时间敏感流量路由优化遗传算法实验数据

随着网络技术的进步，车载网、工业物联网以及5G超高可靠低时延通信(uRLLC)等应用都需要时间敏感网络（TSN）来保证超低延时的确定性数据传输。TSN流量调度需要快速且精确的调度算法，现有的精确式求解方法复杂度高，在大规模联合调度时无法满足实时性。设计了一种性能更优的路由优化遗传算法（Routing-GA），结合路由和流量调度约束，能通过优化路由来提高调度算法求解效率，为链路负载均衡调度提供服务。该策略增加了调度的求解空间以及求解灵活性，具备元启发式算法的快速求近最优解特点，能够简单有效地处理大规模TSN路由约束联合调度问题。Routing-GA以时间敏感流最小端到端时延作为优化目标，联合考虑路由和TSN约束，并针对TSN传输问题特性提供一种低复杂度、高效率和高拓展性的遗传算法编码方式。此外，为了提高调度算法的性能，提出针对路由长度及链路负载均衡进行优化的交叉变异机制。基于python进行实验仿真，记录了实验过程中产生的流集和路由调度方案，数据量

搜集汇总

背景与挑战

背景概述

本数据集记录了针对时间敏感网络流量调度的路由优化遗传算法（Routing-GA）实验数据。算法以最小端到端时延为目标，联合路由与TSN约束，并通过低复杂度编码及交叉变异机制提升求解效率，实验数据包括流集和路由调度方案。数据总量约1.8MB，涵盖7个文件（png、docx格式），可用于评估遗传算法在TSN路由联合调度与链路负载均衡中的性能。