基于主动网络的多路径流量均衡模型研究

现有网络中到达某一目的地址的流量一般集中在最优路径上,这使得网络资源利用不均衡,拥塞不可避免,而传统网络体系结构很难实现流量均衡。利用主动网络节点的协作分布式计算能力给出了一种多路径的流量均衡模型,该模型包括多路径输出流量优化分配、输入带宽优化分配、拥塞抑制等算法,实现了流量与资源的均衡配置。实验证明该模型提高了网络链路的利用率,避免或减少了网络拥塞的发生,整个网络性能得到了提高。     

基于集对分析的网络流量大数据均衡调度方法

为了有效降低网络流量传输时的网络负载,基于集对分析策略,提出DNS网络流量大数据均衡调度方法。设计Dramp流量路由控制方法,根据链路权值量化,提出优化函数,实现多路径网络流量的传输,在静态域名解析(DNS)的环境下,重新构建网络链路,设计了一个包括网络流量负载信息和网络信息实体输入信息,且序列一体的传输链路,用于配合路由控制,最后基于集对分析思想,根据定向控制器分析信息,保证路由和链路的匹配,实现网络流量的均衡调度。实验数据表明,与传统方法相比,设计的DNS网络流量大数据均衡调度方法,网络时延降低了21%,丢包率降低了27%,可以有效降低网络负载。     

认知无线传感器网络中基于流量的多路径路由

人们对无线传感器网络多路径路由问题的讨论很多,但从流量分配的角度来讨论路由问题相对较少。主要讨论无线传感器网络通过认知无线电租赁有限的频谱资源,从网络流量分配的角度,利用微分博弈模型来解决无线传感器网络多路径路由问题,同时也考虑了多路径路由的稳定性及经济效益问题。通过求微分博弈反馈纳什均衡的解对n条路径进行了动态流量分配,给出了可以提高认知无线传感器网络有效性、稳定性、可靠性及经济效益的多路径路由算法。     

多蚁群算法的网络负载动态均衡方法

针对网络资源管理中的负载均衡与优化问题,提出一种多蚁群网络负载动态均衡方法,采用网络流量工程理论中拥塞控制机制实现信息素随网络流量动态释放与更新。算法通过蚁群间信息素的动态相互作用（蚁群内信息素相互增强,蚁群间信息素相互削弱）,将代表网络负载的蚂蚁合理分配到可用路径,避免蚂蚁集中到特定路径而造成网络拥塞。实验结果表明,通过路径信息素控制能够实现网络负载均衡,有效提高网络在路径延时、平均带宽利用率和平均丢包率方面的性能。     

基于SDN的胖树数据中心网络多路径负载均衡算法研究

软件定义网络SDN(Software Defined Network)通过将网络设备的控制层与数据层分离解耦,能够实现网络的集中控制和流量的灵活转发,因此被广泛应用于数据中心等相关领域。在数据中心网络中,为了提高网络的带宽和吞吐量,多采用具有多路径特性的层次型网络拓扑结构,如胖树拓扑结构。然而传统路由算法对多路径的支持非常有限,无法充分利用网络剩余带宽。重点研究基于SDN的胖树数据中心网络多路径负载均衡算法。利用SDN网络集中控制的特点,获取多路径实时状态信息,计算各路径当前可用带宽,根据数据流的带宽需求选择最佳转发路径。实验结果表明,该算法无论在降低网络传播时延还是在提高网络吞吐量等方面都优于传统路由算法,能够实现胖树数据中心网络的多路径负载均衡。     

多代理系统下的主动配电网故障恢复博弈策略

在保障主动配电网可靠恢复前提下,为实现供电侧与用户侧利益均衡,本文提出了多代理系统(multiagent system,MAS)下的主动配电网故障恢复博弈策略.为充分考虑电网和电力用户对故障恢复的决策影响,设计了由电网代理、用户总代理和协调代理构成的MAS,建立了MAS信息传输模型.然后,构建了供电侧和用户侧在故障恢复中的利益函数、恢复策略空间,以及以电网代理和用户总代理作为参与人的合作博弈恢复模型.电网代理和用户总代理分别以改进的蚁群算法和统计方法进行分布并行计算,协调代理以双方共同的利益函数作为寻优目标通过迭代算法求得满足纳什均衡的恢复策略.本文以IEEE69节点模型为例,分别对单故障和连锁故障恢复情景求解,验证了本文所提策略的有效性.     

基于遗传算法的WMSNs多路径多目标优化路由算法

针对WMSNs路由算法设计的需求,依据遗传算法的基本原理和Pareto多目标优化方法,提出WMSNs多路径多目标优化路由算法MMOR-GA。该算法充分利用基站的存储空间充裕、能量充足和计算能力强的优势,在全局范围内搜索WMSNs多路径多目标优化路由。同时构建了基于前向邻居概念的网络模型和多目标优化函数,设计特定的编码方案及选择、交叉、变异算子。将MMOR-GA和TPGF进行模拟仿真实验,结果表明MMOR-GA算法能均衡有效地提高WMSNs路由的多QoS参数。     

面向并行网络流量分类的负载均衡算法

为了解决高速网络流量分类系统的性能瓶颈问题,提出了一种并行网络流量分类系统负载均衡算法。该算法由静态预分配和动态自适应调整两部分组成,采用基于Hash流表实现负载的静态预分配,根据处理节点的动态反馈对Hash流表进行重映射。通过实验和静态Hash算法以及SHI算法进行了对比,实验结果表明,该算法负载均衡度好、丢包率小、流重映射率低,能够满足并行网络流量分类系统负载均衡的要求。     

代理集群的负载均衡系统的设计与实现

为了提高代理集群系统的整体性能,提高代理集群的效率,基于分布式计算领域已经较为成熟的负载均衡算法的研究成果,以及目前流行的服务器流量均衡策略,设计了一种针对代理集群这一应用背景的负载均衡策略系统,完成了系统结构和负载均衡策略的实现,并进行了性能测试.     

一种基于流量映射代理的以太网流量均衡实现结构

流量均衡是提高网络性能的重要技术。随着基于以太网技术构建的网络规模不断扩大,如何实现流量均衡成为制约以太网技术发展的重要问题之一。针对该问题,论文提出了一种以太网流量均衡实现结构,该结构的核心部分是采用流量均衡选路算法的流量映射代理,它能够利用虚拟局域网技术和多生成树协议控制用户流量在网络中的分布,实现流量均衡。     

Score-based Incentive Mechanism (SIM) for live multimedia streaming in peer-to-peer network

A decentralized model is primarily used for communication and file transfer, the peer-to-peer network is based on this model. The field of real-time communication and media streaming has witnessed enormous growth in recent times owing to their use of peer-to-peer network. A significant part of Internet traffic is being created by the peer-to-peer network resulting in an increase in its demand. The rise in prominence of peer-to-peer network can be attributed to its properties like resource utilization and distributed nature. Resource utilization of peer-to-peer network is one foremost motive for selecting this network over the traditional client-server architecture. The availability of selfish peer or free riders affects the total resource utilization and degrades the performance of the network. So, there is a requirement of an incentive-based mechanism to motivate the selfish peer or free riders in the network to improve the performance of the network. In this paper, we will discuss a new score based incentive mechanism to improve the overall resource utilization. This approach is based on a reward-punishment based method, so the peers are encouraged or motivated to share more resources and chastise selfish peers. For calculating the score value of a peer, parameters like upload capacity, video quality, control packets, a time period for which peers stay in the network can be used. Different score values are assigned for different parameters. The simulation results presented in this paper verify the approach and illustrate that the quality of video and performance of network improves using our new score based incentive mechanism. The parameters used for calculating the performances are; end-to-end delay, playback delay, start-up delay, and frame redundancy etc.

     

考虑虚拟机间性能互扰基于排队网的多层Web应用性能分析模型

多层Web应用性能分析是实现资源动态分配和管理、保证多层Web应用性能的重要因素之一.传统的多层Web应用性能分析模型往往假设服务器部署在无性能互扰的服务器环境中且忽略了逻辑资源服务能力对多层Web应用性能的影响.随着云计算的发展,底层物理资源可以通过虚拟化方式形成虚拟资源并向外提供服务,这为多层Web应用的性能保证提供了有效支撑.因此,如何考虑虚拟机性能互扰以及逻辑资源服务能力对多层Web应用性能的影响已经成为云计算环境中多层Web应用性能分析所需解决的关键问题.为此,构建了一个基于排队网的多层Web应用性能分析模型,该模型通过丢弃队列来对目前多层Web应用性能分析模型在并发数限制方面进行扩展,在考虑虚拟机间性能互扰的基础上,提出了多层Web应用性能分析模型参数求解方法.实验结果验证了所提出的多层Web应用性能分析模型的有效性.     

基于Agent与分布式缓存的P2P资源发现策略

提出一种基于multi-agent与分布式缓存技术的资源发现模型,静态agent可维护本地资源信息,移动agents可通过在网络中的迁移来完成资源的发现,分布式缓存可以提供一种高效的搜索方式。在P2P网络中,使用该模型可快速找到资源,减少网络阻塞,改善扩展性与健壮性。     

一种多域间动态协商机制的设计与实现

针对区分服务网络中多域间基于服务级别约定(SLA)的实时协商问题,在分析协商过程中消费者和服务者的优化目标和约束后,从系统平衡的角度,提出一种多域间的动态协商模型。此模型能够减少价格的频繁抖动,提高资源分配的有效性,并给出一个具体的协商场景实例。最后通过实验验证了模型的有效性。     

网格资源监控关键技术的研究

网格资源监控可以获得网格环境中的各种动态资源和各个节点的状态，提供对网格计算环境的一个真实、实时的动态反映。GridFerret系统是一种基于移动Agent技术的网格监控系统，将移动Agent技术应用于网格环境中，能减少远程计算机网络的连接费用和通讯代价，充分发挥了移动代理的优势，为网格技术的发展提供了新的思路。     

基于SDN的数据中心网络资源调度机制

随着大数据应用的不断丰富, 现在的数据中心通常部署着多种集群计算框架, 并由统一的集群资源管理器(如Mesos)进行管理. 目前的集群资源管理主要关注计算资源和存储资源, 较少的涉及网络资源. 但研究表明高效的网络资源管理对于优化作业性能十分重要. 本文提出了一种基于SDN(Software Defined Network)的数据中心网络资源调度机制, 该机制可以根据管理员预设的网络资源分配策略, 加权的进行网络资源调度, 为高优先级的作业分配更多网络资源以优化性能, 并且实现不同作业之间的网络性能隔离. 我们基于开源SDN控制器实现了原型系统, 并通过实验验证了该机制的有效性.     

构造基于信任机制的自组织资源拓扑

利用P2P覆盖网络(P2P overlay networks)进行资源组织是当前研究的热点,如何保证资源获取的可靠性是研究人员面临的一个主要问题.利用节点的动态自组织属性,基于节点物理位置的拓扑构造可以提高P2P网络的性能,但没有关注P2P网络中恶意节点的问题;基于偏好的拓扑构造可以有效地提高资源共享和搜索的效率,但没有考虑节点实际提供服务的能力和节点行为的可靠性.提出了一个基于信任机制的自组织资源拓扑构造方案,利用Bayesian方法根据节点的行为来评估节点的信任度,通过节点间基于信任关系的链路更新,构造出新的自组织拓扑结构.仿真实验表明,该拓扑结构不仅有利于节点发现资源的效率,提高整个P2P网络的交互性能,还能使节点聚集在服务能力较强的可信节点周围,保证资源选取的可靠性.     

基于改进组合神经网络的水资源预测研究

我国作为水资源大国,在日益加速的城镇化进程中正面临人口膨胀、环境污染、水质变差等一系列重大的挑战,而科学合理地对水资源需求进行预测成为保护环境、保持可持续发展的关键任务。首先将神经网络应用于水资源需求预测问题背景并比较其算法,同时引入模糊反馈法来改进熵值法以确定组合模型的加权系数,建立组合神经网络预测模型。该算法不仅可以根据历史数据自动推演今后水资源需求的变化趋势,还引入反馈和演化机制,用户可以调整求解精度以控制算法的收敛速度。实验表明,在数据精度不高以及水文数据不全等不利应用背景中,提出的基于组合模型的神经网络在水资源预测中具有较好的性能。     

一种基于深度学习的云平台弹性伸缩算法

为了满足性能要求，降低资源消耗，研究人员提出了许多伸缩调度的算法和方案。但是，它们中的大多数只作用在服务器或应用程序的当前状态，无论是资源实际的调度效果还是算法方案的适用性上都受到了影响和限制。本文提出一种基于长短期记忆网络和BP神经网络的面向应用的弹性伸缩算法。该算法包括工作负载预测模型、响应时间预测模型和资源调整策略模型，能够对云计算应用的工作负载和响应时间进行预测并给出合适的资源调度策略。为了提高工作负载预测的准确度，本文将卷积运算和长短期网络结合起来，更好地提取数据特征并进行准确地预测。而为了提高模型收敛速度,并有效避免模型过拟合的问题，本文则在BP神经网络中使用批标准化运算。在验证实验中，该算法工作负载预测的平均绝对百分误差降低到3.4×10-4，响应时间预测和调度策略模型也达到了不错的效果。在实际平台运行中，该弹性伸缩算法还能够根据Docker容器云平台实际需要提供合适的计算资源调度策略。实验结果表明，相比较其他模型，该弹性伸缩算法在工作负载预测和云平台计算资源调整方面具有较好的性能。     

Performance evaluation framework for IP resource reservation signalling

This paper investigates the scalability limitations of signalling-based Quality of Service (QoS) provisioning using the RSVP and Boomerang protocols as examples. We establish a performance evaluation framework, which contains per hop metrics for describing the router’s signalling capability and per reservation metrics for characterising the overall performance of the reservation protocol. The per hop metrics are captured in a simple router model, using parameters that are based on actual measurements. This router model is used in a simulation scenario, which characterises the end-to-end impact and overall performance of the RSVP and Boomerang reservation protocols.

This paper summarises the results of router benchmarking measurements and simulations. The per session results highlight that, with thorough selection of the control protocol, signalling-based resource reservation is a realistic approach in the Internet. It is also shown that the selection of the signalling protocol can seriously influence the reservation performance of a router and thus the overall performance of the entire network as well. The presented performance evaluation framework can be used for network dimensioning and it can even aid the design of new resource reservation protocols and new router devices.