[发明专利]基于神经进化的物联网拓扑结构生成方法

说明书

本发明涉及一种基于神经进化的物联网拓扑结构生成方法，通过对物联网拓扑结构中所有个体形成的种群初始化处理，得到初始化种群，在初始化种群内各初始化个体的通信范围内随机添加一个全连接motif，令全连接motif中的任一节点与对应初始化个体内初始节点建立连接，以建立连接后的各初始化个体为第一代种群的待生长个体，令所有待生长个体进行个体生长后形成候选种群，再对候选种群内的各个体做模拟恶意攻击，计算各生长后个体的鲁棒性指标，以鲁棒性指标筛选出候选种群的下一代种群，直到将基于需求节点数量筛选得到的个体作为最优个体，将该最优个体作为所需要鲁棒的物联网拓扑结构，实现了通过增加网络拓扑中motif数量提高物联网拓扑结构的鲁棒性。

技术领域

本发明涉及物联网领域，尤其涉及一种基于神经进化的物联网拓扑结构生成方法。

背景技术

物联网技术作为信息时代的新产物正在逐步发展，规模不断增大，其所涉及的领域也愈发广泛，例如智慧医疗、智能车联网、智慧城市、智能家居和智能穿戴设备。广泛分布的物联网设备通过终端的传感器等设备与现实世界进行交互，将各类信息进行传输，为各种相关应用提供数据支持。其中，鲁棒的网络拓扑结构是保障物联网高效稳定数据传输质量的基础。特别是当物联网受到拓扑层面的威胁时，鲁棒的网络拓扑可以缓解由于设备失效链路不稳定等问题所带来的级联崩溃。因此，鲁棒的网络拓扑结构对物联网有十分重要的意义。现在主要采用对物联网的已有网络拓扑结构进行优化的方法来提高网络拓扑结构的鲁棒性。

但是，现有提高物联网的网络拓扑鲁棒性的方法存在不足：采用网络拓扑结构优化方法是针对设备数目固定的物联网拓扑结构，一旦有新的设备(或者称节点)增加到物联网结构中，上述的网络拓扑结构优化方法就难以满足设备数动态变化的物联网结构，导致如果继续使用原有的网络结构拓扑优化方法将会消耗大量的时间和计算资源，降低提高网络拓扑结构鲁棒性的效率。

发明内容

本发明所要解决的技术问题是针对上述现有技术提供一种能够提高网络结构鲁棒性的基于神经进化的物联网拓扑结构生成方法。

本发明解决上述技术问题所采用的技术方案为：基于神经进化的物联网拓扑结构生成方法，其特征在于，包括如下步骤：

步骤1，将物联网拓扑结构中的每一个网络拓扑作为一个个体，且由所有的个体形成针对该物联网拓扑结构的种群；其中，每个个体内的限制区域内随机设置一个节点；

步骤2，对形成的该种群做初始化处理，得到初始化种群；其中，初始化种群内的个体为初始化个体，初始化个体内设置的节点为初始节点；

步骤3，在每个初始化个体的通信范围内随机添加一个节点，且令添加的该节点与该初始化个体内的初始节点建立连接，并以建立连接后的所有初始化个体作为第一代种群；

步骤4，对最新种群内的个体进行个体生长，且由生长后的所有个体形成候选种群；

步骤5，对候选种群内的每个个体做模拟恶意攻击，并计算每个生长后个体的鲁棒性指标；

步骤6，将所有生长后个体依照鲁棒性指标大小按比例筛选出具有较大鲁棒性指标的生长后个体，且由所有筛选出来的生长后个体形成针对该候选种群的下一代种群；

步骤7，对所形成下一代种群中具有最小节点数的个体的节点数目是否大于需求数目值做出判断处理：

当该具有最小节点数的个体的节点数目大于需求数目值时，转入步骤8；否则，转入执行步骤4；

步骤8，在当前种群的前一代种群中且具有符合需求节点数量要求的个体中选取最优个体，并将该最优个体作为所需要鲁棒的物联网拓扑结构。

改进地，在所述基于神经进化的物联网拓扑结构生成方法中，在步骤3中，在每个初始化个体的通信范围内随机添加一个节点的过程如下：