[发明专利]一种基于遗传算法的设施选址方法

说明书

技术领域

本发明涉及设施选址领域，尤其涉及一种基于遗传算法的设施选址方法。

背景技术

当今视频技术发展迅猛，网络用户几乎时时刻刻都可以收看到任何视频，这样用户的数量也随之加大，网络带宽能否满足用户的需求成为当今亟待解决的问题。如何在覆盖广大用户的基础上布置最少数量的服务器从而使得对网络的花费最小成为当今视频供应商需要考虑的问题。

设施选址包括两个层次的问题：第一：选位，即选择什么地区(区域)设置设施，沿海还是内地，南方还是北方，等等。在当前全球经济一体化的大趋势之下，或许还要考虑是国内还是国外；第二：定址。地区选定以后，具体选择在该地区的什么位置设置设施，也就是说，在已选定的地区内选定一片土地作为设施的具体位置。

由于用户数量巨大，所以遍历所有可能的路径来找到最优的服务器位置是相当困难的，当今的设施选址问题大概可分为两类：整体规划和启发式算法。整体规划的思想是将相关问题转化为方程问题，再利用单纯形算法或多目标规划问题，但是这种方法需要借助求解器，并不适合所有商家；启发式算法是随机产生数列通过不断迭代优化寻找出规律从而求得最优解，常用的启发式算法有蚁群算法，遗传算法，退火算法和粒子群算法。

设施选址面临的主要问题有：大多数计算相关费用的方法都基于单节点，并不适用于多服务器多用户的情况。

发明内容

本发明提供了一种基于遗传算法的设施选址方法，本发明避免了对所有路径的遍历，节省了很大的计算空间和计算时间，尤其适用于用户数很大的情况，详见下文描述：

一种基于遗传算法的设施选址方法，所述设施选址方法包括以下步骤：

读取链路edge、用户custom和服务器server的相关信息；

其中，相关信息包括：用户数目、消费节点、以及与消费节点直连的网络节点和用户的带宽消耗需求；对每个服务器server来说，相关信息有：服务器部署成本；

随机生成服务器server的数目和其所在节点node位置，并将服务器server随机赋给用户custom，得到第一代分配种群；

运用遗传算法不断交叉变异迭代产生分配种群；经过若干次迭代后对每次结果进行对比获得最小费用的分配状况。

其中，所述将服务器server随机赋给用户custom，得到第一代分配种群具体为：

生成一个大小为用户数custom_num的队列，队列中的数值表示该用户的网络需求由哪个服务器server提供，随机分配10次产生第一代分配种群。

进一步地，所述运用遗传算法不断交叉变异迭代产生分配种群具体为：

利用最小费用最大流算法计算出每条染色体中服务器server所在节点位置到用户所在节点位置的最小费用cost_ij，取其倒数作为该染色体的适应值；

计算父代染色体的最大适应值f_{i_max}，平均适应值f_{i_avg}和总适应值f_{i_all}＝∑_jf_ij，以及该代中每一条染色体的适应值占整个种群总的适应值的比例p_ij＝f_ij/f_{i_all}；

随机生成一个概率值o_i，若o_i＞p_ij，则第j条染色体可用于遗传运算，对得到的染色体进行随机打乱得到g_i'_j，经过交叉变异后得到第i代的子代染色体种群即下一代染色体g_(i+1)j。

进一步地，所述经过若干次迭代后对每次结果进行对比获得最小费用的分配状况具体为：

比较10个最小费用中的最小值和相关染色体信息，可得到服务器安装在哪些节点上会使得整个网络的花费最小。

本发明提供的技术方案的有益效果是：

1、通过将随机方法和遗传算法的结合，避免了对网络中所有路径的遍历，大大节省了计算时间和空间；

2、大大减少了布置相关网络的花费成本；3、用户越多，效果越好。

附图说明

图1为一种基于遗传算法的设施选址方法的流程图；

图2为三种设施选址方法所需费用的对比图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。

实施例1