步骤501,染色体的第一交叉形式:
使用单点交叉的方式,交叉点选在公共交换机处,若存在多个公共交换机,则随机选择一个作为交叉点,然后交换配对染色体交叉点之后的部分,生成的两个新染色体,并将所述新染色体加入下一代虚拟链路路径种群中;若交叉后新染色体中出现重复基因,则删除任意一个重复的交换机,并将删除了重复交换机后的新染色体加入下一代虚拟链路路径种群中;
步骤502,染色体的第二交叉形式:
使用单点交叉的方式,交叉点不选在公共交换机处,则选择位于中间的染色体进行交叉,然后交换配对染色体交叉点之后的部分,生成的两个新染色体,并将所述新染色体加入下一代虚拟链路路径种群中;若交叉后新染色体中出现重复基因,则删除任意一个重复的交换机,并将删除了重复交换机后的新染色体加入下一代虚拟链路路径种群中加入下一代虚拟链路路径种群中;
步骤503,染色体的第一变异形式:
使用单点变异的方式,变异点选在除源交换机和目的交换机以外的任意一交换机处,选择与所述交换机存在物理链路连接的另一交换机作为变异结果,获得新染色体,并将所述新染色体加入下一代虚拟链路路径种群中;若变异后新染色体中出现重复基因,则删除任意一个重复的交换机,并将删除了重复交换机后的新染色体加入下一代虚拟链路路径种群中;
步骤504,染色体的第二变异形式:
使用单点变异的方式,变异点选在除源交换机和目的交换机以外的任意一交换机处,直接将所述交换机删除,获得新染色体,并将所述新染色体加入下一代虚拟链路路径种群中;
步骤505,染色体的选择方式:
染色体的选择方式是将当前代的染色体种群CHi={h1,h2,…,hx}和通过交叉-变异产生的新染色体种群进行混合,得到混合种群然后通过Fitness=AVLmax+time延迟计算所述中每一条染色体的适应度函数值并选取x个最小的染色体作为下一代种群CHi+1;
步骤六:判断是否满足遗传终止条件;
判断所述最小的适应度函数值Fh最小在连续3代遗传操作后,所述Fh最小不变化时,则进行终止遗传操作;若不满足,对CH={h1,h2,…,hx}中每一条染色体进行遗传操作。
2.根据权利要求1所述的采用遗传算法进行AFDX网络路径优化的方法,其特征在于:所述交换机连接矩阵SC的赋值条件有三种,第一种为交换机自身之间的连接记为0,第二种为交换机之间没有物理链路的连接记为0,第三种为交换机之间有物理链路的连接记为1。
3.根据权利要求1所述的采用遗传算法进行AFDX网络路径优化的方法,其特征在于:步骤二中的所述路径排除条件包括有三种情况;
第一种路径排除情况是指源端***A与目的端***B连接在同一交换机上,不选取该虚拟链路路径;
第二种路径排除情况是指源端***A到目的端***B所经过的虚拟链路路径中,存在有重复的同一交换机,不选取该虚拟链路路径;
第三种路径排除情况是指源端***A到目的端***B所经过的虚拟链路路径中,交换机之间没有物理链路,不选取该虚拟链路路径。
4.根据权利要求1所述的采用遗传算法进行AFDX网络路径优化的方法,其特征在于:在虚拟链路路径构建过程,种群数的取值为3~20条虚拟链路路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410441205.3A CN104202188B (zh) | 2014-09-01 | 2014-09-01 | 一种采用遗传算法进行afdx网络路径优化的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410441205.3A CN104202188B (zh) | 2014-09-01 | 2014-09-01 | 一种采用遗传算法进行afdx网络路径优化的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104202188A CN104202188A (zh) | 2014-12-10 |
CN104202188B true CN104202188B (zh) | 2017-04-26 |
Family
ID=52087418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410441205.3A Active CN104202188B (zh) | 2014-09-01 | 2014-09-01 | 一种采用遗传算法进行afdx网络路径优化的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104202188B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504477B (zh) * | 2014-12-30 | 2018-01-09 | 中山大学 | 一种基于鸟类物种进化机制的路径优化方法 |
CN105071947B (zh) * | 2015-07-06 | 2019-03-08 | 山东超越数控电子有限公司 | 一种sdn网络的链路优化方法 |
WO2017107127A1 (en) * | 2015-12-24 | 2017-06-29 | Orange | Method and system for optimisation of virtual network functions under network function virtualisation environment |
CN106656797B (zh) * | 2016-11-30 | 2019-05-31 | 中国民航大学 | 一种考虑风险均衡的afdx网络路径优化的方法 |
CN107404437B (zh) * | 2017-07-25 | 2018-05-18 | 广东工业大学 | 一种报文的路径确定方法及装置 |
CN107396421A (zh) * | 2017-08-11 | 2017-11-24 | 深圳市益鑫智能科技有限公司 | 一种高效的无线传感器网络路径优化*** |
CN108268710B (zh) * | 2018-01-03 | 2021-07-09 | 北京航空航天大学 | 一种基于遗传算法的ima***动态重构策略优化方法 |
WO2020026142A1 (en) | 2018-07-30 | 2020-02-06 | Telefonaktiebolaget Lm Ericsson (Publ) | Joint placement and chaining of virtual network functions for virtualized systems based on a scalable genetic algorithm |
CN109598341A (zh) * | 2018-11-21 | 2019-04-09 | 济南浪潮高新科技投资发展有限公司 | 一种基于遗传算法的卷积神经网络训练成果检测及可视化方法 |
CN113379228A (zh) * | 2021-06-08 | 2021-09-10 | 天津大学 | 一种垃圾清运车的调度优化方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101677286A (zh) * | 2008-09-19 | 2010-03-24 | 中国电信股份有限公司 | 承载网络优化方法 |
CN102238686A (zh) * | 2011-07-04 | 2011-11-09 | 南京邮电大学 | 一种模型化量子遗传算法的无线传感器网络路由方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2946442B1 (fr) * | 2009-06-05 | 2011-08-05 | Airbus France | Procede et dispositif de chargement et d'execution d'instructions a cycles deterministes dans un systeme avionique multi-coeurs ayant un bus dont le temps d'acces est non predictible |
-
2014
- 2014-09-01 CN CN201410441205.3A patent/CN104202188B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101677286A (zh) * | 2008-09-19 | 2010-03-24 | 中国电信股份有限公司 | 承载网络优化方法 |
CN102238686A (zh) * | 2011-07-04 | 2011-11-09 | 南京邮电大学 | 一种模型化量子遗传算法的无线传感器网络路由方法 |
Non-Patent Citations (1)
Title |
---|
"基于遗传算法的最短路径路由优化算法";桂超等;《微计算机信息》;20060309;193-196 * |
Also Published As
Publication number | Publication date |
---|---|
CN104202188A (zh) | 2014-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104202188B (zh) | 一种采用遗传算法进行afdx网络路径优化的方法 | |
CN106600147B (zh) | 面向可分解任务的多无人机任务分配方法和装置 | |
Szeto et al. | Hybrid artificial bee colony algorithm for transit network design | |
CN107392355B (zh) | 一种基于差分进化算法的多机场协同调度鲁棒优化方法 | |
CN103761883B (zh) | 一种交通信号控制的自学习方法及*** | |
CN101777990B (zh) | 多目标免疫优化组播路由路径选择方法 | |
CN105515987B (zh) | 一种基于sdn架构面向虚拟光网络的映射方法 | |
CN106990792A (zh) | 混合引力搜索算法的多无人机协同时序耦合任务分配方法 | |
CN103595495B (zh) | 弹性光网络中静态业务流选路和频谱资源分配方法 | |
CN106651034B (zh) | 一种公交线网规划方法 | |
CN105323166B (zh) | 一种面向云计算的基于网络能效优先的路由方法 | |
CN108111335B (zh) | 一种调度和链接虚拟网络功能的方法及*** | |
CN103298009B (zh) | 复杂无线网络控制***的建模及故障传播方法 | |
CN103440522B (zh) | 遗传算法与MapReduce相结合的车辆调度方法 | |
GB2418800B (en) | Path optimization in communications and data networks | |
CN107948083A (zh) | 一种基于增强学习的sdn数据中心拥塞控制方法 | |
CN106656598A (zh) | 电力通信网关键业务备选路由配置方法及*** | |
CN113098714A (zh) | 一种基于深度强化学习的低时延网络切片的方法 | |
CN106611377A (zh) | 针对作业车间调度的结合关键路径的混合邻域搜索算法 | |
CN108809860B (zh) | 基于业务可靠性的网络节点资源分配方法 | |
CN107318058A (zh) | 基于成本最优和负载均衡的配电通信网中onu部署方法 | |
CN109379281A (zh) | 一种基于时间窗口的流量调度方法及*** | |
CN107276664A (zh) | 基于门限式负载的混合虚网映射方法 | |
CN106817306A (zh) | 一种确定目标路由的方法及装置 | |
CN115242295A (zh) | 一种卫星网络sdn多控制器部署方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |