[发明专利]基于双层递归神经网络的应用层组播树构建方法

摘要

基于双层递归神经网络的应用层组播树构建方法，通过能量函数所对应的神经元运动方程求出相应的神经元的权值及偏流，并以此去调整相应的反馈权值和偏置，进行迭代计算，直到系统收敛到稳定状态为止。在稳定状态下神经元变量的输出即为实际优化问题的解。本方法中仍然采用Hopfield神经网络模型求解最优化问题的思想，但在此基础上加入双层递归神经网络模型中的Kirchoff限制条件提高了解的合法性；加入了LP型非线性编程神经元，保证了路由求解过程中限制条件的满足；同时通过求解单播路由的神经元矩阵之间相对应神经元的关联保证了最终的组播路由的最优。

主权项

1.一种基于双层递归神经网络的应用层组播树构建方法，其特征在于该方法具体包括：a.各组播组成员把它所知道的链路信息，包括链路时延、费用、彼此间的连接关系发送给主节点；b.主节点根据这些连接关系得到一个全网的拓扑，并把时延及费用与拓扑中的相应边关联起来；c.主节点针对前文的神经网络的微分方程采用四阶龙格—库塔法求解，计算时间的步长Δt＝10^-5s，输出收敛精度Δv＝10^-5，即当前后两次计算的解之差小于10^-5时，就认为解已求出，转第f步向各组播成员输出结果；d.采用两次收敛的过程，首先考虑偏置项I₁，使神经网络的状态在最短路径和度限制要求收敛到指定的精度：由于需要满足连接度限制的条件，采用一种在循环过程中自适应地修改参数的方法；每个神经元有一个不同的值，其中k对应不同的神经元矩阵，j为循环次数；在收敛过程中，一旦时延限制条件得不到满足，就改变组成那条非法路径的链路的费用参数，通过神经元的动态性，它们最终将构建一条满足限制条件的路由；e.在二次收敛时，把偏置项I₁置0，从而让状态变量收敛于0或1；f.在解稳定后，主节点把对应取值为1的计算结果通知给相应的组播成员节点，当对应边取1时，表示该边将参与到组播数据的传送中；各组播成员根据收到的数据设置自己的组播转发表。