【原创】含多种QoS约束的组播路由问题遗传模拟退火算法通用MATLAB源码

[greensim]

充分考虑时延、时延抖动、带宽、丢包率四种因素，更加符合实际情况，此源码经GreenSim团队仿真测试验证，优化效果非常好（见附图收敛曲线和优化结果），本源码由GreenSim团队原创，转载请注明，有意购买源码或代写相关程序，请与GreenSim团队联系。

function [MBR,MBF]=MCRGSA(M,N,Pm,K,t0,alpha,beta,ROUTES,Num,Cost,Source,End)
%% 含多种QoS约束的组播路由问题遗传模拟退火算法通用MATLAB源码
% GreenSim团队原创作品，转载请注明
% 欢迎访问GreenSim——算法仿真团队→http://blog.sina.com.cn/greensim
%% 输入参数列表
% M-----------遗传算法进化代数
% N-----------种群规模，取偶数
% Pm----------变异概率调节参数
% K-----------同一温度下状态跳转次数
% t0----------初始温度
% alpha-------降温系数
% beta--------浓度均衡系数
% ROUTES------备选路径集
% Num---------到各节点的备选路径数目
% Cost--------费用邻接矩阵
% Source------源节点标号
% End---------目的节点标号组成的向量
%% 输出参数列表
% MBR---------各代最优路径编码
% MBF---------各代最优路径
%% ------------------------种群初始化------------------------------
Num_end=length(End);%组播目的节点个数
farm=zeros(N,Num_end);%种群
for i=1:Num_end
farm(:,i)=unidrnd(Num(i),N,1);%随机生成初始种群
end
m=1;
t=t0;
MBR=zeros(M,Num_end);
MBF=zeros(M,1);
while m<=M%设置停止条件
%第二步：按照变异概率调节参数进行变异以及退火选择
P=Num./sum(Num);
P=Pm.*P;
for i=1:N%对每一个个体都执行
Code=farm(i,:);%临时取出
k=1;
while k<=K%每一个温度下改变K次
for j=1:Num_end
if rand<P(j)
Bit=randperm(Num(j));
pos=find(Bit~=Code(j));
Code(j)=Bit(pos(1));
end
end
fit1=ShiYinZhi(ROUTES,Cost,farm(i,:));%计算适应值
fit2=ShiYinZhi(ROUTES,Cost,Code);
if fit2<fit1
farm(i,:)=Code;
elseif rand<exp((fit1-fit2)/(fit1*t));
farm(i,:)=Code;
else
Code=farm(i,:);
end
k=k+1;
end
end
%第三步：交叉算法
Farm=zeros(size(farm));
for i=1:2:(N-1);
a=farm(i,:);
b=farm(i+1,:);
pos=unidrnd(Num_end-1);
A=[a(1,1:pos),b(1,(pos+1):end)];
B=[b(1,1:pos),a(1,(pos+1):end)];
Farm(i,:)=A;
Farm(i+1,:)=B;
end
FARM=[farm;Farm];
%第四步：选择复制操作
fitness=zeros(1,2*N);
for i=1:(2*N)
fitness(i)=ShiYinZhi(ROUTES,Cost,FARM(i,:));
end
maxfitness=max(fitness);
minfitness=min(fitness);
pos=find(fitness==maxfitness);
MBR(m,:)=FARM(pos(1),:);
MBF(m)=minfitness;
for i=1:(2*N)
fitness(i)=((maxfitness-fitness(i))/(maxfitness-minfitness+0.00005))^beta;
end
fitness=fitness./(sum(fitness)+0.000000005);
FITNESS=zeros(size(fitness));
Sgn=FITNESS;
for i=1:(2*N)
FITNESS(i)=sum(fitness(1:i));
end
while sum(Sgn)<N
Pos=find(FITNESS>=rand);
if length(Pos)>0
Sgn(Pos(1))=1;
end
end
POS=find(Sgn==1);
for i=1:N
farm(i,:)=FARM(POS(i),:);
end
farm(unidrnd(N),:)=MBR(m,:);
%更新参数
m=m+1
t=t*alpha;
end
plot(MBF)
title('遗传模拟退火算法收敛图')
xlabel('进化代数')
ylabel('费用')
%译码计算适应值的函数
%ROUTES--------备选路径集
%Cost----------费用邻接矩阵
%Code----------组播树的编码
%fit-----------组播树的总代价作为适应值
function fit=ShiYinZhi(ROUTES,Cost,Code)
CC=zeros(size(Cost));
for i=1:length(Code)
R=ROUTES{i}{Code(i)};
J=length(R)-1;
for j=1:J
a=R(j);
b=R(j+1);
CC(a,b)=Cost(a,b);
end
end
fit=sum(sum(CC));