一种基于怕累托支配关系的多目标路径优化方法技术

本发明专利技术公开了一种基于怕累托支配关系的多目标路径优化方法，包括以下步骤：S1、每次路径探索前，依据已探索路径之间的帕累托支配关系来选取候选路径；S2、对候选路径进行依次广度优先遍历，实现路径的单步探索；S3、在每轮路径探索后，将当前路径与已知最优解集当中的路径进行比较，移除不可能成为最优解的路径；S4、重复执行步骤S1

【技术实现步骤摘要】
一种基于怕累托支配关系的多目标路径优化方法


[0001]本专利技术涉及网络通信
，尤其涉及一种基于怕累托支配关系的多目标路径优化方法。

技术介绍

[0002]网络技术的不断演进以及网络接入的不断便捷化正使得网络数据呈指数级增长。伴随着人工智能(Artificial Intelligence，AI)、物联网(Internet of Things，IoT)、自动化技术(Automation)的发展，提供差异化的网络服务、针对用户需求进行服务质量(Quality of Service，QoS)改善，已经成为下一代通信网络的应有之义。
[0003]第三代合作伙伴计划(Third Generation Partnership Project，3GPP)确定了三个关键的5G应用场景，即增强型移动宽带(eMBB)、超可靠低延迟通信(uRLLC)和大规模机器类型通信(mMTC)，每个场景都有特定的服务质量需求。例如，eMBB的商业应用场景主要包括AR、HD在线视频传输等，其对网络传输带宽、网络覆盖范围具有较高的需求；而uRLLC主要应用场景包括车联网、智能电网等，其对网络时延、传输可靠性等指标要求较高。显然，伴随着5/6G等新兴通信技术的出现，未来针对网络服务的需求将更加多样化和细粒度化，该领域将会得到学术界以及工业界更多的关注。
[0004]传统的以分组转发技术为核心的IP网络大多采用尽力而为的传输服务模式，该架构无法满足差异化的服务提供需求。为了解决这一问题，学者们提出了一系列的网络架构以及数据转发技术。<br/>[0005]在这些技术之中，软件定义网络(Software
‑
Defined Networking，SDN)被视为一种具有较好前景的技术架构。路由设备一般包括控制平面与数据平面，其中，控制平面负责路由策略的生成，数据平面负责数据包的转发工作。SDN将路由设备的这两个平面进行了分离，并将其控制平面集中到一个中心管理平台，从而实现统一化的管理。依托于中心化的管理平台，服务供应商可以对网络流量进行实时监控，制定特定的路由策略，从而实现差异化的服务提供。
[0006]此外，多协议标签交换(Multi
‑
Protocol Label Switching)作为一种不同理念的分组转发技术，也被广泛地应用于现有网络体系当中。该技术由互联网工程服务组(Internet Engineering Task Force，IETF)提出，是一种在IP骨干网上利用标签来指导数据报文高速转发的协议。当数据包进入支持MPLS技术的网络时，多个标识该网络内部不同路由设备的标签信息将会被附加到该数据包的包头当中。路由设备会基于这些标签信息进行转发，从而形成一条特定的转发路径。因此，MPLS也可以看作是一种隧道技术，与SDN等技术相结合，MPLS能够被很好地应用于流量工程、QoS优化、虚拟专用网络等场景。
[0007]尽管上述网络技术和架构实现了差异化的服务提供，但有关这些技术背后的核心——多目标路径优化问题的研究依然有限。多目标路径优问题是指在考虑多个链路状态，如延时、拥塞程度、带宽等相互冲突的目标的情况下如何确定最佳路径。为了解决这一问题，许多学者将其转化为多约束最短路径问题，并采用启发式方案或改进版本的
Dijkstra方法来进行求解。然而，这些方法大多存在路径规划效率低下、模型构建不合理等问题。
[0008]从数学方法上来说，目前针对多目标路径优化问题的解决方案包括以下几种：
[0009]1.线性加权法。该方法被广泛应用于多目标优化问题当中，其核心思想是通过为每个目标函数赋予一定的权值，并将所有的目标函数进行简单的线性加权相加，从而将多目标优化问题转化为单目标优化问题。线性加权法具备简单、直观、易于工程部署等特点。然而，线性加权法的有效性极大地依赖于权值的选取，一旦权值的设定不合理，则该方案可能导致解的质量下降。
[0010]2.主要目标法。该方法又称ε
‑
限制法。主要目标法从多个优化目标当中选取一个主要目标作为待优化函数，并将其他子目标函数作为限制条件，通过一组上限值ε
k
进行约束。在著目标进行优化的过程当中，需要将子目标函数的值限定在ε
k
之内，一旦某个子目标函数超出限定值，则该解将会被抛弃而不进行进一步的优化。尽管主要目标法具备良好的求解效率以及较高的解质量，其可行性极大地依赖于约束条件ε
k
的选择，一旦约束条件的选择不合理，最终的有效解可能为空，这在某些网络场景下是无法接受的。
[0011]3.基于人工智能的优化方案。近年来，人工智能的快速发展极大地拓展了其应用场景，也为解决多目标优化问题提供了新的思路。在路径优化领域，强化学习正成为学者们研究的重点。强化学习以马尔可夫决策链为理论基础，通过环境给予的奖励反馈来修正当前的策略网络参数，从而形成一个较好的路径选择方案。尽管与人工智能相结合的方案能够极大地简化问题求解的难度，但此类方案大多存在模型可解释性低、解质量难以保证等问题。

技术实现思路

[0012]本专利技术针对现有技术存在的路径规划效率低下、路径解质量不高、模型构建不合理等问题，提出一种具备高效率、高解集质量的基于怕累托支配关系的多目标路径优化方法(NDRA)。
[0013]为了实现上述目的，本专利技术提供如下技术方案：
[0014]本专利技术提供一种基于怕累托支配关系的多目标路径优化方法，包括如下步骤：
[0015]S1、在每次路径探索前，依据已探索路径之间的帕累托支配关系来选取候选路径；当前所有可行的路径信息存储在列表结构AP_list中，候选路径信息存储在列表结构CP_list中，CP_list是AP_list的一个子集；
[0016]S2、对候选路径进行依次广度优先遍历，实现路径的单步探索；将所有经过单步探索并被认为是可行的路径再次插入到AP_list中；
[0017]S3、在每轮路径探索后，将当前路径与已知最优解集当中的路径进行比较，移除不可能成为最优解的路径；
[0018]S4、重复执行步骤S1
‑
S3，直到不再有新的最优解出现为止。
[0019]进一步地，步骤S1的候选路径选取过程包括：
[0020]对于任一网络拓扑图G(N，E)，N为网络节点集合，E为网络链路集合；任意一条网络链路e
i，j
∈E的属性用一个固定长度的向量v
i，j
∈R1×
k
标识，其中k表示待优化目标数目；定义路径规划任务为T(N
s
，N
d
)，其中N
s
，N
d
分别代表路由源节点和路由目的节点；多目标路径优
化问题的目标是找到一系列的中间节点从而形成一条转发路径从而形成一条转发路径使得：
[0021]max
p
f(p)＝[f1(p)，f2(p)，...，f...

【技术保护点】

【技术特征摘要】
1.一种基于怕累托支配关系的多目标路径优化方法，其特征在于：包括如下步骤：S1、在每次路径探索前，依据已探索路径之间的帕累托支配关系来选取候选路径；当前所有可行的路径信息存储在列表结构AP_list中，候选路径信息存储在列表结构CP_list中，CP_list是AP_list的一个子集；S2、对候选路径进行依次广度优先遍历，实现路径的单步探索；将所有经过单步探索并被认为是可行的路径再次插入到AP_list中；S3、在每轮路径探索后，将当前路径与已知最优解集当中的路径进行比较，移除不可能成为最优解的路径；S4、重复执行步骤S1
‑
S3，直到不再有新的最优解出现为止。2.根据权利要求1所述的基于怕累托支配关系的多目标路径优化方法，其特征在于，步骤S1的候选路径选取过程包括：对于任一网络拓扑图G(N，E)，N为网络节点集合，E为网络链路集合；任意一条网络链路e
i，j
∈E的属性用一个固定长度的向量v
i，j
∈R1×
k
标识，其中k表示待优化目标数目；定义路径规划任务为T(N
s
，N
d
)，其中N
s
，N
d
分别代表路由源节点和路由目的节点；多目标路径优化问题的目标是找到一系列的中间节点从而形成一条转发路径从而形成一条转发路径使得：max
p
f(p)＝[f1(p...

【专利技术属性】
技术研发人员：苑洁，李小勇，魏兴海，刘东晓，徐睿，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：