本发明属于通信组网，具体涉及一种基于策略性哈里斯鹰优化算法的时隙分配方法、系统、设备及介质。
背景技术：
1、世界正处于百年未有之大变局，各个区域军事冲突不断。军事力量和战术装备体现了一个国家的作战能力，也取决于其作战方式的优越性。link 16数据链已经成为美军和北约的主战平台的基本配置。link16是美国国防部选择的高速视距战术数据链，具有传输高效、保密要求高和抗干扰能力强等特点。美军以及其盟军采用link 16数据链执行无线电通信、空中监视、航空战斗指挥和控制等多方面任务，并可以在其联合作战过程中实现空中、地面和海洋部队之间进行无缝交换消息。战术数据链的应用对现代信息化战争局势的影响越来越大，许多国家也纷纷投入数据链路的研究与开发。
2、link 16采用时分多址(tdma)方式进行组网，其基本的时间单元是一定长度的时隙。link 16数据链网络tdma接入方式是把时间资源按时元、时帧和时隙进行划分的。其中一个时元包含64个时帧，一个时帧中包含1536个时隙。时隙资源是通过时隙分配算法进行分配给网络内各节点成员的，之后各节点在所分配的时隙进行信息传输。
3、国内外许多学者在战术数据链时隙分配方法方面提出了他们诸多的见解。在时隙资源分配时，为了使得数据链路中战术消息能够周期性的传输，故需要降低消息在传输过程中的时延，从而保证战术数据链路的可靠性与稳定性。在给网络节点成功分配时隙的时候就要尽可能的去保证所分配的时隙在一个时帧内的均匀性。时隙分配的越均匀，业务消息传输过程中的时延将会越短，时延抖动也会更小。
4、a、基于二叉树时隙块的时隙分配算法
5、目前数据链时隙分配算法大多是从时隙分配的均匀性开始研究的。最为经典的基于二叉树时隙块的时隙分配算法，该算法只能保证在一个时帧内时隙分配的均匀性，但无法保证周期性消息在另一个时帧内所分配到的时隙也是均匀的。由于基于二叉树的时隙块是以2的幂次方的时隙所构成的，而在实际中业务消息所需的时隙数大多都不是2的幂次方。故以二叉树时隙块来完成时隙资源分配，会导致较多时隙不会被利用到而造成时隙资源的浪费。
6、b、均域退火算法
7、在
8、ieee journal on selected areas in communications,1997,15(2):250-260中，wang g等人公开的《optimal broadcast scheduling inpacket radio networksusing meanfield annealing》的论文，在该论文里公开了均域退火算法，由于该算法运算量较大，故此想要获得合理的时隙分配方案需要花费大量的时间，不符合战术数据链路的信息传输的实时性。
9、c、混合神经遗传算法的时隙分配算法
10、在
11、ieee transactions on wireless communications,2003,2(2):277-283中，salcedo-sanz s等人公开发表了
12、《a mixed neural-genetic algorithm forthe broadcast schedulingproblem》的论文，在该论文中公开了混合神经遗传算法的时隙分配算法，该算法实现较为复杂不适合实际工程使用。
13、d、基于遗传算法的tdma时隙分配算法
14、在火力与指挥控制,2015,40(08):97-100中，陈嘉远等人公开了《基于遗传算法的tdma战术数据链时隙分配算法》的论文，该论文中提出了基于遗传算法的tdma时隙分配算法，该算法打破了二叉树结构的约束性，通过传统的遗传算法直接从时隙分配的解空间里搜索最优解。但是遗传算法存在局部搜索能力较差，想要得到可靠解花费的训练时间过长，无法满足作战时战术数据链进行信息传输的实时性要求。
15、e、基于遗传算法的数据链网络资源的分配方法
16、在ieee,2019:1875-1880中，sun w等人公开了
17、《data link network resource allocationmethodbased on genetic algorithm》的论文，该论文提出了基于遗传算法的数据链网络资源的分配方法，由于遗传算法的存在局部搜索能力较差，想要得到可靠时隙最优解将会花费的过长的时间去训练，故此无法满足作战时战术数据链进行信息传输的实时性要求。
18、f、一种基于蝠鲼算法的时分多址时隙分配方法
19、公开号为cn116234017a的专利申请提供了一种基于蝠鲼算法的时分多址时隙分配方法，将时帧划分为信息收集时段和时隙分配时段，再将时隙分配时段划分为专用时隙时段和动态时隙时段，但由于通过基于蝠鲼算法的时分多址时隙分配方法去获得最优时隙资源分配的方案时，其时延抖动过大，这说明该方法所求得的时隙分配方案不是很均匀，没有达到理论最优的情况。
20、综上所述，现有技术具有包括算法会导致较多时隙不会被利用到而造成时隙资源的浪费；算法运算量较大，故此想要获得合理的时隙分配方案需要花费大量的时间，不符合战术数据链路的信息传输的实时性；算法实现较为复杂不适合实际工程使用；算法存在局部搜索能力较差，想要得到可靠解花费的训练时间过长，无法满足作战时战术数据链进行信息传输的实时性要求且时延抖动较大等缺点。
技术实现思路
1、为了克服上述现有技术的缺点，本发明的目的在于提供基于策略性哈里斯鹰优化的数据链时隙分配方法、系统、设备及介质，通过在哈里斯鹰优化算法(hho)中引入收缩指数函数，从而提出一种新的策略性哈里斯鹰优化的数据链时隙分配方法(shho-saa)，在搜索过程中更精确地调整探索(全局搜索)与开发(局部搜索)之间的平衡；这种方法将传统hho算法中逃逸时能量的线性变化改进成为非线性变化，通过控制逃逸能量的衰减速率，帮助算法避免过早陷入局部最优，从而增加找到全局最优解的概率，加快迭代末期收敛速度，提高算法性能，能够快速、准确地找到数据链最优时隙分配方案，并且能够大幅度降低时延抖，相比于基于遗传算法的时隙分配方法而言，具有高效的寻优能力，能够快速并精准的找到时隙分配的最优方案，并且能够有效的完成单一节点和多节点时隙资源分配的工作，符合数据链中战术性业务消息的实时性传输，从而大幅度提高战术数据链路的作战效能和信息传输的稳定性。
2、为了实现上述目的，本发明采取的技术方案如下：
3、一种基于策略性哈里斯鹰优化算法的数据链时隙分配方法，包括以下步骤：
4、步骤1：根据数据链网络中各个节点的业务需求，确定业务参数，所述业务参数包括：时隙需求的节点数量m、空闲时隙数下界lb和上界ub、时隙资源需求量n；
5、步骤2：初始化算法参数，包括：哈里斯鹰群体大小m，哈里斯鹰的位置x，逃逸能量因子e，最大迭代次数t；
6、步骤3：根据哈里斯鹰的位置x计算单节点分配时隙资源时的时延抖动，所得时延抖动最小的解就是最优且均匀的时隙解；
7、步骤4：根据哈里斯鹰的位置x计算多节点分配时隙资源时的各个节点时延抖动的平均值，所得各节点时延抖动平均值最小的解就是各个节点最优且均匀的时隙解；
8、步骤5：根据步骤3和步骤4计算得到的时延抖动的结果，不断更新获取迭代最优时隙位置；
9、步骤6：根据收缩指数函数更新逃逸能量因子e；
10、步骤7：根据步骤6更新后的逃逸能量因子e匹配对应的搜索策略，更新哈里斯鹰的位置x；
11、步骤8：当迭代次数未达到最大迭代次数t时，重复执行步骤3到步骤7，并将迭代次数加1；当迭代次数达到所述的最大迭代次数时，停止迭代；每一次迭代均通过步骤3或步骤4计算得到对应的时延抖动，每一次迭代均得到一组时隙分配方案，最小的时延抖动对应的时隙分配方案即为最优的时隙分配方案；达到最大迭代次数t后，将迭代了t次后得到最优的结果输出，即输出最优且均匀的时隙解。
12、所述步骤3中的单节点分配时隙资源时的时延抖动计算过程如下：
13、首先，将周期长度为n的时帧tf，表示为tf＝{t1，t2，...，tn}，其中，ti表示在一个时帧中第i个时隙所在的位置；空闲时隙为l，l＝{i1，i2，···，is}，(s≤n)表示周期长度n中存在s个空闲时隙资源，当n＝s时，即时帧tf等价于空闲时隙l，表示周期长度为n的一时帧将会拥有s个空闲时隙l，从s个空闲时隙l随机选取nj个最优空闲时隙l来分配给节点j，表示为：xj＝{x1j，x2j，···，xnj}(n≤s≤n)，其中，xj被称为时隙分配的方案，在时隙分配方案中，理论上最优时隙分配的相邻时隙间隔为：
14、p＝s/nj (1)
15、对于时隙分配方案xj，实际给节点j所分配的相邻时隙之间的距离为：
16、
17、式(2)中，表示节点j被分配的相邻时隙之间的间隔，其中，表示节点j所分配的第i个时隙的位置，当i＝n时，即为当前时帧内的所分配的最后一个时隙与下一个时帧中为节点所分配的第一个时隙之间的间隔，由相邻时隙间隔di所构成的集合可记为d＝{d1，d2，···，dn}，当d1＝d2＝···＝dn＝p时，表示此时的时隙分配方案到达最优，分配的时隙资源是处于完全均匀的状态且时延抖动为0，而在实际运用中，各节点作战成员按其业务时隙需求量分配时隙，所分配的时隙的均匀度无法到达这种程度的，因此，令时隙分配方案中的相邻时隙间隔di无限接近理论上最优时隙分配的相邻时隙间隔p值；
18、对节点j的时延抖动varj进行求解：
19、
20、根据式(3)中，是节点j被分配的第i个相邻时隙的间隔，nj是第j节点的时隙资源需求量，由式(1)中，p是由一帧内的总空闲时隙s除以节点j所需要分配的时隙数nj，即p是理论上最优时隙分配的相邻时隙间隔。
21、所述步骤4中的计算多节点时延抖动平均值的过程如下：
22、当数据链网络中共有m个网络节点成员有发送或接收业务消息的需求，nj是第j节点业务消息发送接收所需要的时隙资源需求量，故数据链网络中各网络节点j的时隙总需求量nummax需满足公式如下：
23、
24、为多个节点分配时隙资源时，数据链网络的时延抖动是各个节点j时延抖动的平均值，此时的平均时延抖动即适应度函数fit为：
25、
26、式(5)中，m为数据链网络中有时隙需求的节点数量，varj为节点j分配时隙时产生的时延抖动。
27、所述步骤5中更新获取最优时隙位置的方法是：
28、对每次更新后哈里斯鹰的位置x，用式(3)计算的时延抖动结果与步骤3或步骤4哈里斯鹰的位置x对应的时延抖动的结果进行比较，将较小的时延抖动对应的哈里斯鹰的位置作为当前的最优时隙位置。
29、所述步骤6中对逃逸能量因子e的更新公式如下：
30、e0＝2·rand-1
31、
32、式(6)中，e逃逸能量因子，e0是随机因子，rand代表一个(0，1)内的随机数，其中t表示当前程序迭代的次数，t表示的是最大的迭代次数。
33、所述步骤7根据步骤6更新后的逃逸能量因子e匹配对应的搜索策略，更新哈里斯鹰的位置的具体方法，包括两个阶段：开发阶段和探索阶段；
34、逃逸能量因子e用来调节开发阶段和探索阶段的转换，当|e|≥1时，为探索阶段，将进行全局搜索，表示整个哈里斯鹰种群随着猎物在整个搜索空间中移动，对目标猎物进行包围；当|e|＜1时，则转为代表局部搜索的开发阶段；
35、(1)探索阶段：
36、所有哈里斯鹰在初始状态下随机出现在搜索空间的某一个位置，在探索阶段，哈里斯鹰会搜索空间[lb,ub]以发现猎物，lb为探索空间的下界，ub为探索空间的上界；令q为位于(0,1)的随机数，迭代时以概率q进行位置更新，并根据以下两种策略更新哈里斯鹰的位置，对目标猎物进行包围：①当q<0.5时，每只鹰会根据哈里斯鹰种群的平均位置和猎物的位置进行位置更新；②当q≥0.5时，哈里斯鹰会基于自己在上一轮的位置和哈里斯鹰种群其他成员位置进行位置更新，其数学公式如下：
37、
38、其中，xm(t)表示第t次迭代时哈里斯鹰种群的平均位置，xi(t)表示第t次迭代中第i只鹰的位置，n为鹰的总数；在式(7)中，x(t+1)和x(t)分别表示第t+1次和第t次迭代后哈里斯鹰所处的位置，xrand(t)为种群中随机选择其他鹰的位置位置，xrabbit(t)表示猎物第t次迭代时的位置，即在第t次迭代过程中目前已知的全局最优位置，xm(t)即为式(1)中第t次迭代时哈里斯鹰种群的平均位置，其中，r1、r2、r3、r4和q均为区间(0，1)内的随机数，ub和lb分别为探索空间的上下界；
39、(2)开发阶段
40、在完成探索阶段对目标猎物包围后，哈里斯鹰种群在开发阶段将进行攻击，在开发阶段，哈里斯鹰根据探索阶段的检测执行突袭攻击预期猎物；根据猎物的逃跑行为和哈里斯鹰的软围攻、硬围攻、快速俯冲式软围攻、快速俯冲式硬围攻四种追逐策略，来模拟哈里斯鹰的攻击行为，并通过逃逸能量因子e和随机数r∈(0,1)来决定使用的策略，用r表示猎物成功逃脱的概率，当r＜0.5时，表示猎物成功逃脱，r≥0.5时，表示猎物逃脱失败；当|e|≥0.5时，则执行软围攻，当|e|＜0.5时，则执行硬围攻；下面是对四种攻击策略的详细描述：
41、a)软围攻
42、当|e|≥0.5，r≥0.5时，猎物有足够的能量且以跳跃的方式逃脱围捕，而哈里斯鹰会逐渐消耗猎物的能量，然后选择最佳的位置突袭俯冲逮捕猎物；更新位置的公式如下：
43、x(t+1)＝δx(t)-e|j·xrabbit(t)-x(t)| (8)
44、δx(t)＝xrabbit(t)-x(t) (9)
45、j＝2(1-rand) (10)
46、在式(8)中，x(t+1)和x(t)分别表示第t+1次和第t次迭代后哈里斯鹰所处的位置，式(9)中，δx(t)表示第t次迭代后猎物与哈里斯鹰的位置之差，即第t次迭代后最优个体与当前个体的距离，式(10)中，j表示猎物在逃跑过程中的随机跳跃强度，j值在每次迭代中随机变化，以模拟猎物的运动性质，rand为(0，1)之间的随机数；
47、b)硬围攻
48、当|e|＜0.5，r≥0.5时，猎物没有足够的能量逃跑，被哈里斯鹰捕获，位置更新如下：
49、x(t+1)＝xrabbit(t)-e|δx(t)| (11)
50、c)快速俯冲式软围攻
51、当|e|≥0.5，r＜0.5时，猎物有足够的能量逃脱围捕，因此哈里斯鹰种群会形成一个更加智能的软包围圈，并根据猎物的欺骗行为逐渐纠正哈里斯鹰的位置和方向，从而选择哈里斯鹰的最佳位置来捕捉猎物：
52、分别通过式(12)和式(13)求得哈里斯鹰的位置，得到式(14)中，根据式(14)搜索哈里斯鹰的最佳位置，当式(12)求得的位置无效，说明f(y)＞f(x(t))，则采用式(13)求得哈里斯鹰的位置；并且模拟猎物的逃跑模式和跳跃动作，引入levy飞行函数lf，并更新哈里斯鹰的位置，把得出的新位置分别代入步骤3、步骤4中计算时延抖动，将计算出的时延抖动和上一次位置对应的时延抖动对比，时延抖动最低对应的位置就是迭代当前最优的位置；
53、y＝xrabbit(t)-e|j·xrabbit(t)-x(t)| (12)
54、z＝y+s·lf(d) (13)
55、
56、在式(14)中f()为适应度函数，在公式(13)中，d为问题维度，s是一个d维的随机向量，lf为levy飞行函数，如公式(15)所示：
57、
58、在式(15)和式(16)中μ和υ是(0,1)内的随机值，β是设置为1.5的默认常数；
59、d)快速俯冲式硬围攻
60、当|e|＜0.5且r＜0.5时，猎物体能不足，但仍有机会逃脱，哈里斯鹰通过渐进式快速俯冲硬围攻猎物，哈里斯鹰群试图缩短它们与目标猎物的平均位置的距离，采用以下策略进行狩猎：
61、y＝xrabbit(t)-e|j·xrabbit(t)-xm(t)| (17)
62、z＝y+s·lf(d) (18)
63、
64、一种基于策略性哈里斯鹰优化算法的时隙分配系统，包括：
65、参数初始化模块：用于步骤1至步骤2中，根据数据链网络中各个节点的业务需求，确定业务参数，所述业务参数包括：时隙需求的节点数量m、空闲时隙数下界lb和上界ub、时隙资源需求量n；初始化算法参数，包括：哈里斯鹰群体大小m，哈里斯鹰的位置x，逃逸能量因子e，最大迭代次数t；
66、时延抖动计算模块：用于步骤3至步骤4中，计算单节点分配时隙资源时的时延抖动，计算多节点分配时隙资源时的各个节点时延抖动的平均值；
67、最优时隙更新模块：用于步骤5中，根据时延抖动的计算结果，更新最优时隙位置；
68、能量因子更新模块：用于步骤6中，按照收缩指数函数更新逃逸能量因子e；
69、策略性哈里斯鹰位置更新模块：用于步骤7中，根据能量因子匹配对应的搜索策略，不断更新哈里斯鹰的位置；
70、最优时隙分配模块：用于步骤8中，当迭代次数未达到最大迭代次数t时，重复执行步骤3到步骤7，并将迭代次数加1；当迭代次数达到所述的最大迭代次数时，停止迭代；每一次迭代均通过步骤3或步骤4计算得到对应的时延抖动，每一次迭代均得到一组时隙分配方案，最小的时延抖动对应的时隙分配方案即为最优的时隙分配方案；达到最大迭代次数t后，将迭代了t次后得到最优时隙的结果输出。
71、一种基于策略性哈里斯鹰优化算法的时隙分配设备，包括：
72、存储器，用于存储计算机程序；
73、处理器，用于执行所述计算机程序时实现步骤1至步骤8所述的基于策略性哈里斯鹰优化算法的时隙分配方法。
74、一种计算机可读存储介质，所述计算机可读存储介质用来存储计算机程序，所述计算机程序被处理器执行时能够对基于步骤1至步骤8所述的基于策略性哈里斯鹰优化算法的时隙分配方法，实现时隙分配的最优方案。
75、相对于现有技术，本发明的有益效果在于：
76、1、本发明采用的基于哈里斯鹰优化算法(hho)中引入收缩指数函数更新逃逸能量因子策略，避免哈里斯鹰优化算法在迭代中因逃逸能量因子线性递减的特性导致全局搜索和局部搜索之间的不平衡，使其容易陷入局部以及降低解的精准度。从而加快迭代末期收敛速度，提高算法性能，能够快速、准确地找到数据链最优时隙分配方案，并且能够大幅度降低时延抖，能够快速并精准的找到时隙分配的最优方案。
77、2、本发明采用时延抖动来评估时隙分配的均匀性，较小的代表时隙分配的间隔更接近理论上最优时隙分配的相邻时隙间隔，通过仿真数据可以看出时隙分配方法的迭代收敛速度更快，使得时隙分配方法能达到最大性能，即能够更快、更有效地找到最优时隙分配方案。
78、3、本发明采用基于策略性哈里斯鹰优化算法的数据链时隙分配方法来完成时隙资源分配工作，与现有技术相比，其能够较好的帮助网络规划者快速地根据作战任务情况去做出相对应的时隙预案规划。
79、综上所述，本发明具有高效的寻优能力，能够快速并精准的找到时隙分配的最优方案并且能够有效的处理时隙资源分配等问题；本发明能够较大程度上降低时延抖动快速的找到最优时隙分配策略，从而大幅度提高战术数据链路的作战效能和信息传输的稳定性。
1.一种基于策略性哈里斯鹰优化算法的数据链时隙分配方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种基于策略性哈里斯鹰优化算法的数据链时隙分配方法，其特征在于，所述步骤3中的单节点分配时隙资源时的时延抖动计算过程如下：
3.根据权利要求1所述的一种基于策略性哈里斯鹰优化算法的数据链时隙分配方法，其特征在于，所述步骤4中的计算多节点时延抖动平均值的过程如下：
4.根据权利要求1所述的一种基于策略性哈里斯鹰优化算法的数据链时隙分配方法，其特征在于，所述步骤5中更新获取最优时隙位置的方法是：
5.根据权利要求1所述的一种基于策略性哈里斯鹰优化算法的数据链时隙分配方法，其特征在于，所述步骤6中对逃逸能量因子e的更新公式如下：
6.根据权利要求1所述的一种基于策略性哈里斯鹰优化算法的数据链时隙分配方法，其特征在于，所述步骤7根据步骤6更新后的逃逸能量因子e匹配对应的搜索策略，更新哈里斯鹰的位置的具体方法，包括两个阶段：开发阶段和探索阶段；
7.一种基于策略性哈里斯鹰优化算法的时隙分配系统，其特征在于，包括：
8.一种基于策略性哈里斯鹰优化算法的时隙分配设备，其特征在于，包括：
9.一种计算机可读存储介质，所述计算机可读存储介质用来存储计算机程序，其特征在于，所述计算机程序被处理器执行时能够对基于步骤1至步骤8所述的基于策略性哈里斯鹰优化算法的时隙分配方法，实现时隙分配的最优方案。
