一種基于免疫算法的網(wǎng)絡(luò)吞吐量?jī)?yōu)化參數(shù)獲取方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及到計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)領(lǐng)域，具體的說(shuō)是一種基于免疫算法的網(wǎng)絡(luò)吞吐量 優(yōu)化參數(shù)獲取方法。
【背景技術(shù)】
[0002] 無(wú)線通信技術(shù)的快速發(fā)展極大促進(jìn)了各種無(wú)線網(wǎng)絡(luò)部署與應(yīng)用，目前比較常見(jiàn)的 無(wú)線網(wǎng)絡(luò)包括衛(wèi)星網(wǎng)絡(luò)、Ad hoc網(wǎng)絡(luò)、蜂窩網(wǎng)絡(luò)等，無(wú)線網(wǎng)絡(luò)具有部署靈活方便、覆蓋范圍 廣、維護(hù)簡(jiǎn)單易行、通信不受時(shí)間和空間限制、兼容性高、互操作能力強(qiáng)等優(yōu)點(diǎn)，因此常常作 為網(wǎng)絡(luò)不可或缺的一部分與有線網(wǎng)絡(luò)共同進(jìn)行部署，W達(dá)到更廣的覆蓋范圍和更好的服務(wù) 質(zhì)量。運(yùn)種包含了有線網(wǎng)絡(luò)與無(wú)線網(wǎng)絡(luò)技術(shù)的網(wǎng)絡(luò)稱(chēng)為異構(gòu)網(wǎng)絡(luò)，由于無(wú)線鏈路傳輸錯(cuò)誤、 無(wú)線干擾等因素的影響，異構(gòu)網(wǎng)絡(luò)很容易發(fā)生誤碼丟包，而經(jīng)典的TCP協(xié)議即使在網(wǎng)絡(luò)發(fā)生 誤碼丟包時(shí)也會(huì)啟動(dòng)擁塞控制機(jī)制，錯(cuò)誤地減小窗口大小，造成網(wǎng)絡(luò)性能急劇降低，考慮到 異構(gòu)網(wǎng)絡(luò)的混合組網(wǎng)、多種通信方式共存導(dǎo)致數(shù)據(jù)丟包差異的特性，TCP Veno協(xié)議被提出。
[0003] TCP Veno協(xié)議針對(duì)異構(gòu)網(wǎng)絡(luò)存在無(wú)線誤碼丟包問(wèn)題提出了基于丟包區(qū)分的AIMD 策略:數(shù)據(jù)發(fā)送端根據(jù)當(dāng)前擁塞窗口cwnd和往返時(shí)延RTT(IX)Und-化ip time)計(jì)算出當(dāng)前隊(duì) 列中積壓的包數(shù)N，由于N能夠反映通信鏈路的狀況，當(dāng)N值較大，隊(duì)列中排隊(duì)等待的數(shù)據(jù)包 較多，丟包由擁塞引起;而當(dāng)N值較小，隊(duì)列中數(shù)據(jù)包能盡快的傳輸，不會(huì)發(fā)生擁塞，丟包可 認(rèn)為是無(wú)線鏈路的隨機(jī)誤碼引起，從而區(qū)分出擁塞丟包和無(wú)線誤碼丟包。N的計(jì)算公式為：
若N值小于口限值0，則可判斷網(wǎng)絡(luò)中發(fā)生誤碼丟包，cwnd降低為原來(lái)的4/5,若N值超過(guò) 口限值e，則可判斷網(wǎng)絡(luò)中發(fā)生擁塞，cwnd減半;為進(jìn)一步分析TCP Veno協(xié)議的性能，在考慮 了3個(gè)重復(fù)ack和重傳定時(shí)器超時(shí)兩種丟包事件的情況下，基于TCP Veno的網(wǎng)絡(luò)吞吐量方程 如下式所示
其中，丫 e[0.5,0.引，擁塞丟包時(shí)丫 =0.5,誤碼丟包時(shí)丫 =0.8，p為網(wǎng)絡(luò)的總丟包率， 包含擁塞丟包和無(wú)線誤碼丟包事件，To為超時(shí)重傳定時(shí)器的初始值； 因?yàn)門(mén)CP Veno實(shí)現(xiàn)了對(duì)網(wǎng)絡(luò)中丟包事件類(lèi)型的區(qū)分，該吞吐量方程能夠較準(zhǔn)確地預(yù)測(cè) 異構(gòu)網(wǎng)絡(luò)吞吐量的變化。
[0004] 而在網(wǎng)絡(luò)吞吐量方程中，當(dāng)網(wǎng)絡(luò)延時(shí)變大時(shí)，數(shù)據(jù)包在隊(duì)列中等待時(shí)間過(guò)長(zhǎng)，容易 導(dǎo)致丟包，而往返時(shí)延也會(huì)同步增大，單位時(shí)間內(nèi)接收到的數(shù)據(jù)包數(shù)反而減少，降低了網(wǎng)絡(luò) 吞吐量;此外，在異構(gòu)網(wǎng)絡(luò)中存在的無(wú)線信道衰落、鏈路質(zhì)量、往返時(shí)延、誤碼率均存在明顯 的不確定性和動(dòng)態(tài)變化性，因而異構(gòu)網(wǎng)絡(luò)是一個(gè)復(fù)雜的非線性時(shí)變系統(tǒng)，對(duì)于運(yùn)樣一個(gè)非 線性復(fù)雜系統(tǒng)，W模擬生物種群進(jìn)化策略為出發(fā)點(diǎn)的人工免疫算法因具有收斂性好、尋優(yōu) 能力強(qiáng)等優(yōu)點(diǎn)，適合于求解此類(lèi)系統(tǒng)的優(yōu)化問(wèn)題。目前已經(jīng)在網(wǎng)絡(luò)擁塞控制、無(wú)線頻譜分 配、網(wǎng)絡(luò)基站選址優(yōu)化、多信道聯(lián)合感知、網(wǎng)絡(luò)認(rèn)知引擎優(yōu)化等通信網(wǎng)絡(luò)優(yōu)化相關(guān)領(lǐng)域得到 了廣泛應(yīng)用，然而，目前并沒(méi)有將該算法用于研究異構(gòu)網(wǎng)絡(luò)的吞吐量?jī)?yōu)化問(wèn)題。
[0005] 異構(gòu)網(wǎng)絡(luò)吞吐量?jī)?yōu)化問(wèn)題可W描述為：在往返時(shí)延RTT，丟包率P分別滿足約束條 件:RTT>0，0<P< 1的情況下，尋求最優(yōu)的網(wǎng)絡(luò)參數(shù)組合(RTT，P)，使異構(gòu)網(wǎng)絡(luò)的吞吐量B (P)最大。
[0006] 人工免疫算法通過(guò)初始化種群、親和度評(píng)估、選擇、交叉、變異和抗體促進(jìn)和抑制 等操作，最終得到最優(yōu)解。然而，現(xiàn)有方法所用算法采用固定的變異概率，在進(jìn)化后期高親 和度的抗體W較大概率發(fā)生變異，不利于保護(hù)已有的較優(yōu)的抗體，且一般的均勻變異算子 在進(jìn)化后期變異尺度較大，導(dǎo)致后期收斂速度慢，同時(shí)僅采用基于期望繁殖率的選擇概率， 當(dāng)抗體濃度和親和度都越高時(shí)，抗體被選擇的概率越大，不能保持種群的多樣性。

【發(fā)明內(nèi)容】

[0007] 為解決現(xiàn)有算法采用固定的變異概率，在進(jìn)化后期高親和度的抗體W較大概率發(fā) 生變異，不利于保護(hù)已有的較優(yōu)的抗體，且一般的均勻變異算子在進(jìn)化后期變異尺度較大， 導(dǎo)致后期收斂速度慢等問(wèn)題，本發(fā)明對(duì)人工免疫算法進(jìn)行改進(jìn)，并W此為基礎(chǔ)提供了一種 基于免疫算法的網(wǎng)絡(luò)吞吐量?jī)?yōu)化參數(shù)獲取方法。
[0008] 本發(fā)明為解決上述技術(shù)問(wèn)題所采用的技術(shù)方案為:一種基于免疫算法的網(wǎng)絡(luò)吞吐 量?jī)?yōu)化參數(shù)獲取方法，包括W下步驟： 1) 設(shè)定抗體群pop的規(guī)模Siz邱op、記憶庫(kù)種群overbest，設(shè)定參數(shù)RTT和丟包率P的取 值范圍是[a, b]，采用浮點(diǎn)數(shù)編碼方式，隨機(jī)產(chǎn)生M個(gè)長(zhǎng)度為2的初始抗體Pid=Ui, X2)，且Xi = a+r X (b-a)，i = 1,2; 其中，Xi是抗體的某個(gè)基因，Xi和X2分別表示RTT和p，M=siz邱op+overbestj為[0,1] 之間的隨機(jī)數(shù)，此時(shí)，每一個(gè)抗體代表一種可能的參數(shù)組合方案，從抗體種群中隨機(jī)選取 overbest個(gè)抗體組成記憶庫(kù)Abl; 設(shè)定抗體完成一次交叉、變異、選擇操作為一次迭代，當(dāng)前的迭代次數(shù)為g; 設(shè)定免疫算法進(jìn)行交叉、變異、選擇操作的最大次數(shù)為最大迭代次數(shù)為gmax，gmax由多 次試驗(yàn)進(jìn)行確定，其值為200~1000，若g = gmax，則終止算法，輸出結(jié)果； 2) 對(duì)種群中的抗體進(jìn)行親和度評(píng)估 將異構(gòu)網(wǎng)絡(luò)TCPVeno的吞吐量公式作為免疫算法的目標(biāo)函數(shù)，其公式如下：
其中，丫 e[0.5,0.引，擁塞丟包時(shí)丫 =0.5,誤碼丟包時(shí)丫 =0.8，p為網(wǎng)絡(luò)的總丟包率， 包含擁塞丟包和無(wú)線誤碼丟包事件，To為超時(shí)重傳定時(shí)器的初始值； 將目標(biāo)函數(shù)B(P)作為親和度評(píng)估函數(shù)fitness,即fitness = B(p)，親合度函數(shù)值越大， 親和度越高，所獲取的吞吐量也就越大； 按照上式對(duì)組成種群中M個(gè)抗體的網(wǎng)絡(luò)參數(shù)組合進(jìn)行親和度計(jì)算后，并按照親和度大 小進(jìn)行降序排列，將親和度高的前overbest個(gè)參數(shù)組合(RTT，p)放入記憶庫(kù)Abl中進(jìn)行更 新； 3) 判斷算法當(dāng)前的迭代次數(shù)g是否達(dá)到最大進(jìn)化代數(shù)gmax，若達(dá)到，則終止算法，輸出 此時(shí)記憶單元Abl中親和度最高的網(wǎng)絡(luò)參數(shù)組合(RTT，p)，即為所求的最優(yōu)化網(wǎng)絡(luò)吞吐量的 網(wǎng)絡(luò)參數(shù)，否則，轉(zhuǎn)入步驟4); 4) 判斷交叉概率Pc與r的關(guān)系，Pc為經(jīng)驗(yàn)值，取0.5~0.99，r為[(U]之間的隨機(jī)數(shù)，若Pc >r，則由公式對(duì)抗體群pop中的隨機(jī)兩個(gè)抗體執(zhí)行交叉操作，得到新的抗 - J 化> 十 I 1 - / I.口I 體，并組成新的抗體群P〇p2;否則，保持抗體群中的兩個(gè)抗體不變，轉(zhuǎn)入步驟5); 5) 對(duì)步驟4)得到的抗體群pop2中的抗體進(jìn)行自適應(yīng)小波變異操作 采用公式Pm ( g ) = Pm( g-1 ) ( 1 -0.0 1 *g/gmax )對(duì)步驟4 )得到的抗體群pop2中的每一個(gè)抗 體進(jìn)行動(dòng)態(tài)的變異概率計(jì)算，式中Pm(g-l)為上一次迭代的變異概率，Pm(g)為當(dāng)前迭代的變 異概率，判斷交叉概率為Pm與r的關(guān)系，Pm為經(jīng)驗(yàn)值，r為[(U]之間的隨機(jī)數(shù)，若pm>r，則按 照W下自適應(yīng)小波變異算子變異公式對(duì)該抗體進(jìn)行變異操作得到新的抗體： 巧' =1? + A(滬化…-C".))。似，滬。(容)> 0 式中，函數(shù)二I''；為基于時(shí)間的變尺度，Xmax和Xmin分別a為變量的最 大值和最小值，f為[-3a(g)，3a(g)]之間的隨機(jī)數(shù)，0(g)為小波變異函數(shù)，其計(jì)算公式為：
函數(shù)a(g)的計(jì)算公式為4各；)=。-^^1-""/?"->+1"^，式中，〇為曰(旨）的上限，設(shè)為10000，曰 (g)的取值隨著g的增加在1和10000之間增大，而a(g)的取值隨著g的增加取值不斷減小； 將得到的運(yùn)些新的抗體組成新的抗體群落P〇p3; 6) 根據(jù)W下公式計(jì)算抗體群落pop3中每個(gè)抗體的被選擇概率并進(jìn)行輪盤(pán)賭選擇操作， 從而得到新的抗體群P〇p4;
式中，a = 〇.9，e為常數(shù)，則抗體即網(wǎng)絡(luò)參數(shù)被選擇進(jìn)入下一代的選擇概率，fitness(i) 為抗體群中某一抗體的親和度，sizepop為種群大小，取值50~200，Ci為抗體的濃度； 抗體濃度Cl是群體中相似抗體所占的比例，即
，在該公式中， %,^='1'〇^^/，了為抗體的親和度闊值，了 = 〇.9點(diǎn),功抗體與抗體之間的親和度，51^二 l/(l+dij)，di功抗體化佔(zhàn)1，化2，義13)和刮(刮1，刮2，郵)之間的歐式距離，如的計(jì)算公式如下：
7) 對(duì)步驟6)得到的抗體群pop4執(zhí)行步驟2)的操作，從中選取出親和度較高的前I個(gè)抗 體，同時(shí)采用步驟1)中的浮點(diǎn)數(shù)編碼方式重新生成Siz邱OP-I個(gè)抗體，將運(yùn)兩種方式得到的 抗體合并組成新一代抗體群P〇p5; 8) 將步驟7)得到的抗體群pop5按照步驟2)的操作執(zhí)行。
[0009] 有益效果：本發(fā)明利用免疫算法，W經(jīng)典異構(gòu)網(wǎng)絡(luò)吞吐量公式作為目標(biāo)函數(shù)， (RTT，p)編碼為抗體集，提出了一種新的獲取吞吐量最優(yōu)的網(wǎng)絡(luò)參數(shù)的算法，該算法利用浮 點(diǎn)數(shù)編碼、親和度評(píng)估、免疫記憶、小波變異、濃度抑制、非均勻交叉等機(jī)制得到最優(yōu)的網(wǎng)絡(luò) 參數(shù)，再結(jié)合智能控制機(jī)制將網(wǎng)絡(luò)參數(shù)穩(wěn)定在最優(yōu)值附近，可W優(yōu)化網(wǎng)絡(luò)吞吐量。
【具體實(shí)施方式】
[0010] 下面結(jié)合具體實(shí)施例對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步的闡述。
[0011] -種基于免疫算法的網(wǎng)絡(luò)吞吐量?jī)?yōu)化參數(shù)獲取方法，包括W下步驟： 1) 設(shè)定抗體群pop的規(guī)模Siz邱op、記憶庫(kù)種群overbest，設(shè)定參數(shù)RTT和丟包率P的取 值范圍是[a, b]，采用浮點(diǎn)數(shù)編碼方式，隨機(jī)產(chǎn)生M個(gè)長(zhǎng)度為2的初始抗體Pid=Ui, X2)，且Xi = a+r X (b-a)，i = 1,2; 其中，Xi是抗體的某個(gè)基因，Xi和X2分別表示RTT和p，M=siz邱op+overbestj為[0,1] 之間的隨機(jī)數(shù)，此時(shí)，每一個(gè)抗體代表一種可能的參數(shù)組合方案，從抗體種群中隨機(jī)選取 overbe