基于改进遗传算法的网络弹性恢复方法
崔骁松
潘成胜
南京信息工程大学电子与信息工程学院 南京 210044
摘要：针对基本遗传算法在网络弹性恢复路径规划领域存在的初始种群随机性过大、进化算子效率低等问题,提出了一种基于改进遗传算法的网络弹性恢复方法.首先,采用商模型来度量弹性,利用任务重要度进行网络弹性的建模.其次,将时间和备件约束以及并行分组维修机制纳入弹性的研究范围,并对遗传算法的初始种群生成以及突变算子两个方面进行改进.最后,利用改进的遗传算法求解规定时间内网络弹性恢复的任务重要度最大值,获得模型的最优解.仿真算例中,通过对比表明应用此算法的系统拥有更高的弹性恢复能力,证明了该模型和算法的有效性.
关键词：弹性任务重要度备件遗传算法恢复策略
分类号：TP311.2(计算技术、计算机技术)
资助基金：国家自然科学基金(61931004)
论文发表日期：2024-09-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 2549-2554 )
英文信息