干扰约束和负载均衡的无线Mesh网络网关部署策略

网关部署是无线Mesh网络规划面临的重要挑战之一.在Mesh路由器(MR)已完成部署的前提下,如何计算同时满足网络性能要求和用户流量需求的最小网关(GW)集合,已经被证明是一个NP-hard问题.文中提出了一种满足干扰约束和支持负载均衡的网关部署策略ICLB-GPS,在部署网关时消减链路干扰并实现网关负载均衡.ICLB-GPS策略综合网关选择、转发树构建和转发树间的节点迁移来完成负载均衡的网关部署,主要包含覆盖重叠和干扰消减的网关选择、基于树间节点迁移的网关负载均衡两个算法.仿真实验将ICLB-GPS算法与其它算法在网关数量、MR-GW路径长度、链路干扰程度及负载均衡指数方面进行比较,其结果表明该算法在不增加部署成本,不提高MR-GW路径长度的情况下,消减了链路干扰,实现了网关负载均衡.     

MANET中基于自相似流量的负载自适应路由协议

最近,QiLian Liang和Shouyi Yin两位学者分别证实了MANET中流量的自相似性.本文利用自相似性流量的可预测性,使用统计学方法进行流量预测;同时,提出节点可负载度的概念,用于描述节点接受负载的能力,并把流量预测的信息加入到该度量中,使得可负载度能表示节点当前及下一时间段的负载状况;该度量还具有负载的自适应性,能根据节点负载状况,调节流量预测所起的作用,为路由协议提供有效的支持;综合流量预测与节点可负载度,本文在DSR协议基础上提出LBDSR协议,该协议使用节点的可负载度均值来判断路由的优劣,由此实现网络吞吐量的提高和负载均衡.模拟实验显示,在网络高负载时,本文协议与DSR协议相比,网络吞吐量提高6.5%,网络端到端时延下降8.3%.     

智慧城市中无线网络节点部署优化方案研究

智慧城市无线网络基础设施中,网络节点部署直接影响到网络服务质量.该问题可归结为在给定的几何平面上部署合适的普通AP节点作为无线终端的访问节点,部署特殊节点作为网关以汇聚普通节点的流量到有线网络中.以无线Mesh网络为例,提出根据区域人流量的统计来确定AP节点的部署位置和数量,将网关节点部署问题抽象为几何K-中心问题.以节点和网关之间路径长度最小为优化目标,提出自适应的粒子群算法来求解网关节点部署位置.在自适应粒子群算法中引入随机调整惯性权重、自适应改变学习因子和邻域搜索等改进策略,并设计一种新的适值函数计算方法,使得算法更容易获得最优解.仿真结果表明,相对于GA算法和K-means算法,改进粒子群算法求解效果稳定,鲁棒性强,可获得更小的覆盖半径,从而提高网络的服务质量.     

无线网状网中面向负载均衡的网关部署算法

综合考虑网关数量和网关负载均衡两方面因素,提出一种基于力的贪婪启发式分簇算法,在此基础上对杂交粒子群优化进行改进,给出一种适用于无线网状网的网关部署算法。仿真实验结果表明,该算法能以较少的网关数量实现网络负载均衡,从而提高吞吐量,改善网络性能。     

基于多网关的无线Mesh网络负载均衡调度算法

网关节点的效率决定了无线Mesh网络(WMN)的传输性能,如何有效地解决WMN网关负载均衡问题是非常重要的.在已有的WMN负载均衡算法基础上,提出一种新的基于多网关协作机制的WMN负载均衡调度算法.该算法以源节点到网关节点的跳数信息和网络负载信息相结合作为网关的选择和切换标准,通过多个网关的协作机制,结合高效的网关选取和调度算法实时地对网关业务进行分流;通过一种快速平滑的网关切换方式对其进行调度,从而有效地缓解拥塞网关节点的负载压力,提高WMN的Internet接入性能.性能分析结果表明:该算法可在多个网关间直接实现负载均衡,减少了网络拥塞,提高了网络性能.     

边缘计算网络中面向负载均衡的调度机制

考虑边缘计算网络中的负载均衡需求,提出一种基于集中控制的调度机制。首先决定在哪些网络节点部署边缘计算功能,再针对用户的数据和请求,在满足相关负载均衡约束的前提下通过调度尽量降低流量的平均端到端延迟。评估结果表明,边缘计算节点的数量、计算资源和网络资源的负载均衡程度均可能影响流量的平均端到端延迟。只需选择少量合适的节点作为边缘计算节点,再将计算资源和网络资源的负载均衡调配到合适程度即可有效降低平均端到端延迟。     

基于负载均衡的移动自组网接入技术研究

在移动自组网（MANET）与Internet互联的网络结构中,针对传统单网关接入的不足,提出一种基于多网关负载均衡的非对称接入技术。该技术由网关发现、网关注册和数据传输三个步骤实现。进行了NS2软件仿真实验,结果表明,该接入算法在网络重负荷的情况下能有效地均衡网络中MANET节点与网关节点的负载,有效延长网络寿命。     

基于移动代理具有拥塞控制的AODV路由协议

提出一种基于移动代理的AODV路由协议,来解决Ad Hoc网络的拥塞问题.在网络中引入一定数量的携带拥塞状态的移动代理,移动代理在网络中漫游时选择轻负载的节点为下一跳,并根据节点拥塞状态更新路由表,用较少的信息流量使每个节点及时了解当前网络的拓扑状况.实验结果表明这种路由算法可以有效地平衡网络负载,大大增强了链路的稳定性,降低了端到端的数据传输时延.     

WMN中基于传输成功率的网关部署算法

提出无线Mesh网络中基于传输成功率的网关部署算法——GA_TSR。在保证端到端成功率的基础上,利用贪婪策略部署网关,将网络分成互不相交的簇,每个簇满足一定的QoS保证。调整簇的边缘节点,优化网络传输的平均成功率。仿真实验表明,采用GA_TSR算法得到的网关数目与其他算法相比区别不大,但可提高10%~56%的网络传输平均成功率。     

神经网络预测Ad hoc节点流量的路由协议

提出了一种基于神经网络预测模型对网络流量负载进行预测的负载均衡协议NNP-LBRP（Load-Balanced Routing Protocol based on Neural Network Prediction model）,该协议利用RBF神经网络预测模型对Ad hoc网络中的节点流量负载进行预测,根据预测到的下一时刻的流量负载状况,在节点出现拥塞之前提前更换路径,避免中间节点出现拥塞,以此来提高网络的性能。协议中的流量值是以MAC层接口队列长度来衡量,负载均衡中的负载是流量负载。另外,协议在目的节点处采用了延迟应答策略,即在多路径中选择负载最轻的路径应答,对改善网络的性能也有一定作用。仿真结果与AODV路由协议进行比较,数据包投递率提高了约10%;平均端到端延时平均降低了27%;网络开销平均降低了26%。     

Routing Internet traffic in heterogeneous mesh networks: Analysis and algorithms

In practical wireless mesh networks (WMNs), gateways are subject to hard capacity limits on the aggregate number of flows (in terms of bit rate) that they can support. Thus, if traffic is routed in the mesh network without considering those constraints, as well as the traffic distribution, some gateways or intermediate mesh routers may rapidly get overloaded, and the network resources can be unevenly utilized. To address this problem, in this paper we firstly develop a multi-class queuing network model to analyze feasible throughput allocations, as well as average end-to-end delay, in heterogeneous WMNs. Guided by our analysis, we design a Capacity-Aware Route Selection algorithm (CARS), which allocates network paths to downstream and upstream Internet flows so as to ensure a more balanced utilization of wireless network resources and gateways’ fixed connections. Through simulations in a number of different network scenarios we show that the CARS scheme significantly outperforms conventional shortest path routing, as well as an alternative routing method that distributes the traffic load on the gateway nodes to minimize its variance.     

Energy efficient load balancing approach for avoiding energy hole problem in WSN using Grey Wolf Optimizer with novel fitness function

In general architecture of Wireless Sensor Networks (WSNs), gateways far from the Base Station (BS) communicate with the BS via the gateways close to the BS. The energy of gateways which are close to the BS drains faster due to the heavy traffic load. This leads to the energy hole problem around the BS. Therefore, proper clustering of sensor nodes and routing of data are essential for efficient conservation of energy and for avoiding inadvertent network failure due to a power drain. In this paper, we apply the Grey Wolf Optimization (GWO) approach for energy-efficient clustering and routing in WSN. Also, we propose two novel fitness functions for clustering and routing problems. The fitness function for routing is formulated such that overall distance traversal and number of hops are minimized. The fitness function for clustering distributes the overall load according to the distance of gateways to the BS. The proposed GWO-based approach is resulted with higher values of both clustering and routing fitness functions as compared to the existing algorithms, namely, genetic algorithm, particle swarm optimization and multi-objective fuzzy clustering.     

Fuzzy Fruit Fly Optimized Node Quality-Based Clustering Algorithm for Network Load Balancing

Recently, the fundamental problem with Hybrid Mobile Ad-hoc Networks (H-MANETs) is to find a suitable and secure way of balancing the load through Internet gateways. Moreover, the selection of the gateway and overload of the network results in packet loss and Delay (DL). For optimal performance, it is important to load balance between different gateways. As a result, a stable load balancing procedure is implemented, which selects gateways based on Fuzzy Logic (FL) and increases the efficiency of the network. In this case, since gateways are selected based on the number of nodes, the Energy Consumption (EC) was high. This paper presents a novel Node Quality-based Clustering Algorithm (NQCA) based on Fuzzy-Genetic for Cluster Head and Gateway Selection (FGCHGS). This algorithm combines NQCA with the Improved Weighted Clustering Algorithm (IWCA). The NQCA algorithm divides the network into clusters based upon node priority, transmission range, and neighbour fidelity. In addition, the simulation results tend to evaluate the performance effectiveness of the FFFCHGS algorithm in terms of EC, packet loss rate (PLR), etc.     

基于PSO的无线Mesh网关优化部署算法

无线Mesh网关的优化部署目标是对一给定的无线Mesh网络,合理地确定网关部署的方案,在满足用户通信时延、通信带宽以及网关相关属性约束(如网关的度,簇度数)的前提下,使得网关数量最少、网关间负载均衡以及总体通信代价最小。利用粒子群算法在多目标寻优方面的优势,提出了基于粒子群的无线Mesh网关优化部署算法。对粒子的速度、速度的相关运算规则和粒子的运动方程进行了重新定义与设计,然后提出了基于网关启发式初步部署与优化的二阶段粒子群优化算法。理论分析与仿真实验表明,基于PSO的优化算法得到的网关数量不劣于其它算法得到的结果,而且在其它性能指标方面:通信代价、网关节点数量、负载均衡方面优势明显,与Recursive_DS算法的相比分别提高了38.15%,7.85%和7.3%。     

传输受限的异构P2P系统负载平衡算法

提出了一种传输受限的异构P2P负载平衡算法,此算法依赖于局部网络的负载信息,并在局部网络内部进行负载迁移使整个系统达到负载平衡状态。理论分析和实验数据均表明,此算法可在网络传输存在限制的条件下,尽快地使系统到达平衡状态。基于局部负载信息与基于全局负载信息的负载平衡效果几乎相同,而前者的时间复杂度远低于后者,特别是在节点较多的P2P网络中。同时由于在局部网络内进行负载迁移,故能够以较小的网络通信量得到良好的性能。     

基于流量预测的无线mesh网络负载均衡路由协议

提出了一种基于神经网络预测模型的无线mesh网络负载均衡协议NNP-L2MPM。协议根据网络中泛洪的HELLO包计算路径质量,从而选择出到达目的节点的最优下一跳,并以MAC层接口队列长度作为流量负载的衡量依据,然后利用RBF神经网络预测模型对mesh网路中的节点流量负载进行预测,根据预测的下一时刻的流量负载优化路径质量,提前实现路由更新,避免中间节点发生拥塞,进而提高网络性能。仿真结果表明:与原有路由协议相比,所提协议在数据包投递率上提高了约9%,平均端到端延时降低了约16%。     

基于改进Dijkstra算法的配用电通信网流量调度策略

针对配用电通信网中数据汇聚易产生拥塞的问题,提出了一种复合边权值流量调度路由算法。首先,依据跳数建立节点分层模型;然后,划分配用电业务优先级和节点拥塞等级;最后,以跳数、流量负载率和链路利用率为综合指标计算边权值,对需要流量调度的节点根据改进的Dijkstra算法进行路由选择,同时对重度拥塞节点按照配用电业务优先级进行调度。与最短路径（SPF）算法和贪婪背压算法（GBRA）相比,在数据生成率为80 kb/s时,所提算法紧急型业务丢包率分别减少了81.3%和67.7%,关键型业务丢包率分别减少了79%和63.8%。仿真结果表明,所提算法能有效缓解网络拥塞,提高网络有效吞吐量,降低网络端到端时延和高优先级业务的丢包率。     

有导向变异算子的无线Mesh网负载均衡算法研究*

为了提高无线Mesh网络(WMN)的传输性能,提出基于有导向变异算子的进化算法GM-EA(guidedmutation EA)来优化WMN网关负载均衡问题。在已有的WMN负载均衡算法基础上,GM-EA算法通过结合粒子群优化的方法,更好地利用种群中的全局信息,在较少迭代次数下可以达到网关数量和负载均衡两方面的优化。仿真实验表明,GM-EA算法以增加执行时间为代价下得到的网关数量与比其他算法得到的结果更优;在网关负载均衡方面,该算法也取得较好的结果。     

基于Linux虚拟服务器的负载均衡

Internet业务量的激增和网络应用特殊化都使得负载均衡成为迫切需求，Linux虚拟服务器按传输层连接对集群节点进行业务分配，能便捷而高效地实现负载均衡，文章对其工作方式和均衡策略进行全面研究，讨论了算法改进和应用实例。