一种基于改进麻雀搜索算法的光资源最优路径获取方法

技术领域

本发明涉及计算机技术领域，具体涉及一种基于改进麻雀搜索算法的光资源最优路径获取方法。

背景技术

目前，在使用经典麻雀搜索算法搜索光资源网络中的光资源最优路径时，由于经典麻雀算法主要依赖于发现者麻雀进行搜索，而发现者麻雀的搜索策略过于单一，发现者麻雀的报警值在达到安全阈值时只是移动Q(正态分布随机数)个单位，前期如果Q的值过小，则不利于在搜索光资源最优路径的前期进行整体的搜索，后期如果Q的值过大，则不利于在搜索光资源最优路径的后期进行局部的开发，经典麻雀算法会向原点收敛，不利于发掘最优解，同时无法给用户提供不同侧重点的光资源最优路径搜索。

发明内容

本发明的目的在于提供一种基于改进麻雀搜索算法的光资源最优路径获取方法，不仅能够在搜索光资源最优路径的前期进行整体的搜索，而且能够在搜索光资源最优路径的后期进行局部的开发，改进后的麻雀搜索算法不会向原点收敛，更利于发掘最优解，同时提供了四种目标适应度，用户可根据自己的情况选择四种目标适应度中的一种为侧重点进行光资源最优路径的搜索。

为解决上述技术问题，本发明采用了以下方案：

一种基于改进麻雀搜索算法的光资源最优路径获取方法，主要包括以下步骤：

S1：调用光资源网络；

S2：根据光资源网络搭建光资源网络数学模型；

S3：利用改进后的麻雀搜索算法对光资源网络数学模型进行搜索计算得到光资源网络中的光资源最优路径。

进一步的，所述改进后的麻雀搜索算法包括基于细菌群优化算法改进的发现者位置更新算法、基于细菌群优化算法改进的追随者位置更新算法、基于发现者比例自适应策略的发现者比例更新算法和侦察者位置更新算法，所述S3包括：

S31：生成初始化麻雀种群，初始化麻雀种群的参数包括：初始化麻雀种群中发现者麻雀的数量比例、发现者麻雀的路径序列、追随者麻雀的路径序列、侦察者麻雀的数量比例、侦察者麻雀的路径序列；根据初始化麻雀种群对光资源网络数学模型进行搜索计算得到全局最优解；并将全局最优解对应的路径序列标记为光资源最优路径；

S32：根据基于细菌群优化算法改进的发现者位置更新算法对发现者麻雀的路径序列进行更新，根据基于细菌群优化算法改进的追随者位置更新算法对追随者麻雀的路径序列进行更新，根据基于发现者比例自适应策略的发现者比例更新算法对发现者麻雀的数量比例进行更新，根据侦察者位置更新算法对侦察者麻雀的路径序列进行更新，以此将初始化麻雀种群更新为新的麻雀种群；根据新的麻雀种群对光资源网络数学模型进行搜索计算得到更新的全局最优解；并将更新的全局最优解对应的路径序列更新为光资源最优路径；

S33：重复步骤S32。

进一步的，所述基于细菌群优化算法改进的发现者位置更新算法为：

其中，t为当前的迭代次数，

进一步的，所述基于细菌群优化算法改进的发现者位置更新算法中的C

其中，C

进一步的，所述安全阈值采用预警安全阈值自适应策略进行改进，ST的计算公式为：

其中，ST

进一步的，所述基于细菌群优化算法改进的追随者位置更新算法为：

其中，t为当前的迭代次数，

进一步的，所述侦察者位置更新算法：

其中，t为当前的迭代次数，

进一步的，所述基于发现者比例自适应策略的发现者比例更新算法为：

其中，PD

进一步的，所述改进后的麻雀搜索算法采用Metropolis准则进行改进，相关公式如下：

c＝iter

df＝fitness(X

其中，t为当前的迭代次数，Y(X

进一步的，所述光资源网络包括全部的光资源节点、全部的连接两个光资源节点的连接路径和全部的光资源路径，所述光资源节点包括若干个端口，所述端口用来连接两个不同的光资源节点，所述光资源节点包括光资源起点、光资源终点和光资源转接点，所述光资源路径为一条从光资源起点开始经过一条或若干条连接路径到光资源终点结束的路径，所述S2包括：

根据光资源网络搭建一个光资源网络数学模型，即无向图G＝(V，E)，其中V是无向图中顶点的集合，所述顶点与光资源节点一一对应，所述顶点包括与光资源起点对应的起点顶点、与光资源终点对应的终点顶点和与光资源转接点对应的转接点顶点，V

本发明具有的有益效果：

1、本发明中，通过提供一种基于改进麻雀搜索算法的光资源最优路径获取方法，首先生成一个麻雀种群，初始化麻雀的路径序列，确定初始化麻雀种群中发现者麻雀的数量比例、发现者麻雀对应的路径序列、追随者麻雀对应的路径序列、侦察者麻雀的数量比例、侦察者麻雀的路径序列和全局最优解，然后采用改进后的麻雀搜索算法对发现者麻雀的数量比例、发现者麻雀对应的路径序列、追随者麻雀对应的路径序列、侦察者麻雀的数量比例和侦察者麻雀的路径序列进行更新，该算法能够实现从搜索光资源最优路径的前期到搜索光资源最优路径的后期使发现者麻雀的数量比例和搜索范围的逐步减少，使得该算法能够在搜索光资源最优路径的前期进行整体的搜索，并在搜索光资源最优路径的后期进行局部的开发，同时改进后的麻雀搜索算法不会向原点收敛，更有利于发掘最优解。

附图说明

图1为本发明中的基于改进麻雀搜索算法的光资源最优路径获取方法的总体流程图；

图2为本发明中的无向图的示意图。

具体实施方式

为使本领域技术人员更好地理解本发明/发明的技术方案，下面结合附图和具体实施方式对本发明/发明作进一步详细描述。

实施例1：

如图1至图2所示的一种基于改进麻雀搜索算法的光资源最优路径获取方法，主要包括以下步骤：

S1：调用光资源网络；

S2：根据光资源网络搭建光资源网络数学模型；

S3：利用改进后的麻雀搜索算法对光资源网络数学模型进行搜索计算得到光资源网络中的光资源最优路径。

具体的，所述改进后的麻雀搜索算法包括基于细菌群优化算法改进的发现者位置更新算法、基于细菌群优化算法改进的追随者位置更新算法、基于发现者比例自适应策略的发现者比例更新算法和侦察者位置更新算法，所述S3包括：

S31：生成初始化麻雀种群，初始化麻雀种群的参数包括：初始化麻雀种群中发现者麻雀的数量比例、发现者麻雀的路径序列、追随者麻雀的路径序列、侦察者麻雀的数量比例、侦察者麻雀的路径序列；根据初始化麻雀种群对光资源网络数学模型进行搜索计算得到全局最优解；并将全局最优解对应的路径序列标记为光资源最优路径；

S32：根据基于细菌群优化算法改进的发现者位置更新算法对发现者麻雀的路径序列进行更新，根据基于细菌群优化算法改进的追随者位置更新算法对追随者麻雀的路径序列进行更新，根据基于发现者比例自适应策略的发现者比例更新算法对发现者麻雀的数量比例进行更新，根据侦察者位置更新算法对侦察者麻雀的路径序列进行更新，以此将初始化麻雀种群更新为新的麻雀种群；根据新的麻雀种群对光资源网络数学模型进行搜索计算得到更新的全局最优解；并将更新的全局最优解对应的路径序列更新为光资源最优路径；

S33：重复步骤S32。

例如，生成麻雀种群，初始化麻雀的路径序列，计算路径序列对应的目标适应度，所述目标适应度包括路径序列R

T(R

C＝L*T*P

将路径序列按目标适应度由低到高进行排列，设置初始化麻雀种群的发现者麻雀的数量比例为20％，即将排列后的前20％的路径序列所对应的麻雀设置为初始化麻雀种群的发现者麻雀，将排列后的后80％的路径序列所对应的麻雀设置为初始化麻雀种群的追随者麻雀，初始化麻雀种群中目标适应度最低的路径序列设置为初始化麻雀种群中的全局最优解。

具体的，所述基于细菌群优化算法改进的发现者位置更新算法为：

其中，t为当前的迭代次数，

具体的，所述基于细菌群优化算法改进的发现者位置更新算法中的C

其中，C

例如，其中C

具体的，所述安全阈值采用预警安全阈值自适应策略进行改进，ST的计算公式为：

其中，ST

例如，其中ST

具体的，所述基于细菌群优化算法改进的追随者位置更新算法为：

其中，t为当前的迭代次数，

具体的，所述侦察者位置更新算法：

其中，t为当前的迭代次数，

具体的，所述基于发现者比例自适应策略的发现者比例更新算法为：

其中，PD

例如，PD

具体的，所述改进后的麻雀搜索算法采用Metropolis准则进行改进，相关公式如下：

c＝iter

df＝fitness(X

其中，t为当前的迭代次数，Y(X

具体的，所述光资源网络包括全部的光资源节点、全部的连接两个光资源节点的连接路径和全部的光资源路径，所述光资源节点包括若干个端口，所述端口用来连接两个不同的光资源节点，所述光资源节点包括光资源起点、光资源终点和光资源转接点，所述光资源路径为一条从光资源起点开始经过一条或若干条连接路径到光资源终点结束的路径，所述S2包括：

根据光资源网络搭建一个光资源网络数学模型，即无向图G＝(V，E)，其中V是无向图中顶点的集合，所述顶点与光资源节点一一对应，所述顶点包括与光资源起点对应的起点顶点、与光资源终点对应的终点顶点和与光资源转接点对应的转接点顶点，V

本实施例的工作原理：

现有的麻雀搜索算法中的发现者位置更新算法如下：

其中，t是当前的迭代次数，

基于上述缺陷，本方案首先采用细菌群优化算法对现有的发现者位置更新算法进行改进，基于细菌群优化算法改进的发现者位置更新算法为：

其中，t为当前的迭代次数，

其中，C

其中，ST

可以理解的是，以上实施方式仅仅是为了说明本发明/发明的原理而采用的示例性实施方式，然而本发明/发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明/发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明/发明的保护范围。