QoS约束的链路故障多备份路径恢复算法

链路故障的恢复,不仅仅是选择一条连通的备份路径问题,还应考虑网络业务故障恢复过程中的QoS需求。针对此问题,该文基于多备份路径策略,构建概率关联故障模型和重路由流量丢弃量优化目标。并基于该优化目标,以业务的QoS需求为约束,建立故障恢复问题的数学模型,提出一种QoS约束的链路故障多备份路径恢复算法。该算法构建单条备份路径时,以最大程度地减少重路由流量丢弃为目标,并采用改进的QoS约束的k最短路径法进行拼接,且给与高优先级链路更多的保护资源。此外还证明了算法的正确性并分析了时间空间复杂度。在NS2环境下的仿真结果表明,该算法显著提升了链路故障恢复率和重路由流量QoS满足率,且QoS约束条件越强,相较于其它算法优势越明显。     

基于蚁群算法的自适应QoS路由优化

Internet网络规模的迅速增长和网络技术的不断完善，使得如何在满足QoS（quality of service）要求下进行路由选择成为路由算法研究的重要方向。提出了一种多约束条件下的自适应蚁群算法，该算法基于目标函数的信息素分配策略来自适应地调整蚂蚁的搜索行为，使多约束QoS路由优化问题得到了很好的解决。     

基于蚁群算法的自适应QoS路由优化

Internet网络规模的迅速增长和网络技术的不断完善,使得如何在满足QoS(quality of service)要求下进行路由选择,已成为路由算法研究的重要方向。本文提出了一种多约束条件下的自适应蚁群算法,该算法基于目标函数的信息素分配策略来自适应的调整蚂蚁的搜索行为,使多约束QoS路由优化问题得到了很好的解决。     

多业务MIMO-OFDMA/SDMA系统跨层调度与动态资源分配

对多业务MIMO-OFDMA/SDMA 系统下行链路跨层调度与动态资源分配问题进行了研究.首先,在满足各种约束条件的前提下,以最大化系统吞吐量为目标建立了相应的优化模型;然后,提出了一种基于业务类型和子空间距离的用户分组算法,该算法采用聚类分析的方法在每个子载波上对配置有多根接收天线的用户进行分组,从而降低了调度时所需搜索的用户空间的维数;接着,基于所提出的用户分组算法并结合不同业务的优先级提出了一种新的跨层调度和资源分配算法,该算法充分利用跨层信息为每个子载波调度相应的用户组,并为调度到的用户分配相应的系统资源,从而通过最大化每个子载波的吞吐量近似实现了系统整体吞吐量的最大化.仿真结果表明,与现有的方案相比,所提算法更好地满足了不同业务用户的QoS要求,并获得了更好的吞吐量性能.     

基于链路状态的多约束路由预计算算法

作为下一代高速网络的核心问题之一,多约束的服务质量路由(QoSR)至今尚无有效算法,为此基于线性能量函数设计了预计算算法MEFPA.该算法将每个QoS度量的重要性均匀分成若干个等级,从而在多维QoS度量空间中构造出多个均匀分布的线性能量函数;算法通过能量函数将QoS链路状态转化成单一能量值,再使用Dijkstra算法计算最小能量树,最终产生QoS路由表.文章分析了多约束下的线性能量函数对算法性能的影响,给出了判定多维空间中QoS约束的可行区域和不可行区域的方法,最后基于这些理论为多约束QoSR问题给出了预计算算法.广泛深入的实验结果表明,高可扩展性、高性能、易实现的预计算算法MEFPA是一种值得在下一代网络中考虑的路由算法.     

基于自适应蚁群的多约束QoS组播路由算法

结合多约束QoS组播路由的特点,应用一种自适应蚁群优化算法解决组播路由问题.考虑到实际通信中链路利用率对网络的影响,将网络中链路的带宽转化为链路的代价问题,并在蚁群算法中根据蚂蚁所选路径的代价进行信息素更新,增加了信息素调整的自适应性,同时加快了算法的收敛速度,使得组播路由算法在考虑网络QoS约束的基础上进一步贴合实际网络的需求.     

一种基于多目标优化的Ad Hoc网络QoS路由算法

目前的一些Ad hoc网络QoS路由算法难以满足军事系统中一些特定业务对于多个目标的同时要求,本文选取带宽作为约束条件,把时延和丢失率作为QoS优化目标,建立了QoS路由选择的多目标整数优化模型,并给出了求解模型的算法.实例计算结果表明了算法的可行性.     

多波束卫星通信功率带宽联合优化算法

在多波束卫星通信系统中,资源利用率受星上能量的限制,提高资源利用率非常重要。为提高星上资源优化的灵活性,在考虑自由空间损耗、天线增益、雨衰和波束间干扰的基础上,提出一种基于不同业务需求和信道条件的多波束卫星通信下行链路功率带宽联合优化算法。该联合优化算法采用二阶差分目标函数,运用拉格朗日对偶理论和次梯度法求得该联合优化问题最优解的下界。仿真结果分析表明,与单独地优化功率和带宽算法相比,该功率带宽联合优化算法可以根据不同的业务需求和信道条件更加灵活地分配系统容量,提高了资源利用率。      

异构无线网络业务接入多目标优化控制算法

提出了一种应用于异构无线网络环境的基于多目标优化的业务接入控制算法.该算法以业务占用总资源最少、业务阻塞率最低和网络间负载最均衡为目标建立了多目标优化控制模型,采用高斯和戒上型组合隶属函数将多目标问题模糊化,利用最大化满意度指标法将多目标问题转化为单目标问题,并通过遗传算法求得最优解.仿真结果表明,所提算法能在兼顾各网络资源高效利用的同时,保证业务接入的可靠性,并相对于参考算法有效降低了业务阻塞率.     

基于改进遗传算法的多约束QoS路由算法研究

遗传算法良好的全局搜索能力使其被广泛地应用于网络中多约束QoS路由寻址,并取得了较好的成果。然而大部分应用于多约束QoS寻址的改进遗传算法存在无法有效利用网络资源使得网络拥塞、网络过早收敛陷入局部最优解,以及过慢结束的缺点。针对上述问题,对传统遗传算法中的适应度函数和遗传算子做出相应的改进,并通过实验验证提出改进遗传算法。最终,仿真实验表明该算法是可行的,并能在一定程度上克服传统遗传算法的缺点,提高收敛速度,有效避免过早收敛,提高QoS满意率。     

LEO multi-service routing algorithm based on multi-objective decision making

In low earth orbit(LEO) satellite networks,in view of the unbalanced link resource,it's difficult to meet differentiated quality of service(QoS) requirements and easily lead to reduce the efficiency of the whole network.A routing algorithm based on multi-objective decision making was proposed which defined LEO satellite network transmission service as the delay sensitive,sensitive bandwidth and reliability sensitive three categories.It used the eigenvector method to calculate service weights,and used the consistency ratio to determine whether it can be accepted.Based on the multi-objective decision making theory,it combined with the actual state of satellite network nodes and links and the specific requirements of the business,calculating the path that meets the QoS requirements of the service,so as to realize the LEO satellite network multi objective dynamic routing optimization.Established simulation platform based on the iridium network system simulated network delay,the uncertain characteristics like the residual bandwidth and packet error rate,route planning for the randomly generated three classes of business.The simulation results show that,the algorithm not only satisfies the QoS constrain while balancing the traffic load of the satellite link effectively,but also improves the performance on the throughput.     

A Multi-Objective Optimization Scheme for Multicast Routing: A Multitree Approach

In this paper, we propose a multi-objective traffic engineering scheme using different distribution trees to multicast several flows. The aim is to combine into a single aggregated metric, the following weighting objectives: the maximum link utilization, the hop count, the total bandwidth consumption, and the total end-to-end delay. Moreover, our proposal solves the traffic split ratio for multiple trees. We formulate this multi-objective function as one with Non Linear programming with discontinuous derivatives (DNLP). Results obtained using SNOPT solver show that several weighting objectives are decreased and the maximum link utilization is minimized. The problem is NP-hard, therefore, a novel SPT algorithm is proposed for optimizing the different objectives. The behavior we get using this algorithm is similar to what we get with SNOPT solver. The proposed approach can be applied in MPLS networks by allowing the establishment of explicit routes in multicast events. The main contributions of this paper are the optimization model and the formulation of the multi-objective function; and that the algorithm proposed shows polynomial complexity.     

Reliability and cost efficiency analysis for deep space habitat network based on Nash bargaining solution

Focusing on the deep space habitat network requirements of high reliability and expensive links,two impact factors to the network performance were regarded as a multi-objective optimization problem,which were network reliability and cost efficiency model,and the relations between the two factors were formalized.Thereafter,the Nash model of cooperative game was used to make a fairness compromise to the network reliability and cost efficiency,and the Nash bargaining solution set was acquired through the Matlab platform with CVX.Further,through changing the threat value dynamically and performing the repeated game,the Pareto optimal solution could be obtained which can ensure the fairness of reliability and cost efficiency simultaneously.Finally,the Nash bargaining method was applied to a typical deep space habitat network topology,and described in detail how to set up the link numbers and link capacity in order to reduce the cost when the network traffic and the link capacity were given.The proposed work is important for the deployment and optimization of the deep space habitat network.     

基于GA的BP神经网络在多目标优化中的应用

针对传统多目标优化的求解方法通常存在目标权值主观性大,优化目标仅为各目标加权和以及在求解过程中各目标优化的不可操作性等问题,文中提出了一种新颖的多目标优化算法,其将改进后的遗传算法与BP神经网络融合,提出了基于遗传算法的BP神经网络融合算法。该算法将遗传算法与BP神经网络算法相结合,充分发挥遗传算法的全局搜索能力优势和BP算法的局部搜索能力特点,使得多目标优化问题得以求解,加快收敛速度,从而提高了收敛精度。     

最小化路径代价和流量均衡模型及算法

流量均衡是流量工程中为避免网络拥塞经常采用的路由优化目标,如何选择路径以使流量达到均衡分布是流量路由的研究热点和难点.为了最小化网络拥塞,该文在指出网络拥塞决定于流量路由时所选路径的拥塞特征后,建立了流量分布的最小化路径代价和模型.在流量路由选择路径时,提出基于瓶颈链路的最小代价路径路由算法.在实际的网络拓扑和流量矩阵数据基础上对所提模型及算法进行了实验验证,结果显示:在网络负载较大时最大链路利用率相对于已有模型可降低近20%.     

数据中心光网络资源分配方法与优化

数据中心采用光网络传输模式有利于提高系统的灵活性和拓展性,进而降低整体的能耗水平,但在实践中发现光网络资源存在分配不合理、应用效率较低等问题,不利于数据中心应对流量增加、宽带资源紧张等挑战。通过机器学习建立流量分类算法模型,并将其设计为流量分类器,使其融入光网络的流量传输环节,实现流量自动分类。借助遗传算法模型重构光网络的拓扑结构,从而优化传输路径。通过以上两项措施改进光网络的资源分配方式,并借助软件模拟检验算法模型的性能,结果显示经过以上算法处理的光网络缩短了传输路径的长度,提高了网络资源的利用率。     

基于遗传算法的Pareto多目标配电网重构

配电网重构一般采用对单一目标优化,而配电网重构却是一个多目标优化问题。因此,在此提出了基于小生境思想的遗传算法,以配电网的经济性、安全性和供电可靠性为目标,并采用Pareto寻优方式,得出Pareto最优解集,实现了和以往不同的另一种寻优方式,即先寻优后决策。在寻优过程中,通过小生境环境和交叉率和变异率的自适应机制,提高了遗传算法的全局收敛能力和收敛速度,并通过算例验证了方法的有效性。     

多目标猫群优化算法支持下的云计算任务调度

针对云环境下任务调度易出现多目标冲突的问题,提出一种改进的基于猫群的多目标优化算法。该算法模拟猫的行为模式,采用基于线性混合比率的猫行为选择方式来提高全局搜索和局部寻优能力;并在迭代过程中结合任务完成时间和任务费用支出,引入一个可调节的多目标集成效用函数,实现了资源与任务的智能调度。实验结果表明,所提算法不仅求解质量高,且在求解速度和调度消耗方面均优于多目标遗传算法和多目标粒子群算法。