[发明专利]基于邻域免疫克隆选择的多智能体组播路由方法

说明书

技术领域

本发明属于网络通信技术领域，涉及多智能体技术在组播路由问题中的应用，用于求解服务质量(QoS)组播路由问题，通过该方法获得的较优组播树，更加合理的配置网络资源。

背景技术

随着计算机网络飞速发展，网络功能日益强大。网络的作用从简单信息传送发展到远程教学、视频会议、数据分发和网络游戏等，用户的数据要从一个终端发送到另一个终端，首先要确定传输路由，不同的通信方式，其确定路由的方式也不同。如今网络的通信方式主要有以下几种：1)点到点的单播通信方式；2)由一个源节点向多个目标节点发送信息的组播通信方式；3)由多点到一点发送信息的汇播通信方式；4)由多点到多点发送信息的群播通信方式；5)由源节点到所有节点发送信息的广播通信方式。

实时多媒体通信需求的增长，使得满足服务质量Qos约束的组播路由方法成为当前研究的热点，QoS约束主要包括时延、费用、带宽、跳数等。组播问题的关键在于建立以根为源节点，覆盖所有目的节点，且满足约束要求的多播树，使信息以并行方式沿着树枝发送到不同的组播成员，降低信息传递的时延，节省网络带宽资源，减少拥塞。由于QoS组播路由问题的复杂性，引入人工智能方法是很合理的。

多智能体系统是近二十年来蓬勃兴起的崭新计算机学科，尽管这是个相对年轻的领域，但凭借其强劲的发展势头，已经成为了目前计算机科学发展最快的领域之一。多智能体系统是一种分布式自主系统，其研究的目标是将大的、复杂的系统改造成小的、协调的、易于管理的且能够彼此相互通讯的系统。

免疫系统的克隆选择学说是免疫学中占主导地位的学说，克隆选择学说的提出不仅是免疫学发展的里程碑，而且给人工免疫系统领域的研究者以很大的启发，从而使人工智能领域出现了基于抗体种群进化的克隆选择算法。

相关研究已经表明，基于QoS约束的最小代价组播路由问题是NP-complete问题，将免疫克隆策略和多智能体系统思想相结合以解决QoS组播路由问题，国内外学者提出了很多不同的方法，但均存在不同的问题。钟伟才在《组合优化多智能体进化算法》中提出了搜索空间动态扩展的多智能体进化方法，该方法通过设计智能体的邻域竞争行为和自组织临界行为以实现全局优化的目的，该方法只适合特定的网络，常限于局部最优，很难得到代价最小的组播树，而且该方法很难并行实现。刘渊等人在《基于免疫克隆计算的Multi_Agent组播路由算法》中提出MAICSA方法，该方法首先构建一网络模型以寻找一条满足各种QoS要求的最优传输路径，它将单个智能体作为网络模型的节点，而每代产生的智能体在网格中的位置不固定，需要很高的迭代次数才能获得代价最小的组播树，不能很好满足决策者合理配置网络资源的要求。

发明内容

本发明的目的在于克服上述已有技术的不足，提出一种基于邻域免疫克隆选择的多智能体组播路由方法，将智能体网格结构引入抗体种群之中，并赋予抗体感知和反作用于周围环境的智能特性，以更小迭代次数获得更优的组播树，满足决策者合理配置网络资源的要求。

本发明的技术方案是：将杜海峰等人提出的免疫克隆策略和多智能体系统思想相结合，在智能体邻域竞争前先对其邻域个体进行免疫克隆操作，并针对使用的编码方案，设计动态疫苗提取策略，具体实现步骤如下：

(1)在网络平面上产生给定规模的矩形网格，随机产生一些网络节点，并使网络节点分布在矩形网格上，对这些网络节按点链路概率公式：进行连接，形成组播路由的网络模型，

式中d(u，v)表示节点u到节点v的欧式距离，L是任意两节点间的最大距离，α表示网络中最短边与最长边长度之比，β为控制网络所有节点平均度数的参数，它的值为网络所有节点平均度数的0.1倍，α取值为0.26，β取值为0.4；

(2)对已建立的智能网格，随机指定一点作为信源节点s，并随机产生目标节点，将对组播路由问题的求解转化为：求从信源节点出发，覆盖所有目标节点的最优组播树，并初始化抗体种群P以及记忆单元种群M，给定变异概率Pm＝0.6，种群规模S＝16，抗体种群克隆规模Nc＝6，记忆单元规模m′＝4，设定种群进化的终止条件为最优抗体种群连续20次不变或种群迭代次数达到上限100，令进化代数k＝1，

(3)计算抗体种群P中的抗体Pi的亲合度：并选择到达每个目标节点的最优路径作为疫苗，其中cost(p_i)为抗体p_i所代表组播树的代价；

(4)根据步骤(2)所设定的终止条件，判断种群迭代是否达到终止条件，若是则输出当前记忆单元中的最优组播树以及到达每个目标节点的最优路径；否则转步骤(5)；