和交叉區(qū)域；
[0076]c)將的交叉區(qū)域加到T_前面，將T_的交叉區(qū)域加到Ti前面；
[0077] d)刪除與1\或T_的交叉區(qū)域相同的基因，得到兩個新的子代。
[0078] (5)變異操作
[0079] 變異運算中變異率通常取0.1，在單個染色體T1= (tu，tl2，…，tini)上隨機選擇連 續(xù)多個基因，對多個基因進行重新排列實現(xiàn)染色體的變異。由于采用了最優(yōu)個體T_保留 的策略，所以在變異運算中，可以加大在當前最優(yōu)個體附近進行搜索的概率，不用擔心破壞 已經(jīng)存在的優(yōu)良染色體。
[0080] (6)復制操作
[0081] 基于適應度函數(shù)fitness(f(x))對染色體個體進行評價，將適應度高于預設(shè)閾值 的染色體直接復制到下一代染色體中。
[0082] (7)選擇操作
[0083] 經(jīng)過上述操作，得到新一代的染色體種群?；谀繕撕瘮?shù)z對得到的染色體種群 進行評估，若對當前調(diào)度方案不滿意，則重復上述步驟（1)至（6)的遺傳操作過程；當染色 體種群進化速率小于預設(shè)閾值時終止遺傳算法。
[0084] 3、基于蟻群算法得到1553B總線消息調(diào)度最優(yōu)解，參考圖3: 11
[0085]設(shè)定h⑴表示時刻t位于周期？1的螞蟻個數(shù)，則有。用ti⑴表示t 時刻在第i個周期Pi的信息素值，初始時刻t;(〇) =ri-loadJO)，其中i= 1，2,…，n，r; 為第i個周期所擁有的處理消息能力，loadJO)為遺傳算法終止時得到的當前最優(yōu)調(diào)度方 案指派給第i個周期？1的消息所占據(jù)的總線負載。
[0086] 改進的蟻群算法描述如下：
[0087]a)將m個螞蟻分別置于相應的周期內(nèi)，并為各周期的信息素賦初值，Ti(〇)=ri-loadi(0)，其中i= 1，2,…，n;
[0088]b)將螞蟻放置到有向圖節(jié)點上；
[0089]c)若有消息從第i個周期？1傳輸成功，則為該周期賦予信息素增量AT1 = (；XK;否則，為該周期賦予信息素增量ATi=CpXK。其中K表示傳輸相應消息所用的時 間開銷，(；和Cp表示相應的獎懲因子；
[0090]d)更新所有周期的信息素，gpTi(t) =Ti(t) +A、，其中i= 1，2,…，n;
[0091]e)根據(jù)各個周期的信息素分布情況，計算概率：
[0092]
(14)
[0093] 其中：Ti(t)為t時刻第i個周期Pl的信息素濃度；ni為第i個周期pi所擁有 的處理消息能力；Ct表示第i個周期信息素的重要性，0表示第i個周期的信息素所擁有 的處理消息能力的重要程度，/^(0表示消息m在t時刻占用第i個周期？1的概率；
[0094] 基于得到的最大概率值為每只螞蟻分別選取下一個周期p1;
[0095]f)根據(jù)所有螞蟻選取的周期，計算對應的適應度函數(shù)fitness(f(x))，fitness(f(x))值越大，相應的調(diào)度方案越好，記錄當前最優(yōu)的調(diào)度方案；
[0096]g)若達到最大的迭代次數(shù)，或者迭代出現(xiàn)退化現(xiàn)象，則當前記錄調(diào)度最優(yōu)解即為 所得的最優(yōu)調(diào)度方案；否則，清空所有螞蟻的蟻集，跳轉(zhuǎn)到步驟c)。
[0097] 改進后的蟻群算法和改進前的蟻群算法相比，在步驟c)和步驟d)上引進了獎懲 因子(；和Cp，避免了將傳輸時間短的消息安排到較大的傳輸周期上，通調(diào)整各個周期被選 取的概率，更加合理的為每個消息分配周期，有利于提高總線消息傳輸效率。
[0098] 以上所述僅是本發(fā)明的優(yōu)選實施方式，應當指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人 員來說，在不脫離本發(fā)明技術(shù)原理的前提下，還可以做出若干改進和變形，這些改進和變形 也應視為本發(fā)明的保護范圍。
【主權(quán)項】
1. 一種基于混合遺傳算法的1553B總線消息傳輸優(yōu)化方法，其特征在于，包括W下步 驟： 51、 基于排隊論建立1553B總線消息傳輸?shù)臄?shù)學模型，得到目標函數(shù)： 將1553B總線上消息的傳輸過程看作是一種單服務員單隊列的排隊系統(tǒng)，排隊模型為 一個MlMll排隊模型，總線上的每一條消息指令為等待服務的顧客，總線為提供數(shù)據(jù)傳輸 的服務員，服務時間為消息傳輸時間； 該排隊系統(tǒng)的排隊規(guī)則為： 消息的相繼到達時間間隔獨立，假設(shè)到達時間服從泊松分布； 排隊隊列的長度為無限長，服務方式服從先來先服務； 52、 基于改進遺傳算法得到1553B總線消息調(diào)度可行解： 利用遺傳算法對染色體進行編碼，確定初始種群，通過遺傳算法中的遺傳操作對初始 種群進行優(yōu)化，即根據(jù)自識別交叉和變異概率，對初始種群進行交叉、變異操作，根據(jù)所述 目標函數(shù)對染色體種群進行評估，當染色體種群進化速率小于預設(shè)闊值時終止遺傳算法， 得到1553B總線消息調(diào)度可行解； 53、 基于改進蟻群算法得到1553B總線消息調(diào)度最優(yōu)解：根據(jù)遺傳算法得到的全局捜索信息設(shè)置信息素初始值，根據(jù)1553B總線消息調(diào)度的完 成情況，調(diào)整信息素；在消息準備傳輸時，觀察各個空閑資源的信息素，按照概率大小選擇 資源使用；在消息傳輸結(jié)束后，對消息進行評價，根據(jù)信息匹配度進行信息素反饋，得到最 優(yōu)的調(diào)度方案。2. 如權(quán)利要求1所述的方法，其特征在于，步驟Sl得到的目標函數(shù)為： 其中A為消息的平均到達率，y為總線的平均服務率，Cg為當y= 1時總線消息傳輸所 耗費的時間，為每條消息在總線中排隊等候所耗費的時間。3. 如權(quán)利要求2所述的方法，其特征在于，步驟S2具體包括： 521、 進行染色體編碼： 設(shè)定消息個數(shù)為m，消息周期個數(shù)為n，m個消息要被安排在n個周期上，個體染色體上 的每個基因位置編號代表消息編號，每個基因位用O~（m-1)之間的整數(shù)表示，代表某條消 息所在的周期編號； 522、 確定初始種群： 首先隨機產(chǎn)生N個個體，個體長度為Length,U是種群內(nèi)的第一個個體，V是與U進行 相似度比較的個體，它們之間的相似度定義為： sim(u，v) = l-dist(u，v)，其中dist(u，v)為海明距離函數(shù) 通過比較個體相似度，要求規(guī)定能夠入選初始個體相似度滿足如下條件：其中d表示調(diào)節(jié)常數(shù)，用于控制期望的相似度； 523、 確定適應度函數(shù) 所述適應度函數(shù)用于評價染色體的優(yōu)劣，函數(shù)值越大表示染色體生存能力越強，對應 的解越優(yōu)，得到適應度函數(shù)為：524、 執(zhí)行交叉操作 采用多點位單基因交叉的方式，用父代最優(yōu)解Tm。、與子代染色體池進行交叉操作； 525、 執(zhí)行變異操作 在單個染色體Ti= (tii，ti2,…，tj上隨機選擇連續(xù)多個基因，對多個基因進行重新排 列實現(xiàn)染色體的變異，i= 1，2,…，n; 526、 執(zhí)行復制操作 基于適應度函數(shù)fitness(f(X))對染色體個體進行評價，將適應度高于預設(shè)闊值的染 色體直接復制到下一代染色體中； 527、 執(zhí)行選擇操作 經(jīng)過上述操作，得到新一代的染色體種群，基于目標函數(shù)Z對得到的染色體種群進行 評估，若對當前調(diào)度方案不滿意，則重復上述步驟S21至S26的遺傳操作過程；當染色體種 群進化速率小于預設(shè)闊值時終止遺傳算法。4. 如權(quán)利要求3所述的方法，其特征在于，步驟S24具體為： a) 在染色體池T中選擇進行交叉操作的染色體Ti和最優(yōu)染色體Tm。、； b) 隨機生成交叉片段和交叉區(qū)域； C)將Ti的交叉區(qū)域加到Tm。,前面，將Tm。,的交叉區(qū)域加到T1前面； d)刪除與Ti或Tm。、的交叉區(qū)域相同的基因，得到兩個新的子代。5. 如權(quán)利要求4所述的方法，其特征在于，步驟S3具體為： 巧 設(shè)定bi(t)表示時刻t位于周期Pi的媽蟻個數(shù)，則有W=W，用T1 (t)表示t時 亥帕第i個周期Pi的信息素值； A) 將m個媽蟻分別置于相應的周期內(nèi)，并為各周期的信息素賦初值，Ti(O)= Ti-Ioadi(0)，其中i= 1，2,…，n，r;為第i個周期所擁有的處理消息能力，loadi(0)為遺 傳算法終止時得到的當前最優(yōu)調(diào)度方案指派給第i個周期Pi的消息所占據(jù)的總線負載； B) 將媽蟻放置到有向圖節(jié)點上； C) 若有消息從第i個周期Pi傳輸成功，則為該周期賦予信息素增量AT1=CpXK;否 貝1J，為該周期賦予信息素增量AT1=CpXK,其中K表示傳輸相應消息所用的時間開銷，C。 和Cp表示相應的獎懲因子； D) 更新所有周期的信息素，即Ti(t) =Ti(t) +ATl,其中i= 1，2,…，n; 巧根據(jù)各個周期的信息素分布情況計算概率：其中：Ti(t)為t時刻第i個周期Pi的信息素濃度；Tl1為第i個周期P1所擁有的處 理消息能力；a表示第i個周期信息素的重要性，0表示第i個周期的信息素所擁有的處 理消息能力的重要程度，托"(0表示消息m在t時刻占用第i個周期Pi的概率； 基于得到的最大概率值為每只媽蟻分別選取下一個周期Pi; 巧根據(jù)所有媽蟻選取的周期，計算對應的適應度函數(shù)fitness(f(X))，fitness(f(X)) 值越大，相應的調(diào)度方案越好，記錄當前最優(yōu)的調(diào)度方案； 若達到最大的迭代次數(shù)，或者迭代出現(xiàn)退化現(xiàn)象，則當前記錄調(diào)度最優(yōu)解即為所得的 最優(yōu)調(diào)度方案；否則，清空所有媽蟻的蟻集，跳轉(zhuǎn)到步驟C)。
【專利摘要】本發(fā)明涉及一種基于混合遺傳算法的1553B總線消息傳輸優(yōu)化方法，屬于總線消息傳輸技術(shù)領(lǐng)域。本發(fā)明先通過排隊論建立1553B總線消息調(diào)度數(shù)學模型，接著引入遺傳算法快速找到1553B總線消息調(diào)度可行解，然后將遺傳算法找到的可行解轉(zhuǎn)換成蟻群優(yōu)化算法初始信息素，最后利用蟻群算法的局部尋優(yōu)和正反饋機制得到1553B總線消息調(diào)度最優(yōu)解。仿真實驗結(jié)果表明，利用改進后的遺傳算法對1553B總線消息傳輸進行優(yōu)化，能夠在滿足每條消息最大延遲時間要求和通訊實時性的前提下，提高了總線利用率，有效地緩解了總線消息擁塞和飽和現(xiàn)象，解決了總線負載均衡的難題，具有較好的處理異步消息的能力。
【IPC分類】G06N3/12, G06F13/42
【公開號】CN105205536
【申請?zhí)枴緾N201510758135
【發(fā)明人】趙昶宇
【申請人】天津津航計算技術(shù)研究所
【公開日】2015年12月30日
【申請日】2015年11月6日