[发明专利]基于果蝇优化算法的带宽约束组播路由优化方法

说明书

本发明公开了一种基于果蝇优化算法的带宽约束组播路由优化方法，本发明在解决带宽约束组播路由问题上应用了果蝇优化算法，并提出了自定义嗅觉随机搜索、味道浓度判断、自定义视觉定位等步骤，相比于其它现有技术，在解决现有技术中解决组播路由问题过程中收敛速度快，获取组播树代价小。

技术领域

本发明涉及无线通讯技术领域，具体涉及一种基于果蝇优化算法的带宽约束组播路由优化方法。

背景技术

近几年，网络上出现了各式各样的新业务及新应用。其中很大一部分是以高带宽、高网络资源需求为基础的多媒体业务，比如远程教育、IPTV、网络会议等，这些业务的主要特点是发送方发送的数据具有极高重复性。面对这些业务，如采用传统的点对点通信模式，会在网络用户增加的情况下使网络资源和带宽急剧消耗，最后造成网络拥塞。而组播技术可以很好的解决这一问题。这种组播技术的主要特点是可以提供从单点同时向网络中的多点传输相同数据，依靠组播树，两个或多个目的网络或主机不需要在重复链路各自发送数据包，只需在组播树分支节点复制数据包并分发即可，这样就可以有效节约网络资源且提高带宽利用率。如果寻求组播树的路由算法支持指定的服务质量(Quality of Service，简称QoS)参数约束(如带宽、时延抖动、时延等约束)，则称这种算法为QoS组播路由算法。而对基于服务质量的组播路由算法的研究对于提高组播的服务的效率就显得尤为重要。

早前针对组播树最短路径问题曾提出一些基本的数学优化算法：比如典型的单源最短路Dijkstra算法和Bellman-Ford算法；针对组播最小生成树的贪心算法等。然而这些算法都是针对源节点到每个目的节点单条最短路径的算法，没有考虑尽量多的增加重复链路来节省带宽消耗。这样，人们开始应用启发式算法来解决组播路由最小斯坦利树(Minimum Steiner Tree，简称MST)问题。比如Parsamehrdad提出的受限最短多播(BoundedShortest Multicast Algorithm，简称BSMA)算法；Gelenbe曾采用随机神经网络算法，对由Kou提出的最小斯坦利树启发(Minimum Steiner Tree Heuristic，简称MSTH)算法产生的生成树寻找潜在的斯坦利节点，来优化计算MST。然而这些算法所假设的网络规模都比较小，当今的网络规模越来越大，而且，MST组播路由问题已被证明为非决定性多项式完全(Non-deterministic Polynomial Complete，简称NP-Complete)问题，在较大网络规模下，寻求问题的客观最优解已变得越来越耗时甚至不切实际，故这些算法的研究遇到了瓶颈。

于是国内外的学者结合实际问题，应用遗传算法(Genetic Algorithm，简称GA)等元启发式群智能算法对组播路由问题进行了研究，并取得了一定的成果。这类群智能算法的特点是不求找到客观最优解，而是在有限的时间内找到一个可以接受的较优解，正适合解决组播路由这类NP-Complete问题。然而，将遗传算法应用于组播路由问题存在一定缺陷，由于遗传算法中选择、交叉、变异等操作比较复杂，导致其收敛速度过慢，获取的组播树代价比较高。

发明内容

本发明的主要目的在于提供基于果蝇优化算法的带宽约束组播路由优化方法，以解决现有技术中解决组播路由问题过程中收敛速度过慢，获取组播树代价较高的技术问题。

为了实现上述目的，提供了一种基于果蝇优化算法的带宽约束组播路由优化方法，包括以下步骤：

(1)确定优化目标并约束条件，建立基于实际网络的逻辑网络拓扑图；

(2)基于上述网络拓扑，初始化算法中果蝇群体规模，初始化果蝇群体，生成所有果蝇个体，每个果蝇个体均具有位置和味道浓度值两个属性；初始化最大迭代代数、嗅觉随机搜索步长参数，视觉定位灵敏度参数以及当前迭代代数；初始化一个历史最优果蝇个体，设置其味道浓度值；

(3)对于当代果蝇群体中的每个个体，结合嗅觉随机搜索步长参数，进行嗅觉随机搜索；