[发明专利]一种车联网专用短程通信系统路侧通信单元布局优化方法

摘要

本发明公开一种车联网专用短程通信系统路侧通信单元布局优化方法，包括步骤一：提取实际应用场景下的车联网路侧单元网络，抽象为复杂网络；步骤二：构建目标函数以及效率和成本的函数；步骤三：引入初始的扰动，模拟网络的级联实效过程，并且调整目标函数的参数；步骤四：确定CRO算法中的参数，并且执行迭代过程以获得全局最优解；步骤五：记录总体迭代过程中对应的四个理论指标值的变化趋势，并且存入信息库中，为类似的网络优化提供定性和定量的评价以及参考。本发明对于通讯网络中常见的级联失效问题，利用复杂网络的相关理论，实现车联网路侧单元网络结构的优化，可以为车辆自组织网络的正常运行提供可靠性保证。

主权项

1.一种车联网专用短程通信系统路侧通信单元布局优化方法，包括以下几个步骤：步骤一：提取实际应用场景下的车联网路侧单元网络，将其抽象为复杂网络；具体为：设复杂网络为R网络，点表示车联网路侧单元设备，点和点之间的边表示设备之间建立通讯，并且生成其邻接矩阵G，G中的元素表示两个点之间是否有边相连，元素为1则有边相连，元素为0则没有边相连，G为N*N矩阵，N为点的个数；步骤二：基于所建立的复杂网络的邻接矩阵，设定边的权重，构建目标函数以及效率和成本的函数；具体为：设k_ij表示矩阵中边的权重，i和j表示网络中任意两个点，则初始的时候，若i和j之间有边连接，则k_ij＝1，若i和j之间没有边连接，则k_ij＝0，设目标函数为：Val＝aA(G)‑bB(G)                       (1)其中，A(G)表示网络的总体效率，B(G)表示网络的总体成本，a、b分别表示A(G)和B(G)所分别占有的比重，取值范围为[0.5,1.5]，取值跨度为0.1，A(G)和B(G)为：其中，N为网络中点的个数，λ_ij为点i和点j之间的传输效率，μ_i为点i之中所需要的传输容量；获取λ_ij具体为：设点i和点j之间的最短路径为(x₁,x₂,……x_k)，(x₁,x₂,……x_k)为两个点之间的点，对于任意的点i和点j，f_r表示x_r和x_r+1之间的边的权重，r表示最短路径的编号；获取μ_i具体为：对于任意一点i，计算μ_i＝d·H_i(0)，H_i(0)表示初始状态下，点i的负载，定义为时间步长为t＝0时刻经过点i的最短路径的个数，d表示点i的容量和负载之间的相对关系，若d的取值大于1，则点i的容量大于负载，若d的取值小于1，则点i的容量小于负载，d的取值范围为[0,2]；步骤三：引入初始的扰动，根据级联实效模型，模拟网络的级联实效过程，并且调整目标函数中的两个参数；具体为：引入初始的扰动，根据级联失效模型模拟网络的级联失效过程，一个时间步长完成一次迭代过程，更新一次网络的权重矩阵和负载矩阵，并且计算一次目标函数值Val，持续到Val趋于稳定，其中级联失效模型为：其中，k_ij表示矩阵中边的权重；与此同时，对于目标函数中的两个参数a和b，进行调整，分别取值为：a∈[1.5,1.4,1.3,1.2,1.1,1.0,0.9,0.8,0.7,0.6,0.5]b∈[0.5,0.6,0.7,0.8,0.9,1.0,1.1,1.2,1.3,1.4,1.5]两两一组，{a＝1.5,b＝0.5}、{a＝1.4,b＝0.6}、{a＝1.3,b＝0.7}、{a＝1.2,b＝0.8}、{a＝1.1,b＝0.9}、{a＝1.0,b＝1.0}、{a＝0.9,b＝1.1}、{a＝0.8,b＝1.2}、{a＝0.7,b＝1.3}、{a＝0.6,b＝1.4}、{a＝0.5,b＝1.5}，分别代入目标函数中，执行上述级联失效过程，比较趋于稳定的Val，选择Val值最大的参数组合为目标函数的参数；步骤四：采用CRO算法，确定CRO算法中的参数，生成初始的可行解，并且以CRO算法的流程，对初始的可行解进行迭代优化，直到局部最优解趋于全局最优解；具体为：确定目标函数为Val＝aA(G)‑bB(G)，确定CRO算法中的参数：设PopSize为初始生成的可行解集中可行解的个数；设MoleCollision为判断从可行解集中选择的可行解的个数的标准；设DCriterion为判断是On‑‑‑wall ineffective collision或是Decomposition；设SCriterion为判断是Intermolecular ineffective collision或是Synthesis；设可行解为实现对于网络的初始的邻接矩阵的结构优化的N*N矩阵，矩阵中的每一个元素，随机的选择为1，2，3，4，所表示的意义分别为：1表示两点之间增加一条边，若两点之间本来就有边则不变；2表示两点之间减少一条边，若两点之间本来就没有边则不变；3表示更改两点之间边的连接方式，也就是将A和B相连改为B和C相连，A、B、C表示网络中的三个点，若两点之间本来就没有边则不变；4表示无变化；可行解的限制条件检验，其中的限制条件包括：1)可行解修正后的邻接矩阵所表示的网络是否是一个整体连接的网络；2)可行解修正后的邻接矩阵所表示的网络的边的个数是否不大于阈值；对于不符合限制条件检验的可行解要重新生成；设PE对应的是化学反应中的势能，指某个可行解所对应的目标函数的函数值；设KE，KE对应的是化学反应中的动能，指某个可行解在某一个迭代步骤中完成所选择的处理方式的一种趋势程度；生成一定个数的可行解，可行解的个数为PopSize，并且执行限制条件检验，计算各个可行解对应的PE，并且给各个可行解赋予一个KE，定义为InitialKE，生成一个随机数value，随机数value的取值范围为[0,1]，执行以下四个过程：(1)若value大于Molecollision，则随机的选择一个可行解，并且执行R网络的级联失效仿真过程，获得Val值，再判断DCriterion条件是否成立；DCriterion条件指的是PE(w)+KE(w)+buffer>PE(w*1)+PE(w*2)；w指的是所选择的可行解，w*指的是若执行Decomposion处理方式之后生成的可行解，buffer指的是能量存储器之中的能够利用的动能，能量存储器定义为将与反应容器之间发生碰撞反应可是没有流失到环境中的动能储存起来并且用于其他反应的机制，KELossRate指的是流失到环境中的动能的百分比；A.若DC条件成立，执行On‑wall ineffective collision处理方式，该处理方式定义为随机的选择可行解矩阵中的一个元素，并且随机的赋予其一个更新的取值，并且更新PE和KE，以及buffer；PE更新为PE(w*)；KE更新为(PE(w)+KE(w)+buffer‑PE(w*))*(1‑KELossRate)；buffer更新为(PE(w)+KE(w)+buffer‑PE(w*1)‑PE(w*2))*KELossRate；B.若DC条件不成立，则执行Decomposition处理方式；该处理方式定义为随机的选择可行解矩阵中的一个元素，根据该元素所在的行和列进行分割，以左上角为一部分，以右下角为一部分，并且分别随机的补全两个部分所缺失的部分，并且更新PE和KE；PE更新为PE(w*1)，PE(w*2)；KE更新为[(PE(w)+KE(w)+buffer‑PE(w*1)‑PE(w*2))*(1‑KELossRate)]*k，[(PE(w)+KE(w)+buffer‑PE(w*1)‑PE(w*2))*(1‑KELossRate)]*(1‑k)，K的取值范围为[0,1]；(2)若value小于Molecollision，则随机的选择两个可行解，并且执行R网络的级联失效仿真过程，获得Val值，再判断SCriterion条件是否成立；SCriterion条件指的是PE(w1)+PE(w2)+KE(w1)+KE(w2)>PE(w*)，w1，w2指的是所选择的可行解，w*指的是若执行Synthesis处理方式之后生成的可行解；A.若SC条件成立，执行Intermolecular ineffective collision处理方式；该处理方式定义为随机的选择两个可行解矩阵中的各一个元素，并且随机的赋予其各一个更新的取值，并且更新PE和KE；PE更新为PE(w*1)，PE(w*2)；KE更新为[PE(w1)+PE(w2)+KE(w1)+KE(w2)‑PE(w*1)‑PE(w*2)]*k，[PE(w1)+PE(w2)+KE(w1)+KE(w2)‑PE(w*1)‑PE(w*2)]*(1‑k)，K的取值范围为[0,1]；B.若SC条件不成立，执行Synthesis处理方式；该处理方式定义为随机的选择两个可行解矩阵中的各一个相同位置的元素，分别根据该元素所在的行和列进行分割，以左上角为一部分，以右下角为一部分，并且将前者的左上角部分和后者的右下角部分组合在一起，并且更新PE和KE；PE更新为PE(w*)；KE更新为PE(w1)+PE(w2)+KE(w1)+KE(w2)‑PE(w*)；对于上述四个过程，完成之后均需要对于更新的可行解执行限制条件检验，并且执行R网络的级联失效仿真过程，计算更新的可行解对应的PE，四个过程分别表示为；(1)A.PE(new)值，B.PE1(new)和PE2(new)值，(2)A.PE1(new)和PE2(new)值，B.PE(new)值，分别对应的比较，(1)A.PE与PE(new)，B.PE与PE1(new)和PE2(new)，(2)A.PE1和PE2与PE1(new)和PE2(new)，B.PE1和PE2与PE(new)，选择其中的最优PE值与截止到上一次迭代过程的局部最优PE值相互比较，选择二者之中较优的为这一次迭代过程的局部最优PE值且保存其对应的可行解，判断局部最优PE值是否趋于稳定，取近五次迭代过程的局部最优PE值的标准差为判断标准，检验标准差是否不大于某一个给定的阈值；若局部最优PE值趋于平稳，将局部最优PE值提取为全局最优PE值，并且保存其对应的可行解，基于此可行解获得优化后的网络的邻接矩阵，即优化后的网络的结构组成；若局部最优PE值没有趋于平稳，则返回迭代过程的起始重新开始迭代过程；步骤五：记录总体迭代过程中对应的四个理论指标值的变化趋势，并且存入信息库中，为类似的网络优化提供定性和定量的评价以及参考；具体为：建立四个理论指标，反映网络的状态，分别是最短路径长度，聚类系数，模块化系数，同配异配系数；A.最短路径长度:S_min是点i和点j之间的最短路径长度；B.聚类系数:t_i是点i的相邻节点的个数，T_i是t_i个相邻节点之间的边的个数；C.模块化系数:G_ij是点i和点j所共有的与点i和点j所有的相邻节点的个数之商；D.同配异配系数:m_i和n_i分别是第i条边的两个端点的相邻节点的个数，l是边的个数的倒数；记录总体迭代过程中对应的四个理论指标值的变化趋势，并且存入信息库中，为类似的网络优化提供定性和定量的评价以及参考，最终得到最优的路侧单元布局方案。