【技术实现步骤摘要】
本专利技术涉及车载网，尤其涉及一种基于强化免疫算法的tsn-5g高铁车载网络流量调度方法。
技术介绍
1、当前，由于车载终端部署环境复杂，存在电磁干扰、粉尘油渍污染、车体振动和信号遮挡等众多影响因素，使得车载5g无线网络存在节点失效、链路失效等极强的不确定性问题。在tsn(time-sensitive networking，时间敏感网络)-5g列车车载网络中，亟切需要一种能快速响应、动态调整的流量调度算法来保障关键业务流的确定性传输。
2、国内外已有许多学者对于tsn-5g网络流量调度做出研究。有方案通过优化模块理论制定了联合消息分段和调度问题的规范，并利用现成的求解器寻找最优解。该研究还提出了一种启发式算法，通过最坏情况延迟分析来构建低延迟调度，显著提高了调度性能。
3、针对动态流量的路由与调度问题，还有方案建立了tsn-5g网络的路由与调度联合优化模型，并提出了一种在线启发式算法。该方案同时考虑传输时延和网络负载因素来确定路由，并利用两次剪裁操作快速确定调度时间，保证了动态变化网络环境下实时流量的传输性能。
4、针对tsn-5g网络的无等待数据包调度问题，有方案将其映射到无等待作业车间调度问题(nw-jsp)，并提出了基于禁忌搜索的启发式优化方法。此外，所提出的调度压缩技术有效地减少了保护带数量，提高了带宽利用率。
5、有方案将蚁群优化算法引入tsn-5g网络，提出了改进的蚁群优化算法作为时间触发流的调度算法。仿真结果表明，该算法满足严格的端到端延迟工业应用的要求，并且在收敛速
6、在tsn-5g网络的流量调度算法中，有方案发现5g-tsn集成网络中tsn流在5g网桥中传输时会与5g的embb流产生时隙、信道资源竞争问题，对网络吞吐量以及端到端时延产生影响。于是提出根据延时、数据包大小等参数计算tsn流和embb流优先级，按照优先级分配资源的传输方案。
7、有方案利用网络功能虚拟化(network function virtualization，nfv)技术在5g-tsn网络中实现qos感知的映射和调度，首先设计了一种增量贪婪算法将nfv映射到5g和tsn的资源，并提出一种基于动态优先级抢占的5g资源调度方案，为更高优先级的应用提供无等待传输。
8、上述现有技术中的tsn-5g网络的优化理论算法的缺点包括：该方法虽然能够提供理论上的最优解，但在tsn-5g车载网络场景中面临多项挑战，如制定约束难、求解时间长，并且不适用于动态环境。
9、上述现有技术中的tsn-5g网络的基于启发式算法的流量调度算法的缺点包括：该方法存在一些固有缺陷，如全局最优性难以保证、参数依赖性强、收敛速度慢。
技术实现思路
1、本专利技术的实施例提供了一种基于强化免疫算法的tsn-5g高铁车载网络流量调度方法，以实现对tsn-5g高铁车载网络中流量进行高效率传输。
2、为了实现上述目的，本专利技术采取了如下技术方案。
3、一种基于强化免疫算法的tsn-5g高铁车载网络流量调度方法，包括：
4、获取tsn-5g高铁车载网中待调度流量集合的所有可能路由，以及每条路由的时延；
5、设置强化免疫算法的各种算子，使用dqn网络作为强化免疫算法的克隆变异算子，以端到端时延、负载均衡指数和路由跳数的加权求和值最小作为强化免疫算法的优化目标；
6、将所述待调度流量集合的所有可能路由、每条路由的时延和tsn-5g高铁车载网的网络信息输入到强化免疫算法中，所述强化免疫算法利用各种算子迭代求得每个流量的发送顺序和路由，以及每个流量在时间敏感网络tsn交换机的发送时间；
7、根据每个流量的发送时间得到tsn交换机的门控调度列表，所述tsn交换机根据门控调度列表对每个流量进行端到端的确定性传输。
8、优选地，所述的获取tsn-5g高铁车载网中待调度流量集合的所有可能路由，以及每条路由的时延，包括：
9、设流量fi在tsn-5g高铁车载网中经过的所有可能路由有n条，路由集合记为r，rij(j∈[1,2,...,n])为n中的一条路由，从发送端经过k个中间节点到达接收端则路由rij表示为
10、设置每个路由的端到端时延包括tsn网络时延和5g网络时延，流量fi选择第j条路由在tsn网络中的时延由4个部分组成，分别为发送时延传输时延处理时延和排队时延tsn网络中的时延计算公式为：
11、
12、流量fi在5g网络中的时延由4个部分组成，分别为发送时延传播时延处理时延和排队时延5g网络中的时延计算公式为：
13、
14、流量fi选择第j条路由的端到端时延dij为：
15、
16、流量fi选择第j条路由的总排队时延为：
17、
18、5g网络的排队时延tti为传输时间间隔；
19、tsn网络的排队时延k为流量fi选择第j条路由所经过的tsn交换机个数。
20、优选地，所述的设置强化免疫算法的各种算子，使用dqn网络作为强化免疫算法的克隆变异算子，以端到端时延、负载均衡指数和路由跳数的加权求和值最小作为强化免疫算法的优化目标，包括：
21、设置强化免疫算法的算子包括：亲和度计算算子、抗体浓度计算算子、激励度计算算子、免疫选择算子、基于dqn的克隆变异算子和种群刷新算子；
22、(8)种群初始化
23、种群p内的抗体使用离散编码，每个抗体pi记录待调度流集合f的一种可能的发送顺序si和路由编号ri；
24、(9)亲和度评价算子
25、按照抗体记录的发送顺序和路由编号计算第x个抗体的端到端时延dx，负载均衡指数vx以及路由跳数hx，亲和度aff(x)即为优化目标，算法目标就是不断迭代找到亲和度最小的一个抗体，亲和度计算公式为：
26、aff(x)＝ln(dx)+ln(vx)+ln(hx)
27、(10)抗体浓度评价算子
28、定义只有当两个抗体内流量的发送顺序si与路由编号ri都相同时，判定两个抗体相同，第x个抗体的抗体浓度den(x)定义为：
29、
30、(11)激励度计算算子
31、第x个抗体的激励度sim(x)为：
32、sim(x)＝w·aff(x)+(1-w)·den(x)
33、(12)免疫选择算子
34、定义免疫选择算子选择激励度前三的抗体；
35、(13)种群刷新算子
36、种群刷新算子随机构建新的抗体补齐。
37、(14)基于dqn的克隆变异算子
38、使用强化学习中的dqn算法作为免疫算法中的克隆和变异算子；
39、状态空间s：当前种群的激励度分布和抗体的向量表示；
40、动作空间a本文档来自技高网...
【技术保护点】
1.一种基于强化免疫算法的TSN-5G高铁车载网络流量调度方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述的获取TSN-5G高铁车载网中待调度流量集合的所有可能路由，以及每条路由的时延，包括：
3.根据权利要求2所述的方法，其特征在于，所述的设置强化免疫算法的各种算子，使用DQN网络作为强化免疫算法的克隆变异算子，以端到端时延、负载均衡指数和路由跳数的加权求和值最小作为强化免疫算法的优化目标，包括：
4.根据权利要求3所述的方法，其特征在于，所述的以端到端时延、负载均衡指数和路由跳数的加权求和值最小作为强化免疫算法的优化目标，包括：
5.根据权利要求4所述的方法，其特征在于，所述的将所述待调度流量集合的所有可能路由、每条路由的时延和TSN-5G高铁车载网的网络信息输入到强化免疫算法中，所述强化免疫算法利用各种算子迭代求得每个流量的发送顺序和路由，以及每个流量在TSN交换机的发送时间，包括：
6.根据权利要求5所述的方法，其特征在于，所述的根据每个流量的发送时间得到TSN交换机的门控调度列表，所述T
...【技术特征摘要】
1.一种基于强化免疫算法的tsn-5g高铁车载网络流量调度方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述的获取tsn-5g高铁车载网中待调度流量集合的所有可能路由，以及每条路由的时延，包括：
3.根据权利要求2所述的方法，其特征在于，所述的设置强化免疫算法的各种算子，使用dqn网络作为强化免疫算法的克隆变异算子，以端到端时延、负载均衡指数和路由跳数的加权求和值最小作为强化免疫算法的优化目标，包括：
4.根据权利要求3所述的方法，其特征在于，所述的以端到端时延、负载...
【专利技术属性】
技术研发人员：张瑞丰，刘真，张尧政，王岩楠，耿冲，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。