朱彦华，刘冬宁

(1.广东药科大学附属第一医院，广东 广州 510090;2. 广东工业大学计算机学院，广东 广州 510643)

0 引 言

计算机技术、互联网技术、信息技术的发展，使网络信息共享成为可能[1-2]。在实际目标网络信息共享的过程中，往往需要面对网络资源不足的现状，在此背景下随机选取一条通信链路，易产生网络拥塞，信息共享时延等问题。这与信息战环境下强实时、高精度的目标网络信息需求极不适配[3-4]。针对上述问题，研究一种高效、可靠、具有实时性的通信链路，能够将网络信息快速共享给所有节点，因此获取强实时、高精度的目标网络信息成为了当前阶段亟待解决的研究课题[5]。

目前已有一些研究者对其进行了研究和分析。如文献[6]提出一种信息共享模式下的路径优化网络，构建了信息传输成本为最小目标的数学优化模型，并利用遗传算法对此优化模型进行了求解。该方法仅以信息传输成本为最小目标，当选取的共享路径带宽受限时，信息投递成功率较低、共享延迟较大。文献[7]提出基于链路优先级划分的信息共享路径。采用Possisson分布模型构建信息传输流量模型，对信息共享路径干扰进行评估，根据评估结果计算出相应的干扰程度等级，结合流量模型对信息分发共享路径设计权重值，依据计算出的权重值选取信息的共享路径。该方法能够有效减少信息通信干扰，提高信息通信的可靠性，但当信息量较大时，信息共享延迟明显。

针对上述不足，结合网络通信技术发展，对目标网络信息共享路径进行研究，主要研究内容如下：

(1)根据目标网络信息传输特性设计了信息通信链路，对其实时性约束条件下可靠性进行建模；

(2)引入遗传算法对链路优化模型进行求解，解决了优化模型链路选取和时隙分配的相互干扰；

(3)结合MATLAB软件搭建仿真实验平台，通过仿真实验，验证所提方法的综合有效性。

1 资源受限约束下信息共享路径优化方法

1.1 目标网络信息共享路径建模

根据目标网络信息传输特性设计了信息通信链路，通过优化链路时隙及信道资源，提高目标网络信息通信可靠性，同时构建了通信链路模型，针对资源受限约束下信息分发共享可靠性最大化问题，给出了链路优化模型，具体过程如下所述：

假设，由N+1个网络节点N={n0,…,nN}构成N′跳目标网络信息通信链路，n0表示源节点，nN表示目标网络信息分发共享目的节点。设定目标网络中共有M条可用的链路，则信息通信链路可以表示为图1形式。

图1 目标网络信息通信链路示意图

N=[n0,…,nN]

(1)

(2)

(3)

在目标网络环境下采用TDMA调度[8]时，信息共享路径实时性表现在不同子链路通信时隙的数量。设定i跳通信时间为di个间隙，目标网络通信链路时间资源为D={d1,…,dN}，综合考虑资源受限约束下，目标网络信息分发共享所需等待的链路时隙分配时间和通信信道资源，将信息通信链路表示成如图2所示形式，将其描述为L=[N,D,C,P]。

图2 信息通信链路模型

在实际网络资源受限约束下，实现信息共享更关注在给定时间内信息通信的可靠性。

(4)

其中，Ri用于描述在通信链路li上分发目标网络信息的可靠程度。根据通信链路li上全部通信信道的单次传输成功率Pi及信道分配结果Ai，Ri可利用下式描述为：

(5)

(6)

综合上述分析，在网络资源受限约束下，将信息通信链路实时性约束可靠性问题转换成一个优化问题：

给定目标网络信息分发共享最大允许时间延迟D和链路上某个信道的单次传输概率P，获取最佳时隙分配D′及信道分配φ，使得信息分发共享链路的可靠性最大，数学表达式如下：

(7)

1.2 基于遗传算法的链路优化模型求解

采用遗传算法解决优化模型链路选取和时隙分配的相互干扰，并优化信息共享路径。具体过程如下所述：

(1)在遗传算法中的个体变异过程中，假设变异后的个体不符合要求，则继续执行交叉变异操作，直至符合要求的个体数量达到种群规模截止。

(2)计算各个节点之间的通信距离，集成超过通信距离的节点，并依据目标网络信息，分发共享节点间的距离及节点分布特点，选取中间节点，对信息分发共享节点编号。

(3)将所有信息分发共享节点进行两两匹配，构建的通信链路用“1”描述，未构建通信链路用“0”描述，这样可用一个二进制字符串表征全部信息分发共享节点的匹配结果。

(4)种群中个体通过染色体编码构成初始群体后，对个体进行遗传操作就是依据对环境的适应程度，对染色体执行选择、交叉、变异操作，以实现个体优胜劣汰的进化[9]。

种群中个体选择操作通常采用轮盘赌算法[10]，此算法中，种群中的每个个体被选择的几率与其适应值的大小成正比。设定种群规模为M′，fσ表示种群中个体σ的适应度，个体σ被选择的几率为：

(8)

随机生成种群中个体的交叉位置，生成子代个体，对子代个体的基因进行随机变异[11]。通过适当权重，综合考虑链路优化模型的优化目标，构造种群适应度函数，考虑到量纲对种群适应度的影响，将种群适应度函数设置在区间[0,1]内，执行以下处理：

(9)

其中，Pt表示目标网络信息总量，构造目标网络信息共享路径可靠性的最大优化适应度函数：

(10)

2 实验结果与分析

实验环境在CPU为Intel(R)Celeron(R)，2.6 GHz，内存为2.0 GB，操作系统为Windows XP上进行。实验数据来源于某网络信息管理系统提供的数据集[12]。在实验中，将此数据集中40%的数据作为训练数据，60%的数据作为测试数据。

在实验中与文献[6]中提出的资源共享模式下的路径优化方法以及文献[7]中提出的网络信道优化方法进行对比分析。不同方法采用的环境参数一致。

图3给出了随着目标网络信息的不断增加，不同方法的信息共享时延(ms)。

图3 不同方法信息共享时延对比图

分析图3可知，随着测试样本数量的不断增加，3种方法相应的共享延迟均有所增加，当闭环信息数量增加到700个时，所提方法信息共享延迟约为12 ms左右，文献[6]方法信息共享延迟约为22 ms左右，文献[7]方法信息共享延迟约为30 ms左右；从整体来看，采用所提方法信息共享延迟为最小，提高了信息共享效率。

图4为所提方法与文献[6]方法以及文献[7]方法的信息传输可靠性(%)的对比。

图4 不同方法传输可靠性对比图

分析图4可知，在目标网络信息数量为小于450个时，文献[7]方法的信息传输可靠性明显高些。但随着信息量的不断增加，所提方法信息传输可靠性明显提高，主要原因在于在较小规模的目标网络中，当网络信息量达到一定数量时，信息通信信道竞争冲突现象较少，本文方法的信息共享节点接入通信链路的成功率较高，相应的信息传输可靠性自然较高。

图5给出了随着目标网络信息量变化下，不同方法的数据投递成功率(%)，测试样本数量越大，节点处理测试样本的负担越大，会直接影响信息投递成功率。

图5 不同方法数据投递成功率对比图

分析图5可知，3种方法随着测试样本数量的增大，数据投递成功率逐渐降低，最终趋于平稳，这主要是因为在网络资源受限约束下，信息的不断增大使得单位时间内通信链路的数据负载增大，而网络带宽有限使得数据投递成功率有所降低。文献[6]方法和文献[7]的数据投递率始终保持在65%以上，而所提方法更高，数据投递率处于80%以上，可以看出，所提方法具有较高的信息投递成功率。

3 结 语

传统方法选取的共享路径，易产生网络拥塞、信息共享时延过大、信息投递成功率低等问题。针对以上问题，结合网络通信技术，研究了资源受限约束下网络信息的共享路径。通过仿真实验验证了所提方法在通信可靠性能方面具有鲁棒性，但仍存在以下问题值得进一步深入研究：(1)任务节点优先级不同的目标网络信息共享路径拥塞情况；(2)考虑目标网络环境的抗毁性、连通性等影响因素时的信息共享路径延时情况；(3)网络拥塞情况下的信息共享路径质量；(4)针对不同网络环境信息，需重点突破信息可处理、可融合等关键技术，并提高信息共享的强实时性，以满足未来不同网络信息共享和处理需求。