基于DiffServ体系的QoS实现特定业务服务质量

随着计算机网络的飞速发展,网络的各种应用(OA系统、语音系统、网络视频监控系统)日趋复杂,导致网络传输数据的种类越来越多,网络上各种数据的重要性、优先级不同,需求的带宽也不一样.不具备QoS功能的网络,其同等对待所有的转发数据流,并不保证某一特殊的数据流会受到特殊的转发待遇.当网络带宽充裕的时候,所有的数据流都得到较好的处理,当网络发生拥塞的时候,所有的数据流都有可能被丢弃.这种转发策略是尽最大能力转发数据,其只能尽可能充分利用交换机自身的带宽,因此不具有提供品质服务的能力.在网络中配置QoS可以避免网络管理拥塞,减少报文的丢失率,调控网络的流量,为特定用户或特定业务提供专用带宽和支持网络上的实时业务.实现重要数据的优先传输,本文介绍了基于DiffServ体系的QoS实现特定业务服务质量.     

基于工业以太网络融合的庞庞塔选煤厂汽运装车网络系统的设计与应用

针对选煤行业工业以太网重复建设现状,提出设计基于标准工业以太网的基础平台,采用VLAN和QoS等方法和控制策略,统一以太网接口设备,实现真正全以太网融合;在提高网络管理水平的同时,减少了设备用量和投资;结合具体项目给出工程设计与调试实例。     

物联网环境下基于情境的语义Web服务选择

当前Web服务海量增加，物联网应用技术快速发展、不断普及，而现有的Web服务选择算法低效、用户匹配度低。针对该问题提出一种物联网环境下基于情境的语义Web服务选择方法。该方法应用QoS参数的无量纲化与语义Web服务动态选择方式，将物联网环境下服务与语义Web服务相结合，并根据用户需求针对QoS选择最优的服务集。实验表明，该方法能有效地提高用户服务动态选择的成功率。     

PTN网络QoS技术应用分析

PTN网络服务能力较强,能够根据客户业务特性平衡服务质量和带宽耗用。PTN网络以分组交换为核心,将传统的分组城域网改变成端对端的运用级传送网。PTN网络研究对提高网络服务质量、促进网络技术发展具有重要意义。PTN网络支持层次化的QoS技术应用,能够提高网络服务质量。     

基于MPLS的网络服务质量分析

本文针对软交换网络服务质量中的分组丢失问题,研究了控制和业务相分离的软交换网络的体系结构,讨论了电信网络的演进趋势。论文从IP技术的角度,分析了分组丢失的原因以及以分组为对象和以网络为对象的解决方案,重点讨论了多协议标签技术对服务质量的保证措施,利用该技术解决服务质量可以保证网络良好的可靠性和安全性,系统开销也会很小。     

基于时间槽的可降带宽核心网视频业务动态资源预约算法

为了解决未来核心网络中大容量、低延时视频业务的服务质量保证问题,以视频会议业务为例,在基于软件定义网络的核心网络框架下,将视频会议请求解析为多个资源请求,以时间槽为单位进行带宽资源的提前预约,提出一种可降带宽的资源预约算法. 在进行动态资源预约时,若发现在某个时间比例内链路不满足视频业务带宽需要,则采用降带宽的方式进行处理,以避免视频业务在某个较短时间段内因带宽不满足需求而导致预约失败. 仿真实验结果表明：相比不采用降带宽的动态资源算法,该算法能够有效提高视频业务资源预约的成功率,参会方个数越多,时间槽越小,成功率的提升越大.     

基于链路可靠性的两跳QoS路由

针对工业无线传感器网络对路由协议的QoS要求，研究了一种基于链路可靠性的两跳QoS路由（Link-Reliability Based Two-Hop Routing for QoS Guarantee in Industrial Wireless Sensor Networks， LRTHQR）.采用两跳速度策略和数据优先级调度策略提高实时性，采用改进的信任评估模型以选择可信路径进行路由，采用基于接收功率的链接概率和数据包重传次数作为衡量链路可靠性的指标，同时采用能够综合考虑节点剩余能量和转发能耗的转发策略，以改善网络寿命.仿真结果显示：与未考虑链路可靠性的NCSRT （NodeCredible Security Routing for IWSN Based on THTR）算法相比， LRTHQR算法在丢包率、时延以及包平均能耗方面有着明显优势；与同样侧重QoS要求的LRTHR （Link-Reliability based Two-Hop Routing）算法相比， LRTHQR算法在截止期错失率、路由开销以及包平均能耗方面有着显著提升.     

领域QoS与资源感知的物流服务动态优化组合方法

为了提高物流服务优化组合的动态性、可靠性与用户满意度,本文提出了一种基于全局服务质量(quality of service,QoS)约束分解的能够感知领域质量与资源需求的物流服务优化组合方法.该研究工作首先把学习机制引入人工蜂群算法(artificial bee colony algorithm,ABC),形成了具有自主学习能力的改进型人工蜂群算法(LABC);之后,应用学习人工蜂群算法(LABC)将全局QoS约束分解成每个物流子任务需要满足的局部QoS约束,从而将QoS感知的物流服务优化组合这一全局优化问题转化成以领域质量为依据的局部最优服务选择问题;其次,在物流服务流程执行的过程中,在感知物流任务节点对资源需求的前提下,为每一个物流任务节点选择一个具有最优领域QoS的物流服务;与已有的研究工作相比,该方法能够实现物流服务动态可靠的优化组合.最后,通过模拟实验验证了本文所提出的方法是可行有效的.