專利名稱：基于最少資源神經網絡求解大規模圖的最短路徑方法
技術領域：
本發明屬于數據處理技術領域，更進一步涉及離散優化領域中的基于最少資源神經網絡求解大規模圖的最短路徑方法。該方法能夠用最少資源來求解大規模圖的最短路徑樹，可用于網絡路由、運輸調度和城市交通規劃。
背景技術：
近年來，隨著網絡大力普及、交通快速發展，如何更有效的解決網絡路由、運輸調度和交通規劃問題變得越來越重要，這就涉及到如何在最短的時間內尋找大規模圖的最短路徑。北京郵電大學申請的專利“WDM光網絡中基于共享風險鏈路組的網絡保護方法”(公開號CN 101026482A,申請號200610007954. 0)，公開了一種WDM網絡環境下基于共享風險鏈路組限制的共享資源保護方法。該方法反復調用傳統Dijkstra算法作為信道業務請求來計算備選工作路由集合，根據網絡中資源的實時使用情況，動態調整全網鏈路的鏈路權重值，從而得到最優保護路由，通過使用首次命中策略為已經計算好的工作路由和保護路由分配波長資源。該方法存在的不足是，傳統Dijkstra算法對圖有很大限制，只適合鏈路圖中節點權值非負無環情況，并且該算法的時間復雜度為0(n2)，這就導致在數據量很大的情況下，它的運算效率很差。北京博懋易通科技有限公司申請的專利“一種用于船舶航線設計的啟發式航段尋徑方法”(公開號CN 101833699A，申請號200910119402)，公開了一種用于船舶航線設計的啟發式航段尋徑方法。該方法結合A*算法的啟發式搜索原理，建立航渡路徑樹方法來減少無謂的路徑搜索時間，通過分析基于矢量圖航段尋徑算法在船舶航線設計的特殊性，對航段尋徑算法進行改進，同時利用航段尋徑在多邊形外兩點間生成不穿越多邊形的連通路徑，找到最優航段。該方法存在的不足是，A*算法作為一種啟發式搜索算法，是根據估價函數找最短路徑，這樣能夠避免查找很多不在最短路上的節點，但卻導致了 A*算法找到的解不是最優解，并且該算法主要應用是在大型游戲中尋找點到點的最短路徑，該專利申請中用A*算法來找一點到其他所有點的最短路徑，這就導致它的效率很差。武漢理工大學申請的專利“一種基于混合螞蟻算法的QoS多播路由的方法”(公開號CN 1731761A，申請號200510019243. 0)，公開了一種基于混合螞蟻算法的QoS多播路由的方法。該方法首先采用遺傳算法生成信息素分布，再利用螞蟻算法正反饋求精確解。該方法存在的不足是，遺傳算法和螞蟻算法需要通過很大種群的競爭來找最優解，并且只能在一定概率下得到最優解，從而導致了大量計算，因此不適合應用在求解大規模最短路徑問題。北京郵電大學申請的專利“網絡流量的分配方法”(公開號CN 102025628A,申請號201010582522. 9)，公開了一種網絡流量的分配方法。該方法在網絡的源節點與目的節點之間建立多條備選路由路徑，初始化時將源節點與目的節點之間的網絡流量分配到一條或多條備選路由路徑上。根據備選路由路徑上初始分配的網絡流量，通過hopfield神經網絡算法確定備選路由路徑中的初始最優路由路徑，并將源節點與目的節點之間的網絡流量分配到初始最優路由路徑。根據備選路由路徑上初始分配的網絡流量以及初始最優路由路徑上分配的網絡流量，通過FD流量偏差算法調整備選路由路徑上分配的網絡流量，直至網絡傳輸時延滿足預定要求。在源節點和目的節點之間建立多條備選路由，結合hopfield神經網絡算法與FD算法調整網絡中各鏈路業務負載，進行流量分配調整，以達到優化網絡傳輸時延。該方法存在的不足是，hopfield網絡收斂到正確最短路徑的過程緩慢并且不能收斂到正確的最短路徑，而且該網絡所需要的神經元數目是圖節點的平方或圖的弧數，同時網絡參數變化對解的質量有很大影響。西北工業大學申請的專利“一種基于小波變換和多通道PCNN的高光譜圖像融合方法”(公開號CN 101697231A,申請號200910218671. 4)，公開了一種基于小波變換和多通道PCNN的高光譜圖像融合方法。該方法對待融合的N個波段的高光譜圖像進行配準和灰度調整的預處理，進行小波變換，得到低頻子帶圖像和高頻子帶圖像，利用多通道PCNN模型分別對低頻子帶圖像和高頻子帶圖像進行初步的非線性融合處理，得到相應的點火頻率圖，對低頻子帶圖像，將點火頻率進行相應系數范圍的線性映射，直接將映射結果作為融合結果，對高頻子帶圖像，利用點火頻率圖進行區域分割，并對不同區域采用不同的融合規則進行融合處理，最后進行小波重構，得到最終的融合結果圖像。該方法存在的不足是，PCNN 模型所要求的神經元數量與圖中邊長之和成正比，很多基于PCNN的神經網絡算法已提出只用與圖中節點數相同的神經元來尋找最短路，但是網絡的神經元仍然像PCNN的一樣是基于integrate-and-fire，因此網絡表現為一個非線性微分方程組，當圖中的節點數變大的時候，系統的計算非常復雜；其次，在用戶預定的參數范圍內，時間步長參數會影響網絡收斂總的迭代次數，從而影響算法的計算復雜性；同時解的質量和計算復雜性也極易受到其他參數的影響，因此這些方法無法應用到大規模問題。
發明內容
本發明的目的在于克服上述已有技術的不足，提出了一種基于最少資源神經網絡求解大規模圖的最短路徑方法，本方法可運用最少資源得到全局最優解。實現本發明的具體步驟如下(1)初始化大規模圖網絡；(2)在網絡源節點產生自動波；(3)按照下式計算節點的傳輸時間
‘min {yj (t) + djt [yj (0]}，if W1 (t)本 Φ;+ =7 )
(t), otherwise,其中，yi(t+l)是t+1時刻節點i的傳輸時間，min是求最小符號，j是Wi (t)中的節點，e是屬于符號，Wi (t)是從源節點到節點i各個中間節點權值，Yj(t)是t時刻節點j 的傳輸時間，Clji[yj(t)]是t時刻經過節點j到節點i的傳輸時間，興是不等于符號，Φ是空集，Yi (t)是t時刻節點i的傳輸時間；(4)確定最晚到達時間比較步驟(3)獲得的傳輸時間和上次迭代所得傳輸時間， 取二者之間時間最短的作為節點最晚到達時間；
(5)更新節點路徑5a)在當前節點的權重路徑節點中，將源節點到當前節點傳輸時間最小的節點確定為競爭獲勝節點；5b)將競爭獲勝節點加入到當前節點的路徑末尾；(6)判斷大規模圖網絡是否收斂，若收斂，執行步驟(7)；若不收斂，增加一次迭代次數，執行步驟⑶；(7)輸出最短路徑和最短路徑傳輸時間。
權利要求
1.一種基于最少資源神經網絡求解大規模圖的最短路徑方法，包括如下步驟(1)初始化大規模圖網絡；(2)在網絡源節點產生自動波；(3)按照下式計算節點的傳輸時間
2.根據權利要求1所述的基于最少資源神經網絡求解大規模圖的最短路徑方法，其特征在于步驟(1)所述的初始化為，設初始時間為1，大規模圖網絡中任一節點為源節點，源節點對應的最早到達時間和最晚到達時間均為0，網絡中其他所有節點的最早到達時間為 0，最晚到達時間為無窮大，傳輸時間為無窮大。
3.根據權利要求1所述的基于最少資源神經網絡求解大規模圖的最短路徑方法，其特征在于步驟(2)所述的產生自動波是指將源點的傳輸時間初始為0，源節點點火產生自動波。
4.根據權利要求1所述的基于最少資源神經網絡求解大規模圖的最短路徑方法，其特征在于步驟(6)所述的網絡收斂判斷方法為將步驟(3)所得傳輸時間與上次迭代所得傳輸時間相比較，如果兩者相等，則網絡收斂。
5.根據權利要求1所述的基于最少資源神經網絡求解大規模圖的最短路徑方法，其特征在于步驟(7)所述的最短路徑為步驟(5)所得最短路徑，最短路徑傳輸時間為步驟(3) 所得最短路徑傳輸時間。
全文摘要
本發明公開了基于最少資源神經網絡求解大規模圖的最短路徑方法。本發明能夠運用最少資源尋找大規模數據的最短路徑樹，并且找到的解是最優解，可用于網絡路由、運輸調度和城市交通規劃。本發明實現的步驟包括初始化大規模圖網絡；在網絡源節點產生自動波；計算節點的傳輸時間；確定節點的最晚到達時間；求出競爭獲勝節點，將競爭獲勝節點加入到節點的最短路徑中；增加一次迭代次數，重復計算相應節點的傳輸時間和最晚到達時間，更新最短路徑直到網絡收斂；輸出找到的最短路徑和相應的傳輸時間。
文檔編號G06N3/02GK102360452SQ20111033034
公開日2012年2月22日 申請日期2011年10月26日 優先權日2011年10月26日
發明者何曉濤, 張軍英 申請人:西安電子科技大學