一种粒子群优化的多路径路由负载均衡算法

多路径路由的一个重要问题是如何有效地均衡网络负载.针对丢包率比较敏感的应用需求,本文利用最优化理论研究了在多路径环境下的负载均衡问题.均衡算法首先利用路径QoS指标预测每条路径的丢包率,然后将多路径负载均衡问题转化为最优化问题,在此基础上,利用粒子群优化算(particle swarm optimization algorithm,PSO)动态求解调整每个路径的转发比例,并分析了影响转发比例的因素.通过理论分析及仿真实验表明,该算法能有效地降低网络丢包率,提高网络性能.     

基于流量分配倾向度的SDN多路径负载均衡

针对SDN多路径网络环境下的负载均衡问题,提出一种基于流量分配倾向度(flow distribution propensity,FDP)的SDN多路径路由负载均衡策略。在SDN多路径网络中,每当有数据流需要传输时,通过深度优先遍历算法(DFS)获取并存储多路径信息及每条路径的带宽与时延参数;依据文中定义的流量分配倾向度,结合OpenFlow组表技术,公平地分配网络流量到每条可用路径。仿真结果表明,该策略可有效增加所有可用路径的数据包传输量,降低SDN网络中单一路径的负载,实现了基于多路径路由的负载均衡。     

基于软件定义网络的数据中心自适应多路径负载均衡算法

针对传统多路径负载均衡算法无法有效地感知网络的运行状态、不能综合考虑链路的实时传输状态以及大多数算法缺少自适应性的问题,基于软件定义网络(SDN)的集中控制和全网管控思想,提出一种基于蜘蛛猴优化的SDN自适应多路径负载均衡算法(SMO-LBA).首先,利用数据中心网络的感知能力来获取多路径的实时链路状态信息;然后,利用...     

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。     

利用流量负载均衡与带宽控制优化企业Internet网络

本文主要论述了流量负载均衡技术以及带宽控制技术在企业Internet网络中的应用,通过对负载均衡、QOS、动态选路技术的原理描述及分析来确定实施方案,并根据使用多条ISP线路时可能出现的特殊情况,指出了在特殊情况下这些技术应用的不足和局限性,以及目前可行的替代方案。     

最小割多路径路由算法

在最小割理论基础上提出了最小割多路径(min-cut multi-path,简称MCMP)路由算法,为流量请求选取少量关键路径,并在这些路径间均衡流量,在获得方法易实现性的同时能够有效地控制网络瓶颈链路拥塞通过实际流量数据在北美和欧洲骨干网络中的实验,对比常用的OSPF(open shortest path first)路由算法和模型中的多路径路由算法,MCMP路由算法可降低拥塞链路负载分别达到41％和20％以上.     

无线网状网络的多路径路由与调度算法

提出了一种保障服务质量的多路径路由算法,数据分组可通过多条不同的路径进行传输,以提升网络总吞吐量性能.进一步提出了一种多路径调度策略.通过使用调度策略,基于当前可用带宽信息和路径所引入的时延信息,数据分组在传输前可被分成多段并通过不同的路径发送,根据路径时延调整优化调度策略,从而使得数据可通过在不同的路径上进行更高效地传输.仿真实验进一步验证了本文提出的路由机制和调度策略在不同网络负载下的优越性.     

基于蚁群算法的WSN多路径负载均衡路由

为使无线传感器网络节点能量消耗相对均衡,在定向扩散路由算法的基础上,结合蚁群算法,提出一种多路径负载均衡路由算法。该算法利用蚁群的自适应和动态寻优能力,在源节点和目的节点之间搜索建立多条传输路径,并将节点剩余能量引入启发因子,均衡节点能量消耗。同时,运用层次分析法,赋予每条路径一定的负载分配比例,使数据总能在链路性能较优的多路径中均衡传输,延长整个网络的生命期。仿真结果表明,与定向扩散路由算法相比,该算法能够均衡节点能耗,有效延长网络寿命。     

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。     

基于动态配置等价多路径技术的无线传感器网络负载均衡算法研究

随着物联网应用的推广,作为底层核心构件的传感器网络所承载传输业务成激增趋势,使得窄带宽无线信道成为了制约物联网应用的首要因素。合理分流流量,实现负载均衡是提升网络承载能力的有效方法。本文将ECMP ( Equal-Cost Mul-tipaths)技术与传感器网络自组织特性相融合,传感器网络多跳自组织特性为业务传输提供多条等价最短路径,ECMP将业务均衡分担到这些等价最短路径上,实现负载均衡。理论证明传统ECMP 配置方法全网节点开通ECMP 功能不仅会增加网络控制信息开销,而且在某些情况下反而会增大区域负载,形成网络拥塞。因此,本文提出动态选择开通 ECMP 算法( DC-ECMP )。算法以流入节点流量等于流出节点流量作为业务守恒约束,链路带宽上限作为链路容量约束,以最大链路利用率最小化为目标函数,建立多约束优化模型。并依据最大链路使用率和节点度判定开通ECMP 优先级,动态选择需开通节点,以获取最优网络传输性能。仿真结果表明DC-ECMP算法比已有PPV算法有效降低最大链路使用率,消除网络局部拥塞隐患,并且最大减少传输延时9.9 ms,节省网络资源消耗4.06%。     

一种基于贝叶斯网络模型的交通事故预测方法

大部分的交通事故都可以预测.有效的交通事故预测能从很大程度上减少人员伤亡和交通阻塞.贝叶斯网络是目前不确定知识和推理领域最有效的理论模型之一.该文提出了一种基于贝叶斯网络模型理论的交通事故预测方法.在综合考虑交通事故成因的基础上利用领域专家知识构建网络模型,在已有的事故数据的基础上提出基于贝叶斯法则的学习算法,并通过计算变量间的条件概率来计算事故发生的可能性,达到事故预测的目的.文章的最后,通过历史数据进行仿真实验,对仿真结果和该模型的适用范围进行了分析.     

一种基于SDN和MPTCP的多径并行传输技术

本文提出了根据网络信息状态通过SDN控制器来控制MPTCP流量以提高并行传输速率。利用本文所提出的最宽不相交选路算法,为每个MPTCP连接选择一组可用带宽最宽且链路差距较小的路径集。然后使用可用路径容量的比例作为流量分配到该路径上的概率,进一步减小子流的带宽差距。最后,通过搭建Floodlight仿真实验平台,证明本方案能够避免MPTCP的不同子流经过同一路径,并有效的利用路径提升并行传输效率。     

基于DEMT算法网络多路径流量的优化

提出一种多路径路由流量动态均衡算法,改进网络多路流量分配算法存在单目标路由的不足。该方法建立有向赋权拓扑结构的网络多路径分配数学模型,采用构造可能性系数的路径选择标准,引入QoS路径负载率和最小跳数作为目标变量导出合理分布负载的优化方法。仿真结果证明,该锋法最大负载率的增加幅度与最小时延算法和最小跳数算法相比更加平缓,网络负载率可控制在70％以下,传输延迟时间降低56％。     

基于多路广播树的SDN多路径路由算法

传统的网络使用基于最短路径的单一路径路由,无法有效地利用网络的全部带宽。软件定义网络(Software Defined Networking,SDN)采用中心化的控制平面能方便地实现对路由的精确控制。针对SDN网络下的多路径路由问题,提出了基于多路广播树的路由存储结构及相应的多路径选择算法。该算法根据各路径的可用带宽和时延进行概率分配,优先选择可用带宽大和时延小的路径。实验结果表明,该算法能快速地进行路由,并有效地减小传输时延和增大吞吐率。     

基于系统最优的航空信息网络流量均衡方案

随着未来空战的需求,当前的航空信息网络逐渐暴露出种种不足,如针对不同作战任务网络应具备较强的差异化服务能力、网络中各平台节点间的信息不能得到及时共享、网络规模的增加导致网络中流量发生拥塞和网络架构更加臃肿等问题,而SDN的出现较好地解决了这一问题,通过将SDN与航空信息网络相结合,创新性地提出了一种软件定义航空信息网络。文中面向航空信息网络中的流量传输问题,针对网络中流量分布不均衡的情况,提出了一种基于系统最优(System Optiminzation,SO)的流量负载均衡方案。文中通过构建混合SDN/IP航空信息网络模型,在网络中利用SDN控制器的集中控制特性使SDN节点对业务流量进行多路径转发,进而实现对其调度优化,并定义链路拥塞系数和SDN数据流,以链路利用率最小为目标,利用Wardrop均衡理论分析求解,参照系统最优原则,并提出一种基于SO的流量均衡分配算法。为体现所提算法的优越性,仿真中同时设置了SMR算法和MSR算法,结果表明SOA算法在业务完成率与业务吞吐量方面均有显著提升,如在大规模网络中,MSR和SMR算法的业务完成率分别为58.4%和52.2%,而SOA算法的业务完成率大约为70.5%,性能分别提升了20.7%和35.1%,因此所提算法对网络中流量的转发实现了较好的处理,为解决未来航空信息网络下的流量传输问题提供了一种新思路。     

面向多径业务传输的快速故障定位机制

为解决WDM光网络中快速准确定位故障的难题,提出一种面向多径业务传输的快速故障定位机制,即建立多径业务传输模型来寻找多条链路分离光通路,在此基础上,各网络节点分布式独立计算故障链路向量,以快速限制定位区域。通过理论分析和仿真表明,所提机制对业务分布依赖性更低,能够迅速实现故障完全定位,并能提升故障定位速度。     

基于遗传算法的网络资源配置优化

随着新一代网络的结构复杂化和应用多样化,如何进一步提高实时业务的服务质量,是急需解决的重要问题之一,而合理配置和优化网络资源是解决该问题的有效方法。针对多业务网络,提出一种以网络资源均衡度为目标、QoS为约束的优化模型;应用改进的遗传算法实现带宽和节点缓冲区资源的优化配置,以实现网络流量分布均衡,从而提高网络性能。通过分析遗传算法种群适应度的变化趋势,给出一种基于种群稳定性系数阈值的迭代终止方法,以提高算法收敛效率。通过实验验证了以上方法的有效性。     

基于稀疏表达和RBF神经网络的交通流预测方法

准确的交通流预测被认为是智能交通系统（ITS）中一个重要的元素.针对以往仅靠人工经验在预测节点的邻近范围内进行时空关联选取,提出了一种基于稀疏表达的时空关联挖掘的方法,并应用于RBF（Radial Basis Function）神经网络进行交通流预测.它的优势在于可以基于全局的交通网数据自动地挖掘出与目标节点的传感器相关的时空关联传感器,此方法具有良好的自适应性,能应用到大的交通网中进行交通流预测.相比于从邻近范围选取时空关联传感器来进行预测的方法,拥有更好的预测性能.     

WSN中基于多径距离和神经网络的节点定位

为了实现802.15.4a无线传感器网络中的目标定位,提出了一种新的基于多径距离和神经网络的目标定位检测算法。首先通过目标出现时对多径效应的影响估计出到达时间差,从而计算出通信传感器节点之间的多径距离;然后把多径距离作为神经网络的输入,并将目标位置用于神经网络的训练;最后通过选择多径距离估计值和测量值的差的最小成本组函数来定位目标位置。对单目标和多目标的定位检测仿真结果表明,即使当网络中传感器数量和目标增加时,所提出的定位算法的误差累积分布函数也不会增大,而且其定位误差比其他定位算法的误差小,从而增强了网络的鲁棒性,提高了网络中传感器承受故障的能力。     

基于多尺度融合的城市交通路网仿真系统研究

目前关于城市交通仿真方面的技术研究较多,但都存在一些问题,如:交通系统大部分在空间尺度上是从微观到宏观的高度综合,在时间尺度上是从秒级到年级高度连续的整合,交通系统的复杂度决定了任何一种单一的尺度都很难对交通现象进行更好的客观仿真。在此基础上,提出了基于多尺度融合的仿真系统,旨在从宏观、中观、微观3个尺度运用相应算法进行融合,并对系统进行设计。最后对基于多尺度融合的城市交通路网优化仿真系统进行实验,通过南京福建路和三牌楼路口信号方案优先的实例对其进行路网仿真实验分析。结果证明,该系统具有实用性和可靠性。