一種基于改進(jìn)免疫算法的pid主動(dòng)隊(duì)列管理方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及到計(jì)算機(jī)網(wǎng)絡(luò)管理領(lǐng)域，具體的說(shuō)是一種基于改進(jìn)免疫算法的PID主 動(dòng)隊(duì)列管理方法。
【背景技術(shù)】
[0002] 網(wǎng)絡(luò)用戶(hù)、網(wǎng)絡(luò)應(yīng)用，以及網(wǎng)絡(luò)類(lèi)型的日益增多，導(dǎo)致網(wǎng)絡(luò)流量的急劇增加，網(wǎng)絡(luò) 擁塞現(xiàn)象越來(lái)越嚴(yán)重，網(wǎng)絡(luò)性能明顯劣化，如何保證服務(wù)質(zhì)量并降低數(shù)據(jù)包丟失的概率成 為Internet的關(guān)鍵問(wèn)題。當(dāng)前路由器上常采用的網(wǎng)絡(luò)擁塞避免方法中主動(dòng)隊(duì)列管理 (ActiveQueueManagement，AQM)機(jī)制是其中主流方法，其基本思想是通過(guò)平均隊(duì)列長(zhǎng)度 來(lái)平滑網(wǎng)絡(luò)突發(fā)流量，主動(dòng)隊(duì)列管理算法的主要代表有耶1)、此現(xiàn)、？1、？10等，針對(duì)1?0、80? 等算法存在參數(shù)設(shè)置敏感、缺乏公平性和隊(duì)列長(zhǎng)度波動(dòng)較大的缺點(diǎn)，一些基于PI控制器的 主動(dòng)隊(duì)列管理算法被提出，雖然此類(lèi)方法解決了傳統(tǒng)主動(dòng)隊(duì)列管理算法的公平性和隊(duì)列波 動(dòng)問(wèn)題，但是PI控制器存在響應(yīng)遲緩問(wèn)題，因此，研究人員又提出了基于PID控制器的主動(dòng) 隊(duì)列管理方法。
[0003] PID主動(dòng)隊(duì)列管理方法的主要目標(biāo)是：快速地穩(wěn)定隊(duì)列長(zhǎng)度在期望隊(duì)列長(zhǎng)度值附 近，保證隊(duì)列長(zhǎng)度波動(dòng)最小，以減低網(wǎng)絡(luò)丟包率并使網(wǎng)絡(luò)系統(tǒng)達(dá)到穩(wěn)定狀態(tài)。許多學(xué)者對(duì) PID參數(shù)整定方法進(jìn)行了深入研究，提出了很多參數(shù)整定方法，Ziegler-Nichols頻率響應(yīng) 法的參數(shù)整定方法是其中代表性的一種。但是在動(dòng)態(tài)變化的網(wǎng)絡(luò)環(huán)境中，很難根據(jù)經(jīng)驗(yàn)確 切得到網(wǎng)絡(luò)系統(tǒng)的臨界放大倍數(shù)和臨界震蕩周期，也就無(wú)法使用該方法整定PID控制器的 參數(shù)?；诜€(wěn)定裕度的參數(shù)整定方法被提出。該方法的不足是監(jiān)控網(wǎng)絡(luò)系統(tǒng)幅值裕度和相 角裕度的計(jì)算公式非常復(fù)雜，難以得到最佳的優(yōu)化效果。最小平方誤差積分的PID參數(shù)優(yōu)化 方法被提出，這些PID參數(shù)整定方法在確定被控對(duì)象的對(duì)象的前提下，尋找某個(gè)指標(biāo)使得系 統(tǒng)狀態(tài)最佳的PID參數(shù)，只能達(dá)到PID控制器的其中一個(gè)參數(shù)最優(yōu)，無(wú)法對(duì)PID的參數(shù)進(jìn)行組 合優(yōu)化，也就難以達(dá)到最優(yōu)的網(wǎng)絡(luò)狀態(tài)。

【發(fā)明內(nèi)容】

[0004] 為解決現(xiàn)有主動(dòng)管理算法中存在的PID控制器參數(shù)設(shè)置困難的問(wèn)題，本發(fā)明提出 了一種基于改進(jìn)免疫算法的PID主動(dòng)隊(duì)列管理方法，首先，將生物免疫系統(tǒng)中的免疫記憶機(jī) 制和濃度抑制機(jī)制引入免疫算法，以及采用精英交叉策略和小波變異算子改善了算法的尋 優(yōu)能力和收斂性，隨后，將改進(jìn)的免疫算法用于PID控制器參數(shù)的優(yōu)化，將PID控制器的性能 指標(biāo)函數(shù)作為免疫算法的目標(biāo)函數(shù)，PID控制器的系數(shù)組合作為抗體，在給定的參數(shù)空間內(nèi) 進(jìn)行組合優(yōu)化搜索，快速求得使得PID控制器指標(biāo)函數(shù)值最小的一組PID控制器參數(shù)，并將 該P(yáng)ID控制器應(yīng)用于網(wǎng)絡(luò)主動(dòng)隊(duì)列管理系統(tǒng)，使得改進(jìn)的PID主動(dòng)隊(duì)列管理方法具有更快的 響應(yīng)速度，以此快速穩(wěn)定隊(duì)列長(zhǎng)度，優(yōu)化丟包率。
[0005] 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：一種基于改進(jìn)免疫算法的PID 主動(dòng)隊(duì)列管理方法，首先將生物免疫系統(tǒng)中的免疫記憶機(jī)制和濃度抑制機(jī)制引入免疫算 法，并采用精英交叉策略和小波變異算子改善免疫算法的尋優(yōu)能力和收斂性，然后將改進(jìn) 的免疫算法用于PID控制器參數(shù)的優(yōu)化，并將優(yōu)化后的參數(shù)應(yīng)用于網(wǎng)絡(luò)主動(dòng)隊(duì)列管理系統(tǒng)， 使得改進(jìn)的PID主動(dòng)隊(duì)列具有更快的響應(yīng)速度，從而快速穩(wěn)定隊(duì)列長(zhǎng)度、優(yōu)化丟包率，所述 PID控制器參數(shù)的優(yōu)化是指:將PID控制器的性能指標(biāo)函數(shù)作為免疫算法的目標(biāo)函數(shù)，PID控 制器的系數(shù)組合作為抗體，在給定的參數(shù)空間內(nèi)進(jìn)行組合優(yōu)化搜索，快速求得使得PID控制 器指標(biāo)函數(shù)值最小的一組PID控制器參數(shù)，具體操作如下： 1) 確定免疫算法的抗原與抗體 將PID控制器的性能指標(biāo)函數(shù)J作為免疫算法的目標(biāo)函數(shù)，視為抗原，將PID控制器的系 數(shù)KP，Ki，Kd視為抗體； 其中，PID控制器的性能指標(biāo)函數(shù)J為
式中，e(t)為系統(tǒng)誤差，U(t)為控制器的輸出，tu為上升時(shí)間，'\￥1，'\￥2，'?3，'?4為權(quán)值，且￥4 遠(yuǎn)遠(yuǎn)大于W1，yE(t) =ymjt(t)-ymjt(t-1)，ymjt(t)為T(mén)CP/AQM模型被控對(duì)象的當(dāng)前時(shí)刻的輸出， y〇ut(t-Ι)為T(mén)CP/AQM模型被控對(duì)象的上一時(shí)刻的輸出； 2) 產(chǎn)生初始抗體群 采用浮點(diǎn)數(shù)編碼方案，將PID控制器參數(shù)(KP，Ki，Kd)組合在一起，根據(jù)其參數(shù)范圍將編 碼的長(zhǎng)度1限定為3位，隨機(jī)產(chǎn)生pop個(gè)抗體X= (XI，X2，X3)構(gòu)成初始群體，并從pop個(gè)抗體中 隨機(jī)選取N個(gè)抗體組成記憶庫(kù)； 設(shè)定三個(gè)參數(shù)的的取值范圍是[a，b]，則編碼方法如下： Xi=a+rX(b~a) 1= 1,2,3 式中，r為[0,1]之間的隨機(jī)數(shù)； 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200~400; 3) 采用系統(tǒng)的誤差評(píng)估抗原和抗體之間的親和度 利用親密度函數(shù)fitk=l/(B+J(ITAE))計(jì)算系統(tǒng)在每一個(gè)KP，Ki，Kd組合下的系統(tǒng)響應(yīng)， 式中，B表示大于0的常量，通過(guò)加入B值來(lái)避免分母接近于0出現(xiàn)溢出的情況，免疫算法的目 標(biāo)函數(shù)J越小，則適應(yīng)度函數(shù)fitk越大，表示產(chǎn)生的抗體親和度越高； 4) 對(duì)抗體群中的抗體按照步驟3)的方法依次進(jìn)行親和度計(jì)算，并按照親和度大小進(jìn)行 降序排列，將親和度高的前N個(gè)抗體放入記憶庫(kù)中進(jìn)行更新，算法運(yùn)行結(jié)束后，記憶庫(kù)中親 和度最高的抗體即為所求的最優(yōu)參數(shù)組合； 5) 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，如果滿(mǎn)足，則終止算法，將 記憶庫(kù)中親和度最大的抗體進(jìn)行輸出，即得到最優(yōu)的PID控制器參數(shù)組合;如果算法未達(dá)到 gmax，則執(zhí)行步驟6); 6) 利用精英交叉策略和給定的交叉概率Pc使產(chǎn)生的精英個(gè)體與初始種群中的每一個(gè) 抗體進(jìn)行交叉，以改善種群結(jié)構(gòu)，提高算法的收斂速度，式中Pc為經(jīng)驗(yàn)值，取0.5~0.99，交 叉之后得到新的抗體群； 7) 為了保持抗體多樣性，對(duì)步驟6)得到的新抗體群中每一個(gè)抗體進(jìn)行自適應(yīng)變異概率 計(jì)算，自適應(yīng)變異概率函數(shù)為
.， 式中，1?，1^4<1.0，匕^表示當(dāng)前種群最大適應(yīng)度，7表示種群的平均親和度4表示參 與變異的個(gè)體的親和度； 將計(jì)算出的每個(gè)抗體的自適應(yīng)變異概率pm與r進(jìn)行比較，r為[0，1]之間的隨機(jī)數(shù)，若pm >r，則按照以下自適應(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：
式中，函數(shù)= 為基于時(shí)間的變尺度，Xmax和Χ_分別a為變量的最 大值和最小值，供為[_3a(g)，3a(g)]之間的隨機(jī)數(shù)，〇(g)為小波變異函數(shù)，其計(jì)算公式為：
而函數(shù)a(g)的計(jì)算公式如下：</丨=e-ln(ii+hlW，這樣，c為a(g)為上限，設(shè)為 10000，a(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??； 將經(jīng)過(guò)變異操作之后得到抗體組合成新一代的抗體群； 8) 按照公i1
f算步驟7)得到的抗體群中每一個(gè)抗體的選擇概 率，并進(jìn)行輪盤(pán)賭選擇操作從而得到更新后的抗體群，并返回步驟3); 式中，0 = 2，(1 = 〇.95，;^1(;〇為抗體與抗原間的親和力，(^為抗體濃度； 抗體濃度Ci是群體中相似抗體所占的比例，S卩
^在該公式中，
Γ為抗體的親和度閾值，T= 0.9，Si,」為抗體與抗體之間的親和度，Si,j= 1 / (1+dij)，dij為抗體Xi(Xil，Xi2，Xi3)和Xj(Xjl，Xj2，Xj3)之間的歐式距離，dij的計(jì)算公式如下：
9) 根據(jù)步驟5)中得到的最優(yōu)的PID控制器參數(shù)組合，對(duì)PID主動(dòng)隊(duì)列管理模型進(jìn)行整 定； 10) 初始化改進(jìn)免疫算法中的參數(shù):抗體種群規(guī)模pop，當(dāng)前迭代次數(shù)g，最大迭代次數(shù) gmax和記憶庫(kù)大小N; 11) 啟動(dòng)隊(duì)列管理模塊，令當(dāng)前采樣時(shí)刻k=l，實(shí)時(shí)對(duì)當(dāng)前隊(duì)列長(zhǎng)度q(k)進(jìn)行采樣； 12) 利用公式e(k)=q(k)-qQ計(jì)算輸入變量偏差，其中