專利名稱：基于遺傳算法的無線認知網(wǎng)絡(luò)端到端服務(wù)質(zhì)量確保方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種具有認知功能的移動自組織網(wǎng)絡(luò)，屬于移動自組織網(wǎng)絡(luò)中端到端服務(wù)質(zhì)量確保的技術(shù)領(lǐng)域。
背景技術(shù)：
近年來，移動自組織網(wǎng)絡(luò)中的端到端服務(wù)質(zhì)量(QoQ確保問題引起了國內(nèi)外專家學(xué)者和科研機構(gòu)的廣泛關(guān)注。端到端QoS指數(shù)據(jù)傳輸過程中涉及到的所有節(jié)點、鏈路服務(wù)性能的總效果，它決定了一個用戶對服務(wù)的滿意程度，通常由若干基本的性能指標來描述， 包括鏈路可用性、吞吐量、時延、抖動、分組丟失率、連接建立時間等。移動自組織網(wǎng)絡(luò)以其較強的靈活性、可生存性和自組織能力被廣泛地應(yīng)用于社會各領(lǐng)域。然而，該網(wǎng)絡(luò)中也存在一些問題，比如資源有限，無線鏈路時斷時續(xù)、間歇可用，集中控制的基礎(chǔ)設(shè)施缺乏等，這些使得移動自組織網(wǎng)絡(luò)中的端到端QoS確保問題面臨著很多挑戰(zhàn)。目前現(xiàn)有的針對移動自組織網(wǎng)絡(luò)中端到端QoS確保的研究主要存在以下幾個問題一是，端到端QoS確保方法不具有通用性。由于不同應(yīng)用的機理導(dǎo)致影響其端到端QoS 的關(guān)鍵因素有所不同，因而根據(jù)不同應(yīng)用的特點，采用不同的端到端QoS確保方法。比如， 視頻、音頻的編碼方式是影響多媒體業(yè)務(wù)QoS的重要因素之一，因而很多對其QoS保障問題的研究都集中于編碼方法，而對其他很多應(yīng)用的端到端QoS保障則沒有這方面因素的考慮。二是，QoS指標之間存在著一些關(guān)聯(lián)，對其中一些指標的保障，可能會影響到其他指標的性能。目前大部分的研究只能確保單個QoS指標，同時確保多個QoS指標通常是個NP問題，需要借助于一些智能的算法來解決。三是，目前大部分方法在應(yīng)對環(huán)境變化方面的能力比較弱，尤其是移動自組織網(wǎng)絡(luò)這種環(huán)境會隨時發(fā)生變化的網(wǎng)絡(luò)，增強方法的自適應(yīng)能力， 使其在環(huán)境變化時，能夠快速做出響應(yīng)是十分必要的。與此同時，無線認知網(wǎng)絡(luò)是近年來新興的一種具有自我管理、自我優(yōu)化、自我愈合能力的網(wǎng)絡(luò)技術(shù)。它能夠通過測量、估算、感應(yīng)等途徑感知反映當前網(wǎng)絡(luò)狀態(tài)的參數(shù)值；然后，采取一定的智能方法，如遺傳算法、博弈論等，按照一定的端到端目標，決策出能夠提高網(wǎng)絡(luò)端到端性能的配置方案；最后，根據(jù)決策出的結(jié)果，進行網(wǎng)絡(luò)的重構(gòu)；在上述過程中， 網(wǎng)絡(luò)還具有學(xué)習(xí)的能力，積累一定的重構(gòu)案例，從中提取出知識，以指導(dǎo)后續(xù)的決策過程。針對目前在移動自組織網(wǎng)絡(luò)端到端QoS確保研究中的幾個問題，引入無線認知網(wǎng)絡(luò)的方法是十分必要的。無線認知網(wǎng)絡(luò)中的一個關(guān)鍵問題是決策過程采用的智能決策方法。遺傳算法是借鑒了進化生物學(xué)中的一些現(xiàn)象，如變異、交叉等，而發(fā)展起來的，是一種用于解決最優(yōu)化問題的搜索算法。它的特點有從問題解的串集開始搜索，覆蓋面大，利于全局擇優(yōu)；同時處理多個個體，減少了陷入局部最優(yōu)解的風(fēng)險，算法本身易于實現(xiàn)并行化；具有自組織、自適應(yīng)性和自學(xué)習(xí)性；可以解決多目標優(yōu)化問題等。這些特點使得它成為適合確保業(yè)務(wù)多個QoS指標的優(yōu)化搜索方法
發(fā)明內(nèi)容
本發(fā)明以確保移動自組織網(wǎng)絡(luò)中業(yè)務(wù)的多個端到端QoS指標為目標，根據(jù)無線認知網(wǎng)絡(luò)的思想，建立移動自組織網(wǎng)絡(luò)中業(yè)務(wù)端到端QoS確保問題的無線認知網(wǎng)絡(luò)模型，并以遺傳算法作為無線認知網(wǎng)絡(luò)模型中的智能決策方法，具體包括1.無線認知網(wǎng)絡(luò)模型無線認知網(wǎng)絡(luò)的基本組成有感知、決策和行動這三個部分。本發(fā)明將移動自組織網(wǎng)絡(luò)中業(yè)務(wù)的端到端QoS確保問題建立為無線認知網(wǎng)絡(luò)模型。將業(yè)務(wù)的QoS指標，如業(yè)務(wù)的端到端時延、抖動、丟包率等，作為反映網(wǎng)絡(luò)狀態(tài)的感知參數(shù)；將能夠解決多目標優(yōu)化問題的遺傳算法作為智能決策過程的方法；將網(wǎng)絡(luò)協(xié)議棧中的可調(diào)參數(shù)，如無線節(jié)點的發(fā)射功率、數(shù)據(jù)的發(fā)送速率等，作為完成網(wǎng)絡(luò)重構(gòu)的行動方案配置參數(shù)。2.采用遺傳算法的認知決策過程遺傳算法作為無線認知網(wǎng)絡(luò)模型中的智能決策方法，其主要作用是搜索能夠確保業(yè)務(wù)多個端到端QoS指標的網(wǎng)絡(luò)協(xié)議棧中的可調(diào)參數(shù)值。將經(jīng)過編碼的可調(diào)參數(shù)組合作為遺傳算法中參與操作的染色體，可調(diào)參數(shù)的個數(shù)即為染色體的長度；QoS指標作為適應(yīng)度函數(shù)，由于本發(fā)明針對的是多個QoS指標，適應(yīng)度函數(shù)以向量的形式表示，向量中的每個元素對應(yīng)于每個經(jīng)過處理的QoS指標。染色體參與的運算是遺傳算法現(xiàn)有的錦標賽選擇、交叉、變異等操作，通過這些操作，染色體會不斷變換成不同的染色體，再通過非支配排序算法將這些染色體進行多目標排序，選擇出在各個子目標上均較好的染色體，作為新的種群， 繼續(xù)參與遺傳操作。算法結(jié)束后，將求解出的染色體解碼，即可得到所需的可調(diào)參數(shù)值。
與現(xiàn)有技術(shù)相比，本發(fā)明的創(chuàng)新之處在于該方法是一種比較通用的端到端Q0S 確保方法，不受具體業(yè)務(wù)的局限；采用無線認知網(wǎng)絡(luò)的技術(shù)增強了該方法的靈活性和自適應(yīng)性；遺傳算法可以解決多目標優(yōu)化問題，使得該方法可以同時保障多個QoS指標。具體體現(xiàn)在1)該方法在尋找優(yōu)化配置的過程中，評判的標準就是業(yè)務(wù)的端到端QoS指標，這些指標一般是各種業(yè)務(wù)通用的端到端時延、丟包率、抖動等；改善QoS狀況時，調(diào)整的參數(shù)是網(wǎng)絡(luò)協(xié)議棧中的通用參數(shù)，如無線節(jié)點的發(fā)射功率、數(shù)據(jù)的發(fā)送速率等；業(yè)務(wù)具體運行過程中的復(fù)雜機理無需過多考慮。這種設(shè)計使得該方法在應(yīng)用的過程中，不會受到具體業(yè)務(wù)特點的局限，具有通用性。2)該方法采用了無線認知網(wǎng)絡(luò)的技術(shù)。該技術(shù)本質(zhì)上是一個帶反饋的循環(huán)，每次感知網(wǎng)絡(luò)環(huán)境、決策出重配置方案和完成網(wǎng)絡(luò)重構(gòu)之后，認知過程并沒有結(jié)束，節(jié)點每隔一段時間感知一次網(wǎng)絡(luò)環(huán)境，當環(huán)境發(fā)生變化時，決策和行動過程會再次執(zhí)行。這種周而復(fù)始的過程，使得該方法能夠?qū)Νh(huán)境的變化作出及時、準確地響應(yīng)，增強了網(wǎng)絡(luò)的自適應(yīng)性和靈活性。3)遺傳算法中的非支配排序方法是專門針對多目標排序而設(shè)計的。在解決多目標優(yōu)化問題時，一般的方法是利用權(quán)重等手段將多個目標組合成一個綜合目標，其中的組合方法和權(quán)重選擇往往是關(guān)鍵，如果設(shè)計不好，就會嚴重影響決策、計算的結(jié)果。利用非支配排序方法，不需要把多個目標組合成一個綜合目標，可以直接進行多目標的排序、比較，方便易用并且準確性較高。


圖1基于遺傳算法的無線認知網(wǎng)絡(luò)端到端QoS確保方法原理圖。圖2感知過程流程圖。圖3遺傳算法流程圖。
具體實施例方式基于遺傳算法的無線認知網(wǎng)絡(luò)端到端QoS確保方法的基本原理如圖1所示，主要包括感知QoS指標、智能決策和行動三個部分。感知QoS指標部分是獲取反映業(yè)務(wù)運行過程中的端到端QoS信息，包括端到端時延、抖動、丟包率等信息，該過程是通過發(fā)送QoS信息統(tǒng)計數(shù)據(jù)包的方式實現(xiàn)的。該過程的流程參見圖2，具體步驟如下1)定義一個全局變量QoS_ID，該變量用于標識QoS信息統(tǒng)計數(shù)據(jù)包，它被封裝在 QoS信息統(tǒng)計數(shù)據(jù)包中，使得該數(shù)據(jù)包能夠被識別出來；2)在業(yè)務(wù)的目的端設(shè)定感知時間Sense_time、QoS信息統(tǒng)計時間QoS_period和計時器t三個變量，其中Sense_time > QoS_period ；3)當t = O時，開始統(tǒng)計從源端發(fā)來的業(yè)務(wù)數(shù)據(jù)包的時延等QoS指標信息；4)當t = QoS_period時，停止統(tǒng)計QoS信息，并將這段時間統(tǒng)計的QoS信息封裝成QoS信息統(tǒng)計數(shù)據(jù)包，將QoS_ID填入數(shù)據(jù)包的首部，對應(yīng)的字段名叫“command”，將該數(shù)據(jù)包發(fā)送給需要進行重配置調(diào)整的節(jié)點；5)當 t = Sense_time 時，t 清 0，回到步驟 3)。感知過程按照上述步驟循環(huán)進行，以監(jiān)測環(huán)境變化等原因?qū)I(yè)務(wù)端到端QoS造成的影響。智能決策部分主要是通過遺傳算法去搜索能夠使多個QoS指標優(yōu)化的可調(diào)參數(shù)值，其流程參見圖3，具體步驟如下1)可調(diào)參數(shù)指網(wǎng)絡(luò)協(xié)議棧中可以自動調(diào)整或者被手工配置的參數(shù)，如無線節(jié)點的發(fā)射功率、數(shù)據(jù)的發(fā)送速率等。根據(jù)每個可調(diào)參數(shù)的取值范圍，將其編碼到(0，1]區(qū)間內(nèi)的一個實數(shù)，每個編碼后的可調(diào)參數(shù)值作為遺傳算法中的一個基因，所有基因組成在遺傳算法中參與運算的染色體，可調(diào)參數(shù)的個數(shù)是染色體的長度。2) QoS指標，如業(yè)務(wù)的端到端時延等，經(jīng)處理后作為遺傳算法中的適應(yīng)度函數(shù)，針對任一染色體i，其適應(yīng)度函數(shù)的定義為Ui (un, u2i, ... , Umi)其中，Ui是染色體i對應(yīng)的適應(yīng)度函數(shù)，由Uli，U2i，...，Umi這m個子目標組成，任一子目標Uji是QoS指標j (1 ^ j ^ m)的函數(shù)，QoS指標由感知環(huán)節(jié)通過統(tǒng)計QoS信息和發(fā)送QoS信息數(shù)據(jù)包的方法獲取。3)設(shè)定最大遺傳代數(shù)，為染色體隨機賦上η (η為偶數(shù))組值作為初始解，形成父代種群。4)計算父種群中每條染色體的適應(yīng)度函數(shù)值。5)將父代群體中的染色體采用錦標賽選擇方法選擇出新的子代。具體方法是從父種群中隨機選擇Ii1 (II1 < η)條染色體進行適應(yīng)度值大小的比較，比較采用非支配排序的方法，如步驟6)所述，將其中適應(yīng)度函數(shù)值最高的一條染色體遺傳到下一代；若染色體的適應(yīng)度函數(shù)值相同，則通過染色體的密度比較操作，選擇出密度最大的一條染色體，染色體密度的計算方法如步驟7)所述；重復(fù)執(zhí)行上述過程η/2次，就可得到包含η/2條染色體的新種群。6)非支配排序是一種針對多目標的排序方法，支配的定義為染色體P支配染色體q，表示染色體P對應(yīng)的所有目標都不比染色體q對應(yīng)的目標差，并且染色體P對應(yīng)的目標中至少有一個比染色體q對應(yīng)的目標好，其具體過程如下6a)種群中的每條染色體ρ都維護兩個數(shù)據(jù)結(jié)構(gòu)np和&，其中np表示種群中能夠支配P的染色體數(shù)量，Sp表示種群中被P支配的染色體集合；6b)在雙重循環(huán)中，將種群中的每條染色體和其他染色體進行比較，如果該染色體支配其他染色體，則將被支配的染色體添加入該染色體的集合&，如果該染色體被其他染色體支配，則該染色體的np加一；雙重循環(huán)結(jié)束后，就計算出了所有染色體的np和& ；6c)將np值為0的染色體保存在集合F1中，表示等級為1的染色體；6d)針對F1中的每個元素P，在其&中找出所有滿足1^-1 = 0的染色體q，將這些染色體保存入集合F2中，表示等級為2的染色體；6e)對F2中的染色體執(zhí)行步驟6d)，找出等級為3的染色體；6f)重復(fù)過程6e)，直到所有的染色體都被分配完非支配等級。7)染色體密度概念的引入是為了解決若干染色體的非支配等級相同的而無法排出先后順序的情況，染色體密度的計算過程如下7a)將每條染色體的密度初始化為0 ；7b)針對染色體的第j個子目標，其中(j = l，2，...，m)，m是染色體子目標的數(shù)量，當j < m時，循環(huán)執(zhí)行步驟7c)到7f)；7c)將染色體按照第j個子目標進行升序排列；7d)在該次排序中，將位于第一位和最后一位的兩條染色體密度賦值為一個較大的值；7e)對第2條到第n_l條染色體執(zhí)行步驟(7f)；7f)染色體i的密度值是由兩個部分的和組成，一部分是染色體i的當前密度值， 另一部分是在該次排序中，位于染色體i前后的兩條染色體的第j個子目標值的差的絕對值，其中2 ( i ^n-I08)將步驟幻生成的子代染色體進行交叉操作生成新的子代染色體，具體過程如下8a)在種群中隨機選擇兩條不同的染色體，再隨機選擇染色體的某個基因位，交換這兩條染色體上相應(yīng)位的基因信息；8b)重復(fù)執(zhí)行η/2次步驟8a)，會產(chǎn)生η/2條新的染色體； 8c)將新產(chǎn)生的η/2條染色體和原始的η/2條染色體融合，得到包含η條染色體的子代種群。9)將步驟8)中生成的子代染色體進行變異操作，再次得到新的子代種群，具體過程如下9a)設(shè)定一個變異概率Ptl ；9b)針對每條染色體，隨機生成一個概率P，如果ρ > p0，隨機選擇染色體上的某位，將該位的基因信息改變；9c)每條染色體執(zhí)行步驟9b)，生成一個新的包含η條染色體的子代種群。10)計算子代染色體的適應(yīng)度函數(shù)值。11)將父代染色體和子代染色體融合在一起。12)采用非支配排序的方法選擇出前η條適應(yīng)度函數(shù)值較好的染色體，作為新的父代染色體。如果有些染色體的適應(yīng)度函數(shù)值在非支配排序中處于相同的非支配等級，使得僅采用非支配排序無法正好選擇出η條染色體，則采用密度計算的方法從非支配等級相同的染色體中選擇出密度較大的染色體。13)當遺傳次數(shù)沒有達到設(shè)定的最大代數(shù)時，重復(fù)執(zhí)行步驟幻到12)。14)當遺傳次數(shù)達到設(shè)定的最大代數(shù)時，求出的η條染色體在各個子目標中均為較優(yōu)，最后在這η條染色體中選擇出綜合評價值最高的一條染色體，將其解碼，便可得到所需的可調(diào)參數(shù)值，對染色體值進行綜合評價的公式為
11U 11U ■■■ U\n
M21 U22
Uml Um2
U2n其中，bplv...，比是11條染色體的綜合評價值， ， ，...， 表示m個子目標的權(quán)重，這些權(quán)重根據(jù)子目標的重要性進行分配，Uji是染色體i對應(yīng)的第j個子目標的值(j
=l，2，...，m;i = l，2，...，n)o行動部分主要完成的是網(wǎng)絡(luò)重構(gòu)的工作。在該部分中，節(jié)點根據(jù)上步智能決策過程決策出的結(jié)果配置網(wǎng)絡(luò)協(xié)議棧中相應(yīng)的可調(diào)參數(shù)?？烧{(diào)參數(shù)調(diào)整之后，就可以確保業(yè)務(wù)的端到端QoS，由于移動自組織網(wǎng)絡(luò)的移動特性，網(wǎng)絡(luò)環(huán)境的變化可能再次造成業(yè)務(wù)端到端QoS的下降，節(jié)點定時進行感知過程，當發(fā)現(xiàn) QoS無法確保時，會再次啟動智能決策和行動過程。本發(fā)明采用這種周而復(fù)始的無線認知網(wǎng)絡(luò)技術(shù)確保業(yè)務(wù)的端到端QoS，并且增強對環(huán)境變化的應(yīng)對能力。
權(quán)利要求
1. 一種基于遺傳算法的無線認知網(wǎng)絡(luò)端到端服務(wù)質(zhì)量確保方法，包括如下步驟1)網(wǎng)絡(luò)協(xié)議棧中的部分參數(shù)值是可以調(diào)整的，如無線節(jié)點的發(fā)射功率、數(shù)據(jù)的發(fā)送速率等，本發(fā)明把這類參數(shù)稱為可調(diào)參數(shù)，根據(jù)每個可調(diào)參數(shù)的取值范圍，將其編碼到(0，1] 區(qū)間內(nèi)的一個實數(shù)，每個編碼后的可調(diào)參數(shù)值作為遺傳算法中的基因，所有基因組成在遺傳算法中參與運算的染色體，可調(diào)參數(shù)的個數(shù)是染色體的長度；2)可以反映網(wǎng)絡(luò)服務(wù)質(zhì)量(QoQ狀況的參數(shù)，如業(yè)務(wù)的時延等，本發(fā)明把這類參數(shù)稱為QoS指標，這些QoS指標經(jīng)過處理后，作為遺傳算法中的適應(yīng)度函數(shù)，針對染色體i，其適應(yīng)度函數(shù)的定義為Ui (Uli, u2i，…，umi)其中，Ui是染色體i對應(yīng)的適應(yīng)度函數(shù)，由Uli，u2i，...，Umi這m個子目標組成，任一子目標Uji是QoS指標j(l彡j彡m)的函數(shù)，QoS指標由網(wǎng)絡(luò)中的節(jié)點通過統(tǒng)計一段時間內(nèi)業(yè)務(wù)運行的QoS信息并向相應(yīng)調(diào)整節(jié)點發(fā)送QoS信息數(shù)據(jù)包的方法獲取；3)設(shè)定最大遺傳代數(shù)，為染色體隨機賦上η(η為偶數(shù))組值作為初始解，形成父代種群；4)計算父種群中每條染色體的適應(yīng)度函數(shù)值，適應(yīng)度函數(shù)的參數(shù)是QoS指標；5)將父代群體中的染色體進行錦標賽選擇、交叉和變異這三種傳統(tǒng)遺傳操作，生成新的子代染色體；6)計算新產(chǎn)生的子代種群中染色體的適應(yīng)度函數(shù)值；7)將產(chǎn)生的子代染色體和父代染色體融合在一起；8)采用非支配排序的方法選擇出前η條適應(yīng)度函數(shù)值較好的染色體，作為新的父代染色體；9)如果有些染色體的適應(yīng)度函數(shù)值在非支配排序中處于相同的非支配等級，使得僅采用非支配排序法無法正好選擇出η條染色體，則采用密度計算的方法從非支配等級相同的染色體中選擇出密度較大的作為較優(yōu)的染色體；10)當遺傳次數(shù)沒有達到設(shè)定的最大遺傳代數(shù)時，重復(fù)執(zhí)行步驟幻到9)；11)當遺傳次數(shù)達到設(shè)定的最大代數(shù)時，求出的η條染色體在各個子目標中均為較優(yōu)， 最后在這η條染色體中選擇出綜合評價值最高的一條染色體值，將其解碼，便可得到所需的可調(diào)參數(shù)值，對染色體值進行綜合評價的公式為
2.根據(jù)權(quán)利要求1中所述的基于遺傳算法的無線認知網(wǎng)絡(luò)端到端QoS確保方法，其中步驟5)所示的錦標賽選擇操作，按如下進行2a)從父種群中隨機選擇Ii1 Oi1 < η)條染色體，采用非支配排序方法進行適應(yīng)度值大小的比較，將其中適應(yīng)度最高的一條染色體遺傳到下一代；2b)若染色體的適應(yīng)度函數(shù)值的非支配等級相同，則通過染色體的密度比較操作，選擇出密度最大的一條染色體遺傳到下一代；2c)步驟2a)、2b)重復(fù)執(zhí)行η/2次，就可得到包含η/2條染色體的新種群。
3.根據(jù)權(quán)利要求1中所述的基于遺傳算法的無線認知網(wǎng)絡(luò)端到端QoS確保方法，其中步驟5)所示的交叉操作，按如下進行3a)在種群中隨機選擇兩條不同的染色體，再隨機選擇染色體的某個基因位，交換這兩條染色體上相應(yīng)位的基因信息；3b)重復(fù)執(zhí)行上述過程η/2次，得到η/2條新的染色體；3c)將新產(chǎn)生的η/2條染色體和原始的η/2條染色體融合，得到包含η條染色體的子代種群。
4.根據(jù)權(quán)利要求1中所述的基于遺傳算法的無線認知網(wǎng)絡(luò)端到端QoS確保方法，其中步驟5)所示的變異操作，按如下進行4a)設(shè)定一個變異概率Ptl;4b)針對每條染色體，隨機生成一個概率p，如果ρ > P0,隨機選擇染色體上的某位，將該位的基因信息改變，生成一條新的染色體；4c)每條染色體都執(zhí)行過程4b)，生成一個新的包含η條染色體的子代種群。
5.根據(jù)權(quán)利要求1中所述的基于遺傳算法的無線認知網(wǎng)絡(luò)端到端QoS確保方法，其中步驟8)所示的非支配排序操作用于進行多目標排序，支配的含義為染色體ρ支配染色體 q，即染色體P對應(yīng)的所有目標都不比染色體q對應(yīng)的目標差，并且染色體P對應(yīng)的目標中至少有一個比染色體q對應(yīng)的目標好；該過程按如下進行5a)種群中的每條染色體ρ都維護兩個數(shù)據(jù)結(jié)構(gòu)np和&，其中np表示種群中能夠支配 P的染色體數(shù)量，Sp表示種群中被ρ支配的染色體集合；5b)在雙重循環(huán)中，將種群中的每條染色體和其他染色體進行比較，如果該染色體支配其他染色體，則將被支配的染色體添加入該染色體的集合&，如果該染色體被其他染色體支配，則該染色體的 加一，雙重循環(huán)結(jié)束后，就計算出了所有染色體的 和& ； 5c)將np值為O的染色體保存在集合F1中，表示非支配等級為1的染色體； 5d)針對F1中的每個元素P，在其&中找出所有滿足1^-1 = O的染色體q，將這些染色體保存入集合F2中，表示非支配等級為2的染色體；5e)對F2中的染色體執(zhí)行步驟5d)，找出非支配等級為3的染色體； 5f)重復(fù)執(zhí)行過程k)，直到所有的染色體都被分配完非支配等級。
6.根據(jù)權(quán)利要求1中所述的基于遺傳算法的無線認知網(wǎng)絡(luò)端到端QoS確保方法，其中步驟9)所示的染色體的密度計算操作，按如下進行6a)每條染色體的密度初始化為O ；6b)針對染色體的第j個子目標，循環(huán)執(zhí)行步驟6c)到6f)，其中(j = 1，2，...，m)，m 是染色體對應(yīng)的適應(yīng)度函數(shù)中子目標的數(shù)量；6c)將染色體按照第j個子目標進行升序排列；6d)在該次排序中，將位于第一位和最后一位的兩條染色體密度賦值為一個較大的數(shù)值；6e)對該次排序中的第2條到第n-1條染色體執(zhí)行步驟6f)； 6f)染色體i的密度值是由兩個部分的和組成，一部分是染色體i的當前密度值，另一部分是在該次排序中，位于染色體i前后的兩條染色體的第j個子目標值的差的絕對值，其中2彡i彡n-1。
7. 一種計算機程序，其實現(xiàn)如權(quán)利要求1所述的方法。
全文摘要
一種基于遺傳算法的無線認知網(wǎng)絡(luò)端到端服務(wù)質(zhì)量確保方法，采用無線認知網(wǎng)絡(luò)技術(shù)，主要包括感知業(yè)務(wù)運行過程中的QoS指標、智能決策和網(wǎng)絡(luò)重配置行動這三個部分。感知業(yè)務(wù)運行過程中的QoS指標用于評價當前業(yè)務(wù)的運行狀況并為智能決策過程提供決策的依據(jù)；智能決策過程以網(wǎng)絡(luò)協(xié)議棧中的可調(diào)參數(shù)為輸入，采用能夠解決多目標優(yōu)化問題的遺傳算法，在各個可調(diào)參數(shù)的取值空間內(nèi)尋找出能夠優(yōu)化多個QoS指標的可調(diào)參數(shù)值；行動過程以智能決策的結(jié)果作為輸入，按照求出的可調(diào)參數(shù)值對網(wǎng)絡(luò)進行重配置，以確保業(yè)務(wù)端到端QoS、優(yōu)化網(wǎng)絡(luò)端到端性能。
文檔編號H04W28/24GK102300269SQ20111024092
公開日2011年12月28日 申請日期2011年8月22日 優(yōu)先權(quán)日2011年8月22日
發(fā)明者彭惠星, 白躍彬 申請人:北京航空航天大學(xué)