[发明专利]一种基于遗传算法的业务路径选择方法、装置及电子设备

摘要

本发明实施例提供了一种基于遗传算法的业务路径选择方法、装置及电子设备，该方法首先对每个业务的所有路径编码，得到对应的染色体集合，然后对染色体集合随机组合，得到初始个体，再计算第N代个体中每个个体的适应度值，采用精英选择方法和轮盘赌选择方法相结合的方法对第N代个体进行选择，并对选择后的第N代个体进行交叉运算和变异运算，得到第N+1代个体；最后判断N+1是否小于预设的最大遗传代数；在N+1小于预设的最大遗传代数时，将第N+1代个体作为第N代个体，重复执行计算每个个体适应度值的步骤；在N+1大于预设的最大遗传代数时，计算第N+1代个体的适应度值，并将第N+1代个体中适应度值最大的个体的染色体对应的路径作为对应业务的最佳路径。

主权项

1.一种基于遗传算法的业务路径选择方法，其特征在于，所述方法包括：获取K个业务的K个初始节点信息、K个目的节点信息和网络拓扑信息，并针对每个业务，在与所述网络拓扑信息对应的网络拓扑中，查找从与该业务的初始节点信息对应的初始节点、至与该业务的目的节点信息对应的目的节点的所有路径，其中，每个业务存在一个初始节点信息和一个目的节点信息，其中，所述K为大于或等于2的整数；针对每个业务，以所述所有路径中的每个节点作为一个基因，以所述所有路径中的每个路径作为一个染色体，经编码得到该业务对应的染色体集合；获取用户输入的初始个体数量m，并对所述K个业务的染色体集合中的染色体进行随机组合，得到由所述K个业务的染色体组成的m个初始个体，其中，每个初始个体中包含K个染色体，每个染色体对应一个业务的一条路径，所述m为大于或等于1的整数；针对每个第N代个体，获取并根据该第N代个体中每个基因对应的节点的相对影响值、该第N代个体的每个染色体对应的路径的时延、该第N代个体对应的每个链路上承载的业务数目和该第N代个体对应的链路总数，计算该第N代个体对应的负荷压力影响风险值、时延影响风险值和业务均衡度影响风险值，其中，N为大于或等于0的整数，当N等于0时，该第N代个体为初始个体，所述链路为初始节点和目的节点之间的任意两个直接相连的节点的路径；获取预设的第一影响因素权重、第二影响因素权重和第三影响因素权重，并根据所述负荷压力影响风险值、时延影响风险值、业务均衡度影响风险值、第一影响因素权重、第二影响因素权重和第三影响因素权重，计算每个第N代个体的适应度值；采用精英选择方法从所述m个第N代个体中，根据所述适应度值选择第一预设数量的第N代个体作为第一选择后的个体；采用轮盘赌选择方法，从所述m个第N代个体中，选择第二预设数量的第N代个体作为第二选择后的个体，并对所述第一选择后的个体与所述第二选择后的个体进行交叉运算和变异运算，得到m个第N+1代个体；判断N+1是否小于预设的最大遗传代数；在所述N+1小于预设的最大遗传代数时，将所述第N+1代个体作为所述第N代个体，重复执行获取并根据该第N代个体中每个基因对应的节点的相对影响值、该第N代个体的每个染色体对应的路径的时延和每个链路上承载的业务数目和该第N代个体对应的链路总数，计算该第N代个体对应的负荷压力影响风险值、时延影响风险值和业务均衡度影响风险值的步骤；在所述N+1大于预设的最大遗传代数时，获取并根据所述第N+1代个体中每个基因对应的节点的相对影响值、该第N+1代个体的每个染色体对应的路径的时延、每个链路上承载的业务数目、该第N+1代个体对应的链路总数、第一影响因素权重、第二影响因素权重和第三影响因素权重，计算所述第N+1代个体的适应度值，并将所述第N+1代个体中适应度值最大的个体的每个染色体对应的路径作为对应的业务的最佳路径。